基于Canny边缘检测算子的矿区道路提取

引用本文

曾发明, 杨波, 吴德文, 唐攀科, 张建国, 张鸿键. 基于Canny边缘检测算子的矿区道路提取[J]. 国土资源遥感, 2013,25(4): 72-78
ZENG Faming, YANG Bo, WU Dewen, TANG Panke, ZHANG Jianguo, ZHANG Hongjian. Extraction of roads in mining area based on Canny edge detection operator[J]. REMOTE SENSING FOR LAND & RESOURCES,2013,25(4): 72-78 复制到剪切板

Permissions

《国土资源遥感》编辑部

基于Canny边缘检测算子的矿区道路提取

曾发明¹, 杨波¹, 吴德文², 唐攀科², 张建国², 张鸿键¹

1.湖南师范大学GIS研究中心,长沙 410081

2.有色金属矿产地质调查中心,北京 100012

通讯作者:杨波(1974-),男,副教授,主要研究领域为资源环境与灾害遥感。E-mail:yb@hunnu.edu.cn。

第一作者简介: 曾发明(1987-),男,硕士研究生,主要研究方向为资源环境遥感。E-mail:junkai1314@126.com。

收稿日期: 2013-01-23

基金: 国家自然科学基金(编号: 41171342)和湖南省高校创新平台开放基金(编号: 10K042)项目共同资助

摘要

矿区道路作为矿区的主要运输通道,是采矿活动必需的组成要素。在空间结构上,矿区道路是其他要素的连接纽带,它们之间有着重要的空间拓扑关系——矿区通常由一条主要道路连接着开采面(矿硐)、选矿池、固体废弃物、工棚建筑和尾矿库等要素。通过对矿区道路的识别和提取,有助于建立地表采矿系统(surface mining system,SMS),对矿区进行遥感监测和自动遥感解译。利用高分辨率遥感图像,提出一种基于Canny边缘检测算子的矿区道路自动提取方法: 首先利用Canny算子对遥感图像进行边缘检测,得到边缘信息; 然后进行边缘匹配,判定道路边缘,从而对研究区内的道路进行定位和矢量化。利用该方法对某矿区道路进行提取实验的结果表明,该方法能快速提取矿区道路,具有较强的实用性。

关键词: Canny算法; 道路提取; 边缘匹配; 矿区遥感; 地表采矿系统

中图分类号:TP75 文献标志码:A 文章编号:1001-070X(2013)04-0072-07 doi: 10.6046/gtzyyg.2013.04.12

Extraction of roads in mining area based on Canny edge detection operator

ZENG Faming¹, YANG Bo¹, WU Dewen², TANG Panke², ZHANG Jianguo², ZHANG Hongjian¹

1.GIS Research Centre of Hunan Normal University, Changsha 410081, China

2.China Non-ferrous Metals Resources Geological Survey, Beijing 100012, China

Abstract

As the main transport corridors of the mine,the roads in the mining area are very important parts of the mining activities. Spatially,the roads are the connection links of the other elements in the mining area, and there are important topological relationships between them:The major road usually connects such elements as the mining surface area (or mine adit), the processing pool, the solid waste mineral, the shed (or buildings) and the tailings. The extraction and recognition of the mine road are helpful to building the surface mining system(SMS),making it easy to monitor the mining area and get automatic interpretation of remote sensing. In order to extract the mine road,the authors used high-resolution remote sensing image and proposed an approach based on Canny edge detection operator for automatic extraction of the road in the mining area in this paper. Firstly, the road edges were extracted by using the Canny detector. Furthermore, the edge matching method was used to determine the road edges, which resulted in the quantization and positioning of the road vector in the study area. The methods proposed in this paper were used to extract the road in the mining area successfully. The results show that the proposed method is of very strong practical applicability.

Keyword: Canny algorithm; road extraction; edge matching; remote sensing in mining area; surface mining system

Show Figures

0 引言

道路是地表采矿系统(surface mining system, SMS)中非常重要的线性要素。国内外对道路的研究已有20多年的历史, 众多学者针对不同的应用领域和数据源, 提出了自己的方法和研究成果^{[1, 2, 3, 4, 5, 6, 7]}。Wiedeman等^[8]利用剖面法在GIS数据的辅助下进行了从数字图像中自动识别道路的研究; Rellier等^[9]利用马尔科夫随机场( Markov random field, MRF)模型研究了从SPOT图像中提取乡村道路的方法; Pete等^[10]提出了人工平行边界提取(anti-parallel-edge centerline extraction, ACE)算法从高分辨率多光谱图像中自动提取道路中心线; Dal-Poz等^[11]利用Canny算子, 加入道路先验知识, 从高分辨率航空图像中自动提取道路; Ye等^[12]先用Canny算子获取道路边缘, 再利用粒子滤波提取道路; 吕健刚等^[13]在图像分割获得道路网轮廓的基础上, 使用Hough 变换检测道路所在直线, 对直线进行判断, 再对所得道路段进行修剪、连接形成道路网, 实现道路提取; 董占杰等^[14]根据高分辨率遥感图像中道路绿地形状和空间分布特征识别道路边线和中心线; 许高程等^[15]在面向对象的分类过程中, 应用Canny算子加强了道路对象边界构建, 并针对实验区中的不同道路类型, 在不同尺度下进行了道路自动提取实验; Hang等^[16]则对现有道路提取的研究成果和方法进行了归纳总结, 并针对彩色增强的遥感图像, 提出基于空间特征与光谱特征自动提取乡村道路和基于Gabor滤波提取城市道路的方法。上述道路提取算法大都得了较好的效果, 但仍然存在一些不足之处: ①结合GIS数据提取道路的方法大都建立在研究区已有GIS矢量数据的基础上, 因而限制了算法的使用范围; ②基于Hough变换的道路提取效果受直线长度阈值选取的影响, 若选取的阈值较大, 则不能提取出较短的直线以及微小弯曲的线, 若选取的阈值较小, 则会检测出许多非道路线段; ③基于数学形态学的道路研究, 其结构元素是数学形态学运算的核心, 结构元素的形状和大小将直接影响目标信息提取的结果; ④Hang等^[16]的乡村道路提取方法汇集了众算法之长, 但也未能解决目标周边背景影响的问题; ⑤董占杰等^[14]巧妙地运用了道路背景的上下文特征— — 绿地信息, 但不适用于缺少绿地信息的矿区道路提取。Dal-Poz等^[11]和Ye等^[12]利用Canny算子在建立道路先验模型基础上提取道路, 对本文有很大的借鉴作用, 但矿区道路与城市和居民区道路的属性有所不同— — 矿区道路只是矿石原材料的一个运输通道, 建设标准从简, 不符合城市和居民区道路规划的相关指标; 并且矿区泥路居多, 道路在光谱特征上易与周边耕地混淆, 道路的宽度也取决于矿石运输的情况。因此, 对矿山道路的提取还需要根据矿区的具体情况建立合适的提取模型。针对上述情况, 本文提出一种基于Canny边缘检测算子的矿区道路提取方法, 选取矿区3种典型单一背景道路(开采场道路、矿区山间道路和矿区周边乡间道路)作为研究对象, 进行道路提取实验; 并进一步做综合背景下的道路提取实验对比, 以证明用该方法快速提取矿区道路的实用性。

