基于PCA方法的高分辨率遥感影像城市道路提取

孙震辉

(河南理工大学 测绘与国土信息工程学院，河南 焦作454001)



基于PCA方法的高分辨率遥感影像城市道路提取

孙震辉

(河南理工大学 测绘与国土信息工程学院，河南 焦作454001)

基于PCA变换生成的假彩色图像具有较强的色彩表达能力和突显地物的优点，提出了一种以PCA变换为基础的城市高分辨率遥感影像道路提取方法。首先对原始影像进行降噪、增强等预处理，然后进行PCA变换，并使用PCA变换后的新分量组成假彩色图像，根据RGB空间向量的彩色图像分割方法将道路初步提取出来，最后使用面积开运算和数学形态学的方法对初步提取的结果进行后处理。实验表明：通过该方法，能够将不同传感器和不同城市高分辨率影像中的道路准确完整地提取出来。

PCA变换；色彩表达；城市道路；RGB空间向量；高分辨遥感影像

城市道路信息提取的研究在国内外持续了30多年，出现了许多技术和方法的创新，特别是近几年，更加实用和灵活的方法被提出。Cheng等[1]提出了一种基于概率传播的图割道路自动提取算法，有效而准确地提取了城市道路，并且在视觉和质量上都有很大提高。Movaghati[2]等利用粒子滤波和扩展卡尔曼滤波相结合的方法进行道路提取，取得了满意的效果。Naouai[3]等尝试使用四元数小波的方法进行道路自动提取，该方法充分利用了道路在影像上的光谱和几何形状特征保证道路的提取质量，同时提出了一个名为“路段连接”的道路连接新算法，有效保证道路提取的完整性和准确性。李建飞等[4]利用改进的直线检测方法实现对道路信息的提取，而且效果较好。殷硕文等[5]结合模糊连接度理论和SPOT影像上道路的表现特性提出了一种多种子点模糊连接度的主干道路半自动提取方法，取得较好的效果。唐伟等[6]基于Snake模型的优势，提出一种四元数空间高分辨率遥感影像的道路提取方法，该方法对于高分辨率影像的高等级道路提取具有较好的精度。王双等[7]提出了一种基于改进path opening的高分辨率遥感影像道路提取新方法，对解决提取不完整的道路和曲率较大的道路具有积极意义。

以上文献对于城市道路的提取提供了颇有意义的参考，但均是基于原始图像，以某种或几种算法的联合为基础，将道路提取。本文利用PCA变换后形成的假彩色图像具有良好色彩表达能力以及道路在其上具有显著色彩特征的优点，提出了一种基于PCA变换的道路提取算法。首先对图像进行预处理，然后进行PCA变换并生成基于PCA分量组合的假彩色图像，使用RGB空间向量的分割方法对假彩色图像进行分割，将道路初步分割出来，最后利用数学形态学的方法对分割的道路进行后处理，完成对城市道路网的提取。

1　方法原理介绍

1.1PCA变换的色彩特性

PCA方法是一种降维的统计方法，主要思想是借助于一个正交变换，将其分量相关的原随机向量转化成其分量不相关的新随机向量，在遥感领域主要应用于图像融合、地物动态变化监测以及高光谱图像降维处理等多个方面[8]。

PCA变换具有许多特点[8]，其中一个较为显著的特点就是PCA的假彩色图像往往比原有图像的色彩表达更加丰富，因此可以增强和突出某些研究对象，成为识别和提取地物的一个基础[9]。为了便于解释PCA图像较强的色彩表达特性，假定将图像中的像素点放在一个由三原色构成的三维彩色空间中，见图1。该空间主要解释了如何使用加色法显示数据，其中黄色由红色和绿色相加得到，品红色由蓝色和红色相加得到，青色由绿色和蓝色相加得到，白色是三原色相加的结果，黑色是三原色在零处的结果，对角线则表示不同的灰度级。对于原始图像来讲，由于波段的相关性，每个波段的直方图在一定范围上是重合的，图像的像素点就会相对集中在三维空间的对角线上，如图2(a)所示，彩色表达能力受到限制。经过PCA变换后，去除了原始影像各波段的相关性，使得各分量的直方图分布范围没有交集，PCA图像中的像素点就相当的分散，在三维空间里表现的就是填充了整个彩色空间，使得图像具有更好的彩色表达能力，如图2(b)所示。

