[發(fā)明專利]高分辨率衛(wèi)星遙感交通流信息自動采集方法

有效

• 申請?zhí)枺?/td>: 201210344373.1
• 申請日: 2012-09-17
• 公開（公告）號: CN102855759A
• 公開（公告）日: 2013-01-02
• 發(fā)明（設(shè)計(jì)）人: 劉亞嵐;劉珠妹;任玉環(huán)
• 申請（專利權(quán)）人: 中國科學(xué)院遙感應(yīng)用研究所
• 主分類號: G08G1/01
• 分類號: G08G1/01;G06K9/46;G06N3/08
• 代理公司: 武漢宇晨專利事務(wù)所 42001
• 代理人: 王敏鋒

1.一種高分辨率衛(wèi)星遙感交通流信息自動采集方法，其步驟是:

A、預(yù)處理（101）:

為了提取衛(wèi)星遙感影像中的有用信息，對輸入的高分辨率衛(wèi)星影像（1）進(jìn)行預(yù)處理，包含的影像預(yù)處理（101）工作包括：全色與多光譜影像以及影像與矢量路網(wǎng)的配準(zhǔn)（1011）、道路區(qū)域分割（1012）、雙邊濾波影像增強(qiáng)（1013），這三項(xiàng)工作處理對象為同一傳感器的高分辨率全色和多光譜影像；

全色與多光譜影像以及影像與矢量路網(wǎng)的配準(zhǔn)是將已知的矢量路網(wǎng)數(shù)據(jù)（2）與高分辨率衛(wèi)星影像（1）進(jìn)行匹配，并將同一傳感器獲取的全色與多光譜影像進(jìn)行匹配，前者是為了車輛在圖像上的偏移是由其自身的影像的錯位引起，來提高車輛位移計(jì)算的準(zhǔn)確性；后者是為下步的道路區(qū)域分割做準(zhǔn)備，其方法是分別在兩種數(shù)據(jù)上選擇同一地物的特征點(diǎn)：道路中心線的拐點(diǎn)、端點(diǎn)、交叉點(diǎn)，然后利用特征點(diǎn)建立兩種數(shù)據(jù)之間的幾何畸變模型；利用幾何畸變模型進(jìn)行幾何校正，達(dá)到精配準(zhǔn)；

道路區(qū)域分割（1012）是利用已知道路矢量路網(wǎng)數(shù)據(jù)，以1/2的道路寬度為緩沖半徑，生成道路緩沖區(qū)，再以緩沖區(qū)為模板對影像進(jìn)行分割，植被在近紅外波段高反射，對多光譜影像的近紅外波段選擇閾值進(jìn)行影像分割，去除道路中的綠化帶，形成最終的道路影像以便下步進(jìn)行車輛提取；

B、車輛提取（103）:

車輛提取包括神經(jīng)網(wǎng)絡(luò)車輛粗提取（1031）與面向?qū)ο筌囕v精提取（1032）兩個階段，在面向?qū)ο筌囕v精提取中，根據(jù)車輛遙感影像特征庫（102），利用其中的特征值作為閾值，進(jìn)行面向?qū)ο筌囕v精提取；

（1）利用神經(jīng)網(wǎng)絡(luò)方法進(jìn)行車輛粗提取（A）:

對步驟預(yù)處理(101)處理后的道路段全色影像，選擇3-10個的正負(fù)樣本（A1）進(jìn)行神經(jīng)網(wǎng)絡(luò)訓(xùn)練（A2），其中，正樣本指車輛樣本，負(fù)樣本指非車輛樣本，再利用訓(xùn)練好的網(wǎng)絡(luò)進(jìn)行神經(jīng)網(wǎng)絡(luò)分類（A3），分類得到車輛目標(biāo)，采用收斂性好、自學(xué)習(xí)能力強(qiáng)的徑向基神經(jīng)網(wǎng)絡(luò)進(jìn)行車輛目標(biāo)分類，分類后利用形態(tài)學(xué)運(yùn)算（A4）進(jìn)行車輛的合并，以保證對象特征的完整性；

（2）利用面向?qū)ο蠓椒ㄟM(jìn)行車輛精提取（B）:

對利用神經(jīng)網(wǎng)絡(luò)方法進(jìn)行車輛粗提取(A)結(jié)果進(jìn)行影像分割（B1），將分類結(jié)果影像分割為候選車輛對象和背景對象，并進(jìn)行對象特征提取（B2），提取的特征包括對象面積、長寬比、方向、矩形相似度；根據(jù)目視判讀的車輛影像特征:車輛對象面積、長寬比、方向、矩形相似度,所建立的車輛遙感影像特征庫（102），分別利用其中的特征值作為綜合判定車輛的值域，對候選車輛對象進(jìn)一步篩選，并去除干擾的地物，完成車輛對象識別（B3）；最后輸出車輛對象參數(shù)（4），包括車輛的總數(shù)量，單個車輛的重心坐標(biāo)、面積、長度屬性信息；C、車輛匹配（104）:

