遥感图像道路信息提取的仿真分析研究

方案

4.2.1 彩色遥感图像灰度化

将彩色图像转化为灰度图像通常有三种处理方法，分别为最大值法、平均值法和加权平均值法。假设彩色图像用f（x，y）表示，灰度图像用g（x，y）表示，每个像素的分量为R、G、B。

（1）最大值法用公式可以表示为

（2）平均值法用公式可以表示为

（3）加权平均值法可以表示为

4.2.2 阈值分割提取初始道路

观察图4中原始图像的灰度直方图，选择合适的阈值，把初始道路提取出来。灰度直方图如图5所示。

由图5所示的灰度直方图可以观察得到：该灰度图像的直方图有两个明显的山峰，左边的山峰较高而且山比较宽，右边的山峰较低而且山较窄。结合灰度图像可以发现，图像中有两个明显的特征，分别为道路和道路两旁的植被，而且道路两旁的植被在该灰度图像中所占的区域比较大。由此可以推断出，左边的山峰对应图像中的植被，右边的山峰对应图像的道路。

阈值应当选取为两个山峰之间的山谷，经过观察图5选择阈值为T=110，提取灰度值大于110的图像即为初始道路图像。初始道路图像如图6所示。

4.2.3 中值滤波去除颗粒噪声

由于受光照、反射、阴影等客观因素的影响，卫星在获取图像的过程中会出现同一类别的区域（如植被）的颜色不统一，这就会造成灰度值的差别。所以在阈值分割后的初始道路中会出现大量的颗粒噪声。

中值滤波器能够很好地消除图像中的颗粒噪声。选择合适的中值滤波模板是进行中值滤波的关键，中值滤波器的模板选择通常借助实验的方法。

4.2.4 数学形态学处理

虽然初始道路图像经过中值滤波消除了大量的颗粒噪声，但是在图像中依然存在大量的道路间断和道路孔洞。由数学形态学理论分析可知，开运算能够消除两个物体间的粘连，闭运算能够连接间断道路和填充孔洞。

4.2.5 最终道路提取效果

将开运算处理后的结果与原始彩色遥感图像叠加，道路的颜色为白色，得到最终的遥感图像道路信息提取效果如图7所示。

5 结论

本文所研究的遥感道路提取方法的主要步骤有：图像灰度化、阈值分割、中值濾波、开运算和闭运算和图像叠加。将彩色图像灰度化能够加快图像处理的速度，而且中值滤波器能够滤除图像中大量的颗粒噪声。在研究中，阈值的选取是非常重要的，选择争取的阈值是后续研究的基础。在后续的中值滤波器的设计中，设置合适的中值滤波模板也同样重要。本文通过MATLAB图像处理平台，验证了本文研究的道路提取方法的有效性。

参考文献：

[1]李华胜.基于遥感影像的道路信息提取方法研究[D].内蒙古工业大学，2015.

[2]李润生，曹闻.基于视觉显著性特征的遥感影像道路网提取方法[J].计算机系统应用，2014，23（8）：114-118.

[3]阙昊懿.基于遥感图像的城市道路及车辆信息采集研究[D].湘潭大学，2014.

[4]李俊山，等.数字图像处理（第三版）[M].北京：清华大学出版社，2017：1-278.

[5]Wijesingha J.S.J.， Kumara R.W.D.M.， Kajanthan P.， et al. Automatic Road Feature Extraction from High Resolution Satellite  Images Using LVQ Neural Networks[J]. Asian Journal of Geoinformation， 2013，13（1）：30-36.

[6]Alex D.M.. Robust and Efficient Method to Extract Roads from Satellite Images[J]. International Journal of Latest Trends in Engineering and Technology（IJTET）， 2013，2（3）：26-29.

[7]Miao Zelang， Wang Bin， Shi Wenzhong， et al. A Method for Accurate Road Centerline Extraction From a Classified Image[J]. IEEE JOURNAL OF SELECTED TOPICS IN APPLIED EARTH OBSERVATIONS AND REMOTE SENSING，2014，7（12）： 4762-4771.

推荐访问:遥感 分析研究 仿真 提取 图像