專利名稱：利用非下采樣輪廓波方向場(chǎng)的道路提取方法
技術(shù)領(lǐng)域：
本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，具體地說(shuō)是一種遙感圖像道路提取方法，可用于 對(duì)遙感圖像提取道路時(shí)應(yīng)用。
背景技術(shù)：
空間技術(shù)和信息技術(shù)的飛速發(fā)展為我們提供了大量的遙感數(shù)據(jù)，而且從遙感影像 中提取目標(biāo)信息已成為現(xiàn)階段空間信息更新的重要手段。因此，如何智能解譯海量的遙感 數(shù)據(jù)也相應(yīng)地成為了信息化建設(shè)過(guò)程中面臨的重要問(wèn)題。在遙感影像處理中，特征提取具 有重要的地位。特征提取一般可分為三個(gè)部分點(diǎn)特征提取、線特征提取和面狀特征提取， 其中線狀特征的提取具有承上啟下的作用。在一幅遙感圖像中，道路是一種重要的線型地 物，因此道路提取具有重要的意義。如何提取道路特征現(xiàn)在已經(jīng)有很多這方面的研究，但都 有一定的不足。作為其中的研究熱點(diǎn)，道路提取研究更是得到了廣泛關(guān)注，在國(guó)民經(jīng)濟(jì)生產(chǎn) 和軍事目標(biāo)偵察領(lǐng)域具有十分重要的理論和現(xiàn)實(shí)意義。從遙感圖像上提取道路信息的研究，主要經(jīng)歷了如下的發(fā)展歷程從半自動(dòng)道路 信息提取到自動(dòng)道路信息提??；從低分辨率遙感圖像到中、高分辨率遙感圖像道路信息提 ??；從鄉(xiāng)村或森林地區(qū)的道路信息提取，到郊區(qū)和城市地區(qū)道路信息的提取；從簡(jiǎn)單的提 取方法到復(fù)雜的方法；從單一的提取戰(zhàn)略到混合的提取戰(zhàn)略；從單一數(shù)據(jù)提取到多源數(shù)據(jù) 融合提取；從單一方法的提取到多種方法提取結(jié)果的融合提取；從單一尺度的提取到多尺 度或多分辨分析的提取；從基于像元的提取方法到基于特征或面向?qū)ο蟮奶崛》椒?。從遙 感圖像提取道路信息研究的分類方法較多根據(jù)自動(dòng)化程度分為半自動(dòng)提取和全自動(dòng)提取 方法；根據(jù)遙感圖像分辨率分為低、中、高分辨率遙感圖像的道路信息提取方法；根據(jù)研究 的區(qū)域分為鄉(xiāng)村、林區(qū)、郊區(qū)、城市地區(qū)的道路信息提取方法等等。道路信息提取的方法多 種多樣，主要包括模板匹配法，基于知識(shí)的方法，Snakes模型方法，動(dòng)態(tài)規(guī)劃法，脊谷線提取 方法，數(shù)學(xué)形態(tài)學(xué)法，霍夫變換法，基于分割的方法，多尺度方法。但目前常見(jiàn)的遙感圖像的道路提取方法提取后的道路失真會(huì)比較大，致使道路的 定位不準(zhǔn)確或道路目標(biāo)識(shí)別不夠準(zhǔn)確。例如用一個(gè)分層的語(yǔ)義網(wǎng)絡(luò)表達(dá)道路特征。語(yǔ)義 網(wǎng)絡(luò)用來(lái)從各傳感器數(shù)據(jù)中選擇提取出最突出的道路，并給各種傳感器的特征提取加權(quán)。 它還使用了在人工智能中相對(duì)成熟的技術(shù)，處理不確定性和不精確的傳感器數(shù)據(jù)。但從實(shí) 驗(yàn)結(jié)果看最終也只是確認(rèn)了圖像上的主干道路，細(xì)小道路信息缺失。又如利用形態(tài)學(xué)提取 方法會(huì)使原有的道路寬度變寬，致使道路中心線的定位會(huì)發(fā)生偏移；而僅利用頻域，例如小 波域、輪廓波域則會(huì)丟失掉道路的一些細(xì)節(jié)信息，致使道路斷裂較多，道路提取結(jié)果不夠完