該步驟目的為根據(jù)全色影像中提取的車輛目標(biāo)，利用圖像頻率域相關(guān)匹配方法，通過在多光譜影像中設(shè)定搜索窗口搜索對應(yīng)車輛的具體位置，多光譜影像和全色影像經(jīng)過了精確配準(zhǔn)，同一車輛在傳感器短暫的拍攝延遲內(nèi)，只移動了很小的距離（例如，車輛行駛速度為100km/h，則在0.2s的拍攝延遲內(nèi)，只移動了5.6m，表現(xiàn)在0.61m分辨率的衛(wèi)星影像上，為9個像素），為提高搜索效率，設(shè)定在搜索窗口內(nèi)進(jìn)行圖像匹配,根據(jù)車輛運(yùn)動的特點(diǎn)，該搜索窗口要比全色影像中的車輛位置在車輛行駛方向上擴(kuò)大搜索范圍，便于同一車輛的精確匹配,通過試驗(yàn)，窗口在車輛行駛方向上擴(kuò)大六m，具體步驟如下：

(1)將車輛提取(103)中的車輛區(qū)域作為模板影像f(x,y)(5)，以多光譜影像中對應(yīng)的搜索窗口作為目標(biāo)影像h(x，h)(8)分別進(jìn)行傅里葉變換，轉(zhuǎn)化到頻率域，得到對應(yīng)的頻率域圖像F(x，y)(6)和頻率域圖像H(x，y)(9)；

(2)將頻率域圖像F(x，y)(6)的復(fù)共軛圖像F^*(x,y)(7)與頻率域圖像H(x,y)(9)相乘，得到乘積圖像（10）；

(3)對乘積圖像(10)進(jìn)行傅里葉逆變換，得到模板影像與目標(biāo)影像的相關(guān)圖像g(x，y)（11），相關(guān)圖像中的最大值所在的行列值，即模板影像與目標(biāo)影像達(dá)到匹配時的位置；D、交通流參數(shù)估算（105）:

在車輛提取(103)和車輛匹配(104)的基礎(chǔ)上，估算單個車輛行駛速度、路段交通流速度、交通流密度、道路空間占有率、車頭距離交通流參數(shù)，具體的計(jì)算方法如下:

（1）單個車輛行駛速度計(jì)算:

道路上行駛的單個車輛的行駛速度（v）由下列公式進(jìn)行計(jì)算，單位m/s或km/h：

v=(xp-xm)2+(yp-ym)2×rt]]>

其中，（x_p,y_p）與(x_m,y_m)分別為全色與多光譜影像上對應(yīng)車輛重心的像素行列值，由步驟車輛提取103和車輛匹配104分別得出；r為影像地面分辨率，單位為m；t為全色與多光譜拍攝時間間隔，單位為s；

（2）路段交通流速度計(jì)算:

在連續(xù)的自由車流條件下,路段交通流速度用區(qū)間平均速度u來表示，單位m/s或km/h：

u=1MΣi=1Mvi]]>

其中M為路段車輛數(shù)量（veh），由車輛提取(103)得到；v_i指第i車觀測時的瞬時速度；

（3）交通流密度計(jì)算:

交通流密度（k）表示交通流的疏密程度，一定單位長度的道路上所有車輛的數(shù)量，單位為(veh/km)，表示為：

k=MS]]>

S為測量道路段的長度（km），根據(jù)已有的路網(wǎng)矢量數(shù)據(jù)獲得；M為道路段中的車輛數(shù)量（veh），由車輛提取(103)得到；

（4）交通流量計(jì)算:

在已知交通流速度與交通密度的前提下，交通流量q表示為：

q＝k×u

交通流量（q）等于交通密度（k）與區(qū)間平均速度（u）的乘積，單位為veh/h；

（5）道路空間占有率計(jì)算:

道路空間占有率（Rs）表示單車道上車輛總長度和路段總長度之比%：

Rs=1SΣi=0nsi×100%]]>

其中S為觀測路段長度，根據(jù)已有的路網(wǎng)矢量數(shù)據(jù)獲得；Si表示第i輛車的長度，由車輛提取(103)獲得；

（6）車頭距離計(jì)算:

車頭距離包括空間與時間上的兩種形式—車頭間距與車頭時距，車頭間距表示在同向行駛的一列車隊(duì)中，相鄰兩輛車的車頭之間的距離；車頭時距表示在同向行駛的一列車隊(duì)中，相鄰兩輛車駛過同一個斷面的時間差，路段中所有車頭間距的平均值為平均車頭間距（H_S），單位（m/veh），表示為：

Hs=1000Ksingle]]>

式中：K_single為單車道交通流密度（veh/km），平均車頭時距（H_T）與交通量的關(guān)系用如下公式表示，單位（s/veh）：

HT=3600Qsingle]]>

其中，Q_single為交通流量（veh/h）；

通過神經(jīng)網(wǎng)絡(luò)與面向?qū)ο笙嘟Y(jié)合的方法從高分辨率衛(wèi)星影像中自動提取全色影像道路中行駛的車輛目標(biāo)；再利用圖像頻率域相關(guān)匹配法，實(shí)現(xiàn)全色與多光譜影像中相對應(yīng)的車輛匹配定位，獲得車輛數(shù)量、長度以及這兩種影像中的車輛重心坐標(biāo)等信息，最后據(jù)此計(jì)算出路段乃至區(qū)域交通流速度、密度、交通流量、道路空間占有率、車頭距離交通流參數(shù)，再將這些交通流信息與人工識別或地面監(jiān)測數(shù)據(jù)（3）進(jìn)行對比驗(yàn)證，以檢驗(yàn)自動獲取數(shù)據(jù)。