高分辨率遥感影像中机场提取方法探究

孙垚森 王素平

(新乐市国土资源局,河北新乐 050700)

高分辨率遥感影像中机场提取方法探究

孙垚森 王素平

(新乐市国土资源局,河北新乐 050700)

针对传统高分辨率遥感影像中机场提取存在的缺陷,提出了一种高分辨率遥感影像机场自动提取流程。通过直方图滤波、基于模糊学和知识的影像分割、区域标记、拓扑关系等底层和高层处理,提取出机场。实验证明,本文的机场提取方法,相对于传统方法,具有鲁棒性高,提取的准确度高的特点。

机场提取 模糊分割 拓扑关系

1 引言

目前,国内外的研究者对机场的自动提取方法做了大量的研究,并针对某些遥感数据提出了一些识别方法。主要分为底层处理和高层处理两部分。底层处理中,一般采用两种方法,一种是基于边缘检测的方法[1],即提取出地物的边缘,将飞机场和其它一些边缘明显的地物从背景中分离出来。然而由于高分辨率影像地物的细节信息特别丰富,边缘提取时候,会提取出很多无关的边缘信息,从这些复杂的边缘信息中,很难获得机场的信息。另一种是基于区域分割的方法[2],该方法主要利用了水泥混凝土机场的高亮度特点。采用阈值分割算法将机场和其它高亮度地物从背景中分割出来。然而由于机场的亮度值不能确定,传统阈值分割方法鲁棒性很低,很容易造成过度分割,而且针对沥青跑道,其亮度值很低,传统方法无法分割出机场。高层处理中,一般是根据机场跑道具有平行直线边缘的几何特性,提取出跑道[3],进行定位,从而提取出机场。但是不同分辨率的影像,跑道提取的阈值不同,这样就大大减少了机场提取的自动性。

因此本文根据传统机场提取方法中存在的弊端,提出了新的处理方法。以解决传统方法中根据跑道的长度和宽度特征进行提取时鲁棒性差的问题。

图2-1 机场提取流程图

2 机场提取算法描述

2.1 机场提取算法基本思想和流程

机场提取的基本思想如下:首先在底层处理中采用直方图滤波进行图像的预处理,去除图像中存在的比较小的亮斑噪声。采用模糊分割方法分割出高亮度目标,基于色调和纹理知识分割出沥青跑道。然后在中层处理中、根据机场的面积特征,采用形态学腐蚀和区域标记方法得到机场感兴区的区域以进一步进行高层分析。最后,在高层处理中运用机场各个部分之间的拓扑关系,在感兴区目标中提取出机场。流程图如图2-1。

2.2 基于直方图滤波的图像处理

有些遥感影像中存在一些很小的高亮点或亮斑,这些小的高亮地物在后续图像分割处理中会造成很大的不利影响,必须将其去除。传统根据中值滤波去除噪声的方法中,由于是对空间域的处理,受分辨率的影像很大。因此,本文提出了一种直方图滤波的方法,去除图像中存在的噪声。该方法与传统空间域滤波处理的思想不同,而是对图像的灰度直方图进行处理,滤除灰度值出现的频率比较小的灰度值。直方图滤波的计算步骤如下。

图2-2 对影像分割采用Otsu和模糊分割的结果

图3-1武汉天河机场提取结果(从上至下、从左至右依次为原图、机场内外轮廓的拓扑关系图、本文机场提取的结果、机场直线段、跑道的边缘直线段、根据跑道特征的机场提取结果)

(1)计算整个图像的灰度直方图,统计每个像素出现的个数Count。(2)将直方图按每个像素值的个数进行升序排序,得到排序后的直方图Order。(3)计算要滤除的灰度值个数T。在排序后的灰度直方图中,计算前T个灰度值的个数和num,直到num大于或等于直方图中灰度值个数的最大值。得到要滤除的灰度值个数T。(4)计算被滤除像素的新灰度值。对于排序后的前T个像素值,在原直方图中,计算与前T个像素值距离最近的像素值,作为被滤除像素值的新值。(5)图像重新赋值。对图像进行灰度重采样,对图像进行扫描,遇到等于直方图排序后前T个像素值的像素,赋给它距离最近的新像素值。由于直方图滤波是在灰度值的频率域内的滤波。与传统空间域滤波的方法相比,具有速度较快、不受影像分辨率的影响、不易造成边界模糊等优点。