1 研究方法

1.1 Canny边缘检测

Canny边缘检测算子是Canny^[17]在1986年提出的, 是当前被普遍认可的一种较理想的边缘检测算法。本文的算法是在Canny算子的基础上增加长度搜索和边缘平移匹配得到的, 具体步骤如下:

1)用高斯函数G (x, y)对图像 f (x, y)进行平滑滤波以去除噪声, 得到平滑图像g(x, y), 即

G(x, y)= $\begin{matrix} \frac{1}{2 π σ^{2}} \end{matrix}$ exp(- $\begin{matrix} \frac{x^{2} + y^{2}}{2 σ^{2}} \end{matrix}$ ), (1)

g(x, y)=f(x, y)G(x, y)。 (2)

2)计算平滑图像g(x, y)中每个像元点(x, y)的梯度强度▽g(x, y)和方向, 即

▽g(x, y)=▽[G(x, y)f(x, y)]=▽G(x, y)f(x, y)。 (3)

利用高斯函数的可分性, 将G(x, y)分解为2个一维的列、行滤波器, 即

$\begin{matrix} \frac{\partial G}{\partial x} \end{matrix}$ =kx exp(- $\begin{matrix} \frac{x^{2}}{2 σ^{2}} \end{matrix}$ ) exp(- $\begin{matrix} \frac{y^{2}}{2 σ^{2}} \end{matrix}$ )=h₁(x)h₂(y), (4)

$\begin{matrix} \frac{\partial G}{\partial y} \end{matrix}$ =ky exp(- $\begin{matrix} \frac{x^{2}}{2 σ^{2}} \end{matrix}$ ) exp(- $\begin{matrix} \frac{y^{2}}{2 σ^{2}} \end{matrix}$ )=h₁(y)h₂(x), (5)

式中:

$\begin{matrix} \{\begin{matrix} h_{1} (x) = \sqrt[]{k} xexp (- \frac{x^{2}}{2 σ^{2}}) \\ h_{1} (y) = \sqrt[]{k} yexp (- \frac{y^{2}}{2 σ^{2}}) \end{matrix} \end{matrix}$ ; (6)

$\begin{matrix} \{\begin{matrix} h_{2} (x) = \sqrt[]{k} \exp (- \frac{x^{2}}{2 σ^{2}}) \\ h_{2} (y) = \sqrt[]{k} \exp (- \frac{y^{2}}{2 σ^{2}}) \end{matrix} \end{matrix}$ 。 (7)

将式(4), (5)分别与图像f (x, y)做卷积运算, 得到

$\begin{matrix} \{\begin{matrix} E_{x} = \frac{\partial G}{\partial x} f (x, y) \\ E_{y} = \frac{\partial G}{\partial y} f (x, y) \end{matrix} \end{matrix}$ 。 (8)

则图像g(x, y)中每个像元点(x, y)的梯度强度▽g(x, y)和梯度方向θ (x, y)分别为

|▽g(x, y)|= $\begin{matrix} \sqrt[]{E_{x}^{2} (x, y) + E_{y}^{2} (x, y)} \end{matrix}$ , (9)

θ (x, y)=arctan $\begin{matrix} [\frac{E_{x} (x, y)}{E_{y} (x, y)}] \end{matrix}$ 。 (10)

3)仅仅得到全局的梯度并不足以确定边缘。因此, 为确定边缘, 必须对所得的梯度进行非极大值抑制。具体做法为寻找图像梯度中的局部极大值点, 并设非局部极大值点为零, 从而使图像边缘得到细化。

4)设置全局高、低2个阈值, 选取边缘点。其过程为: 设置T1和T2( T1 > T2)两个阈值, T1的作用是找到每条边缘线段; T2则是用来延伸这些线段以寻找边缘的断裂处, 并对这些边缘进行连接。如果所取像元点为大于T2的集合, 那么获得的边缘信息一般都是真正的图像边缘信息, 很少会包含假的边缘信息, 但也可能会丢失一些边缘的细节信息; 如果所取像元点的梯度值介于T1和T2之间, 那么通过计算获得的边缘信息保留得比较好, 但同时可能将一些不是边缘点的信息也保留下来。因此, 可以先取出由像元点梯度值大于T2的集合所组成的图像边缘信息, 再用像元点梯度值介于T1和T2之间的计算结果补充先前得到的图像边缘信息, 最终综合得到待检测图像的边缘信息。

