專利名稱：高分辨率遙感影像道路中心線的檢測的方法
技術(shù)領(lǐng)域：
本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，涉及道路網(wǎng)的檢測，可用于高分辨率遙感影像道
路網(wǎng)的檢測和識別。
背景技術(shù)：
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(wèi)星影像中一種重要的地理專題信息，不僅在衛(wèi)星數(shù)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(shù)據(jù)源，對地理信息系統(tǒng)數(shù)據(jù)庫進行廣泛更新，廣泛應(yīng)用于國民經(jīng)濟的諸多領(lǐng)域。 從目前的進展來看，道路自動提取還存在很大困難，現(xiàn)有的技術(shù)在完整性和正確性上尚未取得滿意的結(jié)果，通常需要人工后處理；而且自動提取只是局限在一定范圍內(nèi)，對于非預期的輸入經(jīng)常導致錯誤的結(jié)果。因此，研究人工干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(tài)規(guī)劃法，該方法導出了道路的一般參數(shù)模型，將其表達成種子點之間的"代價"函數(shù)，以動態(tài)規(guī)劃作為確定種子點之間最優(yōu)路徑的計算工具。動態(tài)規(guī)劃法首先應(yīng)用在低分辨率影像提取道路中，在該"代價"函數(shù)中增加了道路邊緣特征約束條件，使之適用于從中高分辨率影像上提取道路。動態(tài)規(guī)劃法的最大特點是將道路識別問題轉(zhuǎn)化成一個最優(yōu)化問題，并且最優(yōu)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占用很大的存儲空間。 German D B， Jedynak. An active testing model for tracking roadsinsatellite images [J] IEEE Trans. PAMI， 1996， 18 (1) :1-14.提出了基于主動試驗模型的方法。主動試驗模型是Geman和Jedynak提出，并應(yīng)用于10m分辨率的衛(wèi)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(tǒng)計模型特征，建立主動試驗樹結(jié)構(gòu)的試驗規(guī)則和統(tǒng)計模型，并建立決策樹；然后，基于決策樹，進行道路跟蹤。在中、高分辨率影像中，DalPoz等利用矩形來模擬道路段，采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。此方法的缺點是由于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.提出的基于類與模糊集的道路網(wǎng)絡(luò)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(wǎng)絡(luò)，即首先提取影像道路，然后連接道路，在連接道路的過程中需要利用模糊集理論給出連接的權(quán)函數(shù)，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復雜地區(qū)的主要道路網(wǎng)絡(luò)，比一般的道路特征提取更具有一般性，研究的區(qū)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(jù)用戶感興趣特征上的點定義一個模板，然后通過匹配尋找其它的特征。只有用戶感興趣的特征具有相似的亮度，才能使用模板匹配。在滿足上述條件下，采用模板匹配方法關(guān)鍵問題在于如何指導匹配，從而成功地提取有意義的用戶感興趣的特征。Park和Kim利用自適應(yīng)最小二乘模板匹配方法從lm分辨率的IK0N0S影像中提取道路的中心線。算法根據(jù)用戶給定的種子點生成模板，以自適應(yīng)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(fā)明內(nèi)容
本發(fā)明的目的在于克服上述技術(shù)的缺點，提出了一種基于模板匹配的高分辨率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(wǎng)檢測的準確度和有效性。 為實現(xiàn)上述目的，本發(fā)明的技術(shù)方案包括如下步驟
(1)輸入一幅高分辨率遙感圖像，并對其進行增強； (2)在增強后的圖像中的道路中心線上取一個初始種子點，并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(jù)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(jù)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(nèi)點(i， j)的灰度值；gij為目標窗內(nèi)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(zhí)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(fā)明與現(xiàn)有技術(shù)相比，具有以下主要優(yōu)點 1)本發(fā)明由于采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(fā)明由于根據(jù)道路主方向與水平面所成的角度對目標窗進行移位，能夠保證移位后的目標窗不會偏離道路，增強了匹配的準確性； 3)本發(fā)明由于設(shè)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(fā)明的實現(xiàn)步驟框圖； 圖2是本發(fā)明對目標窗移位的方向圖； 圖3是本發(fā)明用來進行試驗的高分辨率遙感圖像。 圖4是本發(fā)明對圖3中直線道路中心線的檢測結(jié)果圖。 圖5是本發(fā)明用來進行試驗的高分辨率遙感圖像。 圖6是本發(fā)明對圖5中曲線道路中心線的檢測結(jié)果圖。 圖7是本發(fā)明用來進行試驗的高分辨率遙感圖像。 圖8是本發(fā)明對圖7中環(huán)狀道路中心線的檢測結(jié)果圖。
具體實施例方式參照圖1 ，本發(fā)明的具體實現(xiàn)步驟如下 步驟l，輸入一幅高分辨率遙感圖像，采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)在增強后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(jié)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(shù)，O < N < 4 ; (2c)用穩(wěn)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的范圍是-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(zhuǎn)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(jù)道路主方向與水平面所成的角度對目標窗
