遥感图像道路信息提取方法研究进展

杨晓雯

【摘 要】基于道路建设力度的不断提高，道路形式也变得更加复杂，道路信息内容也变得更加多样，而道路信息提取难度也随之提高，这就对提取方法提出了更高的要求。在长期的探索和研究过程中，遥感图像道路信息提取方法也在不断发展、进步，现阶段已经形成了多种多样的方法。论文从多方面主要分析了遥感图像道路信息提取方法。

【Abstract】With the constantly improve of road construction efforts， the types of road become more complex， the the road information content become more diverse， and the road information extraction become more difficulty， the extraction method has been put forward higher requirements. In the process of long-term exploration and research， the road information extraction methods of remote sensing images are also developing and improving. At present， a variety of methods have been developed. In this paper， the method of road information extraction from remote sensing images is analyzed in many ways.

【关键词】遥感图像；道路信息提取；常用方法；发展趋势

【Keywords】remote sensing image； road information extraction； common methods； development trend

【中图分类号】TP15 【文献标志码】A 【文章编号】1673-1069（2017）09-0189-02

1 引言

道路信息作为地理信息中的重要组成，通过对道路有效信息进行提取，能够为道路交通管理以及交通事故处理提供可靠的资料和依据，对促进社会发展、维护社会稳定具有重要意义。当前道路信息提取工作，基本都是借助卫星遥感技术及图像处理技术完成的，在长期的探索和研究过程中，遥感图像道路信息提取方法也在不断发展、进步，现阶段已经形成了多种多样的方法。并且，随着卫星遥感技术及图像处理技术的愈发成熟，遥感图像道路信息提取方法将会得到良好发展，以及更加广泛的应用。

2 遥感图像道路基本特点

在应用遥感技术及图像处理技术提取道路信息时，应先了解遥感图像道路基本特点，包括道路特征及道路影像特征两方面，进而才能结合其基本特点，实现对遥感图像道路信息的准确、有效提取。一般情况下，在对遥感图像道路特点进行分析时，主要从道路几何特征、辐射特征、拓扑特征以及功能特征四方面进行考虑。首先，几何特征是指道路的长度、宽度以及弯曲情况，其中宽度和长度与道路等级有关；其次，辐射特征反映了道路与周围环境之间的对比度，具体表现为灰度特征，同一路段的辐射特征大致相同；另外，拓扑特征是从道路连接处的形状特点来讲的，常见的交叉形状主要有“十”、“Y”、“T”等；最后，功能特征是道路周围存在的各种地理元素，如建筑物、桥梁等，利用这些元素，可以明确道路的具体功能[1]。

这些都是遥感图像道路所具备的基本特点，在道路信息提取过程中都发挥了重要作用。借助道路几何特征和辐射特征，可以直接对所获取图像进行统计计算，而拓扑特征和功能特征具有较强的抽象化特点，很难直接提取道路信息的时候，往往需要借鉴以往经验才能实现。只有掌握充足的遥感图像道路特点，才能为道路信息提取提供更加全面、可靠的资料和依据，确保道路信息提取的有效性和准确性，所以，加大对遥感图像道路特点的研究，是促进遥感图像道路信息提取的基础和前提。

3 遥感图像道路信息提取的主要方法

遥感图像道路信息提取研究开始于20世纪70年代，国内研究步伐落后于国际先进水平20年左右。经过将近40年的发展，遥感图像道路信息提取方法不断更新、进步，在此过程中，所出现及应用到的方法主要包括以下几种：

3.1 Snakes模型方法

Snakes模型是利用高层次知识构建函数模型，以此来反映出图像特点，从中提取有价值信息，该方法可以将图像特征提取进行集中处理，将能量降低到最小化。利用Snakes模型方法提取遥感图像道路信息，可以从数学思维角度进行考虑，通过求解目标函数的最小值，来获取道路信息。在应用Snakes模型方法时，先利用道路各种属性构建函数模型，然后将道路特征内嵌到模型中，对函数模型进行计算，进而完成道路信息提取。利用Snakes模型方法，即便是存在噪声或者道路存在较大间隙时，也可以提取道路信息，但是需要严格控制好各项参数，并对初始点进行准确定位[2]。其中，在初始点定位环节，主要有人工给定初始种子点和自动种子点给定两种方式。