iF. ο多尺度幾何理論的發(fā)展為圖像處理特別是道路提取提供了新的思路。多尺度幾何 變換能夠從多方向、多分辨等角度對(duì)圖像中的輪廓和紋理等方向信息進(jìn)行稀疏表示，并且 對(duì)圖像中的線狀奇異性具有很強(qiáng)的表征能力。非下采樣輪廓波以其良好的性能，獲得了較 為廣泛的應(yīng)用。在非下采樣輪廓波變換的基礎(chǔ)上進(jìn)行圖像去噪、融合、增強(qiáng)、編碼等方法均
4取得了較好的效果。將這種思想的多方向，多尺度融合特性于道路的特種征提取中，成為一 種很好的拓展思路。

發(fā)明內(nèi)容
本發(fā)明的目的在于克服上述已有技術(shù)的缺陷，提出了一種道路中心線定位準(zhǔn)確、 道路連續(xù)性較好，且無(wú)明顯裂痕的利用非下采樣輪廓波方向場(chǎng)的道路提取方法，以實(shí)現(xiàn)對(duì) 道路的完整提取。為實(shí)現(xiàn)上述目的，本發(fā)明包括如下步驟(1)對(duì)輸入圖像c進(jìn)行非下采樣輪廓波變換，變換分解為三層，其中每層的方向個(gè) 數(shù)均為4，并設(shè)變換后的第d層的第k個(gè)方向子帶為x〗，k= l，2，3，4，d= 1，2，3 ；(2)對(duì)方向子帶χ〗的方向性進(jìn)行如下修正2.1)疊加三層子帶中同一方向的方向子帶，得到方向增強(qiáng)矩陣fk，即
^ — H- λ*2 ；2. 2)估計(jì)方向增強(qiáng)矩陣fk的方向場(chǎng)矩陣dfk，保留dfk中無(wú)方向的矩陣系數(shù)的坐 標(biāo)，返回到方向子帶 <，將保留的坐標(biāo)處系數(shù)置0，得到修正后方向子帶/》k=l，2，3， 4，d = 1,2,3 ；(3)根據(jù)尺度相關(guān)性對(duì)修正后方向子帶/)進(jìn)行噪聲和背景抑制；(4)重復(fù)步驟(2)_(3)，對(duì)每一層系數(shù)子帶進(jìn)行處理，得到修正后的方向子帶/’$,k =1,2,3,4, d = 1,2,3 ；(5)對(duì)每層修正后的方向子帶ζ，選取最大系數(shù)作為像素點(diǎn)在該層的特征 ν, = max{/ ‘kd\k = 1,2,3,4}，將各層所得的特征疊加，并進(jìn)行非極大抑制，得 到道路提取初步結(jié)果M，道路以道路片段儲(chǔ)存；(6)對(duì)道路提取的初步結(jié)果M進(jìn)行如下后處理，得到更新后的道路提取結(jié)果M'6a)根據(jù)道路長(zhǎng)度特性，去掉道路提取初步結(jié)果M中長(zhǎng)度小于8的片段；6b)由方向特性和道路灰度特征去除初步結(jié)果M中的偽道路片段；6c)計(jì)算初步結(jié)果M中剩余的道路片段的曲率Sj _9] S〗=Jq2Jq2yr，其中為剩余的道路片段曲率Sj的橫坐標(biāo)曲率估計(jì)值，Qyr為剩余的道路片段的 曲率SjW縱坐標(biāo)曲率估計(jì)值；6d)將初步結(jié)果M中剩余的道路片段的曲率Sj的均值記為HiSj,方差記為(!Sj,若 !1^>0.3且0^> 1.15，則將該曲率SjK對(duì)應(yīng)的片段置零；未置零片段記為segj，j = 1...J'，J'為未被置零的片段個(gè)數(shù)，得到更新后的道路提取結(jié)果M'；(7)估計(jì)更新后道路提取結(jié)果M'的方向場(chǎng)M' d，根據(jù)方向場(chǎng)M' d求出每個(gè)未置 零片段Seg^的方向Sdp并按照S+方向進(jìn)行道路鏈接，得到最終的道路提取結(jié)果。