摘要：針對(duì)地物邊緣提取中準(zhǔn)確度與完整度難以兼顧、線段間缺乏連接關(guān)系的問題，提出一種表達(dá)圖像地物邊緣的線段序列檢測(cè)方法。分析線段序列的構(gòu)建規(guī)律，通過邊緣分組界定地物邊緣范疇，利用相位約束、距離約束、共線約束、連接性約束，解決遮擋或其他地物干擾導(dǎo)致的線段斷裂問題，采用相鄰性約束和端點(diǎn)共享約束對(duì)同邊緣組內(nèi)不同線段進(jìn)行分類，同時(shí)對(duì)符合端點(diǎn)共享?xiàng)l件的線段進(jìn)行更新，以構(gòu)建線段序列。利用所提方法分別對(duì)街景、航空、衛(wèi)星圖像進(jìn)行地物邊緣檢測(cè)實(shí)驗(yàn)，評(píng)價(jià)結(jié)果顯示線段序列精度可達(dá)98%，表明所提方法能夠準(zhǔn)確表達(dá)地物邊緣，提升圖像地物邊緣表達(dá)的能力。

關(guān)鍵詞：線段序列；地物邊緣；端點(diǎn)共享；線段分類

中圖分類號(hào)：TP751 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：1008-0562（2024）02-0208-09

0 引言

作為地物邊緣表達(dá)的方式，線段適用于建筑物提取、道路提取、機(jī)場(chǎng)檢測(cè)、農(nóng)田檢測(cè)、水界線等地物解譯工作，同時(shí)也為三維重建、圖像匹配提供信息支撐。近年來，直線分割檢測(cè)（line segment detector，LSD）、邊緣繪畫實(shí)時(shí)直線分割檢測(cè)（an edge drawing line segments detection，EDlines）、一種新的線段檢測(cè)（Linelet）等算法被相繼提出，線段擬合邊緣的準(zhǔn)確度得到極大提高。而如何提升線段表達(dá)圖像地物邊緣的能力，成為當(dāng)前線段提取算法研究的熱點(diǎn)問題。

為了提高線段表達(dá)地物邊緣的完整度，首先要在保證擬合邊緣的準(zhǔn)確度情況下提高線段長(zhǎng)度。文獻(xiàn)[9]通過建立高質(zhì)量線段標(biāo)注數(shù)據(jù)集，并行提取邊緣地圖與結(jié)點(diǎn)，最后通過邊圖與結(jié)點(diǎn)的結(jié)合，完成線段檢測(cè)，該模型應(yīng)用的難點(diǎn)在于如何從邊緣映射和結(jié)點(diǎn)準(zhǔn)確推斷線段。文獻(xiàn)[10]在不依賴邊緣準(zhǔn)確提取的前提條件下，提出了自然圖像中一維線結(jié)構(gòu)與二維區(qū)域之間的對(duì)偶計(jì)算理論，并設(shè)計(jì)了一種基于深度學(xué)習(xí)的圖像線段檢測(cè)算法，將自然圖像中線段完整度提高了10%左右。相對(duì)于傳統(tǒng)方法，深度學(xué)習(xí)檢測(cè)線段的完整度較高。但深度學(xué)習(xí)方法需要大量的樣本數(shù)據(jù)集，當(dāng)訓(xùn)練樣本集與測(cè)試集存在不同場(chǎng)景、不同類型數(shù)據(jù)的差異時(shí)，遷移學(xué)習(xí)難以完成。

綜上，目前無論是傳統(tǒng)方法還是深度學(xué)習(xí)方法，均是從提升完整度出發(fā)，提高線段表達(dá)圖像地物邊緣的能力，主要存在以下問題。

（1）準(zhǔn)確度與完整度難以兼顧。受格式塔完形法則的影響，人對(duì)目標(biāo)地物邊緣進(jìn)行識(shí)別時(shí)，容易將距離相近、方向相近的地物邊緣視為一個(gè)整體。但目視為直線段的道路、建筑物、河渠邊緣，在局部范圍內(nèi)會(huì)有曲率變化。如果按照準(zhǔn)確擬合邊緣的要求，邊緣上必然出現(xiàn)多條線段。反之選擇單條線段完整擬合邊緣，則會(huì)導(dǎo)致準(zhǔn)確度下降。