5)根据长度阈值, 进行道路边缘对象的判定: ①设置1个中间变量i = 1; ②以任意1个边缘点为起点, 追踪经过该点的边缘线; ③统计边缘上边界点的数目; ④将边缘线上的边界点数目作为道路段长度, 再与设定的阈值比较— — 若长度小于阈值, 则认为不是道路边缘, 将其设置成背景值, 以免下次重复遍历; 若大于阈值, 则获取该边缘线起止端点, 如果构成回路, 则说明其可能是建筑等面状地物, 将边缘线上所有点设置成背景值; 若大于阈值且搜索起点和终点不构成回路, 则将其编号, 进入下一平移匹配阶段。

6)平移匹配: ①将步骤5)得到的边缘对象沿该边缘线2端点的连线方向朝4邻域方向平移, 寻找与之平行的匹配边缘; 若找不到匹配平行边缘, 则说明该边缘不是道路边缘, 将该边缘背景化; 若匹配成功, 则提取出平行线对, 并平滑连接该线对, 将其位置信息存储到对象数组R_i中; ②将匹配成功的边缘对设置成背景值, 以避免在下次循环中重复搜索; ③i=i+1, 返回步骤5)中的②处, 开始重新寻找起始边缘点。重复步骤5)和6), 直至所有边缘点遍历完成, 即边缘信息图中所有的点都被设置成背景值后, 算法结束。边缘检测流程图见图1。

	Figure Option View Download New Window
	图1 边缘匹配检测流程Fig.1 Flow chart of edge matching and detection

1.2 矿区道路提取

1.2.1 边缘跟踪

边缘跟踪采用8邻域搜索方法— — 从一边缘前景像元开始, 搜索该像元与其相邻的8个像元, 分别标记为E(东)、ES(东南)、S(南)、WS(西南)、W(西)、WN(西北)、N(北)和EN(东北), 并记录下其中边缘点的位置和梯度方向。城区道路最明显的特点是道路相互交错, 形成道路网。而矿区道路用途单一, 通常由一条主要道路连通着开采面、固体废弃物和工棚建筑, 且各路段间多为“ 人” 字分叉, 较少见“ 十” 字路口。所以, 相对城区道路来说, 矿区道路在边缘跟踪时, 可依据道路的方向在一定区间内保持不变的特性, 首先延续上一个像元的梯度方向进行跟踪, 这样可以将最大搜索长度从8降为5。比如前一个跟踪点方向为S, 那么下一步跟踪就先搜索S方向的像元, 如果能搜索到, 则从下一个点继续在S方向搜索跟踪; 如果没有搜索到, 则搜索ES方向; 若还是没有, 则搜索WS方向; 若WS方向没有, 就再搜索E方向; 如果E方向也没有, 再搜索 W方向。如果在S, ES, WS, E和W方向都搜索不到下一个边界点, 则跟踪终止。

1.2.2 像元定位

矿区道路与其他类型道路最明显的区别是道路与矿区开采场、固体废弃物堆以及工矿建筑之间的空间拓扑连接关系。因此, 对于矿区道路进一步的研究, 就需要快速定位道路像元在图像矩阵A中的坐标值(x, y)。相反, 若已知(x, y)的值, 就需在图像中快速找到该像元。因此, 本文将图像视为二维数组, 其元素按列存储, 例如二维数组A= $\begin{matrix} [\begin{matrix} 1 2 0 \\ 3 6 7 \\ 4 9 2 \end{matrix}] \end{matrix}$ 的元素存储顺序是1, 3, 4, 2, 6, 9, 0, 7, 2, 也就是“ 先行、后列” 。对于三维或者多维数组, 则“ 先行、后列、再页” , 依此类推, 这样就能构造出像元的一维索引变量Index。对于m行n列二维图像数组A中第i行、第j列的元素(x, y), 其索引为

Index=i+m(j-1), (i< m, j< n)。 (11)

根据式(11)可对图像数组进行一维的遍历搜索, 实现像元的快速定位。

2 实验结果与分析

2.1 实验流程

首先对高分辨率遥感图像进行预处理, 再通过Canny边缘检测算子对图像进行边缘检测和道路边缘匹配, 得到道路候选边缘; 然后根据辅助资料对冗余道路进行修剪、平滑和连接处理, 最终得到道路矢量(图2)。

	Figure Option View Download New Window
	图2 道路提取实验流程Fig.2 Experimental process of road extraction

2.2 单一背景下矿区道路提取

在SPOT5卫星遥感图像中选取矿区开采场道路、矿区山间道路和矿区周边乡间道路等3种不同背景的道路作为实验对象, 分别利用本文方法进行道路提取实验, 结果如图3所示。

	Figure Option View Download New Window
	图3 单背景矿区道路提取实验Fig.3 Road extraction experiment of simple background

单背景矿区道路的提取实验结果表明:

1)矿区开采场道路(图3(a))为靠近开采作业点的道路段, 直通选矿厂或废石弃土堆放处; 道路一般较为简易, 道路端口易见矿石原料堆或固体废弃物。由于开采场地表植被一般已被剔除, 物质成分主要以矿产采掘剥离的泥土为主, 部分夹杂岩石和矿石原材料, 所以水泥路基的道路与开采场反差较大, 比较容易区分。但是, 此类道路常伴随新增矿硐或者开采场, 会出现新开辟的土路, 在光谱特征上易导致部分道路与周围开采面或裸地混淆。

2)矿区山间道路(图3(b))处于开采场与选矿池之间, 道路弯曲复杂, 多分布于山林之间, 路面与周围背景反差较大, 容易区分。但是由于常年运输, 道路两旁会因车辆卸漏或者人为倾倒而出现矿石等固体堆积现象, 在光谱特征上易将矿石卸漏物覆盖区域与道路路面混淆。

