结合高分辨率遥感影像与DLG数据的面向对象道路面提取研究

刘飞，景耀全，赵麒麟，石江南

(四川省遥感信息测绘院，成都 610100)

1 引 言

地表覆盖的空间分布情况直接影响着地球表面的物质和能量循环过程，其时间变化也综合地反映着人类活动和气候变化对自然环境的影响，一直是自然地理研究的重点和热点问题之一[1-3]。地表覆盖作为地理国情监测的重要组成部分，对其进行快速、高效地分类和提取成为了其中的研究重点。道路面作为基本的地理要素，是组成地表覆盖的重要部分，许多学者对其进行了自动或半自动地提取研究。

YASSIN M Y等[4]提出道路边缘检测法；DONALD G等[5]提出的最小二乘B样条曲线道路识别法是比较常用的方法；TON J等[6]从视觉理论出发，提出了一种平行道路检测的方法；汪闽等[7]鉴于道路的同物异谱现象，提出利用马尔可夫随机场纹理模型与支持向量机分类相结合的道路提取方法；朱晓玲等[8]采用面向对象的分类技术，利用影像的光谱特征、几何特征和空间关系建立规则集进行城市道路提取；叶勤等[9]认为仅使用光谱信息或形态特征难以获取满意的道路提取结果，提出一种将区域生长与空间形状约束相结合的方法；顾丹丹等[10]结合数学形态学的区域生长以及GVF-Snake追踪对遥感影像进行了道路提取；胡张武[11]利用数学形态学和形状指数去除道路信息提取过程中的噪声；史文中等[12]在总结已有的道路提取方法基础上，首次提出了利用GIS和地图信息提取道路的设想；刘亚岚等[13]利用卫星和航空遥感数据及已有交通基础数据库，辅助提取公路损毁信息；徐阳等[14]通过融合地震前道路网矢量数据与地震后影像，提出一种基于自适应模板的道路损毁检测方法。

DLG数据作为基础测绘产品，包含了大量的地理信息，如线状道路等。本文利用面向对象的分类技术，将道路在高分辨率遥感影像上的光谱信息和形状特征与线状道路的空间约束相结合，探索了4种快速、高效地提取道路面的方法。

2 研究区道路概况及其数据

图1 研究区影像与道路DLG数据

本研究选择地理国情监测的某试点区域，该区域内大小道路纵横，有光谱信息与路旁的房屋等地物容易混淆的路段，也有被树木遮挡的路段。高分辨率遥感影像是通过几何纠正和正射校正后的WorldView-2多光谱数据与全色影像融合得到的影像，包含蓝、绿、红和近红外4个波段，影像清晰，无雨雾，成像时间为2012年5月17日，投影方式为2000国家大地坐标系。实验所用的道路DLG数据来自于1∶1万基础地理信息数据，原始的道路DLG数据由于部分与遥感影像存在偏差、变更等情况，需要进行少量的预更新处理。本研究所用的道路DLG数据是根据WorldView-2遥感影像进行预更新以后得到的数据。在ArcGIS软件中，通过少量预更新，道路DLG数据与影像套合良好。地理国情普查工作中，将大于3m且长度大于500m的公路、城市道路、乡村道路统称为道路面。所以，在道路DLG数据预更新时删除了不合要求的路段，如图1中的部分乡间小路被删去。

3 面向对象的道路面提取方法

针对“影像对象”进行处理的面向对象影像信息提取技术，区别于面向像素的信息提取方式，处理的基本单元是通过多尺度分割生成的同质目标。由于同质目标并非同类目标，由此在道路自动提取中会错分和漏分部分道路。文献[8]对道路影像的基本特征进行了总结，采用面向对象的分类技术建立规则集，进行了城市道路的提取。本文在已有面向对象分类技术与道路提取研究成果的基础上，加入道路DLG数据作为空间约束条件，进行了面向对象的道路面提取研究。

3.1 道路DLG中心线缓冲法

更新后的道路DLG数据是按照影像道路中心线进行采集的，对不同宽度的线状道路建立缓冲区(ArcGIS软件中buffer函数)，得到不同宽度的道路面。将该道路面图层直接作为专题图信息参与面向对象影像多尺度分割。分割尺度为30，形状指数0.3，紧致度0.6，通过道路专题图信息中的属性来提取出初始道路面(下文多尺度分割尺度和参数相同，不再赘述)。初始道路面中参杂有植被等噪声信息，利用NDVI指数进行剔除，NDVI表达式为(NIR-RED)/(NIR+RED)。NDVI阈值大于0.2时能很好地剔除掉植被等噪声信息。由此得到最终的道路面提取成果。