（2）線段間缺乏連接關(guān)系。線段間的連接關(guān)系可用于地物識(shí)別與分析，例如存在夾角的建筑物邊緣、連續(xù)性彎曲的道路邊緣、城市桿體邊緣等。但目前方法線段檢測(cè)結(jié)果為孤立單元，缺少線段間關(guān)系分析的基礎(chǔ)，不利于表達(dá)圖像地物邊緣信息。

本文提出一種表達(dá)圖像地物邊緣的線段序列檢測(cè)方法，探究線段序列的構(gòu)建規(guī)律，提出完整性的線段序列檢測(cè)方法，并選取YorkUrban數(shù)據(jù)集進(jìn)行定量分析以驗(yàn)證算法可靠性。

1 線段序列的構(gòu)建規(guī)律

線段是同一地物邊緣的表達(dá)方式。利用線段序列表達(dá)圖像邊緣，序列內(nèi)所有線段應(yīng)隸屬于同一地物的邊緣，線段序列構(gòu)建規(guī)律見圖1。

圖1（a）為原始圖像。采用經(jīng)典Canny算法進(jìn)行檢測(cè)得到邊緣圖，見圖1（b），圖內(nèi)邊緣點(diǎn)間僅有位置鄰接關(guān)系，邊緣點(diǎn)沒有因位置不同而有所差異。依據(jù)邊緣點(diǎn)間的連通性，可將邊緣點(diǎn)分成不同的連通成分，對(duì)不同連通成分賦予不同顏色，形成10個(gè)邊緣組，見圖1（c），可以看到相同顏色的邊緣組大部分為同一地物邊緣，而圖像左下角邊緣組內(nèi)包含不同的地物邊緣，此為同組線段分類到不同序列的必要條件。在此基礎(chǔ)上，提取183條線段，見圖1（d），在局部放大圖中可看到相鄰線段間存在空隙。通過構(gòu)建線段序列，183條線段可形成18條線段序列，見圖1 （e），其中不同序列內(nèi)線段數(shù)量不一致，既有序列包含18條線段現(xiàn)象，也有序列內(nèi)僅有單條線段的情況。從10個(gè)邊緣組到18個(gè)線段序列，說明同一邊緣組可能包含不同地物，故線段需分類到不同線段序列。在圖1（d）中鄰接線段存在未連接現(xiàn)象，而在圖1（e）中相鄰線段已連接，這表明序列內(nèi)線段需要優(yōu)化處理。

綜合上述分析，歸納線段序列的構(gòu)建規(guī)律如下：①同源性。同一線段序列的線段必須屬于同一邊緣組。②排列有序性。序列中線段間呈現(xiàn)空間排列有序性，并且相鄰線段間端點(diǎn)共享。線段序列構(gòu)建實(shí)驗(yàn)結(jié)果表明，相鄰線段能夠?qū)崿F(xiàn)端點(diǎn)共享，則大概率屬于同一地物邊緣。反之，不同地物的線段，其相鄰關(guān)系通常位于線段內(nèi)部，位于端點(diǎn)處的概率極低。③相鄰線段相位差異低。大多數(shù)情況下同一地物邊緣相位相差較小，因此相鄰線段相位差應(yīng)當(dāng)?shù)陀诠潭ㄩ撝?，這也是同一邊緣組線段集分解為不同線段序列的條件之一。