3)矿区周边乡间道路(图3(c))宽度相对较窄, 而且多细小分支, 分布于农田之间, 道路形状弯曲度相对较小, 端点多终止于村庄。

4)经过本文改进的Canny算法的边缘提取处理, 道路边缘信息能够被完整地检测出来, 同时也附带检测出其他地物的边缘; 但主要道路在众多的边缘信息中能够准确地被提取出来。

5)在Canny边缘检测图像中, 由于植被的颗粒性, 树林和农田等的边缘信息显示为稠密而复杂的不规则边缘; 而道路由于内部物质相同且分布均匀, 显示为一对中空的平行线(但也有部分冗余的边缘线段)。

6)从图3的实验结果图像可以看出, 处在山间的矿山道路因其与周围背景对比度大, 干扰少, 容易提取; 矿区乡间道路的主干道能被完整地提取出来, 但其细小分支容易丢失; 矿区开采场附近的道路则呈现道路一侧或端点处有矿硐、中转场或者固体废弃物堆分布, 近开采场处路段相对较短, 并且弯曲度大等特点。

2.3 综合背景下矿区道路提取

在SPOT5遥感图像中选取一个具有代表特征的矿点作为研究对象(图4(a)), 进行道路提取实验。在该矿点中, 尾矿库、工矿建筑、废矿堆、水塔和道路等地物清晰可见。其中, 道路有黄土路, 也有水泥路(夹杂在工矿建筑之间和尾矿库库坝), 还有一些穿插在树木和耕地间的小道。

	Figure Option View Download New Window
	图4 综合背景矿区道路提取实验Fig.4 Road extraction experiment of complex background

由图4(b)和(c)可看出, 在综合背景下, 本文算法不仅能完整地提取出主要矿区道路的干道, 也能识别出部分黄土小道和田埂道, 达到了预期效果。但也有不足之处: ①在实际的复杂背景环境中, 矩形建筑、平行的绿化带和部分细长的耕地块也被误识别为道路; ②道路的宽度受矿区环境影响较大, 有些路段变形较严重; ③一些与道路边缘连在一起的非道路边缘, 也被错误地当成道路对象提取出来。

2.4 精度评价

为了评估矿区道路提取算法的准确性, 本文借鉴Wiedemann提出的自动道路提取系统的评估方法, 采用“ 完整率(completeness)” 、“ 正确率(correctness)” 和“ 质量(quality)” 等3个评价指标进行了评估(表1)。

表1 矿区道路提取精度 Tab.1 Accuracy of mine road extraction (%)

完整率completeness为提取道路的正确部分与实际道路之间的比值, 即

completenes=TP/(TP+FN)。 (12)

正确率correctness为提取道路的正确部分与提取道路总长度的比值, 即

correctness=TP/(TP+FP)。 (13)

质量quality为提取道路的正确部分与提取道路总长度及不匹配道路部分总和的比值, 是“ 完整率” 和“ 准确率” 的综合计算值, 即

quality=TP/(TP+FN+FP)。 (14)

式(12)— (14)中: TP为提取道路中的正确部分; FN为实际道路中未被提取出道路的遗漏部分; FP为提取道路中的错误部分。

实验精度评价指标表明, 本文算法能较完整地提取出图像中的矿区道路, 完整率在93.3%以上; 正确率和提取质量在单一背景下相对较高, 而在综合背景下有所降低, 可能是因为图幅增大和计算量增加, 但总体在80%以上。

3 结论

1)利用本文改进的Canny算子和边缘匹配算法对矿区道路进行提取实验, 结果表明, 该算法能够在矿区快速地提取出道路, 在单一背景下, 矿区道路提取的正确度率达到95%以上; 而在复杂的干扰性较强的综合背景下, 正确率也有80%。

2)该算法的不足之处在于: ①道路提取精度依赖于边缘检测算子, 如果边缘检测算子的道路边缘连接有非道路边缘, 在边缘匹配提取时很难自动去除非道路边缘, 需人工干预去除冗余线段; ②该算法是针对高植被覆盖矿区提出的, 旨在通过遥感图像快速获取地表采矿系统(SMS)的线性要素矢量数据。在单一背景下, 其辨别速度较快; 而在综合背景下, 由于计算量和干扰物相应增加, 该算法对道路的判别正确率也相应下降; ③对于矿区存在的主道和支路的道路宽度不一问题, 该算法中还需建立更多的匹配规则, 运用诸如同质性、空间特征或数学形态学等方法加以改进。这些也是笔者下一步要研究的问题。

The authors have declared that no competing interests exist.

