基于总变分和形态学的航空图像道路检测算法

第30卷第12期计算机学报Vol, 30 No. 122007年1月CHINESE JOURNAL OF COMPUTERSDec.2007基于总变分和形态学的航空图像道路检测算法李书晓常红星(中国科学院自动化研究所综合信息系统研究中心北京100080)擴要高分辨率航空图像中道路通常表现为较狭窄的面这给分类算法创造了机会文中提出了一种新的基于分类的航空图像道路自动提取方法—基于总变分和形态学分析方法它首先根据邻域总变分和直方图得到分割道路所需的合适阈值并从图像中分割出道路区域然后根据基于区域总变分和几何测度的准则函数及其模式频谱得到形态学普通开运算的阈值最后用此准则及阈值对图像进行形态学普通开运算以去除和路面具有相似光谱特性的物体的干扰初步实验证明该方法具有良好的稳定性和较强的环境适应能力关键词道路检测;总变分;形态学普通开运算;变分几何测度;模式频谱中图法分类号TP391Road Extraction Algorithm for Aerial Images Based onTotal Variations and Mathematical MorphologyLI Shu-Xiao CHANG Hong-Xing(Integrated Information System Research Center, Institute of Automation, Chinese Academy of Sciences, Beijing 100080)Abstract Roads in high resolution aerial images appear to be narrow areas and this creates anopportunity for classification based methods. a new approach based on classification to road ex-traction for aerial images is proposed in this paper. The method is based on total variation andmathematical morphology analysis. This approach firstly classifies the image into road and non-road pixels by appropriate thresholds based on neighbor total variations and histogram analysisand then uses a criterion based on connected area total variations, geometric attributes and itspattern spectrum to find an appropriate threshold for morphological trivial opening. Finally, morphological trivial opening is adopted to avoid noises including objects that have similar spectralcharacteristics to road surfaces. Strict experiments show that this algorithm is robust and is capable of coping with partial occlusion and extracting roads with different spectral characteristics inthe same imageKeywords road detection total variations, morphological trivial opening: variation geometrycriterion; pattern spectrum取方法的研究,并进行了大量的研究工作,提出了许1引言多用于道路检测的有效算法这些方法从处理策略上可以分为半自动方法和自动方法.半自动方法需近年来,国内外学者很重视航空图像中道路提要用户交互地提供一些信息来控制道路提取收稿日期:200504-08;最终修改稿收到日期:2007-06-13.李书晓男,1981年生,博士研究生,主要研究方向为数字图像处理和分析、计算机视觉目标检测和跟踪等 E-mail, shuxiao. li@i常红墨,男,1965年生,研究员,主要从事目标识别计算机视觉等方面的研究2174计算机学报2007年Baumgartner等用轮廓匹配的方法跟踪道路的中心分的思想,为算法的后处理提供了可靠的结果,且计线,并对跟踪结果进行了评估,它提供了一个交互式算上简单可行.该方法主要面向分辨率在0.2~2m的图形用户界面来指导数据处理操作口,POoz和的航空灰度图像高分辨率航空图像中的道路具有Agoutis等用动态规划的方法分别从高分辨率和低如下3个明显的特征:(1)道路的表面是坚实和光分辨率的航空图像中提取道路的中心线,这种方法滑的,它们通常由混凝土或沥青铸成,具有相应的光需要提供道路的若干控制点的位置3.半自动方法谱特性;(2)道路的宽度一般是恒定的并有上界和由于充分利用了用户的交互信息,因此一般来说道下界;(3)相邻的道路一般会连接形成路网.本文的路提取的结果更稳定,但对实时性要求较高或人很方法利用前两个特征把道路模型化为半径为道路宽难参与的场合不能胜任度一半的圆盘沿道路中心线的移动所形成的平坦区这些半自动方法可以通过相应的初始化等操作域,并以此为根据提出了基于总变分和形态学的道扩展为自动方法.自动方法通常首先通过直线和边路自动检测算法,然后利用第3个特征对检测到的缘检测得到路段的初始假设,然后在这些路段间建路段进行连接实验证明,该方法不仅对道路的部分立联系形成路网…杨文杰等在使用 Sobel算子得遮挡和背景图像的干扰具有良好的适应能力,而且到道路边缘后利用色彩及阴影信息过滤边缘,最后可以用于检测同一图像中具有不同光谱特性的道利用 Hough变换及迭代的方法得到路面边界.