本發(fā)明與現(xiàn)有的技術(shù)相比具有以下優(yōu)點(diǎn)1.本發(fā)明由于利用方向性模板對(duì)方向子帶進(jìn)行修正，增強(qiáng)了具備方向性的道路與 不具備方向性的背景之間的差異，提高了提取道路片段的準(zhǔn)確度；2.本發(fā)明由于利用尺度相關(guān)性修正方向子帶，較好的抑制了噪點(diǎn)和背景，更好的
5突出了道路信息，提高了提取道路片段的準(zhǔn)確度； 3.本發(fā)明由于計(jì)算了道路方向模板，并根據(jù)道路方向模板進(jìn)行道路鏈接，大大提 高了道路鏈接的準(zhǔn)確性，使得道路連續(xù)性良好，道路提取結(jié)果完整。


圖1是本發(fā)明的流程圖2是一個(gè)像素處的8個(gè)脊線方向圖3是本發(fā)明使用的輸入圖像；
圖4是用本發(fā)明分解的某一方向子帶圖5是對(duì)圖4經(jīng)過(guò)方向性修正后的圖6是對(duì)圖5經(jīng)過(guò)尺度相關(guān)修正后的圖7是用本發(fā)明在方向特性鏈接之前的提取結(jié)果圖8是用本發(fā)明得到的圖7的方向特性圖O
圖9是用本發(fā)明提取的結(jié)果仿真圖10是本發(fā)明中未加入方向修正時(shí)的道將$提取的提取結(jié)果仿真圖11是本發(fā)明中未加入尺度相關(guān)的的道將$提取的提取結(jié)果仿真圖12是本發(fā)明中未使用方向特性進(jìn)行道路鏈接的提取結(jié)果仿真圖。
具體實(shí)施例方式參照附圖1，本發(fā)明利用非下采樣輪廓波方向場(chǎng)的道路提取方法，包括如下步驟步驟1，對(duì)輸入圖像c進(jìn)行非下采樣輪廓波變換。將如圖3所示的圖像c作為輸入，對(duì)該輸入圖像做非下采樣輪廓波變換，變換分解 為三層，其中每層的方向分解個(gè)數(shù)均為4，并設(shè)變換后的第d層第k個(gè)方向子帶為xkd, Λ = 1,2,3,4, d = l,2,3;當(dāng)k = 1，d = 3時(shí)，方向子帶χ丨的特征圖如圖4所示。步驟2，對(duì)子帶χ〗進(jìn)行方向性修正。2. 1)將變換分解中各層子帶同一方向的方向子帶χ , 進(jìn)行疊加，得到方向增強(qiáng) 矩陣2. 2)估計(jì)方向增強(qiáng)矩陣fk的方向場(chǎng)根據(jù)圖2，將方向模板分為8個(gè)方向，若矩陣的系數(shù)具有方向性，則方向值為0-7， 否則為8 ；按此方法估計(jì)fk，得到其方向場(chǎng)矩陣dfk ；將dfk中值為8即矩陣無(wú)方向系數(shù)的坐 標(biāo)保留，返回到中，分別將該坐標(biāo)處的方向子帶系數(shù)置零，得到修正后方向子帶/》k =1,2,3,4, d = l，2，3;ik= l,d = 2時(shí)，修正后方向子帶/丨的特征圖如圖5所示。步驟3，尺度相關(guān)處理。3. 1)尺度內(nèi)相關(guān)對(duì)修正后方向子帶/〗的每個(gè)系數(shù)，計(jì)算以系數(shù)Jk為中心的3X3鄰域均值，記為,仇)=伃(二》>0.8><4⑷；3. 2)尺度間相關(guān)定義相關(guān)量Conk為相鄰子帶同一空間位置上系數(shù)的乘積，即
