[發(fā)明專(zhuān)利]多層次知識(shí)驅(qū)動(dòng)的全色遙感影像的道路變化信息提取方法

無(wú)效

• 申請(qǐng)?zhí)枺?/td>: 200810047264.7
• 申請(qǐng)日: 2008-04-09
• 公開(kāi)（公告）號(hào): CN101364259A
• 公開(kāi)（公告）日: 2009-02-11
• 發(fā)明（設(shè)計(jì)）人: 潘勵(lì);鄭宏;王華;邱楓;董明
• 申請(qǐng)（專(zhuān)利權(quán)）人: 武漢大學(xué)
• 主分類(lèi)號(hào): G06K9/00
• 分類(lèi)號(hào): G06K9/00;G06K9/34;G06K9/62;G06K9/64
• 代理公司: 武漢華旭知識(shí)產(chǎn)權(quán)事務(wù)所
• 代理人: 劉榮

技術(shù)領(lǐng)域

本發(fā)明涉及一種多層次知識(shí)驅(qū)動(dòng)的全色遙感影像的道路變化信息提取方法，屬于影像處理領(lǐng)域，特別是屬于遙感影像處理與目標(biāo)提取技術(shù)領(lǐng)域。

背景技術(shù)

道路作為最重要的人工地理實(shí)體，在地理基礎(chǔ)信息中占有極大的比重。從遙感影像中自動(dòng)發(fā)現(xiàn)道路變化不僅是攝影測(cè)量與遙感領(lǐng)域的難題，也是計(jì)算機(jī)視覺(jué)與圖像理解研究的重點(diǎn)之一。

在過(guò)去的二十多年中，人們提出許多從遙感圖像中自動(dòng)或半自動(dòng)提取道路變化信息的方法，大致可以分為三類(lèi)：第一類(lèi)方法是基于道路本身特性，建立合適的數(shù)學(xué)模型來(lái)描述理想道路，然后運(yùn)用數(shù)學(xué)方法求解，典型算法包括模板匹配法(McKeown，Denlinger.1988，Vosselman，Knecht.1995)、平行邊跟蹤連接法(Nevatia，Babu.1980)、動(dòng)態(tài)規(guī)劃法(Gruen，Li.1995)、多尺度分析法(Heipke?etal.1996，Mayer，Steger.1998)等等；第二類(lèi)方法是基于上下文信息，分析道路與其它目標(biāo)之間的相互關(guān)系檢測(cè)道路變化，典型算法包括使用知識(shí)庫(kù)自動(dòng)調(diào)整參數(shù)的方法(Trinder.1998)、利用上下文信息(車(chē)輛、樹(shù)木等)支持或已有地圖引導(dǎo)對(duì)道路做出判斷和有效補(bǔ)充的方法(Stilla?1995，Baumartner?et?al.1999)等等；第三類(lèi)方法是前兩者的混合，是道路變化檢測(cè)研究的趨勢(shì)，典型算法包括模擬人的感知，以段的幾何與灰度屬性為主，顧及局部上下文線索的感知編組算法(胡翔云，2001)、基于線特征檢測(cè)道路段，通過(guò)道路網(wǎng)的全局約束條件進(jìn)行道路網(wǎng)連接實(shí)現(xiàn)變化道路檢測(cè)(鐘家強(qiáng)，2007)等等。

目前還沒(méi)有一種針對(duì)所有道路類(lèi)型和各種分辨率圖像都通用的道路自動(dòng)變化檢測(cè)策略和算法。

發(fā)明內(nèi)容

綜合利用現(xiàn)有技術(shù)并克服其局限性，本發(fā)明提供了一種多層次知識(shí)驅(qū)動(dòng)的全色遙感影像的道路變化信息提取方法，可以快速有效地檢測(cè)出道路的變化，將檢測(cè)結(jié)果提供給用戶，提高地圖修測(cè)的自動(dòng)化程度。