徐路本文第2节提出了基于邻域总变分的道路分割全生等首先利用局部平均值提取背景,然后基于最方法;第3节介绍了形态学普通开运算,并提出了其小二乘法进行直线拟和得到车辆行驶的当前车用于道路检测的准则——变分几何准则;之后是实道, Steger等用模糊集的理论先找到道路和图像验结果及结论边界的交点及长段道路的终点等显著点,然后在它们之间找到最优化的路径来填充道路间的小的间2基于邻域总变分的道路分割隙, Zhang等在提取出路面区域后,用形态学普通开运算去除噪声和同路面有相似光谱特性的物体的若处理图像为u(x,y),则总变分定义为干扰,其中采用了最小外接椭圆长轴准则. Bicego等提出一种基于概率轮廓跟踪的全自动道路提取算Jr(n)当 Cuddy=√m+ady(1)法,它首先利用 Hough变换和一些拓扑学的知识得到路面的起始假设,然后对路面进行轮廓跟踪,最而4=9,,=∞,D是图像u的支持域后利用颜色和梯度信息对路面进行合并10.另外,由于道路一般具有恒定的宽度(u)和均匀的光Radon变换和 Hough变换也用来提取道路的中心谱特性,使得图像u中路面区域的总变分相对非路线并估计图像中道路的宽度1, Koutaki等釆用面区域要小得多.利用上述特性,定义如下的邻域总主动轮廓的方法对道路进行检测与跟踪,这种方法变分利用模板匹配的方法得到道路的交叉点,然后利用交叉点的位置和方向信息对道路进行跟踪1).LiuJ((x)2∫√aP+pdh等利用各向同性的非线性滤波来提取图像中的线状目标,并把其应用于道路、指纹和舌纹的提取中14√a:+u+ Dudu(2)路检测中引入模型,它利用道路在几何辐射,拓扑其中,D…m,为以a(x,)y)为圆心,半径为r的支持和邻域等不同方面的性质建立模型,并利用多分辨域,r=/(2×re)(re为图像的分辨率).支持域的率的方法减少建模过程中错误的假设, Lacoste这种选择可以由图1(a)来解释,图中把道路看成是等引入 Markov模型从光学图像和雷达图像中提取半径为r的圆球沿道路中心线滚动的结果B>0道路. Porikli利用点高斯模型和迭代的方法实现是可调参数,其取值与测量噪声的方差成正比,它的道路的提取和更新17作用是避免邻域总变分JLr(a(x,y)在u2=B,=0以上算法普遍存在着算法复杂度高或环境适应处倒数不存在,实际应用中β取20~100.邻域总变性差的缺陷,本文在道路的自动分割和干扰的自动分反映了图像上某一点附近的平滑程度,其值越小去除这两个道路检测过程的关键技术中引入了总变则越平滑李书晓等:基于总变分和形态学的航空图像道路检测算法2175改进的直方图(a)仿真图像(b)似然函数(c)变分灰度直方图图1基于邻域总变分的道路分割方法的仿真实验解释考虑到邻域中不同位置的点可能具有不同的贡点u(x,y)是路面点的程度,通过选择合适的阈值T献,定义如下的加权邻域总变分:对其进行二值化:1(x,)9兰x,bam++padb1, LS(u(r, y))>TLSB(ucx, y))0,其它(3)对LSB(u(xy)为1的像素点进行灰度直方图分其中,A(x,y)为对应点的权值当A(x,y)=1时为析并结合道路本身比阴影及树木等背景亮的特点即普通的邻域总变分同邻域总变分一样,加权邻域总可得到分割道路所需的合适的阈值如图(c)所示变分也反映了图像上某一点附近的平滑程度其值并称其为变分灰度直方图考虑到道路边缘的似然越小则越平滑函数值只有道路中心的似然函数值的一半左右及可由于道路的表面通常比较光滑根据加权邻域能存在比路面更平滑的干扰的存在,实际应用中T总变分可以定义如下的似然函数,它表示了图像中的取值比规格化似然函数的最大值的一半要小,在的每一点和道路中心线上的点的相似程度:60~120之间入(u,v)dvdv3形态学普通开运算和变分几何准则LS(a(x,y)以2,(u(x,y)(4)LS(u(x,y))越大,表明u(x,y)位于道路中心数学形态学是一门建立在严格的数学理论基础上的科学它利用集合论的方法对物体的几何结构线上的可能就越大如图1(b)所示(r=8)另外r进行分析和处理形态学的基本操作有腐蚀膨胀的选取并不要求很精确,r偏大得到的结果还是道开运算、闭运算、击中击不中变换等,具体请参考相路的中线只不过似然函数的最大值要小一些厂偏关文献20]小将会检测出具有一定宽度的道路中心线带,这并3,1形态学普通开运算不影响算法的后处理及适应性;考虑到计算效率,应普通开运算( Trivial Opening,TO)由Sera和用中一般取3~6即可在计算得到似然函数后,需Ⅴncnt定义2.令{u(n)|n=1,2,3,…,N为图像要对其进行规格化至[0,255]之间a的各个连通区域,则具有准则Tro的普通开运算由于矩形邻域内的平均计算可以由积分图像快定义为速求得,故实际中计算邻域总变分时常以矩形邻域近似代替圆形邻域.对加权邻域总变分通常采用To(a()={(i),若w(i)满足准则Tno,其它Epanechnikov模板,因为该模板可以表示为两个均匀矩形模板的卷积的形式,进而利用积分图像求这种运算具有递增性、反扩张性和幂等性,因此为形解另外式(2)、式(3)中的变分值和式(4)中的似然态学开运算,在图像处理中,这个运算用准则T滤函数的可能取值有限,实际计算中事先计算这些可除图像u中不满足此准则的连通区域1能的取值并存储,最终的似然函数获取只涉及到积区域连通基于膨胀算法来实现.假设找到了区分图像计算和查找操作快速实现效率很高.域u(n)的种子区域u。(通常为一个像素),则区域既然规格化似然函数LS(u(x,y))表示了像素a(n)可以由区域膨胀到稳定状态得到,表示2176计算机学报007年在正方形情况下,LWR取值为2,故定义如下u(n)=Ua(7)的准则函数进行形态学的普通开运算:≠Tro(u(n))=LTO(u(n)). [LWR(u(n))-2]u:=utU88=((aH1GH)-u)∩u,8=u(9)上述公式中H为单位尺寸的标准膨胀算子.这种算式(12)近似描述了区域u(n)的区域特性和几法对每个像素最多进行一次4邻域运算效率很高何特性,称为变分几何准则.虽然其表达不是唯3.2变分几何准则的,但它确实给出了区域u(n)和道路相似程度的一同邻域总变分一样,定义如下的区域总变分似种描述,且在计算上简单可行然函数对得到的Troa(n)进行规格化处理(不失一般性,设为0~255),并把其等分为K个间隔:0LTO(u(n)-」Lsn(x,y)dxdy(0)T