改擴建道路DLG輔助算法

導語：改擴建道路DLG輔助算法一文來源于網友上傳，不代表本站觀點，若需要原創文章可咨詢客服老師，歡迎參考。

隨著計算機技術的日臻成熟和遙感技術的飛速發展，遙感影像記錄的大量地表信息是更新GIS最主要、最有效的數據來源［1］。道路網數據的更新是GIS空間數據更新的重要組成部分，其快速提取、更新技術的研究成為當前的重要課題。20世紀70年代中期，國內外就開展了大量關于直接從遙感影像中提取道路信息的研究工作，但是到目前為止，該技術在完整性和正確性方面尚未取得令人滿意的成果。QuickBird等高分辨率影像的商業化使用，為利用遙感影像快速更新地圖，實現變化檢測［2］提供了可能。為更方便準確地從遙感影像中識別道路，本文擬研究基于舊有的柵格化DLG和最新精確配準的遙感影像圖，提取遙感影像中發生延伸及拓寬道路的新算法，實現DLG的快速更新。

1道路提取前的準備工作

1.1數據格式轉換與配準

整個道路提取算法是在MATLAB環境下運行的，需將DLG與遙感影像轉化為MATLAB可以讀取的格式。遙感影像為金字塔格式，利用ArcGIS軟件對其做適當處理，并將DLG中的道路邊緣線圖層柵格化［3］，以文本文檔的格式輸出。在柵格化DLG的過程中，設置邊緣線的顏色屬性為黑白漸變色，使得每條線都具有唯一的灰度值，以便利用DLG中的道路信息作為先驗數據。由于格式的轉化，兩者失去了地理坐標信息，需要將其重新配準，可以選擇線性正投影、仿射變換、投影變換等幾種方法。

1.2道路邊緣線提取并截斷

如圖1(a)(b)所示，矩形框所包圍的道路邊緣線上各點具有統一的編號12121。由之前的操作可知，該線屬于同一道路的邊緣，顯而易見，無法將其視為一條直線。本文所提出的方法適用于處理近似直線的道路線邊緣，因此，利用唯一灰度值信息自動提取出邊緣線段后，需使用曲線離散化［4］的方法將其截斷為短直線，直至打斷后的每段邊緣線都接近于直線為止，圖1(c)為截斷邊緣線的示意圖。截斷后，斜率小于1的直線段定義為近水平道路邊緣線，并存放在近水平道路邊緣線數組中，其他道路線存放在近豎直道路邊緣線數組中。

1.3線對的匹配

兩條源于同一條道路雙邊緣的短直線包圍著一段平直的道路，尋找這樣一對短直線的過程稱為線對匹配［5，6］。設兩條短直線為l1，l2，線段長度l1＞l2，l1與l2匹配需滿足以下條件:①基本平行;②距離在最小道路寬度和最大道路寬度之間;③平移l2至l1處，重疊度不小于閾值70%;④滿足前三個條件的情況下，l1與l2距離最近。線對的匹配在近水平及近豎直道路邊緣線數組中分別進行，流程基本相同。匹配前，將所有線段按長度排序，依次選擇現有最短的道路邊緣線作為當前匹配線段，若匹配成功則置空當前線段，防止重復匹配。細化匹配成功的雙邊緣線對的類別為水平道路上邊緣、水平道路下邊緣，豎直道路左邊緣、豎直道路右邊緣，線對明確的相對位置關系能夠有效地提高后續實驗的運算效率。

2改擴建道路的提取及更新

道路為典型的線狀地物，其特征可歸納為輻射、幾何、拓撲、功能以及關聯和上下文約束［7］等。由于利用dlg數據作為先驗信息，道路提取成果的可靠性得到顯著提高，在道路的提取過程中，主要依據道路均勻帶狀分布的幾何特性及灰度輻射特性，采用了一種易實現但非常有效的判斷方法，即是邊緣線灰度梯度均值最大法［8］。將道路邊緣線兩側像素灰度差值的平均值作為該線的灰度梯度均值，沿豎直方向移動近水平的道路邊緣線，沿水平方向移動近豎直的道路邊緣線，以平移到每個位置的灰度梯度均值作為判定該位置是否為邊緣線的指標。在提取出拓寬及延伸的道路邊緣線后，即將更新后的柵格地圖轉化為文本文件輸出。隨后，使用ArcGIS軟件進行柵格地圖的矢量化操作，重新生成CAD圖像，以替換原有圖層。DLG的更新為分層處理，處理了主要道路邊緣線圖層后，其他道路邊緣線圖層的處理可以此作為參照。