参考文献

View Option

[1]	程江华, 高贵, 库锡树, 等. SAR图像道路网提取方法综述[J]. 中国图象图形学报, 2013, 18(1): 11-23. Cheng J H, Gao G, Ku X S, et al. Review of road network extraction from SAR images[J]. Journal of Image and Graphics, 2013, 18(1): 11-23. [本文引用:1] [CJCR: 0.792]
[2]	叶发茂, 苏林, 李树楷, 等. 高分辨率遥感影像提取道路的方法综述与思考[J]. 国土资源遥感, 2006, 18(1): 12-17. Ye F M, Su L, Li S K, et al. Review and thought of road extraction from high resolution remote sensing images[J]. Remote Sensing for Land and Resources, 2006, 18(1): 12-17. [本文引用:1]
[3]	卢昭羿, 左小清, 黄亮, 等. 面向对象的投影互分割道路变化检测[J]. 国土资源遥感, 2012, 24(3): 60-64. Lu Z Y, Zuo X Q, Huang L, et al. Road change detection using object-oriented projective interactive partition[J]. Remote Sensing for Land and Resources, 2012, 24(3): 60-64. [本文引用:1]
[4]	张睿, 张继贤, 李海涛. 基于角度纹理特征及剖面匹配的高分辨率遥感影像带状道路半自动提取[J]. 遥感学报, 2008, 12(2): 224-232. Zhang R, Zhang J X, Li H T. Semi-automatic extraction of ribbon roads from high resolution remotely sensed imagery based on angular texture signature and profile match[J]. Journal of Remote Sensing, 2008, 12(2): 224-232. [本文引用:1] [CJCR: 1.077]
[5]	雷小奇, 王卫星, 赖均. 一种基于形状特征进行高分辨率遥感影像道路提取方法[J]. 测绘学报, 2009, 38(5): 457-465. Lei X Q, Wang W X, Lai J. A method of road extraction from high resolution remote sensing images based on shape features[J]. Acta Geodaetica et Cartographica Sinica, 2009, 38(5): 457-465. [本文引用:1] [CJCR: 1.503]
[6]	李怡静, 胡翔云, 张剑清, 等. 影像与LiDAR数据信息融合复杂场景下的道路自动提取[J]. 测绘学报, 2012, 41(6): 870-876. Li Y J, Hu X Y, Zhang J Q, et al. Automatic road extraction in complex scenes based on information fusion from LiDAR data and remote sensing imagery[J]. Acta Geodaetica et Cartographica Sinica, 2012, 41(6): 870-876. [本文引用:1] [CJCR: 1.503]
[7]	宁亚辉, 雷小奇, 王功孝, 等. Dempster-Shafer证据融合形状特征的高分辨率遥感图像道路信息提取[J]. 中国图象图形学报, 2011, 16(12): 2183-2190. Ning Y H, Lei X Q, Wang G X, et al. Road extraction from high-resolution remote sensing images based on Dempster-Shafer evidence theory and fusion shape features[J]. Journal of Image and Graphics, 2011, 16(12): 2183-2190. [本文引用:1] [CJCR: 0.792]
[8]	Wiedemann C, Mayer H. Automatic verification of roads in digital images using profiles[M]. Berlin: Springer Berlin Heidelberg, 1996: 609-618. [本文引用:1]
[9]	Rellier G, Descombes X, Zerubia J. Local registration and deformation of a road cartographic database on a SPOT satellite image[J]. Pattern Recognition, 2002, 35(10): 2213-2221. [本文引用:1] [JCR: 2.584]
[10]	Doucette P, Agouris P, Stefanidis A. Automated road extraction from high resolution multispectral imagery[J]. Photogrammetric Engineering and Remote Sensing, 2004(12): 1405-1416. [本文引用:1] [JCR: 2.071]
[11]	Dal-Poz A P, Vale G M D, Zanin R B. Automatic extraction of road seeds from high-resolution aerial images[J]. Annals of the Brazilian Academy of Sciences, 2005, 77(3): 509-520. [本文引用:2]
[12]	Ye F, Lin S, Tang J. Automatic road extraction using particle filters from high resolution images[J]. Journal of China University of Mining and Technology, 2006, 16(4): 490-493. [本文引用:2] [CJCR: 1.383]
[13]	吕健刚, 韦春桃. 基于Hough变换的高分辨率遥感影像城市直线道路提取[J]. 遥感信息, 2009(3): 15-18. Lyu J G, Wei C T. Urban straight road extraction from high resolution remote sensing image based on Hough transform[J]. Remote Sensing Information, 2009(3): 15-18. [本文引用:1] [CJCR: 0.45]
[14]	董占杰, 毛政元. 基于道路绿地特征的遥感影像道路信息提取方法研究[J]. 国土资源遥感, 2011, 23(2): 43-46. Dong Z J, Mao Z Y. Methodological research on road extraction based on characteristics of road greenbelts in remotely sensed imagery[J]. Remote Sensing for Land and Resources, 2011, 23(2): 43-46. [本文引用:2]
[15]	许高程, 毕建涛, 王星星, 等. 面向对象的高分辨率遥感影像道路自动提取实验[J]. 遥感信息, 2012(2): 108-111. Xu G C, Bi J T, Wang X X, et al. An experiment of automatic road extraction from high-resolution remote sensing image based on object-oriented technology[J]. Remote Sensing Information, 2012(2): 108-111. [本文引用:1] [CJCR: 0.45]
[16]	Jin H, Miska M, Chung E, et al. Road feature extraction from high resolution aerial images upon rural regions based on multi-resolution image analysis and Gabor filters[J]. Remote Sensing: Advanced Techniques And Platforms, 2012: 387-416 [本文引用:2]
[17]	Canny J. A computational approach to edge detection[J]. IEEE Transaction on pattern Analysis and Machine Intelligence, 1986, 8(6): 679-698. [本文引用:1] [JCR: 5.694]

2013

0.0

0.792

程江华, 高贵, 库锡树, 等. SAR图像道路网提取方法综述[J]. 中国图象图形学报, 2013, 18(1): 11-23.

Cheng J

, Gao

, Ku X

, et al. Review of road network extraction from SAR images[J]. Journal of Image and Graphics, 2013, 18(1): 11-23.

SAR图像道路网提取具有重要的遥感应用价值.20多年来,随着SAR成像技术的不断发展以及遥感应用的迫切需求,涌现出大量道路网提取方法.本文回顾了 SAR图像道路网提取研究的发展历程,从道路提取流程阶段出发,将其分为局部检测和全局连接这两大步骤,在每个步骤中分析比较了现有算法的适用范围及相对优缺点,指出了当前研究中存在的问题,展望了SAR图像道路网提取的发展趋势.

... 国内外对道路的研究已有20多年的历史,众多学者针对不同的应用领域和数据源,提出了自己的方法和研究成果^{[1,2,3,4,5,6,7]} ...

2006

0.0

叶发茂, 苏林, 李树楷, 等. 高分辨率遥感影像提取道路的方法综述与思考[J]. 国土资源遥感, 2006, 18(1): 12-17.