實(shí)現(xiàn)本發(fā)明目的采用的技術(shù)方案是：一種多層次知識(shí)驅(qū)動(dòng)的全色遙感影像的道路變化信息提取方法，首先在道路提取層中充分應(yīng)用先驗(yàn)知識(shí)，自動(dòng)生成多尺度模板，實(shí)現(xiàn)道路候選段的自動(dòng)提取，根據(jù)人對(duì)道路模型的感知知識(shí)，采用感知編組連接候選道路段，形成初始道路網(wǎng)；其次在變化道路檢測(cè)層中加入知識(shí)判斷原則，對(duì)提取道路網(wǎng)和舊道路網(wǎng)進(jìn)行緩沖區(qū)分析，得到道路變化檢測(cè)結(jié)果；再次在新增道路檢測(cè)層中，結(jié)合道路網(wǎng)模型進(jìn)行推理和假設(shè)，得到符合道路模型的知識(shí)約束規(guī)則，從視覺(jué)分割得到分割塊反映影像屬性的角度出發(fā)，對(duì)候選新增道路進(jìn)行優(yōu)化和處理；最后在半自動(dòng)提取層中針對(duì)道路復(fù)雜性，在人的知識(shí)的驅(qū)動(dòng)下完成新增道路的半自動(dòng)跟蹤，產(chǎn)生完整的新增道路網(wǎng)。其包括以下具體步驟：

(1)對(duì)近期全色遙感影像進(jìn)行預(yù)處理，預(yù)處理操作包括：(a)對(duì)全色遙感影像的正射糾正，(b)對(duì)正射影像的拼接，(c)根據(jù)同區(qū)域舊矢量數(shù)據(jù)范圍，對(duì)拼接的正射影像進(jìn)行裁減，(d)將裁減結(jié)果作為變化檢測(cè)的輸入影像；

(2)對(duì)輸入影像進(jìn)行道路增強(qiáng)和噪聲去除，操作包括：(a)對(duì)輸入影像進(jìn)行Wallis濾波加大圖像反差，突出道路信息，(b)高斯平滑去除噪聲；

(3)在先驗(yàn)知識(shí)的引導(dǎo)下，生成道路候選段，操作包括：(a)由已有舊道路矢量地圖獲得檢測(cè)區(qū)域道路網(wǎng)的先驗(yàn)知識(shí)，包括道路的最大路寬、最小路寬，自動(dòng)生成多尺度模板，在影像的行、列方向分別計(jì)算模板相關(guān)系數(shù)，以相關(guān)系數(shù)峰值來(lái)檢測(cè)影像斷面信號(hào)的矩形脈沖，得到候選的道路中心點(diǎn)，生成道路中心點(diǎn)的二值圖像；(b)對(duì)二值圖像進(jìn)行線條細(xì)化得到中心骨架；(c)對(duì)中心骨架進(jìn)行單純細(xì)化，去除交叉點(diǎn)和分支點(diǎn)；(d)對(duì)去除交叉點(diǎn)和分支點(diǎn)的結(jié)果圖像進(jìn)行數(shù)學(xué)形態(tài)學(xué)處理，填補(bǔ)段之間的縫隙，得到連通的道路線；(e)對(duì)連通的道路線進(jìn)行矢量跟蹤，刪除短線；

(4)根據(jù)人對(duì)道路模型的感知知識(shí)，采用感知編組連接候選道路段，形成道路網(wǎng)，包括以下步驟：

(4-a)根據(jù)人對(duì)道路模型的感知知識(shí)，即道路幾何屬性、灰度屬性、道路與其局部上下文關(guān)系描述，以道路幾何與灰度屬性為主，顧及局部上下文線索來(lái)進(jìn)行共線鏈的編組，將各段連接成無(wú)分支的共線長(zhǎng)鏈；

(4-b)提取交叉和分支形成道路網(wǎng)絡(luò)；

(5)在緩沖區(qū)檢測(cè)中加入知識(shí)判斷原則，結(jié)合已有舊道路矢量數(shù)據(jù)，檢測(cè)道路網(wǎng)中變化和消失路段，具體檢測(cè)步驟如下：

(5-a)舊道路矢量地圖與提取道路網(wǎng)配準(zhǔn)；