2 地物邊緣檢測(cè)方法

地物邊緣檢測(cè)方法分為邊緣分組、線段提取、線段序列構(gòu)建3個(gè)步驟。

2.1 邊緣分組

（1）邊緣檢測(cè)算子選取

鑒于本文方法屬于傳統(tǒng)方法范疇，可適合不同數(shù)據(jù)源、不同場(chǎng)景，故未選擇DeepEdge、HED、CASENet等深度網(wǎng)絡(luò)模型進(jìn)行邊緣檢測(cè)。常見的邊緣檢測(cè)算法包括索貝爾算子（Sobel）、高斯拉普拉斯算子（Laplacian of Gaussian，LoG）、沙爾算子（Scharr）、拉普拉斯算子（Laplacian）、坎尼算子（Canny）、邊緣檢測(cè)算法（edge drawing，ED）等，其中ED算法和Canny算子采用遞歸方式跟蹤邊緣點(diǎn)，同一次遞歸得到的邊緣點(diǎn)集可定義為同組邊緣，有利于減少同組邊緣的連通性分析。不同方法邊緣分組結(jié)果見圖2。ED算法在進(jìn)行邊緣提取時(shí)，選取最長(zhǎng)鏈碼的方式建立邊緣組，導(dǎo)致道路邊緣被分為不同邊緣組，見圖2 （b）。為避免地物邊緣斷裂，選取Canny算子，連通關(guān)系的邊緣點(diǎn)可歸并為同一邊緣組，見圖2 （c）。圖2（c）中邊緣組內(nèi)包含多個(gè)地物邊緣，因此構(gòu)建線段序列時(shí)，必須對(duì)線段進(jìn)行嚴(yán)格約束分類。

（2） Canny算子改進(jìn)

Canny算子中的非極大值抑制（non-maxiruum suppression，NMS）難以同時(shí)完整捕捉“屋脊?fàn)睢焙汀半A躍狀”邊緣。傳統(tǒng)Canny方法在進(jìn)行NMS時(shí)，其抑制方向是梯度方向上下2個(gè)相鄰像素，通過相鄰坐標(biāo)像素插值得到每個(gè)像素的梯度幅值。這種方式在遞歸跟蹤弱對(duì)比度邊緣的情況下，易導(dǎo)致“階躍狀”邊緣破裂。因此在NMS中加入最近鄰原則，若當(dāng)前像素點(diǎn)無法滿足插值對(duì)比要求時(shí)，可與梯度方向上下最接近的2個(gè)坐標(biāo)像素直接對(duì)比，若滿足要求則將其歸為邊緣點(diǎn)。

受直線分割檢測(cè)（line segment detector，LSD）方法啟發(fā)，為使邊緣結(jié)果符合線段提取要求，在Canny算法進(jìn)行遞歸跟蹤時(shí)，增加當(dāng)前邊緣點(diǎn)與待跟蹤點(diǎn)間的相位差異約束，若兩者間相位差異大于閾值μ，則待跟蹤點(diǎn)不符合要求。

2.2 線段提取

為減少序列中線段排列有序性的分析難度，選取文獻(xiàn)[15]方法作為線段提取方法。該方法從邊緣端點(diǎn)出發(fā)，按照跟蹤順序依次提取線段。

在相位、距離、共線和連接性約束條件下，對(duì)同一邊緣組線段結(jié)果進(jìn)行優(yōu)化，以提升線段完整度。將圖3 （c）中上側(cè)被遮擋的2條紅色線段（線段li和lj）優(yōu)化為圖3 （d）中的紅色新線段lij。線段lij為li和lj距離最遠(yuǎn)的2個(gè)端點(diǎn)直接連接而成。線段優(yōu)化結(jié)果見圖3，當(dāng)邊緣受到陰影遮擋或其他地物干擾時(shí)，遮擋及干擾處邊緣點(diǎn)依然與地物線性邊緣相連，并屬于同一邊緣組。

（1）相位約束。li和lj屬于同一地物邊緣，線段相位間的差異應(yīng)滿足

p（li） -p（lj）≤τp，（1）

式中：P（li）、p（lj）分別為線段li和lj的相位，rad;τp為相位約束閾值，rad。

（2）距離約束。li和lj之間的圖像平面距離應(yīng)滿足

Dmin[E（li）-E（lj）]≤τE，（2）

式中：Dmin為最短歐氏距離；E（li）為線段li的任一端點(diǎn)坐標(biāo)；E（lj）為線段lj的任一端點(diǎn)坐標(biāo)；τE為距離參考閾值。