Ye F

, Su

, Li S

, et al. Review and thought of road extraction from high resolution remote sensing images[J]. Remote Sensing for Land and Resources, 2006, 18(1): 12-17.

The extraction of road from the high resolution remote sensing image remains an open question in spite of the fact that lots of efforts have been made in this area. This paper describes the road feature, road model and the basic idea, analyses the methods for road extraction. The thought and the plans of further research on this subject are also presented.

介绍了高分辨率遥感影像上道路的特征、模型和道路提取的基本思想，对已有的道路提取方法进行了分析，并对道路提取问题进行思考，提出下一步的研究方向。

... 国内外对道路的研究已有20多年的历史,众多学者针对不同的应用领域和数据源,提出了自己的方法和研究成果^{[1,2,3,4,5,6,7]} ...

2012

0.0

卢昭羿, 左小清, 黄亮, 等. 面向对象的投影互分割道路变化检测[J]. 国土资源遥感, 2012, 24(3): 60-64.

Lu Z

, Zuo X

, Huang

, et al. Road change detection using object-oriented projective interactive partition[J]. Remote Sensing for Land and Resources, 2012, 24(3): 60-64.

In this paper the authors present an object-oriented change detection method which uses projective interactive partition to detect the change of the urban road. The QuickBird images acquired in different years were used in the experiment, on which multi-scale segmentation and hierarchical classification were carried out for urban road extraction according to the spectrum, shape and texture features. Then the object layers were established in the same detection, and they were the projection layers taking over the classification results of asynchrony images. Interactive partition was also realized on these layers. Finally the change detection results were achieved after judging the consistency of land feature categories. The experiment results show that the method of object-oriented change detection using projective interactive partition can extract and detect the urban road effectively.

通过实验提出了面向对象的投影互分割城市道路变化检测方法。选用不同时相的QuickBird图像,根据地物影像的光谱、形状及纹理等特征进行多尺度分割和层次分类,提取城市道路目标; 建立检测层,将不同时相的图像分类结果投影到检测层的相应对象层上,并进行互分割,通过判断某一位置地物类别的一致性,实现道路变化检测的目的。实验表明,面向对象的投影互分割道路变化检测能得到较好的检测效果。

... 国内外对道路的研究已有20多年的历史,众多学者针对不同的应用领域和数据源,提出了自己的方法和研究成果^{[1,2,3,4,5,6,7]} ...

2008

0.0

1.077

张睿, 张继贤, 李海涛. 基于角度纹理特征及剖面匹配的高分辨率遥感影像带状道路半自动提取[J]. 遥感学报, 2008, 12(2): 224-232.

Zhang

, Zhang J

, Li H

Semi-automatic extraction of ribbon roads from high resolution remotely sensed imagery based on angular texture signature and profile match[J]. Journal of Remote Sensing, 2008, 12(2): 224-232.

In this paper, we propose a novel semi-automatic ribbon road extraction schemewhich combines angular tex-ture signature and profile matching. The angular texture signature was proposed byHaverkamp in 2002 for extracting straight road structure from IKONOS satellite mi agery. In thismethod, a rectangular template region rotates around a spe-cific pointwith certain angle intervals, and computes texture signature ofallpoints in this template region ateach position of rotation. The basic texture signature is variance and the entropy also to be tested in this paper. A profilemeans that in the centerline points, perpendicular to the direction of the road, we painta straight line segment, and extractgray values of various points along the line segment. And the straight line segmentshould be longer than the roadwidth. Profilematc-hing calculates the least square values between profile line model and the profile in the predicted points. To a certain extent, we offsetthe profile in the predicted pointofand calculate valuesofatthe leastsquare each offsetposition, we be-lieve the corresponding offsetwith theminmi um value should be possible pointofroad centerline, therefore, the final road centerline can be determined through predicted points and the offset least square values.In the scheme, user inputs the initial position, direction,and width of the road firstly. The initial road centerline points are predicted based on angular texture signature,and road center trajectorymodel is created using parameters of parabola. Themultiple linear regressionmethod is used for acquiring the road trajectory parameters, andwe utilize these parameters and the initial centerline points coordinates to compute the initialmean of the curvature. Thenwemake use of themethod of curvature change to verify the points in trajectory. By comparing the value and the given threshold,we re got following conclusion: if it exceeds the lmi it,the verification fails, a profilematching algorithm willbe used to re-predict and decide the position of centerpoints again;if the value doesn texceed the lmi it, the verification succeeds, we believe the centerline points predicted in angular texture signature is the finalposition. In the algorithm, themanual intervention is necessary especially for complex situation. After the verification, we can achieve the final centerline points and add them to the trajectory. If these two algorithms both fai,l we could decide the final centerline point completelymanually.In thispaper, we mi plementthe abovementioned scheme and build a prototype system usingVisualC++, and veri-fy the extraction resultofribbon roadswith appropriatewidth inQuickBird and IKONOS mi agery. In the expermi ent1, the road hasuniform texture, and the contrasttobackground isobvious, butno obviousobstructionson the road. In this situa-tion, the scheme extracts thewhole road automaticallywithout anymanual intervention. In the expermi ent2, the ribbon road extraction from IKONOS is generally successful and need a fewmanual intervention. In the expermi ent3,a rather complex situationwith several roads in an digitalaerial mi age, we extract themain roads automatically and some junctions of the roads needs semi-automatic extraction, but the final result is satisfactory. We also utilize expermi ents to compare our schemewith traditionalprofilematching semi-automatic extraction algorithm and Snakes algorithm. After these experi-mental verification, itproves this semi-automatic ribbon road extraction scheme can achieve good results.

