高解析度遙感影像道路中心線的檢測的方法
2023-05-23 04:55:01
專利名稱:高解析度遙感影像道路中心線的檢測的方法
技術領域:
本發明屬於圖像處理技術領域,涉及道路網的檢測,可用於高解析度遙感影像道
路網的檢測和識別。
背景技術:
從遙感影像中提取道路,是圖像處理和目標識別中的一項重要的研究課題。道路信息是衛星影像中一種重要的地理專題信息,不僅在衛星數字圖像自動解譯方面具有理論與方法意義,而且可以利用提取的公路信息作為數據源,對地理信息系統資料庫進行廣泛更新,廣泛應用於國民經濟的諸多領域。 從目前的進展來看,道路自動提取還存在很大困難,現有的技術在完整性和正確性上尚未取得滿意的結果,通常需要人工後處理;而且自動提取只是局限在一定範圍內,對於非預期的輸入經常導致錯誤的結果。因此,研究人工幹預的半自動方法以便快速、準確的提取道路是目前較為實際的選擇。其中有代表性的方法如下 Dal Poz A P, Do Vale GM. Dynamic Programming for Semi-AutomatedRoadExtraction From Medium-And High-Resolution Images[J]. InternationalArchivesof the Photogrammetry,Remote Sensing and Spatial Information Sciences,2003,34 :Part 3/W8.提出的動態規劃法,該方法導出了道路的一般參數模型,將其表達成種子點之間的"代價"函數,以動態規劃作為確定種子點之間最優路徑的計算工具。動態規劃法首先應用在低解析度影像提取道路中,在該"代價"函數中增加了道路邊緣特徵約束條件,使之適用於從中高解析度影像上提取道路。動態規劃法的最大特點是將道路識別問題轉化成一個最優化問題,並且最優化問題的解是用道路上的像元來描述。此方法的缺點是需要佔用很大的存儲空間。 German D B, Jedynak. An active testing model for tracking roadsinsatellite images [J] IEEE Trans. PAMI, 1996, 18 (1) :1-14.提出了基於主動試驗模型的方法。主動試驗模型是Geman和Jedynak提出,並應用於10m解析度的衛星影像道路識別。其基本方法是首先利用初始點和方向獲得道路的統計模型特徵,建立主動試驗樹結構的試驗規則和統計模型,並建立決策樹;然後,基於決策樹,進行道路跟蹤。在中、高解析度影像中,DalPoz等利用矩形來模擬道路段,採用主動試驗策略提取道路段,再從已提取道路段中提取道路中心線。此方法的缺點是由於道路邊緣不完整或者道路寬度變化,使得這種方法提取的道路中心線位置不太準確。 STEGER C,MA YER H,RAD IG B.The Role of Grouping for Road Extraction[A] Automatic Extraction of Manmade Objects from Aerial and Space Images (2) [C].Basel :Birkhaeuser Verlag, 1997. 245-255.提出的基於類與模糊集的道路網絡提取方法。該方法的基本思想是利用類及模糊集,提取道路網絡,即首先提取影像道路,然後連接道路,在連接道路的過程中需要利用模糊集理論給出連接的權函數,給出連接道路的定量評價。試驗表明,該方法能夠很好地連接複雜地區的主要道路網絡,比一般的道路特徵提取更具有一般性,研究的區域也較大,更具有實用性,但該方法的缺點是首先需要用合適的提取算法提取出基本的道路,但是尋找合適的提取算法是比較困難的。 Park S R, Kim T. Semi-Automatic road Extraction algorithm fromIKONOSimages using template matching[A].22nd Asian Conference on remoteSensing[C].2001,3 :1209-1213.提出了模板匹配方法,該方法是根據用戶感興趣特徵上的點定義一個模板,然後通過匹配尋找其它的特徵。只有用戶感興趣的特徵具有相似的亮度,才能使用模板匹配。在滿足上述條件下,採用模板匹配方法關鍵問題在於如何指導匹配,從而成功地提取有意義的用戶感興趣的特徵。Park和Kim利用自適應最小二乘模板匹配方法從lm解析度的IK0N0S影像中提取道路的中心線。算法根據用戶給定的種子點生成模板,以自適應最小二乘模型評估模板與目標之間的匹配程度。該方法的缺點是對種子點要求很高,種子點不能偏離道路中心線太遠,同時不能正確判斷被陰影遮蓋的道路。
發明內容