權(quán)利要求
一種利用非下采樣輪廓波的道路提取方法，包括如下步驟(1)對(duì)輸入圖像c進(jìn)行非下采樣輪廓波變換，變換分解為三層，其中每層的方向個(gè)數(shù)均為4，并設(shè)變換后的第d層的第k個(gè)方向子帶為k＝1，2，3，4，d＝1，2，3；(2)對(duì)方向子帶的方向性進(jìn)行如下修正2.1)疊加三層子帶中同一方向的方向子帶，得到方向增強(qiáng)矩陣fk，即 <mrow><msup> <mi>f</mi> <mi>k</mi></msup><mo>=</mo><msubsup> <mi>x</mi> <mn>1</mn> <mi>k</mi></msubsup><mo>+</mo><msubsup> <mi>x</mi> <mn>2</mn> <mi>k</mi></msubsup><mo>+</mo><msubsup> <mi>x</mi> <mn>3</mn> <mi>k</mi></msubsup><mo>;</mo> </mrow>2.2)估計(jì)方向增強(qiáng)矩陣fk的方向場(chǎng)矩陣dfk，保留dfk中無(wú)方向的矩陣系數(shù)的坐標(biāo)，返回到方向子帶將保留的坐標(biāo)處系數(shù)置0，得到修正后方向子帶k＝1，2，3，4，d＝1，2，3；(3)根據(jù)尺度相關(guān)性對(duì)修正后方向子帶進(jìn)行噪聲和背景抑制；(4)重復(fù)步驟(2) (3)，對(duì)每一層系數(shù)子帶進(jìn)行處理，得到修正后的方向子帶k＝1，2，3，4，d＝1，2，3；(5)對(duì)每層修正后的方向子帶選取最大系數(shù)作為像素點(diǎn)在該層的特征將各層所得的特征疊加，并進(jìn)行非極大抑制，得到道路提取初步結(jié)果M，道路以道路片段儲(chǔ)存；(6)對(duì)道路提取的初步結(jié)果M進(jìn)行如下后處理，得到更新后的道路提取結(jié)果M′6a)根據(jù)道路長(zhǎng)度特性，去掉道路提取初步結(jié)果M中長(zhǎng)度小于8的片段；6b)由方向特性和道路灰度特征去除初步結(jié)果M中的偽道路片段；6c)計(jì)算初步結(jié)果M中剩余的道路片段的曲率Sj <mrow><msub> <mi>S</mi> <mi>j</mi></msub><mo>=</mo><msqrt> <msup><msub> <mi>qx</mi> <mi>r</mi></msub><mn>2</mn> </msup> <mo>+</mo> <msup><msub> <mi>qy</mi> <mi>r</mi></msub><mn>2</mn> </msup></msqrt><mo>,</mo> </mrow>其中qxr為剩余的道路片段曲率sj的橫坐標(biāo)曲率估計(jì)值，qyr為剩余的道路片段的曲率Sj的縱坐標(biāo)曲率估計(jì)值；6d)將初步結(jié)果M中剩余的道路片段的曲率Sj的均值記為mSj，方差記為dSj，若mSj＞0.3且dSj＞1.15，則將該曲率Sj所對(duì)應(yīng)的片段置零；未置零片段記為segj，j＝1...J′，J′為未被置零的片段個(gè)數(shù)，得到更新后的道路提取結(jié)果M′；(7)估計(jì)更新后道路提取結(jié)果M′的方向場(chǎng)M′d，根據(jù)方向場(chǎng)M′d求出每個(gè)未置零片段segj的方向sdj，并按照sdj方向進(jìn)行道路鏈接，得到最終的道路提取結(jié)果。FDA0000031632370000011.tif,FDA0000031632370000012.tif,FDA0000031632370000014.tif,FDA0000031632370000015.tif,FDA0000031632370000016.tif,FDA0000031632370000017.tif,FDA0000031632370000018.tif,FDA0000031632370000019.tif