图1　遥感图像三原色的彩色空间

图2　相关与不相关波段的三维彩色空间表达示意图

1.2彩色图像分割

常用的彩色图像分割方法有直方图阈值方法、特征空间聚类、基于区域的方法、模糊方法、神经元网络等[10]，各种方法在算法实现和时间效率上有所差异。本文在研究总结各种算法和道路提取的特点后，将RGB特征向量分割的方法作为本文的分割方法，该算法实现简单，并且耗时较短，便于实际工程应用，可以大大缩短道路专题图制图的周期。该方法首先对兴趣目标进行样本选取，以得到该样本RGB各通道的灰度平均估计，并组成平均估计的RGB特征向量α=(αR,αG,αB)。然后按照欧氏距离判断给定点z是否具有特征向量α相似的颜色特性，若z和α的距离小于给定的阈值D0，则称称z与α是相似的。z和α间的欧氏距离为：

(4)

图3　道路提取流程图

式中：下标R、G、B表示向量α和z的RGB分量。若满足D(z,a)≤D0，则表明z点符合指定的彩色准则，如不满足则认为不符合指定的颜色准则，在图像中对这两组点进行编码，产生二值的分割图像。

2　算法流程

本文基于道路在数据上的光谱特性，首先进行图像降噪和图像增强等预处理；其次对增强后的图像进行PCA变换，使用RGB空间向量的彩色图像分割方法对PCA变换后的假彩色图像进行分割处理，提取出道路信息；最后利用面积开运算和数学形态学的方法进行后处理。具体流程见图3。

2.1图像预处理

图像预处理是图像后续处理的基础，对于最终的提取精度具有很大影响。针对高分辨率遥感图像自身的特点，主要是进行图像去噪和增强等处理。本文使用自适应滤波的方法对图像进行噪声处理，使用自适应直方图调整的方法(AHE)对图像进行增强处理，增大道路信息与背景的反差。

2.2道路提取

根据PCA变换的原理对预处理后的图像进行PCA变换，生成互不相关的新分量，利用PCA变换的彩色特性，组成突显道路色彩的假彩色图像。选取道路的典型样本，给定合适的阈值，利用RGB空间向量的彩色图像分割方法对假彩色图像进行分割处理，获得道路信息。

2.3后处理

对于分割后的图像仍可能存在一些孤立的噪声斑点或其他颜色接近的地物，因此需要使用面积开运算等方法消除这些孤立的噪声以及利用长宽比的约束条件消除非道路的地物信息，然后结合数学形态学的方法对道路信息进行必要的整饰。

3　道路提取实验

3.1道路提取实验一

实验一选取美国某地的SPOT影像，大小为3 600×2 080像素，该区域具有道路、植被、建筑物和裸地等，地物类型复杂多样，见图4(a)。为了便于道路的提取，首先使用自适应直方图调整的方法(AHE)对原始影像进行了图像增强的处理，加大道路与背景的对比度。

根据PCA变换的方法，将预处理后的图像进行PCA变换，形成PC1、PC2、PC3、PC4四个互不相关的新分量。由于道路信息仅在前三个分量上表现的比较突出，因此仅对前三个分量进行处理。通过假彩色合成的实验比较，选取PC3为R分量，PC2为G分量，PC1为B分量，合成的假彩色影像中的道路信息更加突出，见图4(b)，基本上成蓝色调，与其他地物差别较大。在蓝色道路上进行取样，按照RGB空间向量的彩色图像分割方法将图像蓝色区域分割出来，其中分割的阈值设定为70。最后通过面积开运算消去图中小于200像素的噪声斑点，得到最终结果图，见图4(c)。由最终结果可见，道路的信息基本提取了出来，但在图像的右上方，由于部分道路的颜色出现了差异，因而未被识别出来，整体而言道路提取的完整性比较好。