進行移位，移位后得到若干目標窗。 參照圖2，本步驟的實現(xiàn)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)這里使用的相似性測度公式是<formula>formula see original document page 5</formula>其中，&為模板窗內(nèi)點
(i， j)的灰度值；gij為目標窗內(nèi)點(i， j)的灰度值，T為閾值。
(5b)根據(jù)模板匹配的相似性測度公式<formula>formula see original document page 6</formula>，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征相似，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征不相似。 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(zhí)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，由于
高分辨率圖像道路灰度比較均一，因此該中心點偏離道路中心線規(guī)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(shè)定一個閾值e ，設(shè)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(fā)明的效果通過以下仿真進一步說明。
1.仿真條件與內(nèi)容 本發(fā)明試驗所用的三幅高分辨率遙感影像分別是圖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(huán)狀道路。實驗主要是檢測出這三幅高分辨率遙感影像中的道路中心線，并且把中心線的中心點用圓圈標記出來。軟件平臺為MATLAB7.0。
2.仿真結(jié)果 對于上述的圖3、圖5和圖7三幅圖像，用本發(fā)明方法進行道路中心線檢測結(jié)果如下 圖4是本發(fā)明對圖3中直線道路中心線的檢測結(jié)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(fā)明方法檢測的更準確，效果更好。 圖6是本發(fā)明對圖5中曲線道路中心線的檢測結(jié)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(fā)明所述的方法檢測的更準確，效果更好。 圖8是本發(fā)明對圖7中環(huán)狀道路中心線的檢測結(jié)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(fā)明所述的方法檢測的更準確，效果更好。 可見無論是對于直線道路，彎曲道路還是環(huán)狀道路，用本發(fā)明所述的方法檢測都
取得了更好的結(jié)果，比原來的方法提取的更準確。
權(quán)利要求
一種基于模板匹配的高分辨率遙感影像道路中心線檢測方法，包括如下步驟(1)輸入一幅高分辨率遙感圖像，并對其進行增強；(2)在增強后的圖像中的道路中心線上取一個初始種子點，并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(jù)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(jù)模板匹配的相似性測度公式， <mrow><munderover> <mi>Σ</mi> <mrow><mi>i</mi><mo>=</mo><mo>-</mo><mi>N</mi> </mrow> <mi>N</mi></munderover><munderover> <mi>Σ</mi> <mrow><mi>j</mi><mo>=</mo><mo>-</mo><mi>N</mi> </mrow> <mi>N</mi></munderover><mo>|</mo><msub> <mi>f</mi> <mi>ij</mi></msub><mo>-</mo><msub> <mi>g</mi> <mi>ij</mi></msub><mo>|</mo><mo><</mo><mi>T</mi><mo>,</mo> </mrow>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(nèi)點(i，j)的灰度值；gij為目標窗內(nèi)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(zhí)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(jù)權(quán)利要求l所述的高分辨率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(wěn)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(zhuǎn)e角，得到與道路前進方向垂直的初始模板窗。
3. 根據(jù)權(quán)利要求l所述的高分辨率遙感影像道路中心線檢測方法，其中步驟(4)所述的根據(jù)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(guī)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(jù)權(quán)利要求l所述的高分辨率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(shè)定一個閾值e ，設(shè)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(fā)明公開了一種基于模板匹配的高分辨率遙感影像道路中心線檢測的方法，主要解決現(xiàn)有技術(shù)檢測道路的準確度不高的問題，其檢測過程是(1)輸入一幅高分辨率遙感圖像，并對其進行增強；(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征最相似的目標窗；(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(fā)明具有準確、有效的優(yōu)點，可用于高分辨率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(yōu)先權(quán)日2009年12月4日
發(fā)明者侯彪, 劉芳, 張小華, 楊園園, 焦李成, 王爽, 緱水平, 鐘樺 申請人:西安電子科技大學