Ｃｏｍｐｕ￣ｒＥｎｇｉｎｅｅｒｉｎｇ册 仰胁ｎ肋船计算机工程与应用 ２ ： ！！ 基于遥感分类与数学形态学的道路信息提取 潘建平 ，李治 ＰＡＮ Ｊｉａｎ—ｐｉｎｇ ，ＬＩ Ｚｈｉ １．重庆交通大学土木建筑学院，重庆４０００７４ ２珠海市国土测绘大队，广东珠海５１９０１５ １．Ｓｃｈｏｏｌ ｏｆ Ｃｉｖｉｌ Ｅｎｇｉｎｅｅｒｉｎｇ＆Ａｒｃｈｉｔｅｃｔｕｒｅ，Ｃｈｏｎｇｑｉｎｇ Ｊｉａｏｔｏｎｇ Ｕｎｉｖｅｒｓｉｔｙ，Ｃｈｏｎｇｑｉｎｇ ４０００７４，Ｃｈｉｎａ ２ Ｚｈｕｈａｉ Ｃａｄａｓｔｒａｌ ａｎｄ Ｒｅａｌ Ｅｓｔａｔｅ Ｓｕｒｖｅｙ＆Ｍａｐｐｉｎｇ Ｂｒｉｇａｄｅ，Ｚｈｕｈａｉ，Ｇｕａｎｇｄｏｎｇ ５１９０１５，Ｃｈｉｎａ Ｅ—ｍａｉｌ：ｐｉｐ２２２２＠ｓｉｎａ．ｃｏｍ ＰＡＮ Ｊｉａｎ．ｐｉｎｇ，ＬＩ Ｚｈｉ．Ｒｏａｄ ｅｘｔｒａｃｔｉｏｎ ｂａｓｅｄ ｏｎ ｒｅｍｏｔｅ ｓｅｎｓｉｎｇ ｃｌａｓｓｉｆｉｃａｔｉｏｎ ａｎｄ ｍａｔｈｅｍａｔｉｃ ｍｏｒｐｈｏｌｏｇｙ．Ｃｏｍｐｕｔｅｒ Ｅｎｇｉｎｅｅｒｉｎｇ ａｎｄ Ａｐｐｌｉｃａｔｉｏｎｓ。２０１０，４６（３４）：２１３—２１４． Ａｂｓｔｒａｃｔ：Ｒｏａｄ ｅｘｔｒａｃｔｉｏｎ ｆｒｏｍ ｒｅｍｏｔｅ ｓｅｎｓｉｎｇ ｉｍａｇｅ ｉｓ ａｌｗａｙｓ ｔｈｅ ｈｏｔ ａｎｄ ｄｉｆｉｃｕｌｔｆ ｐｒｏｂｌｅｍ ｆｏｒ ｉｎｆｏｒｍａｔｉｏｎ ｅｘｔｒａｃｔｉｏｎ，ｔｈｅ ｐａｐｅｒ ｅｘｔｒａｃｔｓ ｒｏａｄ ｃｏｍｂｉｎｉｎｇ ｒｅｍｏｔｅ ｓｅｎｓｉｎｇ ｃｌａｓｓｉｉｃａｔｆｉｏｎ ａｎｄ ｍａｔｈｅｍａｔｉｃ ｍｏｒｐｈｏｌｏｇｙ．Ｒｅｍｏｔｅ ｓｅｎｓｉｎｇ ｃｌａｓｓｉｆｉｃａｔｉｏｎ Ｃａｎ ｄｉ－ ｖｉｄｅ ａｒｔｉｉｆｃｉａｌ ｏｂｊｅｃｔ ａｎｄ ｎａｔｕｒｅ ｏｂｊｅｃｔ，ｉｔ ｗｉｌｌ ａｖｏｉｄ ｔｈｅ ｎａｔｕｒｅ ｏｂｊｅｃｔ ｅｆｆｅｃｔ ｄｕｒｉｎｇ ｔｈｅ ｒｏａｄ ｅｘｔｒａｃｔｉｏｎ．Ｔｈｅ ｅｒｏｓｉｏｎ ａｎｄ ｄｉｌａ— ｔｉｏｎ ｏｐｅｒａｔｏｒ ｏｆ ｍａｔｈｅｍａｔｉｃ ｍｏｒｐｈｏｌｏｇｙ ｉｓ ｖｅｒｙ ｓｅｎｓｉｔｉｖｅ ｔｏ ｔｈｅ ｏｂｊｅｃｔ ｅｄｇｅ．Ｔｈｅ ｒｅｓｕｌｔ ｓｈｏｗｓ ｔｈａｔ ｔｈｅ ｍｅｔｈｏｄ ｃａｎ ｅｘｔｒａｃｔ ｒｏａｄ ｉｎｆｏｒｍａｔｉｏｎ ｅｆｆｅｃｔｉｖｅｌｙ． Ｋｅｙ ｗｏｒｄｓ：ｒｅｍｏｔｅ ｓｅｎｓｉｎｇ ｃｌａｓｓｉｉｃａｔｉｆｏｎ；ｍａｔｈｅｍａｔｉｃ ｍｏｒｐｈｏｌｏｇｙ；ｒｏａｄ ｉｎｆｏｒｍａｔｉｏｎ；ｅｄｇｅ ｅｘｔｒａｃｔｉｏｎ 摘要：利用遥感图像获得完整道路信息网一直是信息提取的热点和难点，研究了结合遥感分类和数学形态学提取道路，以期获 得满意的结果。