高分辨率遥感影像线状地物提取方法研究

刘 立 彭 刚

（1.中国人民解放军32016部队，甘肃兰州 730000；2.中国人民解放军32022部队，湖北武汉 430074）

对线状地物的研究是遥感影像地物识别研究的关键，在线状地物研究中，较为重要的内容为道路及水系，是地图中应重点突出内容。从实际情况来看，常见的线状地物提取方法包括边缘检测、光谱分析、卷积神经网络等方法。在边缘检测方法中常用Canny算法，这种算法较为严格，可在短时间内实现结果和数据。

在遥感影像线状地物提出技术中，可利用高分辨遥感影像对光谱特征和空间信息进行有效分析，针对每个区域进行提取。

在实际的工作中，影像的分割会受到各种因素的影响，如在噪声及其他声音的影响下，相关人员提取的数据会存在误差。因此，边缘影像为地物的主要特征之一，Canny进行边缘检测可以有效提取地物信息，为后期工作奠定基础[1]。

本文从线状地物的特征入手，主要对相关提取方法进行研究，得出最优的检测方法，以提升线状地物的检测技术水平。

1 线状地物的形状特征分析

线状地物的总特征以长和宽较大的矩形为主，常见的形状特征有4种：

（1）连贯的长矩形线状地物；

（2）条矩形线状物出现小的孔洞，如道路上的车辆或河道中的船只；

（3）弯曲矩形，如弯曲的道路或河流；

（4）面状地物相互连接，如道路或居民地等。

2 基于Canny边缘检测的面向对象提取方法

2.1 Canny边缘检测算法

（1）通过对区域内不同位置的像元赋予不同的权值，可保留地物的边缘信息。

采取用函数进行分析，处理噪声的滤波器G与影像F，可以过滤噪声，得出影像g：

平滑参数可以控制影像的平滑度，相关数值较小时，定位相对准确，噪声较低。

（2）可对梯度幅值及方向进行相关的计算。用梯度幅值分析边缘强度：

通过计算得到梯度幅值M和梯度方向θ：

（3）计算中非极大值抑制属于边缘技术，可排除梯值。

相关单元格应观察梯度值是否处于最大值，可对梯度方向进行定义，将边缘像素与其他像素分开。将以上数据进行对比，若梯度方向相同，得到的像素较大，可将目标像素作为候选对象进行研究；若方向相反，应剔除得到的像素。

（4）基于高低阈值的算法检测，主要从选取对象中确定边缘像元，消除虚假边缘。

为了剔除掉伪边缘，可以引入两个高低阈值进行分析，对图像中的每个素点进行验证。如果梯度值相对较大，可判定其为边缘点；如果梯度值较低，说明不是边缘点；如果梯度值在最大值、最小值之间，应寻找梯度值大于高阈值的像素点，再将此像素点设置为边缘点。

2.2 对象提取方法

高分辨的线状地物可以使用此类方法进行提取操作，将影像对象作为单元格，对其进行有效研究。可根据相关的地物特征或纹理进行分类，利用高科技手段对数据进行提取。

使用影像技术分割线状地物，可观察到边缘特征和相关的像素值，在这个过程中，得出的结果和方法不可分割。

在进行遥感影像分割的过程中，会收到噪声的影像，可使用Canny技术，可提高数据分析的准确性，使数据更精确。在分割后，影像的单元格不是某一个单元格，是由多个单元格组成的研究对象。特征提取是信息提取的一个重要步骤，其可以分析线状地物，得到需要的地物信息图像[2]。

面向对象提取流程如图1所示。

图1 面向对象提取流程

2.3 数学形态提取法

数学形态学于1964年Georges Matheron、Jean Serra合作引入，Jean Serra确立了数学形态学的相关概念，其在图像处理中主要运用运算符号、集合数学概念，运用二值图像的几何形状检测。在数学形态中，主要运用图像去噪、图像增强、图像恢复及重建等方面，形态学过程使用拥有结构元素或内核的模板。

基本的二值形态学运算主要将结构元素放在一个可能的位置，再匹配像素的等效领域，与其他运算方法相结合，对二值图像进行处理。在二值形态学中，基本的运算方法有闭合、开启或膨胀等。

3 试验分析

3.1 增强遥感影像

在工程中，为了更好地适应线状物的相关影像，可对影像进行处理操作，常见处理方法为PAC转换、NDVI的转换。NDVI的转换主要将遥感影像中的全部信息集中至某个点，进行数据分析，得到需要的数据信息。对遥感影像进行分析后可知，第一波段的数据约在80%以上，可较好地体现遥感影像需要的相关信息。同时，可以将NDVI和PCA结合利用，增强信息的获取。

3.2 通过Canny检测

使用平滑的滤波器，剔除影像中的噪声，但得到的影像相对模糊；使用梯度幅值得到的相关数据，影像相对清晰。使用非极大值抑制法，应分析非边缘数据，再保留好相关数据；采用高低双阈值法，需要提取边缘的信息，可检测道路、水系边缘等位置的信息，并对水系边缘信息进行定位。基于Canny边缘检测结果分析，Canny可处理边缘信息的细节，保证边缘清晰，提出线状地物与原有的影像重合，以达到最优的效果[3]。

3.3 对精度进行检验

Canny边缘检测的提取平均率为6.3%，如果采用数学形态学的方法进行线状地物提取，提取平均率为28.9%，基于Canny检测平均率下降了22.6%[4]。

对道路数据进行提取时，由于道路的材质与建筑物使用的材质不同，会出现同谱异物或同物异谱的现象，得到的数据结果也存在差异。使用Canny边缘检测可以较好检测道路和相应建筑物的边缘信息，提高线状地物的精准度，具有可行性[5-7]。

4 结语

综上，文章主要对Canny边缘检测的线状地物提取进行相关分析，在这个过程中，主要利用边缘检测算法进行检测，以得到需要的信息。在进行相关阈值的选取时，通过使用高低阈值进行分析，可以得出需要的边缘信息数据，可将边缘细化；根据线状物的特征分析对象，可得到相应的图像。分析精度检验的结果可知，Canny边缘检测的欠提取率约为6.3%，采用数学形态的方法进行提取，欠提取率约为82.9%，边缘检测面向对象提取率下降了22.6%，可提升线状地物技术水平。