一种GIS辅助下的双线型线状地物提取方法

张作昌

摘要：提出一种基于GIS数据和遥感影像的双线型线状地物提取方法。先对遥感影像去噪增强，配准GIS矢量数据和遥感影像，执行模式分类，在矢量数据形成的缓冲区范围内选取种子点实施区域生长，通过数学形态学操作进一步优化，最后使用边缘检测算子提取地物边缘。实验结果表明，该方法能够准确地检测出双线型线状地物的边缘。

关键词：GIS；矢量数据；遥感影像；线状地物；边缘检测

中图分类号：TP751 文献标识码：A 文章编号：1007-9416（2017）01-0039-02

1 引言

线状地物是地类调查的重要内容，是图斑划分的重要依据。线状地物提取对于遥感影像解译、GIS数据更新具有非常重要的意义。根据线状地物在地图上的宽度，可将其分为单线型和双线型：宽度大于等于2mm属于双线型，否则是单线型。在GIS数据和遥感影像配准的基础上，根据线状地物对应矢量数据的类型，分别采取不同的提取策略。

2 相关研究

线状地物提取方法分为基于单一遥感影像和基于多源数据。Shao等[1]通过局部排序和判断方案检测道路中心点；Rodríguez-Cuenca等[2]提出三阶概率标签松弛法在分类后提取线状特征。后者又可细分为基于相同的数据源和基于不同类型的数据源。Wei等[3]基于不同时段的影像生成目标掩模，通过分类、形态学操作和直线识别提取大尺度的人造线状地物。线状地物有对应的矢量，用已有的GIS数据为向导能有效简化地物检测、识别等过程。董明等[4]用矢量数据构造缓冲区检测道路。上述研究主要针对单线型线状地物，本文研究GIS辅助下的双线型线状地物提取方法。

3 GIS辅助下的双线型线状地物提取

3.1 数据配准

遥感影像普遍采用以像元为单位的栅格格式存储，而GIS数据主要以点、线、面为单元的图形矢量格式存储，两者结合的首要问题是数据配准。矢量地形图由正射影像得到，已经过正射校正。因此，只需对遥感影像进行相对几何校正，即可完成配准。通过选取控制点，计算矢量坐标和影像坐标之间的仿射变换参数；超过5个控制点时，对卫星影像可使用严格几何模型计算初始外参数，对于航空影像可通过粗略空间后方交会计算初始外方位元素。利用外参数将矢量图层反变换到影像空间。

3.2 双线型线状地物提取

在遥感影像上，不同地物具有不同的光谱特征。为了更好区分具有一定宽度的双线线状地物，先进行像素聚类，然后选取种子点在矢量数据形成的缓冲区内实施区域生长，再执行数学形态学的膨胀、腐蚀进行优化，最后利用边缘检测算子提取双线线状地物的边缘。

（1）模式分类。K-均值法以确定的类数和选定的初始聚类中心为前提，使各模式到其所属类别中心的欧氏距离之和最小。本文采用按批修改法，在所有待分类模式按最小距离原则划分类别后，再计算各类的中心。采用K-均值法对地物分类的结果如图1所示。

（2）区域生长。区域生长先对每个待分割的区域找一个种子像素作为生长起点，然后将种子周围与其性质相同或相似的像素合并到种子所在区域，把新增像素当作新的种子重复上述过程，直到再没有满足条件的像素可被包括进来。本文手工选取种子点，以旧矢量地形图向两边各拓展一个缓冲区形成的多边形作为区域生长范围。由于影像已分类，灰度阈值可取1。为说明聚类的必要性，图2给出了对图1执行区域生长的结果，两条细线是旧矢量向左右各拓展一段距离形成的缓冲区。从原始影像上可以看到，实际的河流变窄了，河流与两边的河床均有一段距离，而图2（a）的区域生长结果有一侧贴近河床，明显错误，图2（b）正确。

（3）形态学操作。数学形态学是根据集合代数与拓扑论而提出的新的图像处理方法，它将对象模型化，对集合进行研究。数学形态学的两种主要运算是腐蚀和膨胀。影像分类并执行区域生长后，存在着许多类似“椒盐噪声”的白色斑点，为了方便后续提取边缘，需要去除噪声，这里使用形态学处理方法，对图2（b）进行膨胀、腐蚀各一次，结果如图3所示。膨胀操作“抹去”了大量的白色斑点，为了保持原有地物的形状，用腐蚀操作抵消因膨胀造成的面积增大。

（4）边缘提取。在形态学处理的基础上用Roberts算子提取河流边缘，结果如图4所示。

4 结语

本文提出了一种在GIS数据辅助下的双线型线状地物提取方法，先对遥感影像预处理，配准两种不同类型的数据，然后进行K-均值分类，实施区域生长，通过形态学操作优化区域生长结果，最后采用Roberts算子提取边缘。实验结果表明，该方法能够准确地检测出双线型线状地物的边缘，是一种有效的遥感影像线状地物提取方法。

参考文献

[1]Shao Y， Guo B， Hu X， et al. Application of a Fast Linear Feature Detector to Road Extraction From Remotely Sensed Imagery[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing， 2011， 4（3）： 626-631.

[2]Rodríguez-Cuenca B， Malpica J A， Alonso M C. A Spatial Contextual Postclassification Method for Preserving Linear Objects in Multispectral Imagery[J]. IEEE Transactions on Geoscience and Remote Sensing， 2013， 51（1）： 174-183.

[3]Wei Z， Lin H， Shi C， et al. Extraction Method of Large-scale Linear Objects from SAR Images [C]. The 2nd IEEE/IET International Conference on Audio， Language and Image Processing， Shanghai， IEEE， 2010： 1552-1556.

[4]董明，張海涛，祝晓坤，等.基于遥感影像的地图道路网数据变化检测研究[J].武汉大学学报·信息科学版，2009，34（2）：178-182.