谷正氣，李　健，張　勇，夏　威，羅　倫

(1. 湖南工業(yè)大學(xué)機(jī)械工程學(xué)院，湖南 株洲 412007； 2. 中國(guó)交通通信信息中心，北京 100011)

A Novel Method to Detect Vehicle Targets in High-resolution Remote

Sensing Images

GU Zhengqi，LI Jian，ZHANG Yong，XIA Wei，LUO Lun

?

一種高分辨率可見(jiàn)光遙感影像中車(chē)輛目標(biāo)檢測(cè)方法

谷正氣1，李健1，張勇1，夏威2，羅倫2

(1. 湖南工業(yè)大學(xué)機(jī)械工程學(xué)院，湖南 株洲 412007； 2. 中國(guó)交通通信信息中心，北京 100011)

A Novel Method to Detect Vehicle Targets in High-resolution Remote

Sensing Images

GU Zhengqi，LI Jian，ZHANG Yong，XIA Wei，LUO Lun

摘要：在高分辨率遙感影像中檢測(cè)車(chē)輛目標(biāo)是影像識(shí)別和檢測(cè)的重要研究方向，能夠?yàn)楹暧^交通狀態(tài)判別提供支撐。本文設(shè)計(jì)了一種基于高分衛(wèi)星影像的車(chē)輛目標(biāo)快速檢測(cè)方法。該方法首先將與遙感影像對(duì)應(yīng)區(qū)域的已有矢量面狀道路影像進(jìn)行掩膜處理，僅留下影像中道路部分，再采用Otsu雙閾值法分割道路中的暗色車(chē)目標(biāo)和亮色車(chē)目標(biāo)，最后利用車(chē)輛目標(biāo)的形態(tài)特征對(duì)其進(jìn)行檢索，以獲得車(chē)輛目標(biāo)的檢索結(jié)果。試驗(yàn)表明，本文方法具有較好的檢測(cè)效果。

關(guān)鍵詞：車(chē)輛檢測(cè)；高分辨率；遙感影像；二維雙閾值最大類(lèi)間方差法

一、引言

隨著國(guó)民經(jīng)濟(jì)水平的不斷提高，我國(guó)汽車(chē)保有量不斷增加，其增長(zhǎng)速度遠(yuǎn)遠(yuǎn)高于道路面積的增加速度，導(dǎo)致交通擁堵問(wèn)題嚴(yán)峻，成為影響城市發(fā)展的重要因素。如何利用智能交通系統(tǒng)對(duì)交通擁堵問(wèn)題進(jìn)行緩解，已經(jīng)成為學(xué)術(shù)研究的熱點(diǎn)問(wèn)題[1]。

在智能交通系統(tǒng)中，交通信息傳感器作為其“眼睛”而存在，其重要性不言而喻。盡管在城市內(nèi)部及高等級(jí)路上安裝了眾多交通信息傳感器，但在低等級(jí)路及鄉(xiāng)鎮(zhèn)公路卻是信息獲取盲點(diǎn)。另外，目前常用的交通信息傳感器獲取的多為點(diǎn)源信息，包括車(chē)輛個(gè)數(shù)、車(chē)輛位置以及隊(duì)列長(zhǎng)度等，但其安裝復(fù)雜、不易維護(hù)、成本高、宏觀可視化程度低[2]。近年來(lái)，衛(wèi)星影像的時(shí)間和空間分辨率不斷提升，并具有覆蓋面廣、宏觀可視化程度高、價(jià)格低廉等特點(diǎn)，將其應(yīng)用于交通信息的獲取，將是對(duì)傳統(tǒng)方式的有益補(bǔ)充。

基于光學(xué)遙感的車(chē)輛提取方法較多，其中較典型的主要有以下幾種：文獻(xiàn)[3]針對(duì)IKONOS衛(wèi)星影像，提出了多閾值與Otsu閾值的車(chē)輛檢測(cè)方法，分別對(duì)暗色車(chē)和亮色車(chē)進(jìn)行提取。首先設(shè)置高中低3個(gè)閾值分別對(duì)原影像進(jìn)行二值分割，然后將分割后的影像兩兩求交集后再求并集得到不同灰度范圍的車(chē)輛目標(biāo)。文獻(xiàn)[4]采用QuickBird影像提取車(chē)輛隊(duì)列，然后對(duì)車(chē)隊(duì)中的單個(gè)車(chē)輛逐個(gè)找出。文獻(xiàn)[5]采用神經(jīng)網(wǎng)絡(luò)識(shí)別技術(shù)對(duì)QuickBird影像進(jìn)行車(chē)輛提取，其漏檢多發(fā)生在車(chē)輛與道路表面對(duì)比度低或車(chē)輛擁擠的地方。文獻(xiàn)[6]對(duì)0.15 m分辨率的航空影像中高速公路汽車(chē)目標(biāo)進(jìn)行檢測(cè)，采用閾值分割、邊緣檢測(cè)、模板匹配和數(shù)學(xué)形態(tài)學(xué)等4種方法進(jìn)行檢測(cè)效果對(duì)比，提出將灰度數(shù)學(xué)形態(tài)學(xué)和二值數(shù)學(xué)形態(tài)學(xué)算法相結(jié)合適用于車(chē)輛目標(biāo)的檢測(cè)。文獻(xiàn)[7]對(duì)3種不同的高分影像進(jìn)行試驗(yàn)，并采用誤差矩陣及Kappa系數(shù)對(duì)結(jié)果進(jìn)行精度評(píng)價(jià)。文獻(xiàn)[8]采用面向?qū)ο蟮能?chē)輛提取方法，實(shí)現(xiàn)了遙感影像中車(chē)輛信息的提取。在車(chē)輛目標(biāo)提取研究的前期，算法的精度不高，而近年的算法又往往過(guò)于復(fù)雜，故本文針對(duì)可見(jiàn)光遙感影像車(chē)輛目標(biāo)檢測(cè)的具體問(wèn)題，提出了一種全自動(dòng)的車(chē)輛目標(biāo)檢測(cè)算法。