本發明的目的在於克服上述技術的缺點,提出了一種基於模板匹配的高解析度遙感影像道路中心線的檢測的方法,以提高模板匹配方法檢測道路的準確性,改善道路網檢測的準確度和有效性。 為實現上述目的,本發明的技術方案包括如下步驟
(1)輸入一幅高解析度遙感圖像,並對其進行增強; (2)在增強後的圖像中的道路中心線上取一個初始種子點,並以初始種子點為中心新建一個與道路前進方向垂直的初始模板窗,該初始模板窗的邊長為(2N+1);
(3)將初始模板窗沿著道路方向以步長d移動,得到一個目標窗,cK (2N+1);
(4)以目標窗的中心點為中心,根據道路主方向與水平面所成的角度對目標窗進行移位,得到若干目標窗;(5)根據模板匹配的相似性測度公式,念念|A -&」<7 ,提取與初始模板窗最
相似的目標窗的中心點為新的種子點,其甲,fij為模板窗內點(i, j)的灰度值;gij為目標窗內點(i, j)的灰度值;T為閾值; (6)用新的種子點更新初始模板窗,執行步驟(3),進行下一步迭代,在迭代過程中,如果搜索到的中心點偏離道路中心線,則取消偏離的點,返回步驟(2),再取一個初始種子點,開始迭代,直到搜索到圖像邊界或者圖像中的道路搜索完為止。
本發明與現有技術相比,具有以下主要優點 1)本發明由於採用初始模板窗與道路前進方向垂直,能夠使搜索沿著道路前進方向進行,保證了搜索方向的正確性; 2)本發明由於根據道路主方向與水平面所成的角度對目標窗進行移位,能夠保證移位後的目標窗不會偏離道路,增強了匹配的準確性; 3)本發明由於設置中心點偏離道路中心線準則,能夠保證檢測到的中心點都在中心線上,減小了誤差,提高了檢測的準確性。
圖1是本發明的實現步驟框圖; 圖2是本發明對目標窗移位的方向圖; 圖3是本發明用來進行試驗的高解析度遙感圖像。 圖4是本發明對圖3中直線道路中心線的檢測結果圖。 圖5是本發明用來進行試驗的高解析度遙感圖像。 圖6是本發明對圖5中曲線道路中心線的檢測結果圖。 圖7是本發明用來進行試驗的高解析度遙感圖像。 圖8是本發明對圖7中環狀道路中心線的檢測結果圖。
具體實施例方式參照圖1 ,本發明的具體實現步驟如下 步驟l,輸入一幅高解析度遙感圖像,採用濾波的方法對該輸入的遙感圖像進行增強。
步驟2,建立初始模板窗; (2a)在增強後的圖像中的道路中心線上選取一個初始種子點,該初始種子點要選
在道路中心線的中心點上,如果偏離中心點,會使檢測結果的誤差變大,不準確,因此,要先
對中心點進行糾正,確保選取的初始種子點在道路的中心線的中心點上; (2a)以初始種子點為中心,建立邊長為(2N+1)的模板窗,N為正整數,O < N < 4 ; (2c)用穩健的道路主方向算法求出道路的主方向,道路的主方向與水平面所成的
角度為e, e的範圍是-180° < e < iso。;(2d)以初始種子點為中心,將建立的模板窗逆時針旋轉e角,這樣就得到與道路
前進方向垂直的初始模板窗。 步驟3,將初始模板窗沿著道路方向以步長d移動,得到一個目標窗,d < (2N+1)。
步驟4,以目標窗的中心點為中心,根據道路主方向與水平面所成的角度對目標窗
進行移位,移位後得到若干目標窗。 參照圖2,本步驟的實現分為以下四種情況
如果0° < e <90° ,目標窗沿正東1、東北2和正北3這三個方向以步長k移1 ;
如果90° < e < 180° ,目標窗沿正北3、西北4和正西5這三個方向以步長k移
如果-180° < e <-90° ,目標窗沿正西5、西南6和正南7這三個方向以步長k
如果-90° < e <0° ,目標窗沿正南7、東南8和正東l這三個方向以步長k移位。步驟5,使用相似度準則,找出與初始模板窗最近似的目標窗。 (5a)這裡使用的相似性測度公式是formula see original document page 5其中,&為模板窗內點
(i, j)的灰度值;gij為目標窗內點(i, j)的灰度值,T為閾值。
(5b)根據模板匹配的相似性測度公式formula see original document page 6,對目標窗和初始模板
窗進行相似度匹配,如果符合公式,則認為目標窗與初始模板窗特徵相似,取目標窗的中心
點為新的種子點,否則,目標窗與初始模板窗的特徵不相似。 步驟6,用新的種子點更新初始模板窗,進行迭代。
(6a)用新的種子點更新初始模板窗,執行步驟3,進行下一步迭代; (6b)在迭代過程中,如果搜索到的中心點偏離道路中心線,則取消偏離的點,返回
步驟2,再取一個初始種子點,開始迭代,直到搜索到圖像邊界或者圖像中的道路搜索完為
止; (6c)在迭代過程中,如果搜索到的中心點偏離道路中心線,則取消偏離的點,由於
高解析度圖像道路灰度比較均一,因此該中心點偏離道路中心線規則是以提取的前十個
道路中心點的灰度平均值作為基準tp設定一個閾值e ,設搜索到的中心點的灰度值是t,