（3）共線約束。若li和lj能夠形成新線段lij，那么兩條線段必然共線，即

Dver[E（l）-lij]≤ε，（3）

式中：E（l）為線段li和線段lj的任一端點(diǎn)坐標(biāo)；Dver為端點(diǎn)到線段lij間的垂直距離；ε為投影參考閾值。

（4）連接性約束。連接性約束示意見圖4，可以看到路燈底部2條藍(lán)色線段li和lj屬于同一邊緣組，滿足式（1）～式（3）。但li和lj明顯不應(yīng)成為同一線段，因此提出連接性約束，即在li和lj距離最近的2個(gè)端點(diǎn)間，建立寬度為10像素的紅色矩形，作為連接分析區(qū)域。在此矩形中，以線段li和lj相鄰任一端點(diǎn)為基礎(chǔ)，在圖4 （b）中以八鄰域區(qū)域增長(zhǎng)的方式，判斷是否與另外一個(gè)端點(diǎn)連通，如果連通則表明li和lj滿足連接性約束。

2.3 線段序列構(gòu)建

線段序列構(gòu)建，是將同一邊緣組的線段，分類到不同線段序列的過程。同時(shí)，對(duì)不符合端點(diǎn)共享的序列內(nèi)相鄰線段進(jìn)行更新。以同一邊緣組的線段li和lj為例，進(jìn)行約束分析。若滿足所有約束條件，即可構(gòu)成線段序列。依此遞歸處理，線段序列內(nèi)線段數(shù)量不斷增加。約束條件如下。

（1）相鄰性約束

當(dāng)線段li和lj同時(shí)滿足式（1）和式（2）時(shí)，認(rèn)為線段li和lj滿足相鄰性約束?？紤]到線段優(yōu)化與相鄰性約束差異，通過對(duì)多幅光學(xué)圖像測(cè)試，式（1）中τp取2 rad，式（2）中τp取15像素。

（2）端點(diǎn)共享約束

依據(jù)線段序列的構(gòu)建規(guī)律，表達(dá)同一地物邊緣的線段，應(yīng)具有端點(diǎn)共享的特點(diǎn)。由于邊緣鋸齒、其他地物干擾等因素影響，符合相鄰性約束的線段間無法保證全部端點(diǎn)共享，因此需要添加端點(diǎn)共享約束，實(shí)現(xiàn)線段序列構(gòu)建。線段序列構(gòu)建見圖5。

尋找距線段li和lj分別為最短距離的兩端點(diǎn)A和B，計(jì)算兩端點(diǎn)分別到li和lj投影距離PA和PB，見圖5（a）。當(dāng)滿足PA≤PB且PA≤1像素，線段lj端點(diǎn)B更新為A，見圖5 （b），此時(shí)線段序列可定義為Gl2={li，lj}。若不滿足上述投影距離要求，在兩條線段間內(nèi)插新線段lk，見圖5 （c），線段序列可定義為Gl3={li，lk，lj}，同時(shí)需要滿足如下條件：①線段li和lj滿足連接性約束條件；②統(tǒng)計(jì)連接性約束條件并獲得邊緣點(diǎn)集，分析其符合線段方向的邊緣點(diǎn)（其相位與延長(zhǎng)線段li或內(nèi)插新線段lk的方向間差異不超過π/4 rad）數(shù)量，若該數(shù)量與邊緣點(diǎn)集內(nèi)總數(shù)量之比大于0.9，則滿足條件。

3 實(shí)驗(yàn)與分析

3.1 實(shí)驗(yàn)設(shè)計(jì)

（1）定量評(píng)價(jià)分析

利用語義分割評(píng)價(jià)方法對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行評(píng)價(jià)，即計(jì)算平均精度C、平均召回率R、F1分?jǐn)?shù)F1和平均重疊度U。參考文獻(xiàn)[14]的定量評(píng)價(jià)標(biāo)準(zhǔn)，即提取線段與真實(shí)標(biāo)簽線段距離低于1像素，角度低于π/36 rad，重疊度達(dá)到75%以上。4種評(píng)價(jià)指標(biāo)的計(jì)算式分別為