二、主要研究?jī)?nèi)容與結(jié)果

本文采用某地區(qū)0.5 m分辨率的衛(wèi)星可見(jiàn)光影像進(jìn)行試驗(yàn)。將影像中比背景暗的車(chē)輛定義為暗色車(chē)，比背景亮的車(chē)輛定義為亮色車(chē)。

1. 影像掩膜處理

遙感影像的掩膜處理即利用已有GIS中的面狀道路信息與對(duì)應(yīng)區(qū)域的遙感影像進(jìn)行邏輯“與”處理[9]，處理效果如圖1所示，這樣處理后有助于去除路邊干擾信息。

2. 二維雙閾值Otsu法圖像分割

(1) Otsu單閾值圖像分割[3]

假設(shè)圖像有L個(gè)灰度等級(jí)，用閾值m將其分為2個(gè)區(qū)域A和B。Pi(i=0,1,…，L-1)表示灰度等級(jí)為i的像素的概率

σ2=PA(ωA-ω0)2+PB(ωB-ω0)2

可以看出，σ2是關(guān)于閾值m的函數(shù)，使得σ2為最大值的m，即是分割圖像的最佳閾值。

圖1　掩膜處理

對(duì)圖1(b)采用Otsu法獲得的閾值為0.675，采用該閾值二值化的影像如圖2(a)所示，去除背景后如圖2(b)所示，可以認(rèn)為影像中每個(gè)連通的區(qū)域即為單個(gè)汽車(chē)目標(biāo)?？梢钥闯霾捎肙tsu單閾值法可以實(shí)現(xiàn)全自動(dòng)的遙感影像中車(chē)輛信息的提取，但由于采用了單一閾值，因此只能提取出與道路背景灰度值差別很大的亮色車(chē)，而與影像中道路背景差別不大的暗色車(chē)提取卻不理想。

(2) Otsu雙閾值圖像分割

若將復(fù)雜的灰度圖像分為3個(gè)區(qū)域，則需要兩

圖2　背景去除

個(gè)閾值，分別設(shè)為k1和k2，并且k2>k1,3個(gè)區(qū)域分別為A、B、C,則各區(qū)域的概率為

灰度均值為

類(lèi)內(nèi)方差為

類(lèi)外方差為

式中，F(xiàn)是k1和k2的函數(shù)，使F取最大值的k1、k2的組合即可獲得最佳的分割效果。

采用Otsu雙閾值圖像分割法獲得的閾值為k1=0.221，k2=0.603，該方法進(jìn)行車(chē)輛信息提取的流程圖如圖3所示。

圖3　算法流程

在采用Otsu獲得雙閾值后，對(duì)影像進(jìn)行分割，

如圖4所示。

圖4　雙閾值分割

3. 試驗(yàn)結(jié)果分析

對(duì)于雙峰直方圖的圖像，Otsu單閾值分割即可達(dá)到較好的分割效果，然而，對(duì)于可見(jiàn)光遙感影像中車(chē)輛信息的提取這種需要進(jìn)行復(fù)雜分割的影像來(lái)說(shuō)，單閾值無(wú)法達(dá)到理想的閾值效果。如圖5(a)所示，采用Otsu單閾值法對(duì)車(chē)輛目標(biāo)進(jìn)行檢測(cè)時(shí)，暗色車(chē)的檢測(cè)效果不理想，而在5(b)中采用本文方法的暗色車(chē)則有較好的檢測(cè)效果。