提出了一种基于角度纹理特征及剖面匹配相结合的高分辨率遥感影像带状道路半自动提取方法.该方法由用户输入道路起点、初始方向及宽度,使用角度纹理特征模型预测初始的道路中线点,以抛物线方程参数构建道路中线轨迹参数模型.使用计算曲率变化的方法验证道路轨迹点,对验证失败的中线点位使用剖面匹配算法进行重新预测并确定,最终提取出该道路中线轨迹.本文使用Visual C 构建了原型系统,对QuickBird及IKONOS影像中具有一定宽度的带状道路进行了提取试验,并与经典的基于剖面匹配的半自动道路提取算法和基于Snakes的半自动道路提取算法进行了对比试验.经试验验证,本算法取得了较为理想的结果.

... 国内外对道路的研究已有20多年的历史,众多学者针对不同的应用领域和数据源,提出了自己的方法和研究成果^{[1,2,3,4,5,6,7]} ...

2009

0.0

1.503

雷小奇, 王卫星, 赖均. 一种基于形状特征进行高分辨率遥感影像道路提取方法[J]. 测绘学报, 2009, 38(5): 457-465.

Lei X

, Wang W

, Lai

A method of road extraction from high resolution remote sensing images based on shape features[J]. Acta Geodaetica et Cartographica Sinica, 2009, 38(5): 457-465.

提出一种基于局部灰度一致性的图像分割方法并结合形状特征进行道路提取的方法.该方法首先对图像进行分割,对分割结果使用形状特征进行道路段的选择,可以获取直线和曲线道路段,克服了许多方法只能提取直线道路段的缺点,然后在确定的道路段上选择种子点进行区域增长,从而实现自动选取种子点并提取道路网的过程,最后结合边缘信息和形态学方法规整化道路网.提出的方法能适用于高分辨率遥感图像中直线和曲线道路段的提取.经过实验分析和比较证明:该方法对于路面灰度均匀性较好和路面灰度均匀性较差的图片,都达到了较好的效果.

... 国内外对道路的研究已有20多年的历史,众多学者针对不同的应用领域和数据源,提出了自己的方法和研究成果^{[1,2,3,4,5,6,7]} ...

2012

0.0

1.503

李怡静, 胡翔云, 张剑清, 等. 影像与LiDAR数据信息融合复杂场景下的道路自动提取[J]. 测绘学报, 2012, 41(6): 870-876.

Li Y

, Hu X

, Zhang J

, et al. Automatic road extraction in complex scenes based on information fusion from LiDAR data and remote sensing imagery[J]. Acta Geodaetica et Cartographica Sinica, 2012, 41(6): 870-876.

Automatic road extraction from remote sensing images in urban area has been a very challenging task due to the complexity of the scene, especially in the occluded or shadowed areas. This paper proposes an integrated method to fuse LiDAR data and high resolution imagery for automatic extraction of road centrelines. Firstly the LiDAR point cloud is filtered to get the ground points whose intensity data is used to detect initial road centrelines and key points of the roads. A road model is then built on the intensity and dispersion of the ground points as well as spectral information obtained from the high resolution image. Based on the model, the dynamic programming algorithm is applied to find the optimal road centrelines linking the key points which are selected by evaluation. The experimental results indicate its effectiveness in automatic road extraction in urban and complex scenes.

城区的道路自动提取受场景复杂度的影响一直是极具挑战的任务，尤其是阴影和遮挡较严重地区的道路提取难度较大。结合LiDAR数据和高分辨率遥感影像，提出一种自动道路提取方法。该方法首先对滤波后的点云强度信息获取初始道路中线及道路关键点；将地面点云强度，离散度及高分辨率遥感影像光谱数据多重信息融合建立道路模型，并以优化后的道路关键点作为种子点利用动态规划计算模型最优解，进一步提取道路网。试验表明，该方法在城市复杂场景下的自动提取主要道路是有效的。

... 国内外对道路的研究已有20多年的历史,众多学者针对不同的应用领域和数据源,提出了自己的方法和研究成果^{[1,2,3,4,5,6,7]} ...

2011

0.0

0.792

宁亚辉, 雷小奇, 王功孝, 等. Dempster-Shafer证据融合形状特征的高分辨率遥感图像道路信息提取[J]. 中国图象图形学报, 2011, 16(12): 2183-2190.

Ning Y

, Lei X

, Wang G

, et al. Road extraction from high-resolution remote sensing images based on Dempster-Shafer evidence theory and fusion shape features[J]. Journal of Image and Graphics, 2011, 16(12): 2183-2190.

Road extraction is one of important issues for target recognition in remote sensing image. At present, most road extraction methods are based on shape-features.But the threshold selection is very difficult and needs much human intervention,because the shape-features have the complicated information in remote sensing images. Hence,a road-extraction method using the DS (Dempster-Shafer)evidence theory to fuse the shape features is proposed. First, some shape features are selected and optimized. Then, the basic probability assignment functions are designed and the road segments are extracted by using shape features with the DS theory. Finally, the road center lines are obtained by connecting road segments.Typical road images and non-typical road images were selected for experiments, and the results prove that the method can reduce the difficulty of threshold selection and the dependency of human intervention.The method is effective for the typical road images and non-typical road images.

道路提取是遥感图像目标识别和提取中一项具有重要意义而困难的任务。在遥感图像道路提取的过程中,由于道路的不同形状和图像信息的复杂性,目前在许多基于形状特征提取道路的方法中,选取形状特征阈值时具有一定的难度,且需要大量的人工干预操作,缺乏一定的通用性,因此,本文提出一种基于DS(dempster-shafer)证据理论和形状特征的道路提取方法。该方法首先对道路的几何形状特征进行分析和优化,据此设计概率分配函数,并利用DS证据理论融合形状特征以获取道路段,最后通过道路连接操作得到道路的中心线。文末通过对典型道路图像和非典型道路图像的实验表明,该方法能够降低选取形状特征阈值的难度和对人工的依赖性,能适用于高分辨率遥感图像中直线型和曲线型道路的提取,具有一定的可行性。

... 国内外对道路的研究已有20多年的历史,众多学者针对不同的应用领域和数据源,提出了自己的方法和研究成果^{[1,2,3,4,5,6,7]} ...