2.2 基于模糊学的混凝土机场分割

将模糊学用于图像分割的原理如下,灰度值可以定义为一个集合体,每个像元隶属于目标的程度可以用隶属度函数定义,该隶属函数用来描述每个像元属于目标或背景的程度。将模糊学的思想应用于图像的分割中,隶属度函数的选取最为关键。传统将模糊学应用到图像处理中的隶属度函数为式子2-1。但是在模糊集中当把0.5作为分割阈值时候,会分割出大量灰度值比较高的地物,会造成过度的分割。因此,本文将对隶属度函数进行了改进,改进后的隶属度函数为式子2-2。由式子可知采用0.5为分割阈值,会分割出较少的比较亮的部分,不易造成过分割。

式子(2-1)和(2-2)中m,n表示该像素点在图像中的行列号。Pmn表示行列号为mn的像素点隶属度,Xmn表示行列号为mn的像素的灰度值,L表示图像中最大的灰度值。

为了说明本文提出的模糊分割在机场分割中,相对于传统分割方法的优势,对一副影像分别采用了模糊分割和Otsu分割,效果图如图2-2,可见Otsu不免会分割出过多的背景。而模糊分割都能分割出较好的效果。

2.3 基于纹理与色调知识的沥青跑道分割

沥青跑道具有三个明显的特征:第一,沥青跑道表面平滑;第二,沥青跑道由沥青组成,而同一种物质的色调特征相似,在不同的光照条件下,不同沥青跑道的色调趋于一致;第三,沥青跑道的轮廓属于细长型,长宽比比较大。因此基于沥青跑道这种特有的知识特性,可以比较准确快速的分割出沥青跑道。本文基于沥青跑道的纹理、色调、几何知识。对图像进行分割,提取出机场跑道。首先通过方差来计算跑道的纹理。然后对原影像进行HSV转化,得到色调图像,根据沥青跑道纹理和色调经验阈值,跑道的方差纹理阈值设置成10,色调阈值在[100,130]之间,对沥青跑道进行分割,得到色调与跑道相似的区域。最后计算地物的最小外接轮廓,根据跑道的细长型的特征去除其它的地物。

图3-2 青岛机场提取流程图解

2.4 机场感兴区的提取

机场是个复杂的目标,需要通过对目标对象的结构进行推理分析,才能准确的得到机场。经过滤波和分割等底层处理后,只是得到了一幅包含机场的二值影像,很难对各个目标进行分析。因此需要在二值图进行中层的处理,提取出感兴区目标,得到一些疑似机场目标,以方便进一步的高层分析。对机场影像分割后,由于机场属于大面积的地物,可以根据面积信息去除大量的背景目标,区域标记法是一种比较好的表示面积的方法。但是由于分割质量的原因,很多小的地物可能被连接到了一块,形成一大片地物,必须将其分开。因此本文采用形态学腐蚀法去除不同地物间的连续性,继而采用区域标记算法提取出较大的面积,得到疑似机场目标,以便进一步高层分析。

2.5 机场提取中基于拓扑关系的高层处理

根据机场的结构,机场一般由停机坪,滑行道,联络道,跑道组成。滑行道,联络道和跑道围城了一个形如“目”字型的结构。也就是机场内包含很多空洞。这些空洞与整个机场形成了稳定的拓扑关系。无论机场如何拉伸、压缩、缩放这些空洞包含于机场内部的拓扑关系不变。且这些空洞占机场整个面积的比例基本都在1/60以上,且空洞的个数一般都会大于3,因此可以根据机场内的内洞这一拓扑关系,在得到的感兴区中提取出机场。根据拓扑关系在疑似机场中进一步提取机场的步骤如下。