C=T/（T+F），（4）

R=T/（T+N），（5）

F1=2T/（2T+N+F），（6）

U=T/（T+N+F），（7）

式（4）～式（7）中：T為正確提取的線段數(shù)量（正確提取是指將正類預(yù)測(cè)為正類）；F為錯(cuò)誤提取的線段數(shù)量（錯(cuò)誤提取是指將負(fù)類預(yù)測(cè)為正類）；N為漏提取的線段數(shù)量（漏提取是指將正類預(yù)測(cè)為負(fù)類）。

線段序列是對(duì)地物邊緣的連續(xù)性表達(dá)，由于線段序列是利用線段來擬合邊緣，這個(gè)過程中邊緣斷裂、邊緣不符合線段要求等情況都會(huì)出現(xiàn)，線段序列不能確保完整地表達(dá)地物邊緣。因此在對(duì)線段序列精度分析時(shí)，是根據(jù)線段邊緣序列的組成規(guī)律進(jìn)行評(píng)判，即根據(jù)線段序列中所有線段是否均為同一地物邊緣進(jìn)行精度評(píng)判。

（2）線段序列展示

選取街景、航空、衛(wèi)星3種不同類型的圖像，僅從圖像地物邊緣角度出發(fā)，利用線段序列對(duì)不同地物進(jìn)行識(shí)別和分析。為表示線段序列的實(shí)際細(xì)節(jié)效果，選取圖像大小均在500像素X500像素左右，采用隨機(jī)顏色對(duì)線段序列進(jìn)行表達(dá)。

3.2 參數(shù)說明

實(shí)驗(yàn)在Visual Studio 2015環(huán)境下運(yùn)行，用C++編寫程序。鑒于地面線性信息的復(fù)雜性，不輸出長(zhǎng)度低于8像素的線段序列。參數(shù)設(shè)置如下：在邊緣分組中，Canny算子的高低閾值α和α分別設(shè)置為0.7和0.4，相位閾值μ取2 rad。在線段提取中，考慮線段提取優(yōu)化的準(zhǔn)確性，τp取0.05 rad，τE取15像素。線段序列構(gòu)建中，考慮到不同線段間的連續(xù)關(guān)系，在相位約束中τp取2 rad，距離約束τE取15像素。

3.3 結(jié)果及分析

（1）定量對(duì)比分析

選取YorkUrban數(shù)據(jù)集中102幅圖像為實(shí)驗(yàn)數(shù)據(jù)。首先進(jìn)行序列中線段的對(duì)比分析，然后對(duì)線段序列進(jìn)行精度分析，判斷序列內(nèi)線段是否屬于同一地物邊緣。

（2）線段對(duì)比分析

選取概率霍夫變換（progressive probabilisticHough transform，PPHT）方法、LSD方法、增強(qiáng)型直線分割檢測(cè)（LSDi）方法、EDlines方法、Linelet方法作為對(duì)比方法。其中PPHT方法代碼由OpenCV給出，LSD方法、LSDi方法、EDlines方法和linelet方法由文獻(xiàn)作者提供。YorkUrban數(shù)據(jù)集中第23幅圖像的線段提取結(jié)果見圖6。由圖6可以看出，LSD方法、LSDi方法、EDlines方法、Linelet方法以及本文方法由于有相位約束，邊緣擬合準(zhǔn)確度較高。而PPHT方法由于缺乏有效的精度檢驗(yàn)方法，存在大量錯(cuò)誤提取線段。對(duì)比圖6（b）的標(biāo)簽數(shù)據(jù)，在門、窗口邊緣完整表達(dá)方面，本文方法優(yōu)于其他方法，這是由于LSD等方法的幾何約束要求過高，容易導(dǎo)致線段斷裂。