遥感分类能有效区分人工地物与自然地物，因此能避免自然地物对提取的影响；数学形态学中的腐蚀和膨胀算 子对地物边缘很敏感，一直是边缘信息提取的主要方法。实验表明该思路能快速有效提取道路信息。 关键词：遥感分类；数学形态学；道路信息；边缘提取 ＤＯＩ：１０．３７７８￣．ｉｓｓｎ．１００２—８３３１．２０１０．３４．０６４ 文章编号：１００２．８３３１（２０１０）３４。０２１３—０２ 文献标识码：Ａ 中图分类￣Ｊ＇：ＴＰ７９ １ 引言 数学形态学是一门新兴的数字图像处理方法，它是一种 研究数字图像形态结构特征与快速并行处理的方法，具有算 法简单、可并行处理、速度快、易于实现等特点，因此在数字图 获得待提取地物的粗略信息，以期减少其他地物的影响。因 此，文章采用先分类后提取的方式进行道路信息提取。 ２遥感分类与数学形态学原理 利用遥感分类来区分人工地物和自然地物，因此对类别 种类要求不高，但对分类精度和运算速度有一定的要求。Ｅｒ＿ ｄａｓ Ｉｍａｇｉｎｅ软件中的基于最大似然法的非监督分类运算速度 像处理和模式识别等方面得到广泛的应用川。它的基本思想 是用具有一定形态的结构元，去量测和提取图像中的对应形 状，以达到对图像分析和识别的目的。数学形态学的数学基 础是集合论。利用数学形态学可以优化图像数据，保持它们 基本的形状特性，排除不相干的结构。 利用数学形态学可以实现对图像的边缘检测、特征提取 和图像分割问题。如张翔等利用数学形态学进行了边缘检测 ， 快，通用性好，分类精度也较高，能满足大多数分类要求。因 此选择该方法进行遥感分类，具体方法可参考Ｅｒｄａｓ Ｉｍａｇｉｎｅ 软件的帮助文档。 数学形态学（Ｍａｔｈｅｍａｔｉｃａｌ Ｍｏｒｐｈｏｌｏｇｙ）是－－ｔ］建立在集 论基础上的学科，是几何形态学分析和描述的有力工具。自 Ｍａｔｈｅｒｏｎ和ｓｅｒｒａ等人提出数学形态学以来，经过许多人在理 王宇宙等实现了基于数学形态学的区域分割 。这些成果都 对基于数学形态学的遥感图像道路提取有所启迪与帮助。 然而，随着遥感科学的发展，遥感图像信息量越来越丰 富。丰富的信息也使得单一地物信息的提取带来了一定的负 论和应用方面的研究，使它在许多方面都有应用㈨。其基本算 子有以下几种： （１）膨化和腐蚀是两种最重要也是最基本的运算方式，是 面影响，因为在同等条件下，信息量越丰富，其干扰信息也就 越多。基于此，考虑采用遥感分类的方法先将地物进行粗分， 其他运算的基础，在以下公式中 为待处理图像，Ｂ为结构元素： 基金项目：国家自然科学基金（ｔｈｅ Ｎａｔｉｏｎａｌ Ｎａｔｕｒａｌ Ｓｃｉｅｎｃｅ Ｆｏｕｎｄａｔｉｏｎ ｏｆ Ｃｈｉｎａ ｕｎｄｅｒ Ｇｒａｎｔ Ｎｏ．