图4　实验一提取结果

3.2道路提取实验二

实验二选取美国另一地区的Quickbird影像，大小为4 000×4 000像素，见图5(a)。由图5(a)可见，该区域的地物类型复杂多样，比实验一中的场景更加复杂，干扰噪声较多。首先使用自适应滤波的方法对原始影像进行了去噪处理，减弱噪声的干扰，然后使用自适应直方图调整的方法(AHE)对去噪后的影像进行了图像增强的处理，加大道路与背景的对比度。

通过PCA变换将预处理后的图像转化为相互独立的四个新分量。通过对比试验后，仍选用PC1、PC2和PC3前三个分量组成假彩色图像，见图5(b)。从假彩色图中可以看到，假彩色中的道路基本呈现出绿色调，与其他地物差别较大，对道路的绿色取样后，以65为阈值，将道路的绿色分割出来。最后通过面积开运算消去图中小于500像素的噪声斑点，得到最终结果图，见图5(c)。由最终结果可见，图中的道路信息基本已经提取了出来，边缘信息也比较清晰，但不可避免的把颜色类似于道路的地物提取了出来，总体而言提取效果较好。

图5　实验二提取结果

4　结论

针对高分辨率遥感影像，通过PCA变换生成的假彩色图像具有区别于其他地物的特征，提出了一种基于PCA的城市道路提取方法。利用PCA假彩色图中具有更加丰富的色彩表达能力和对道路信息的突显，通过RGB空间向量的彩色图像分割方法将道路初步提取出来，然后使用面积开运算和形态学处理等方法消除其他噪声的干扰，最终得到准确和完整的道路信息。该方法对不同地域与不同传感器的影像均有良好的提取效果，表明该算法具有一定的普适性和实用性。

[1]Cheng G,Wang Y,Gong Y,et al.Urban road extraction via graph cuts based probability propagation[C].Image Processing (ICIP),2014 IEEE International Conference on.IEEE,2014:5072-5076.

[2]Movaghati S,Moghaddamjoo A,Tavakoli A.Road extraction from satellite images using particle filtering and extended Kalman filtering[J].Geoscience and Remote Sensing,IEEE Transactions on,2010,48(7):2807-2817.

[3]Naouai M,Hamouda A,Akkari A,et al.New approach for road extraction from high resolution remotely sensed images using the quaternionic wavelet[M]//Pattern Recognition and Image Analysis.Springer Berlin Heidelberg,2011:452-459.

[4]许锐.结合形状与同质特征的遥感影像城市道路提取方法[J].测绘科学技术学报,2014,31(1):53-56.

[5]殷硕文,丁静.基于多种子点模糊连接度的 SPOT 影像道路提取[J].测绘科学技术学报,2009,26(3):190-194.

[6]唐伟,赵书河.基于GVF和Snake模型的高分辨率遥感图像四元数空间道路提取[J].遥感学报,2011,15(5):1040-1052.

[7]王双,曹国.一种基于改进path opening 的道路提取新方法[J].计算机科学,2014,41(2):285-289.

[8]陈述.遥感技术与遥感数字图像分析处理方法、解译制图及其综合应用实务全书[M].银川:宁夏大地音像出版社，2005.

[9]Richards J A,Richards J A.Remote Sensing Digital Image Analysis[M].Berlin:Springer,2013.

[10]林开颜,吴军辉,徐立鸿.彩色图像分割方法综述[J].中国图象图形学报,2005,10(1):1-10.

Road extraction from high resolution images by PCA transform

SUN Zhen-hui

(School of Surveying and Land Information Engineering,Henan Polytechnic University,Jiaozuo 454000,China)

The false color images generated by PCA transform have the advantages of strong color expression ability and highlight features,and it proposed a new method of road extraction from high resolution remote sensing image based on PCA transform.First,the original image is preprocessed for noise reduction,enhancement,and then PCA transform is done,and false color image is formed using transformed new component based on PCA,and the road image is extracted initially according to RGB vector space of color image segmentation method.Finally,the results of the preliminary extraction were processed by the methods of open operation and mathematical morphology.The experimental results show that the method can accurately extract the road in the high resolution images of different sensors and different cities.

PCA transform;colors expression;urban roads;RGB space vector;high resolution image

2016-03-10

孙震辉(1987—)，男，河南焦作人，硕士研究生。

1674-7046(2016)04-0074-05

10.14140/j.cnki.hncjxb.2016.04.015

P231

A