1996

0.0

... Wiedeman等^[8]利用剖面法在GIS数据的辅助下进行了从数字图像中自动识别道路的研究 ...

2002

2.584

0.0

... Rellier等^[9]利用马尔科夫随机场( Markov random field,MRF)模型研究了从SPOT图像中提取乡村道路的方法 ...

2004

2.071

0.0

... Pete等^[10]提出了人工平行边界提取(anti-parallel-edge centerline extraction,ACE)算法从高分辨率多光谱图像中自动提取道路中心线 ...

2005

0.0

... Dal-Poz等^[11]利用Canny算子,加入道路先验知识,从高分辨率航空图像中自动提取道路 ...

... Dal-Poz等^[11]和Ye等^[12]利用Canny算子在建立道路先验模型基础上提取道路,对本文有很大的借鉴作用,但矿区道路与城市和居民区道路的属性有所不同#cod#x02014 ...

2006

0.0

1.383

... Ye等^[12]先用Canny算子获取道路边缘,再利用粒子滤波提取道路 ...

2009

0.0

0.45

吕健刚, 韦春桃. 基于Hough变换的高分辨率遥感影像城市直线道路提取[J]. 遥感信息, 2009(3): 15-18.

Lyu J

, Wei C

Urban straight road extraction from high resolution remote sensing image based on Hough transform[J]. Remote Sensing Information, 2009(3): 15-18.

根据高分辨率遥感影像城市直线道路特性,提出在图像分割获得道路网轮廓的基础上,使用Hough变换检测道路所在直线,对直线进行道路判断,再将所得道路段进行修剪、连接形成道路网,实现道路提取.实验结果表明,该方法能有效的从高分辨遥感影像中提取城市直线道路.

... 吕健刚等^[13]在图像分割获得道路网轮廓的基础上,使用Hough 变换检测道路所在直线,对直线进行判断,再对所得道路段进行修剪、连接形成道路网,实现道路提取 ...

2011

0.0

董占杰, 毛政元. 基于道路绿地特征的遥感影像道路信息提取方法研究[J]. 国土资源遥感, 2011, 23(2): 43-46.

Dong Z

, Mao Z

Methodological research on road extraction based on characteristics of road greenbelts in remotely sensed imagery[J]. Remote Sensing for Land and Resources, 2011, 23(2): 43-46.

In consideration of characteristics of road greenbelts in high spatial resolution satellite imagery, this paper proposes a method combining features of shape with those of spatial distribution of road greenbelts to recognize road edges and road centerlines. The method first extracts greenbelt information from a NDVI image, then differentiates road greenbelts from other greenbelts by means of linear features of road greenbelts and their related shape indices such as area, principal axis direction, compactness, rectangularity, and ratio of width and length. After that, the road greenbelts adjacent to other greenbelts are separated by generating buffers of known road greenbelts as well as according to the spatial relationships between different greenbelts and between road greenbelts and other greenbelts. Finally road edges and road centerlines are extracted in accordance with the direction and distance characteristics of road greenbelts.

针对高空间分辨率卫星遥感图像上道路绿地的特点，提出一种基于道路绿地形状和空间分布特征识别道路边线和中心线的方法。在基于NDVI提取绿地信息的基础上，根据道路绿地的形状特征（细长），采用面积、主轴方向、紧致度、矩形度和长宽比等形状指数，区分道路绿地与其他绿地；根据道路绿地之间以及道路绿地和道路之间的空间关系特征，同时通过生成已知道路绿地区域的缓冲区，分隔那些与非道路绿地连成一片的道路绿地；最后，根据道路绿地的方向和距离特征提取出道路边线和中心线。

... 董占杰等^[14]根据高分辨率遥感图像中道路绿地形状和空间分布特征识别道路边线和中心线 ...

... ⑤董占杰等^[14]巧妙地运用了道路背景的上下文特征#cod#x02014 ...

2012

0.0

0.45

许高程, 毕建涛, 王星星, 等. 面向对象的高分辨率遥感影像道路自动提取实验[J]. 遥感信息, 2012(2): 108-111.

Xu G

, Bi J

, Wang X

, et al. An experiment of automatic road extraction from high-resolution remote sensing image based on object-oriented technology[J]. Remote Sensing Information, 2012(2): 108-111.

传统的遥感影像道路提取,主要是利用数理统计与人工解译相结合的方法.这种方法不仅精度相对较低,效率差,而且依赖参与解译的人,在很大程度上不具备重复性.本文采用面向对象的分类技术,充分利用高分辨率遥感影像中丰富的空间结构信息和地理特征信息,针对实验区中的不同道路类型,在不同尺度下自动提取出道路信息.同时,本实验还提供了一种提取道路的普遍性规则集,提高了道路提取的自动化水平.通过实验表明:该方法提取速度快、精度高.

... 许高程等^[15]在面向对象的分类过程中,应用Canny算子加强了道路对象边界构建,并针对实验区中的不同道路类型,在不同尺度下进行了道路自动提取实验 ...

2012

0.0

... Hang等^[16]则对现有道路提取的研究成果和方法进行了归纳总结,并针对彩色增强的遥感图像,提出基于空间特征与光谱特征自动提取乡村道路和基于Gabor滤波提取城市道路的方法 ...

... ④Hang等^[16]的乡村道路提取方法汇集了众算法之长,但也未能解决目标周边背景影响的问题 ...

1986

5.694

0.0

... 1 Canny边缘检测Canny边缘检测算子是Canny^[17]在1986年提出的,是当前被普遍认可的一种较理想的边缘检测算法 ...