４０７０１１ｌ１）；测绘遥感信息工程国家重点实验 室开放基金（Ｎｏ．０９１０５）；重庆科委科技公关项目（Ｎｏ．２００８ＡＣ６１１３）。 作者简介：潘建平（１９７６一），男，博士，副教授，主要从事遥感图像处理、地理信息系统和地质灾害研究。 收稿日期：２００９—０４—１０修回日期：２００９—０５．２２ ２１４ ２０１０，４６（３４） ＣｏｍｐｕｔｅｒＥｎｇｉｎｅｅｒｉｎｇａｎｄＡｐｐｌｉｃａｔｉｏｎｓ￣１＂算机工程与应用 则像素值为１，否则为０。 ‘膨化 ０ ：｛ａ＋ｂ『ａ∈Ａ，ｂ∈Ｂ｝＝Ｕ 腐蚀ＡＯＢ＝｛ｚ∈ＱＩ ｃＡ｝：ｍ （２）其他的运算可以由膨化和腐蚀派生，主要有： 开运算 Ａ ｏＢ＝ ＠ １０占 闭运算 ・Ｂ＝（Ａ￣Ｂ）ＯＢ ｏｐｅｎ’，执行二值开运算。 ｒｅｍｏｖｅ’，‘去掉内点，即如果像素的４邻域都为１，则像素 值为０。 一ｓｈｒｉｎｋ’，ｎ＝Ｉｎｆ，作收缩运算。这样没有孔的物体收缩为 个点，而含孔的物体收缩为一个环，环的位置在孔和物体外 ‘‘运用这些基本运算可以实现一系列数学形态学实用算 法，如边界提取、目标提取、区域骨架提取等。如边界提取的 边缘的中间。 ｓｋｅｌ’，ｎ＝ｌｎｆ，提取物体的骨架。 数学形态学公式为： ｐ（Ａ）： 一 ∞） 其中 （ 为集合 的边界。 利用Ｍａｔｌａｂ数字图像处理工具箱来进行形态学操作。利 用Ｍａｔｌａｂ数字图像处理工具箱可以方便地进行数学形态学处 理。Ｍａｔｌａｂ数字图像处理工具箱提供的形态学函数有： （１）ｄｉｌａｔｅ 函数ｄｉｌａｔｅ可以实现二值图像的膨胀运算，其语法格式为： ＢＷ２＝ｄｉｌａｔｅ（ＢＷ１，ＳＥ） ＢＷ２＝ｄｉｌａｔｅ（ＢＷ１，姐，ａｔｇ） ＢＷ２＝ｄｉｌａｔｅ（ＢＷ１，ＳＥ，…，ｎ） 其中ＢＷ２＝ｄｉａｌｔｅ（ＢＷ１，ＳＥ）；返回图像ＢＷ１经过结构元素ＳＥ 膨胀后的图像，这里ＳＥ为结构元素。 ＢＷ２＝ｄｉｌａｔｅ（ＢＷ１，距，ｄｇ）：通过参数口 设置算法是在空 域上实现还是在频率域上实现，即： ‘ｓｐａｔｉａｌ’时，在空域上实现。 ‘ｆｒｅｑｕｅｎｃｙ’时，在频率域上实现。 （２）ｅｒｏｄｅ 函数ｅｒｏｄｅ可以对图像进行腐蚀运算，其语法格式为： ＝Ｐ ｄ （ １，ＳＥ） ＢＷ２＝ｅｒｏｄｅ（ＢＷ１，ＳＥ，ａｔｇ） ＝ｅｒ０ｄ （ １，ＳＥ，…，ｎ） 其中 ＝Ｐｒ０ （ ，ＳＥ）；返回图像ＢＷ１经过结构元素ＳＥ 膨胀后的图像，这里ＳＥ为结构元素。 ＢＷ２＝ｅｒｏｄｅ（ＢＷ１，距，口辔）：通过参数ａｔｇ设置算法是在空 域上实现还是在频率域上实现，即： Ａｔｇ＝‘ｓｐａｔｉａｌ’时，在空域上实现。 Ａｌｇ＝＇ｒｆｅｑｕｅｎｃｙ’时，在频率域上实现。 （３）ｂｗｍｏｒｐｈ 函数ｂｗｍｏｒｐｈ是数学形态学族函数，它的功能和语法格 式是： ＢＷ２＝ｂｗｍＯｒｐｈ（ＢＷ１，ｏｐｒａｔｉｏｎ） ＢＷ２＝ｂｗｍｏｒｐｈ（ＢＷ１，ｏｐｒａｔｉｏｎ，ｎ） 这里，ＢＷ２＝ｂｗｍｏｒｐｈ（ＢＷ１，ｏｐｒａｔｉｏｎ）：对图像ＢＷ１作指 定的形态学运算ｏｐｒａｔｉｏｎ，ｏｐｒａｔｉｏｎ的可选值及其含义为： ‘ｂｏｔｈａｔ’，闭包运算，即先腐蚀，在膨胀，然后减去原图像。 ‘ｂｒｉｄｇｅ’，做连接运算。 ‘ｃｌｅａｎ’，去除孤立的亮点。 ‘ｃｌｏｓｅ’，进行二值闭运算。 ‘ｉｄａｇ’，用结构元素ｏｎｅｓ（３）做膨胀运算。 ‘ｅｒｏｄｅ’，用结构元素ｏｎｅｓ（３）做腐蚀运算。 ＇ｉｆｌｌ’，填充孤立的黑点。 ‘ｈｂｒｅａｋ’，断开Ｈ型连接。 ‘ｍａｊｏｒｉｔｙ’，若像素的８邻域有大于或等于５的元素为１， ‘ｓｐｕｒ’，去除物体小的分支。 ‘ｔｏｐｈａｔ’，用原图像减去开运算后的图像 ３道路信息提取思路 由于道路信息在遥感图像中具有突出的高亮度特征，在 对它进行提取前，将遥感图像进行简单的图像分类。常规方 法主要是监督分类和非监督分类两种，由于非监督分类自动 化程度较高，所以在该实验中采用了非监督分类，根据遥感图 像的复杂程度，可将地物的类型分为几种类别。分类后的图 像中，道路和混凝土地表光谱信息亮度相似，因此可将混凝土 地表以噪声形式进行去除。道路局部地区由于也被认为噪声 去除，可利用形态学膨胀补偿。如果第一次去噪不彻底，可选 择二次去噪，本文的研究区域经过二次去噪，基本去除非道路 区域相似亮度信息。最后可以进行道路网骨架化进行道路中 心线提取，获得最终的结果。整个提取的流程如图１所示。 图１ 道路信息提取流程图 ４实验分析 根据以上分析，选择重庆局部地区的ＳＰＯＴ５遥感图像进 行道路信息提取，原图见图２。在提取过程中，除了非监督分 类是利用ＥＲＤＡＳ Ｉｍａｇｉｎｅ软件自动实现外，其他处理都是基 于ＭＡＴＬＡＢ软件进行二次开发获得。 （１）在非监督分类过程中，将地物根据粗略的光谱特征， 分为５类，分别为道路、居民地、林地、草地和水体。分类后将 其中的道路和居民地作为一类单独显示，获得人工地物结 果。研究区位于乡村地区，零散居民地较多，所以采用数学形 态学中的腐蚀算子进行小目标去除，结果如图３所示。 图２原始图像 图３去除小日标 （２）在遥感图像中，由于植被和其他地物的遮盖，使得道 路线中局部区域断线或者道路变窄，因此，有必要利用数学形 态学中的膨胀算子进行填补，膨胀时，利用线形结构元进行。 此时仍然有部分居民地目标存在，所以依然采用小目标去除 方式进行消除，获得的结果如图４所示。 （下转２２７页）
