郭倩

（安徽省第一測繪院，合肥 230031）

1 引言

道路工程在推動(dòng)區(qū)域經(jīng)濟(jì)發(fā)展，加快區(qū)域之間溝通交流等方面發(fā)揮著非常積極的作用。對道路信息進(jìn)行精確的識(shí)別和定位，在地理國情監(jiān)測等方面有著不容忽視的意義和作用。在實(shí)際操作中，不同的信息提取方法有著不同的提取精度和提取效率。依照國務(wù)院批復(fù)的《全國基礎(chǔ)測繪總長期規(guī)劃綱要（2015—2030 年）》分析，到2030 年，地理國情監(jiān)測將會(huì)成為測繪地理信息服務(wù)鏈條中的核心內(nèi)容。對比常規(guī)的地理國情普查，地理國情監(jiān)測具有持續(xù)性、常態(tài)化的特征，在成本、人員等投入方面無法達(dá)到地理國情普查的水平，需要相關(guān)部門做好對于人力、物力的投入，同時(shí)，針對工作量最大的地表覆蓋信息采集的研究，采取有效措施來為地理國情監(jiān)測的常態(tài)化提供技術(shù)支持。通過引入矢量數(shù)據(jù)輔助的方式，能夠?qū)Φ缆烦跏夹畔@取困難的問題進(jìn)行解決，得到可靠性較高的訓(xùn)練樣本。論文從常態(tài)化地理國情監(jiān)測的角度，提出了將模板匹配和自適應(yīng)技術(shù)融合的道路信息半自動(dòng)提取方法。

2 邏輯流程設(shè)計(jì)

2.1 總體流程

在對道路影像進(jìn)行獲取的過程中，結(jié)合道路本身所具備的帶狀特征，呈現(xiàn)出兩側(cè)偏暗中間亮的趨勢，道路長度方向較長的范圍內(nèi)，像素灰度的相似性好，其他方向的灰度相似性較差。依照相應(yīng)的道路樣本，構(gòu)建起包含形狀的子圖像作為道路模板，依照道路模板和影像的匹配度，對圖像中包含的道路信息進(jìn)行提取[1]。遙感信息提取中，因?yàn)檐囕v、構(gòu)筑物、植被等的遮擋，影像質(zhì)量相對較差，信息提取的難度大，因此，不少研究人員在對其進(jìn)行研究的過程中，往往都是采取相應(yīng)的手段對圖像進(jìn)行處理，如圖像增強(qiáng)、形態(tài)學(xué)濾波等。在強(qiáng)化道路提取效果的同時(shí)，對噪聲進(jìn)行抑制，但從實(shí)際應(yīng)用的角度，這樣的方法缺乏適用性，會(huì)導(dǎo)致效率的下降。這里提出了一種新的半自動(dòng)提取方法，借助道路模板匹配的方式初步提取道路信息，對于遮擋和噪聲等干擾因素不敏感，而且在遙感數(shù)據(jù)同源的情況下，可以對道路模板進(jìn)行重復(fù)利用，有助于自動(dòng)化效率的提高。具體的邏輯流程為：

全色影像和多光譜影像構(gòu)建→建立模板→對道路信息進(jìn)行初步提取，得到相應(yīng)的結(jié)果→將初步提取的結(jié)果借助相應(yīng)的指標(biāo)進(jìn)行修正，對存在空缺的位置進(jìn)行自動(dòng)填補(bǔ)，再通過人工編輯的方式，得到準(zhǔn)確的道路信息提取結(jié)果→引入先進(jìn)的信息技術(shù)，實(shí)現(xiàn)道路信息的自動(dòng)優(yōu)化處理→得到最終的道路信息提取結(jié)果[2]。

2.2 斷線連接

借助相應(yīng)的斷線連接技術(shù)，經(jīng)由斷路搜索和連接實(shí)現(xiàn)對偽路端的自動(dòng)識(shí)別和篩選。對光譜以及部分形狀復(fù)雜，識(shí)別難度較大的小路，則可以借助相鄰關(guān)系進(jìn)行信息提取，比較常用的相鄰關(guān)系包括距離相鄰關(guān)系、位置相鄰關(guān)系、光譜相鄰關(guān)系以及形狀相鄰關(guān)系等，配合群判角色的方法，可以得到最終的道路信息。

2.3 道路優(yōu)化

在對道路信息進(jìn)行提取的過程中，采用了自適應(yīng)道路提取的方法，依照最大化相鄰關(guān)系和道路矢量線，針對道路影像進(jìn)行分割，然后以道路矢量線作為樣本進(jìn)行學(xué)習(xí)，逐步構(gòu)建起以光譜屬性和形狀屬性為基礎(chǔ)的分割面，得到備選種子點(diǎn)，再依照每段記錄的種子點(diǎn)的平均值，實(shí)施相應(yīng)的種子增長，完成對道路提取結(jié)果的自適應(yīng)優(yōu)化[3]。