如果|t-t」< e ,則這個中心點在道路中心線上,保留這個中心點,否則,這個中心點是偏
離道路中心線的點,取消這個中心點。
本發明的效果通過以下仿真進一步說明。
1.仿真條件與內容 本發明試驗所用的三幅高解析度遙感影像分別是圖3、圖5和圖7,圖3中主要包含的是直線道路,圖5中主要包含的是曲線道路,圖7中既有直線道路、曲線道路,又有環狀道路。實驗主要是檢測出這三幅高解析度遙感影像中的道路中心線,並且把中心線的中心點用圓圈標記出來。軟體平臺為MATLAB7.0。
2.仿真結果 對於上述的圖3、圖5和圖7三幅圖像,用本發明方法進行道路中心線檢測結果如下 圖4是本發明對圖3中直線道路中心線的檢測結果圖,其中,圓圈是標記的中心線的中心點,從圖4可以看出,用本發明方法檢測的更準確,效果更好。 圖6是本發明對圖5中曲線道路中心線的檢測結果圖,其中,圓圈是標記的中心線
的中心點,從圖6可以看出,用本發明所述的方法檢測的更準確,效果更好。 圖8是本發明對圖7中環狀道路中心線的檢測結果圖,其中,圓圈是標記的中心線
的中心點,從圖8可以看出,用本發明所述的方法檢測的更準確,效果更好。 可見無論是對於直線道路,彎曲道路還是環狀道路,用本發明所述的方法檢測都
取得了更好的結果,比原來的方法提取的更準確。
權利要求
一種基於模板匹配的高解析度遙感影像道路中心線檢測方法,包括如下步驟(1)輸入一幅高解析度遙感圖像,並對其進行增強;(2)在增強後的圖像中的道路中心線上取一個初始種子點,並以初始種子為中心新建一個與道路前進方向垂直的初始模板窗,該初始模板窗的邊長為(2N+1);(3)將初始模板窗沿著道路方向以步長d移動,得到一個目標窗,d<(2N+1);(4)以目標窗的中心點為中心,根據道路主方向與水平面所成的角度對目標窗進行移位,得到若干目標窗;(5)根據模板匹配的相似性測度公式, i=-N N j=-N N| f ij- g ij|T, 提取與初始模板窗最相似的目標窗的中心點為新的種子點,其中,fij為模板窗內點(i,j)的灰度值;gij為目標窗內點(i,j)的灰度值;T為閾值;(6)用新的種子點更新初始模板窗,執行步驟(3),進行下一步迭代,在迭代過程中,如果搜索到的中心點偏離道路中心線,則取消偏離的點,返回步驟(2),再取一個初始種子點,開始迭代,直到搜索到圖像邊界或者圖像中的道路搜索完為止。
2. 根據權利要求l所述的高解析度遙感影像道路中心線檢測方法,其中步驟(2)所述的以初始種子點為中心新建一個與道路前進方向垂直的初始模板窗,按如下步驟進行(2a)以初始點為中心,建立邊長為(2N+1)的模板窗;(2b)用穩健的道路主方向算法求出道路的主方向與水平面所成角度9 ,其中-180°< e < 180° ;(2c)以初始點為中心,將建立的模板窗逆時針旋轉e角,得到與道路前進方向垂直的初始模板窗。
3. 根據權利要求l所述的高解析度遙感影像道路中心線檢測方法,其中步驟(4)所述的根據道路主方向與水平面所成的角度對目標窗進行移位,按如下規則進行如果o。 < e <90° ,目標窗沿正東、東北和正北三個方向移位;如果90° < e < 180° ,目標窗沿正北、西北和正西三個方向移位;如果-180° < e <-90° ,目標窗沿正西、西南和正南三個方向移位;如果-90° < e <o° ,目標窗沿正南、東南和正東三個方向移位。
4. 根據權利要求l所述的高解析度遙感影像道路中心線檢測方法,其中步驟(6)所述的中心點偏離道路中心線,是以提取的前十個道路中心點的灰度平均值作為基準tp設定一個閾值e ,設搜索到的中心點的灰度值是t,如果lt-t」< e ,這個中心點在道路中心線上,否則,這個中心點就是偏離道路中心線的點。
全文摘要
本發明公開了一種基於模板匹配的高解析度遙感影像道路中心線檢測的方法,主要解決現有技術檢測道路的準確度不高的問題,其檢測過程是(1)輸入一幅高解析度遙感圖像,並對其進行增強;(2)以初始種子點為中心新建一個與道路前進方向垂直的初始模板窗;(3)將初始模板窗沿著一定步長移動,得到一個目標窗;(4)對目標窗進行移位得到若干個目標窗;(5)使用相似度準則,找出與初始模板窗特徵最相似的目標窗;(6)以目標窗的中心點為新的種子點,用目標窗更新初始模板窗,進行下一步迭代,直到搜索到圖像邊界或者圖像中的道路搜索完為止,得到以圓圈為標記的道路中心線。本發明具有準確、有效的優點,可用於高解析度遙感影像道路中心線的檢測。
文檔編號G06K9/46GK101714211SQ20091021933
公開日2010年5月26日 申請日期2009年12月4日 優先權日2009年12月4日
發明者侯彪, 劉芳, 張小華, 楊園園, 焦李成, 王爽, 緱水平, 鍾樺 申請人:西安電子科技大學