2.根據(jù)權(quán)利要求1的利用非下采樣輪廓波方向場(chǎng)的道路提取方法，其特征在于步驟 (3)所述的根據(jù)尺度相關(guān)性對(duì)修正后方向子帶/)進(jìn)行噪聲和背景抑制，按如下步驟進(jìn)行3a)對(duì)修正后方向子帶/〗的每個(gè)系數(shù)，計(jì)算以系數(shù)為中心的3X3鄰域均值，記 為，當(dāng)/》⑷>0.8x《⑷時(shí)，保留系數(shù)，否則令/d% = 0;3b)定義相鄰子帶同一空間位置上系數(shù)乘積為相關(guān)量C0nk，Cw/=]"[；/〗，L是計(jì)算乘積的尺度個(gè)數(shù)，取L = 2，將/)與Conk進(jìn)行比較，保留相關(guān)量較大的系數(shù)。
3.根據(jù)權(quán)利要求1的利用非下采樣輪廓波方向場(chǎng)的道路提取方法，其特征在于步驟 (7)所述的按照S+方向進(jìn)行道路鏈接，按如下步驟進(jìn)行7a)計(jì)算處理后的道路提取結(jié)果M'的方向場(chǎng)矩陣，記為M' d，從M' d提取與每個(gè)片 段Segj相對(duì)應(yīng)位置的方向場(chǎng)矩陣系數(shù)值，取其均值記為Sdj,稱Sdj為道路片段Segj的方向，j = 1...J'，J'為未被置零的片段個(gè)數(shù)；7b)對(duì)于任兩個(gè)道路片段紹仏和Segp’p,qcj，從seg,的端點(diǎn)開(kāi)始遍歷，計(jì)算seg,上每 一點(diǎn)與道路片段segp的一個(gè)端點(diǎn)的距離Dw，Dw =+{yw-yp)2,Xw和分別代表seg,上第w點(diǎn)的橫坐標(biāo)和縱坐標(biāo)，w =
全文摘要
本發(fā)明公開(kāi)了一種利用非下采樣輪廓波方向場(chǎng)的道路提取方法，主要克服遙感圖像原始道路提取方法中道路提取不完整以及道路錯(cuò)誤鏈接或鏈接不完全的缺點(diǎn)，其實(shí)現(xiàn)過(guò)程是(1)對(duì)輸入的遙感圖像進(jìn)行NSCT變換，得到需處理的方向子帶；(2)估計(jì)方向子帶的方向場(chǎng)，做方向性子帶修正；(3)對(duì)處理后方向子帶進(jìn)行尺度相關(guān)處理；(4)道路初步提??；(5)根據(jù)道路長(zhǎng)度、方向、形狀特性對(duì)道路初步提取結(jié)果進(jìn)行后處理；(5)根據(jù)道路片段方向場(chǎng)特性及道路相互特點(diǎn)，進(jìn)行道路片段鏈接。本發(fā)明能很好的提取遙感圖像較模糊的道路特征，并去除了非道路信息的干擾，且提取結(jié)果較為準(zhǔn)確，可用于遙感圖像的道路提取應(yīng)用中。
文檔編號(hào)G06T7/00GK101976443SQ20101053874
公開(kāi)日2011年2月16日 申請(qǐng)日期2010年11月9日 優(yōu)先權(quán)日2010年11月9日
發(fā)明者侯彪, 尚榮華, 朱丹, 焦李成, 王桂婷, 王爽, 鐘樺, 馬文萍 申請(qǐng)人:西安電子科技大學(xué)