Step1:提取出中的每块区域的所有内洞。Step2:计算每块内洞与该区域的面积比,剔除那些面积比小于1/60的内洞。Step3:根据每块区域内洞个数,提取出内洞个数大于3的区域,得到机场。

3 实验结果与分析

本次实验的实验数据是从Google Earth下载的包含机场和港口目标的GeoEye高分辨率影像,将原图像重采样为2米左右的高分辨影像作为实验数据。分别采用了本文的顾及机场拓扑关系的方法和传统根据机场跑道几何特征进行机场提取的方法,对多幅机场图像进行了提取实验,并进行了对比分析,来说明本文算法的有效性。对于混凝土跑道的机场,通过实验分析了高层处理中,本文根据拓扑关系进行提取的方法和传统根据跑道的长宽几何特征进行提取的方法的优缺点。对于沥青跑道的机场,由于传统的方法无法提取出这些机场,因此只分析了本文方法对含有沥青跑道的机场进行提取的结果。最后对这些实验结果进行了分析,得出合理的结论。

(1)不同的高层处理方法;本文对多幅影像进行了实验,对比了传统根据跑道几何特征方法和本文采用机场拓扑关系方法进行机场提取的不同。其中武汉天河机场的提取结果如图3-1。

由图3-1中对混凝土机场分别采用拓扑关系和跑道的几何特征进行提取的结果可以看出。根据机场内外轮廓的拓扑关系的分析方法,可以稳定的描述机场目标的特征,进而提取出机场。而传统根据机场跑道几何特征,提取出机场跑道,进而提取出机场的方法中。由于机场联络道的存在,在提取跑道边缘直线的时候,会造成跑道边缘直线的中断。需要把在同一直线上的线段连接到一块,但由于这些破碎的短线距离很近,斜率相差很小,进行短线连接的时候,很容易连错,因此会得到不完整的跑道边缘。

(2)含有沥青跑道的机场提取实验结果;由于传统方法无法分割出沥青跑道,因此本文只分析了本文的含有沥青跑道的机场提取实验。图3-2为对青岛沥青跑道的机场提取结果图。其中a,b,c,d,e,f分别为原图、采用模糊分割法得到的疑似停机坪、基于知识分割得到的疑似跑道、b和c合并后得到的疑似机场、对疑似机场进行的内外轮廓拓扑分析图,最终提取结果。

通过对沥青跑道的机场提取的实验结果可以看出,模糊分割后,根据面积特征采用区域标记法提取面积比较大的区域,可以比较准确的分割出停机坪等高亮度目标。基于跑道的色调、纹理、长宽比这些知识,可以有效的将沥青跑道分割出来。将疑似停机坪和跑道合并后,可以得到疑似机场。由于机场目标内部都含有一定大小的多个内轮廓,分析每个疑似机场区域的内外轮廓,可以看出,其它地物一般不具有这种特殊的结构。因此可以将机场与其它的地物区分开来,从而可以将沥青跑道稳定的提取出来。

4 结语

本文主要对高分辨率遥感影像中城市区域的机场区域自动提取方法进行了研究。根据传统方法进行机场提取中稳定性和自动性差,并且无法提取出含有沥青跑道的机场的缺陷,提出了一种机场提取流程。针对传统采用Otsu阈值方法分割机场会造成过度分割的现象,将模糊学方法用在混凝土机场底层分割中,解决了过分割现象;并将基于知识的分割用于沥青跑道的分割中,解决了传统方法无法分割出沥青跑道的问题;将拓扑关系用于机场提取的高层处理中,提高了机场提取的稳定性。实验表明,本文提出的机场提取具有较高的鲁棒性,且准确率比较高。

[1]赵诚.图像识别方法与实现技术研究[D].西安:西安电子科技大学,2008.

[2]张文浩.光学遥感图像跑道提取与油罐目标识别技术研究[D].成都:电子科技大学,2010.

[3]Ton J., Jain A K., Enslin W R., et al. Automatic Road Identification and Labeling in Landsat4 Tm Images[J]. Photogrammetric[PRS],1989,43(2):157-276.

[4]陈旭光.卫星遥感图像中机场区域的识别方法研究[D].南京:南京理工大学,2005.