[发明专利]一种面向对象分割结合灰度形态学的道路提取方法

说明书

技术领域

本发明涉及遥感影像信息提取领域，更具体地，涉及一种面向对象分割结合灰度形态学的道路提取方法，是一种多级道路提取的半自动化道路提取方法。

背景技术

道路作为重要的人造的物是现代交通体系的主体，具有重要的政治、经济和军事意义，因此道路也成为地图和地理信息系统中重要的信息载体和处理对象。20世纪70年代中期，由于数字化地理交通信息的需要，加之传统手工道路数字化成本高、效率低等弊端日益显现，图像自动、半自动道路提取技术随之出现并逐步发展。如今，多光谱高分辨率的卫星、成像雷达、无人驾驶飞机的出现，使得对地观测手段更加完备，地理影像数据日益丰富，可用于道路提取的基础影像越来越多，为自动、半自动道路提取技术提供了大量的实验素材和基础数据。

另一方面，地图绘制、地理信息系统更新、城市观测和规划等诸多应用需求的出现和不断增长，促使自动、半自动道路提取相关技术不断发展。利用计算机从遥感影像中提取道路引起包括测绘、图像处理、计算机视觉等领域学者的广泛关注，在过去十几年里发表了大量的论文，相应的理论和技术都取得了长足的发展。就目前基于遥感影像进行道路提取的自动、半自动算法中的典型代表有自适应聚类法、模板匹配法、微分几何法、Snack法及其改进算法、形态学方法、启发式搜索法、基于机器学习的智能算法和面向对象法等等。

在遥感领域内，目前主流的方式是基于高分辨率、超高分辨率遥感影像，采用自动、半自动的面向像元或面向对象的分割、聚类或分类技术得到道路提取结果。然而目前这个领域内还没有公认的典型、普适的某一类算法可以值得称道。一方面是由于道路本身光谱特征极为复杂和难于概括，另一方面也是由于道路周边环境的复杂特征，如高楼遮盖、异物同谱、路上车辆等等噪声产生的严重影响。就目前遥感领域内基于高分辨率卫星影像的各种自动、半自动道路提取方法而言，普遍存在三个问题：一是难于兼顾宽窄，由于算法思想的单一，往往适用于提取宽路斑块的算法无法提取窄路，同时适用于提取宽度处于像元、亚像元级别窄路的算法在宽路上会发生极为强烈的扭曲；二是提取结果单一，普遍的提取结果为一单纯的掩膜，可以区分道路和非道路，但道路内部不分级，使用价值存在局限；三是算法的研究区域过小，或较大研究区域内道路过于简单，由此得到的算法一般不具有普适性，如若扩大研究范围或增加道路路网的复杂程度则很难避免噪声的严重影响。

发明内容

为了克服现有技术的不足，本发明提出面向对象分割结合灰度形态学的道路提取方法，这是一种基于高分辨率遥感影像，可以兼顾宽路与窄路，实现多级道路提取，具有较高精度和极强去噪性能的道路提取方法。

了实现上述目的，本发明的技术方案为：

一种面向对象分割结合灰度形态学的道路提取方法，所述方法的基本步骤为：

1.1、对原始全色影像和多光谱影像进行影像融合得到融合结果；

1.2、基于eCognition软件，对融合结果进行面向对象分割得到若干对象；

1.3、面向对象进行全局分类，类别为各级宽路、城建区和其他；

1.4、采用水平算子对原始全色影像进行分割，并采用灰度形态学的相关技术进行窄路的提取和降噪；

1.5、采用灰度形态学相关技术实现的脊线法对各级宽路进行校正，得到宽路路网；

1.6、用城建区掩膜去除窄道提取结果中的非窄路纹理，得到最终窄路路网；

1.7、对多级路网进行合并，得到最终的分级路网提取结果。

优选地，所述的采用水平算子对原始全色影像进行分割，并采用灰度形态学的相关技术进行窄路的提取和降噪的子步骤包括：

2.1、选取适当结构算子对全色影像进行水平算子分割，并对分割结果进行二值化处理，其中水平算子结构如下：

式中：X为待处理集，B为结构算子；为膨胀运算，Θ为腐蚀运算，ο为开运算，·为闭运算；为凸函数，为凹函数，G为水平算子，F为标记函数；为凸类，为扁平类，为凹类。

2.2、采用一定长度、呈若干角度的线段状结构算子对二值化的分割结果进行线段匹配(即所有角度结构算子对分割结果开运算的并)，并在匹配的结果上进行同伦细化和去除毛刺，公式如下：

R_thin＝Thin(R，{L_N})

R_spur＝Spur(R_thin)