3.2 数学形态方法

数学形态方法是从道路几何形状方面进行考虑，利用专业的结构元素，通过开闭运算、腐蚀、细化等多種方法对道路遥感图像进行处理，提取相关道路信息。在应用数学形态方法提取道路信息时，应选择合适的结构元素，并确定其大小以及元素序列，这是确保该方法有效应用的前提，所以，数学形态方法存在较大的局限性[3]。另外，当前研究中，结构元素选择及大小确定方面的内容较少，同时，还存在人工参与多、自动化程度低的缺点，所以，基于数学形态的遥感图像道路信息提取方法，还存在较大的提升和改进空间。endprint

3.3 基于知识的方法

在对分辨率较低的遥感图像道路中，提取道路信息的具体操作方式是利用道路的长度特征，来提取道路边缘信息，进而完成对道路的识别。但是，采用该方法所得到的道路信息存在不完整或者误差现象，因为无法获取提取对象的高层次知识，所以很难实现对实际道路网络的准确识别。将基于知识的方法应用于遥感图像道路信息提取中，可以以道路判识规则的形式对道路特征进行定义，进而可以有效提高道路信息提取的完整性和准确性。在应用该方法之前，应先根据路段实际情况，建立道路判识规则，完成知识的转化，进而获取相应的道路信息。

3.4 基于分割的方法

基于分割的方法，是当前遥感图像道路信息提取工作中的一种常用方法，具体应用过程是先选定分割标准，以此为基准，将整个道路图像分为多个二值图像字块，使其更加简单化。然后以每个字块为一个单元，进行逐个处理和分析，根据二值图像字块中有意义的斑块，识别道路并提取信息。最后再将道路图像所有字块信息整合到一起，便能得到相对完整、准确的道路信息。遥感图像道路信息提取，常用的分割方法主要有分水岭变换方法、K均值聚类方法、模糊C均值聚类方法等几种，主要应用于分辨率较高的遥感图像道路信息提取。

3.5 多尺度方法

道路遥感图像分辨率的不同，所显示出的具体形态也是不一样的，在低分辨率和高分辨率图像中，道路分别显示为线性目标和狭长条带。相较于低分辨率图像，高分辨率图像更加精致，所包含的道路信息也更加全面，但是，例如会存在噪声阴影等，增大了道路信息提取难度，所以，一般会根据对道路信息详细程度的需求，选择相应的分辨率图像。利用多尺度方法，能够将一个高分辨率图像降低成为一系列低分辨率图像，消除噪声对道路信息提取的干扰，借助遥感图像道路上下文信息，完成道路信息的提取。但是，在利用遥感图像道路上下文信息时，需要考虑尺度选择及上下文信息应用问题，确保尺度与图像分辨率及道路宽度相匹配，上下文信息應用合理，进而保证道路信息提取的精准性和有效性。

4 总结

通过对道路信息进行有效提取，能够为地图绘制、路径分析、应急处理等提供可靠资料和参考依据，所以对遥感图像道路信息提取方法进行研究是非常重要且必要的。但是，道路具有一定的复杂性，道路信息自动化提取技术不够成熟，不利于遥感图像道路信息提取的顺利进行，在实际工作中仍存在较多的问题有待解决。为充分发挥遥感技术和图像识别技术在道路信息自动化提取过程中的应用优势，仍需要加大对遥感图像道路信息提取的研究，不断对提取方法进行优化、改进，进而才能获取更加准确、有效、全面的道路信息。

【参考文献】

【1】王艳梅.基于ENVI的高分辨率遥感图像在道路提取中的应用研究[J].哈尔滨师范大学自然科学学报，2012（4）：24-26.

【2】谭庆全，薄涛，罗桂纯，等.遥感图像道路信息提取算法研究现状与地震应急应用[J].自然灾害学报，2015（3）：52-57.

【3】李卫东，陈永枫，杨阳，等.国内外遥感影像道路网提取方法研究现状[J].影像技术，2016（2）：44-45.endprint