3 實(shí)驗(yàn)及結(jié)果分析

3.1 實(shí)驗(yàn)數(shù)據(jù)

在實(shí)驗(yàn)中，使用的是2018 年7 月26 日獲取的GeoEye-1影像，可以分為多光譜影像和其所對應(yīng)的全色影像。影像中各種顏色對應(yīng)的波段長度如表1 所示。影像整體的覆蓋范圍達(dá)到1 470m×1 580m，覆蓋區(qū)域內(nèi)道路的平均寬度為6m（見圖1、圖2）。

表1 實(shí)驗(yàn)數(shù)據(jù)

圖1 實(shí)驗(yàn)數(shù)據(jù)影像——多光譜影像

圖2 實(shí)驗(yàn)數(shù)據(jù)影像——全色影像

3.2 模板匹配

以GeoEye-1 影像全色波段為基礎(chǔ)，生成了相應(yīng)的模板，每一個(gè)模板的大小均為20pixel×20pixel，模板的數(shù)量為100[4]。借助已經(jīng)構(gòu)建完善的模板，對影像進(jìn)行相應(yīng)的匹配，可以獲得最佳匹配點(diǎn)，然后通過多尺度分割的方式，就最佳道路匹配點(diǎn)所在的對象提取出來。其結(jié)果如圖3、圖4 所示。

3.3 特征分析

對照圖3、圖4 分析，在對道路信息進(jìn)行初步提取后，依然存在有相當(dāng)多的噪聲，想要保證信息的質(zhì)量，必須對混分地物類型進(jìn)行剔除。在道路不連續(xù)的情況下，還需要對空白區(qū)域進(jìn)行必要的填補(bǔ)工作。對相關(guān)研究成果進(jìn)行總結(jié)，從紋理、光譜、形狀等多樣化特征中，提取出了29 個(gè)比較關(guān)鍵的特征實(shí)施進(jìn)一步的統(tǒng)計(jì)和分析，在分析環(huán)節(jié)，將道路特征效率、可區(qū)分性以及顯著性全部考慮在內(nèi)[5]，最終將道路混分剔除的主要指標(biāo)確定為特征更加明顯的亮度（Brightness）、長寬比（Length/Width）和面積。

圖3 模板匹配和初步提取結(jié)果——最佳匹配點(diǎn)結(jié)果

圖4 模板匹配和初步提取結(jié)果——最佳匹配點(diǎn)分割結(jié)果

3.4 結(jié)果處理

可以明確，完成混分道路的剔除之后，搭配道路斷線連接技術(shù)，可以實(shí)現(xiàn)對于空缺的自動(dòng)填補(bǔ)，獲取精細(xì)化道路提取結(jié)果，如圖5 所示。

圖5 精細(xì)化道路提取結(jié)果

3.5 自動(dòng)優(yōu)化

地理國情監(jiān)測的常規(guī)內(nèi)容包含了地表覆蓋分類以及地理國情要素?cái)?shù)據(jù)，而道路矢量線是地理國情要素?cái)?shù)據(jù)的一個(gè)重要組成部分，其中包含了自適應(yīng)道路優(yōu)化所需要的各種數(shù)據(jù)信息，如道路寬度等。借助相應(yīng)的地理國情普查成果中相關(guān)地區(qū)的道路要素?cái)?shù)據(jù)，借助易康平臺(tái)，完成了對于自適應(yīng)道路的優(yōu)化工作，取得了令人滿意的結(jié)果[6]。

4 結(jié)語

總而言之，在地理國情監(jiān)測中，道路信息的提取非常關(guān)鍵，能夠?yàn)閰^(qū)域整體規(guī)劃提供可參考的依據(jù)。論文面向地理國情監(jiān)測，提出了一種道路信息半自動(dòng)提取的方法，以西部地區(qū)的遙感影像和道路矢量線作為數(shù)據(jù)樣本，借助模板匹配、特征分析和人際交互等措施，針對道路信息進(jìn)行了優(yōu)化，配合相應(yīng)的道路斷線連接和自適應(yīng)道路優(yōu)化技術(shù)，實(shí)現(xiàn)了對試驗(yàn)區(qū)域內(nèi)路網(wǎng)信息的有效提取，獲得了具備較高分辨率的遙感影像。對照區(qū)域地理國情普查中的地表覆蓋分類道路分類結(jié)果，論文提取的道路信息能夠更好地套合影像。但在利用地理國情監(jiān)測中的其他影像進(jìn)行擴(kuò)展實(shí)驗(yàn)時(shí)，因?yàn)榈缆繁旧淼牟町惔?，干擾因素多，部分提取結(jié)果在位置和寬度上存在一定的偏差，需要人工進(jìn)行干預(yù)和調(diào)整。