YorkUrban數(shù)據(jù)集不同方法性能對(duì)比見表1。

由表1可以看出，本文方法的C、U、F1優(yōu)于其他方法，但R低于Linelet方法。鑒于YorkUrban數(shù)據(jù)集是由Linelet方法提出者制作，標(biāo)簽制作過程難以避免受Linelet方法影響。分析標(biāo)簽圖可以發(fā)現(xiàn)，Linelet方法部分邊緣對(duì)比度弱的線段會(huì)被忽略。EDLines方法和Linelet方法的平均精度優(yōu)于其他方法，本文方法由于采用線段優(yōu)化處理，平均精度比其他算法高出5個(gè)百分點(diǎn)。對(duì)于平均召回率，本文方法僅次于Linelet方法，表明本文方法提取線段的完整度較好。綜合各項(xiàng)指標(biāo)，本文方法的平均精度、平均重疊度、平衡F分?jǐn)?shù)優(yōu)于其他方法，平均召回率僅次于Linelet方法。

（3）線段序列精度分析

YorkUrban數(shù)據(jù)集中一系列自然圖像的實(shí)驗(yàn)結(jié)果見圖7。圖7（a）～圖7 （c）圖像拍攝場(chǎng)景為室內(nèi)，墻角、門、窗戶、儲(chǔ)物架、宣傳欄、圓形桌面、椅子、車輪等地物邊緣均可由線段序列清晰表達(dá)。圖7（d）～圖7 （f）圖像拍攝場(chǎng)景為室外。圖7 （d）圖像為樓梯場(chǎng)景，部分臺(tái)階由單個(gè)線段序列表達(dá)，有利于臺(tái)階邊緣的精準(zhǔn)提取及分析。圖7 （e）的商場(chǎng)外景中，圓形廣告牌、窗戶、門，以及地面的彎曲軌道線均可采用線段序列進(jìn)行表達(dá)。通過形狀、線段之間的夾角、線段序列長(zhǎng)度等參數(shù)分析，可降低上述目標(biāo)識(shí)別的難度。圖7 （f）圖像場(chǎng)景為建筑物，樓頂邊緣可由1個(gè)線段序列進(jìn)行完整表達(dá)。通過對(duì)數(shù)據(jù)集中102幅圖像的測(cè)試，平均每幅圖像可提取200個(gè)線段序列（不包括僅包含單條線段的線段序列），平均錯(cuò)誤線段序列數(shù)量為4條，精度可達(dá)98%。出現(xiàn)錯(cuò)誤的原因是受線性噪聲干擾，不同地物邊緣編為一組，在線段序列構(gòu)建時(shí)未能將線段進(jìn)行準(zhǔn)確分類。

（4）線段序列應(yīng)用分析

為證明方法的普適性，依據(jù)地物的幾何特征，利用線段序列對(duì)不同地物進(jìn)行識(shí)別和表達(dá)。航空?qǐng)D像是國(guó)際攝影測(cè)量與遙感協(xié)會(huì)（ISPRS）提供的Vaihingen航拍數(shù)據(jù)集，由Intergraph/ZI DMC相機(jī)拍攝，圖像大小為500像素X500像素，地面分辨率為8 cm?；诰€段序列的不同地物識(shí)別與表達(dá)結(jié)果見圖8。

邊緣幾何信息是識(shí)別建筑物的有效特征。由圖8 （a）可以看出，大型建筑物樓頂?shù)木匦误w邊緣能夠以線段序列方式完整表達(dá)，且相鄰線段端點(diǎn)也可表征建筑物頂點(diǎn)，這不僅有利于建筑物輪廓的精細(xì)提取，更有助于角點(diǎn)特征的提取。圖8（b）的城市運(yùn)動(dòng)場(chǎng)場(chǎng)景中，針對(duì)彎曲形的草場(chǎng)與塑膠跑道，利用地物邊緣彎曲性和長(zhǎng)度較大的特點(diǎn)，線段序列可較好地刻畫及識(shí)別上述地物。利用航空?qǐng)D像進(jìn)行耕地邊界確權(quán)登記是實(shí)際工程問題，而耕地邊界劃分是費(fèi)時(shí)費(fèi)力的難題。由圖8（c）可以看出，從邊緣長(zhǎng)度及相鄰線段角度差異出發(fā)，線段序列可以完成上側(cè)彎曲型地塊的邊緣表達(dá)，有助于減少人力。以航空?qǐng)D像為數(shù)據(jù)源，利用深度學(xué)習(xí)方法進(jìn)行車輛識(shí)別是目前的研究熱點(diǎn)。但深度學(xué)習(xí)方法在車輛識(shí)別時(shí)容易出現(xiàn)邊界提取不準(zhǔn)確的問題。由圖8 （d）可以看出，依據(jù)車輛線夾角近似于直角的特點(diǎn)，利用線段序列可輔助提取部分車輛的結(jié)構(gòu)信息。