3.2 道路DLG栅格过滤法

对更新后的道路DLG数据，在ArcGIS和ENVI软件中分别进行矢量栅格化与二值化处理，对有道路区域赋值为1，无道路区域为0。面向对象eCongnition软件提供了对象过滤的方法，通过对分割对象与道路二值化图相交运算，二者相交所得面积占有分割对象不同大小比例，由所占面积比例对分割对象进行过滤，调整面积比例大小可以较好地提取出初始道路面。对初始道路面中的植被等噪声信息进行剔除，方法同道路DLG中心线缓冲法中所用的NDVI方法。

3.3 道路DLG中心线与分割对象相交法

道路DLG数据中心线作为专题图信息，不参与面向对象分割，只在提取时，利用通过的斑块便为道路的过滤思想，进行道路面提取。该思想类同于方法道路DLG中心线缓冲法，区别在于前文所述方法对道路穿过的斑块进行了面积比例过滤，对相交所占比重较少或不相交的区域直接剔除，能对比重进行调整；而直接相交法，不能对面积比重进行调整，对通过了的斑块便认为是道路面。由此，可以快速地提取出初始道路面。对初始道路面中的植被等噪声信息进行剔除，方法同道路DLG中心线缓冲法中所用的NDVI方法。

3.4 道路DLG中心线与上下文关系法

图2 道路DLG中心线缓冲法流程图

图3 道路DLG栅格过滤法流程图

图4 道路DLG中心线与分割对象相交法流程图

图5 道路DLG中心线与上下文关系法流程图

对道路DLG数据进行中心线更新不准(未采集到道路的正中)或在未更新的前提下，可以借鉴面向对象思想，利用分割对象与道路DLG数据的距离以及光谱信息进行综合提取道路面。线状的道路DLG数据参与多尺度分割，并认为其是“一次提取道路”。一般的道路DLG都是满足一定限差的数据，将此限差设置为“一次提取道路”离目标道路的距离范围。在该范围内满足道路光谱信息、几何特征(长宽比等)以及边界相接的斑块对象可认为是道路面，最后通过少量手动修改一些和房屋或硬化地面混淆的地方，得到道路面数据。

4 道路面提取结果评价

4.1 道路面提取方法的优缺点

在道路DLG数据采集到中心线时，方法道路DLG中心线缓冲法是最佳选择，提取的道路边界光滑整齐；但在采集中心线不准时，道路旁边的地物会被错分为道路面，且难于编写规则区分。道路DLG栅格过滤法在道路DLG数据未采集到中心线时能发挥较好的作用，但操作较为繁琐、复杂，且要求采集的中心线不能偏出道路边界；若偏出道路边界，会出现漏分和错分道路面信息的情况，边界外的地物对象被分类为道路面，而道路边界内的斑块被漏分。道路DLG中心线与分割对象相交法原理简单，在道路DLG采集在边界范围内时分类效果较好，不在边界内时出现错分现象，且在影像中道路边界模糊或与周围地物混淆严重时分类效果较差，主要原因是软件不能自动分割出道路面斑块；在道路中心线大于等于两次进出分割对象时，道路面会被漏分，需要手动地进行修改。道路DLG中心线与上下文关系法在道路DLG数据偏出影像道路边界时能较好地提取出道路面，充分利用了道路光谱和几何特征信息。

除道路DLG中心线缓冲法以外，其他三种方法与影像中道路与周围地物是否混淆在一起直接相关，若混淆较严重，则需要大量的人工干预编辑。由于道路被遮挡大多是由于植被覆盖引起的，所以在剔除植被时仅利用NDVI指数便能有效地实现。若影像上道路与周围地物区分明显，利用多尺度分割能有效地分割出来，则利用后面三种方法均能很好地完成工作。

4.2 道路面提取结果分析

为比较几种道路面提取方法的效果，以目视解译后的道路信息为参考数据，分别从花费时间、视觉效果、几何特征分析等方面进行比较。

(1)从花费时间方面分析。假设道路DLG数据采集到了中心线，所花时间多少为：道路DLG中心线与分割对象相交法<道路DLG中心线与上下文关系法<道路DLG中心线缓冲法<道路DLG栅格过滤法。若未采集到道路中心线，而未偏出道路边界，那么所花时间多少为：道路DLG中心线与分割对象相交法<道路DLG中心线与上下文关系法<道路DLG栅格过滤法<道路DLG中心线缓冲法。若采集的道路中心线偏出道路边界或未采集更新，那么所花时间多少为：道路DLG中心线与上下文关系法<道路DLG栅格过滤法<道路DLG中心线与分割对象相交法<道路DLG中心线缓冲法。