圖5　效果對(duì)比

檢測(cè)結(jié)果采用漏檢率和誤檢率兩個(gè)指標(biāo)度量。如表1所示，影像中道路上的車(chē)輛實(shí)際數(shù)為98輛，采用方法1即傳統(tǒng)Otsu法[3]的漏檢率和誤檢率分別為21.4%和3.1%；采用方法2即本文方法的漏檢率降低為10.2%，而誤檢率為5.1%，由以上試驗(yàn)結(jié)果可知，相比文獻(xiàn)[3]中的傳統(tǒng)Otsu方法，本文中方法的誤檢率有明顯的降低。另外，盡管文獻(xiàn)[3]中也用到了雙閾值，但其雙閾值是憑借經(jīng)驗(yàn)獲得，而本文中方法為自動(dòng)獲取。

表1　遙感影像車(chē)輛檢測(cè)的統(tǒng)計(jì)結(jié)果

三、結(jié)論

本文提出了一種可見(jiàn)光遙感影像中車(chē)輛目標(biāo)檢測(cè)的新方法，該方法的創(chuàng)新點(diǎn)包括以下幾個(gè)方面：①利用雙閾值Otsu法自動(dòng)獲取影像中的雙閾值，以分別獲取亮色車(chē)目標(biāo)和暗色車(chē)目標(biāo)；②利用二值圖像中車(chē)輛的形態(tài)學(xué)特征將車(chē)輛與背景分離；③相比文獻(xiàn)[3],提高了高分影像中車(chē)輛目標(biāo)識(shí)別的準(zhǔn)確率。進(jìn)一步的工作包括：增加影像預(yù)處理環(huán)節(jié)，對(duì)影像進(jìn)行圖像增強(qiáng)和濾波；采用更好的方法去除背景中的干擾信息，降低誤檢率。

參考文獻(xiàn)：

[1]李德仁, 李清泉, 楊必勝, 等. 3S技術(shù)與智能交通[J]. 武漢大學(xué)學(xué)報(bào): 信息科學(xué)版, 2008, 33(4): 331-336.

[2]劉珠妹, 劉亞嵐, 譚衢霖, 等. 高分辨率衛(wèi)星影像車(chē)輛檢測(cè)研究進(jìn)展[J]. 遙感技術(shù)與應(yīng)用, 2012, 27(1): 8-14.

[3]ALBA-FLORES R. Evaluation of the Use of High-Resolution Satellite Imagery in Transportation Applications[R]. Minnesota: Department of Electrical and Computer Engineering University of Minnesota Duluth, 2005.

[4]LEITLOFF J, HINZ S, STILLA U， et al. Detection of Vehicle Queues in Quickbird Imagery of City[J]. Areas Photogrammetrie Fernerkundung Geoinformation, 2006, (4): 315-325.

[5]劉建鑫. 基于高分辨率衛(wèi)星影像的車(chē)輛檢測(cè)算法研究[D]. 大連: 大連海事大學(xué), 2008: 25-35.

[6]鄭澤忠. 基于高分辨率航空影像高速公路汽車(chē)目標(biāo)檢測(cè)算法研究[D]. 成都: 西南交通大學(xué), 2010: 21-94.

[7]李龍飛. 衛(wèi)星圖像中車(chē)輛目標(biāo)提取方法優(yōu)化與精度評(píng)價(jià)[D]. 北京: 北京交通大學(xué), 2012: 53-68.

[8]王浩. 基于面向?qū)ο蟮母叻直媛蔬b感影像車(chē)輛提取方法研究[D]. 北京: 北京交通大學(xué), 2012: 29-55.

[9]張勇，牛成磊，谷正氣，等.結(jié)合SURF與SVM的高分遙感影像車(chē)輛提取技術(shù)[J].湖南工業(yè)大學(xué)學(xué)報(bào)，2014，28(2):67-71.引文格式： 吳亮，雷斌，韓冰，等. 衛(wèi)星姿態(tài)誤差對(duì)多通道SAR成像質(zhì)量的影響[J].測(cè)繪通報(bào)，2015(1)：124-130.DOI:10.13474/j.cnki.11-2246.2015.0026

引文格式： 谷正氣，李健，張勇，等. 一種高分辨率可見(jiàn)光遙感影像中車(chē)輛目標(biāo)檢測(cè)方法[J].測(cè)繪通報(bào)，2015(1)：121-123.DOI:10.13474/j.cnki.11-2246.2015.0025

通信作者：張勇。E-mail：zhangyong7051678@163.com

作者簡(jiǎn)介：谷正氣(1963—),男，教授，主要從事交通工程及智能交通方面的工作。E-mail：Guzhengqi63@126.com

基金項(xiàng)目：交通運(yùn)輸部重點(diǎn)項(xiàng)目(2012-364-208-802-2)；中央財(cái)政支持地方高校專(zhuān)項(xiàng)資金項(xiàng)目-創(chuàng)新團(tuán)隊(duì)(0420036017)

收稿日期：2014-07-15

中圖分類(lèi)號(hào)：P237

文獻(xiàn)標(biāo)識(shí)碼：B

文章編號(hào)：0494-0911(2015)01-0121-03