遙感圖像選取NWPU VHR-10數(shù)據(jù)集。圖像采集自谷歌地球，空間分辨率為0.5～2 m，大小為500像素×500像素。水邊線是海岸線提取的基礎(chǔ)，利用遙感圖像對(duì)水邊線進(jìn)行檢測(cè)，易受噪聲影響。由圖9 （a）可以看出，利用水邊線的彎曲度、長(zhǎng)度等特點(diǎn)，線段序列直接識(shí)別出水邊線，為基于遙感圖像的海岸帶提取工作提供了特征分析基礎(chǔ)。低等級(jí)道路具有曲率變化大的特點(diǎn)，使得道路直線性特征難以提取。由圖9 （b）可以看出，基于線段序列的長(zhǎng)度優(yōu)勢(shì)，識(shí)別出復(fù)雜情況下道路邊緣，有利于道路分析。利用衛(wèi)星遙感圖像進(jìn)行建筑物提取是遙感領(lǐng)域的熱點(diǎn)問題，深度學(xué)習(xí)方法是研究該問題的常用方法，但由于神經(jīng)網(wǎng)絡(luò)隱層對(duì)圖像進(jìn)行降采樣及升采樣等操作，使得建筑物的細(xì)節(jié)信息被合并，易導(dǎo)致邊緣信息缺失。由圖9 （c）可以看出，圖像線段序列結(jié)果可以彌補(bǔ)這一缺陷，能夠以矩形或半矩形的方式對(duì)建筑物邊緣進(jìn)行表達(dá)。利用光學(xué)遙感圖像進(jìn)行地表水體提取是獲取地表信息的有效手段。細(xì)小河流的寬度較小，易導(dǎo)致河流邊界定位不準(zhǔn)，且河流邊界曲率較大，難以采用單個(gè)線段進(jìn)行幾何分析。由圖9 （d）可以看出，基于上述河流邊界的幾何特征，線段序列能夠?qū)澢暮恿鬟吔邕M(jìn)行較為準(zhǔn)確的幾何表達(dá)。

基于不同場(chǎng)景和不同類型的圖像數(shù)據(jù)，線段序列能夠?qū)崿F(xiàn)一些地物的識(shí)別與表達(dá)。本文方法的耗時(shí)為Edlines算法的4倍左右，優(yōu)于PPHT和Linelet方法。高耗時(shí)的原因在于本文方法需要線段提取和線段序列構(gòu)建，降低了運(yùn)行效率。

4 結(jié)論

（1）提出了完整性的線段序列檢測(cè)方法。在邊緣分組、線段提取以及線段序列構(gòu)建階段，分別提出Canny方法改進(jìn)、線段優(yōu)化約束、端點(diǎn)共享約束方法，形成有序排列、端點(diǎn)共享的線段序列。

（2）基于YorkUrban數(shù)據(jù)集進(jìn)行定量分析，利用所提方法分別對(duì)街景、航空、衛(wèi)星圖像進(jìn)行地物邊緣檢測(cè)實(shí)驗(yàn)，驗(yàn)證了所提方法的可靠性以及線段序列在不同場(chǎng)景中應(yīng)用的可行性。但由于邊緣圖的限制，線段序列對(duì)邊緣的幾何表達(dá)并不完整，限制了線段序列的適用范圍。因此，今后的工作應(yīng)重點(diǎn)關(guān)注邊緣圖質(zhì)量的提升。

基金項(xiàng)目：國(guó)家自然科學(xué)基金項(xiàng)目（42071428; 42071343）