(2)从视觉效果来分析。图6给出了4种道路面提取方法得到的道路面，由图可看出道路DLG中心线缓冲法提取的道路边界最光滑，而其余方法均有毛刺存在。总体来讲，4种方法均能较好地提取出道路面。

图6 4种方法提取的道路面

(3)几何特征分析。从面积、周长、综合形状指数[15]进行对比分析。综合形状指数实质是形状系数与分维数之和，其表达式为：

(1)

其中，Q为综合形状指数，P为周长，S为面积。

由表1得出：道路DLG中心线缓冲法提取的道路面积与参考面积最相近，其次为道路DLG中心线与上下文关系法，再次为道路DLG栅格过滤法，最后是道路DLG中心线与上下文关系法；道路DLG中心线与分割对象相交法提取的道路周长与参考周长最相近，其次为道路DLG中心线缓冲法，再次为道路DLG栅格过滤法，最后是道路DLG中心线与上下文关系法；从综合形状指数来看，道路DLG中心线与分割对象相交法最接近参考指数，其次为道路DLG中心线缓冲法，道路DLG栅格过滤法，再次为最后是道路DLG中心线与上下文关系法。

从几何特征分析，道路DLG中心线缓冲法与道路DLG中心线与分割对象相交法效果最佳。

表1 几何特征比较

5 结束语

本文在已有道路面提取研究的基础上，充分利用DLG的道路属性作为空间约束条件，采用面向对象分类方法，对高分辨率遥感影像进行了道路面提取方法研究，并对提出的4种方法获得的道路面进行了定性和定量分析。提出的4种方法适用于不同的条件，受制于影像中道路与地物的区分度以及DLG数据的套合情况。在提取道路面信息时，研究者需要对影像进行分析(道路与周围地物的区分)，检查DLG数据与影像的套合情况，从而制定快速、有效的道路面提取方案。

参考文献：

[1] 甘淑，张军，张佩芳.澜沧江流域山区土地覆盖多级遥感分类方法研究[J].地理学报，1999，54(2)：133-138.

[2] 蒙吉军，吴秀芹，李正国.黑河流域1988-2000年土地利用覆被变化研究[J].北京大学学报(自然科学版)，2004，40(6)：922-929.

[3] 宋春桥，游松财，柯灵红，等.藏北高原地表覆盖时空动态及其对气候变化的响应[J].应用生态学报，2011，22(8)：2091-2097.

[4] HASAN Y M Y，KARAM L J.Morphological reversible contour representation[J].IEEE Transform on Pattern Analysis and Machine Intelligence，2000，22(3)：227-240.

[5] DONALD G，JEDYNAK B.An active testing model for tracking roads in satellite images[J].IEEE Transactions on Pattern Analysis and Machine Intelligence，1996，18(1)：1-14.

[6] TON J，JAIN A K，ENSLIN W R，et al.Automatic road identification and labeling in landsat 4 TM images[J].Photogrammetric(PRS)，1989，43(2)：257-276.

[7] 汪闽，骆剑承，周成虎，等.结合高斯马尔可夫随机场纹理模型与支撑向量机在高分辨率遥感图像上提取道路网[J].遥感学报，2005，9(3)：271-276.

[8] 朱晓铃，邬群勇.基于高分辨率遥感影像的城市道路提取方法研究[J].资源环境与工程，2009，23(3)：296-299.

[9] 叶勤，张小虎，王栋.一种基于区域生长与空间形状约束的高分辨率遥感图像道路提取方法[J].遥感信息，2010(2)：25-29.

[10] 顾丹丹，汪西莉.结合区域生长和GVF-Snake的遥感影像道路提取[J].计算机工程与应用，2010，46(31)：202-205.

[11] 胡张武.高分辨率遥感影像道路信息提取方法研究[J].测绘通报，2011(8)：13-16.

[12] 史文中，朱长青，王昱.从遥感影像提取道路特征的方法综述与展望[J].测绘学报，2001，30(3)：258-262.

[13] 刘亚岚，张勇，任玉环，等.汶川地震公路损毁遥感监测评估与信息集成[J].遥感学报，2008，12(6)：933-941.

[14] 徐阳，李清泉，唐炉亮.基于道路网矢量数据的遥感影像道路损毁检测[J].测绘通报，2011(4)：14-16，22.

[15] 杨旭艳，王旭红，胡婷，等.典型地物特征提取的适宜尺度选择[J].山地学报，2012，30(5)：607-615.