2.1判斷道路邊緣是否拓寬

對于水平道路段而言，上邊緣線以上和下邊緣線以下是道路的外部;類似地，左邊緣線的左側和右邊緣線的右側是豎直道路的外部。將邊緣線向道路外側平移距離d1，接著向道路內部平移距離d2，其中，d1＞2d2，在此范圍內尋找平均灰度梯度t(k)的最大值tmax(k)，記錄tmax(k)對應邊緣線距原有邊緣線的格網單位值k。設平均灰度梯度的閾值為tmax，道路拓寬閾值為kmax，判斷道路是否拓寬的準則包括:①tmax(k)≥tmax＆k≤kmax，產生最大平均灰度梯度的直線距原有道路邊緣線很近，認定道路沒有發生變化;②tmax(k)≥tmax＆k＞kmax，判斷道路拓寬;③tmax(k)＜tmax，在整個平移過程中，無明顯邊緣特征存在，認為道路很有可能消失。

2.2提取延伸道路

延伸道路的提取是在道路拓寬判斷后進行的，以防道路存在拓寬并延伸的現象。通常情況下，拓寬判斷的前提是要保證相鄰兩條平行道路的間隔超過各自路面的寬度。另外，道路雙邊緣線沿同一方向延伸時，道路才判定為延伸。近水平與近豎直道路邊緣線的延伸過程類似，以豎直道路的延伸為例，提取步驟如下。(1)利用道路邊緣線截斷前柵格化的DLG，尋找不靠近圖像邊界的懸掛點，其所在線段即為可能延伸的道路邊緣線。(2)根據每條邊緣線唯一的灰度值信息，尋找經拓寬判斷后對應的可能延伸的邊緣線對及懸掛點。通過懸掛點與所在線段的相對位置關系，確定該線對可能延伸的方向。(3)依次取出一對懸掛點，沿(2)中方向延伸n個格網單位，即懸掛節點的線段端點行號逐次加1或減1，通過擬合該懸掛點所在邊緣線得到的直線方程求出列號。長度為n的延伸邊緣線對與原有的道路連接，形成新的道路邊緣線對。(4)將新的道路邊緣線對向道路的內部、外部各平移d2。在該范圍內，若平均灰度梯度最大值tmax(k)≥tmax，判斷延伸的道路存在，將原道路邊緣線的灰度值賦給延伸的道路邊緣線，重復步驟(3)，直至新延伸的道路不存在或超出圖幅為止;若tmax(k)＜tmax，判斷道路并未延伸，運算停止。

3實驗

本文的研究重點為城市的主要干道。舊有的DLG中，實驗所需的干道邊緣線圖層標識為R;所需的遙感影像為兩幅QuickBird影像，目視觀察道路清晰連續，遮擋相對較少。實驗區內，道路分布均勻，寬度變化在60個格網單位內，若直接使用經典的道路提取方法對其處理，將受到某些不可預見的干擾，如人行道與綠化帶形成一條具有較大平均灰度梯度的邊緣線，很難得到精確的邊緣位置。本節將通過實驗，論證一種可靠性更強、效率更高的新算法，以解決現有提取方法的不足。根據影像上道路的特點，通過大量的實驗調節參數，最終選取d1=9，d2=4，tmax=25，kmax=4，n=5。

3.1提取拓寬道路

圖2為第一幅實驗影像，用以展示新方法檢測拓寬道路的效果，圖3是對圖2中兩窗口進行局部放大的效果。兩圖中，黃色線代表原豎直線對，紅色線為原水平線對，藍色線代表拓寬后道路邊緣線，綠色線代表未處理的道路邊緣線。實驗結果顯示，新算法準確地找到拓寬道路，達到了預期效果。圖2拓寬道路全局圖圖3(b)所示的綠色線段是道路轉彎處的連接圖3拓寬道路實驗局部圖線，由于連接線不存在對應的匹配線對，本文的算法還無法對其進行處理，需要進一步改進。

3.2提取延伸道路

第二幅實驗影像見圖4，用于展示新方法檢測延伸道路的效果，圖5為圖4中兩窗口局部放大的效果。綠色線代表道路邊緣線端點為圖像邊緣點或非懸掛節點，在程序運行時未對其進行處理，紅色線代表可能延伸的水平線，黃色線代表可能延伸的豎直線，藍色線代表延伸道路邊緣線。實驗結果顯示，新算法準確地找到了延伸道路的邊緣線。

3.3更新地形圖

對道路邊緣線拓寬、延伸等情況進行提取研究的最終目的為DLG的更新。圖6(a)(b)為延伸實驗更新前后的道路DLG。經對比，可觀察道路明顯延伸。

4結論

地形圖的更新是一項繁重的系統工程，涉及很多理論和實際問題，其中，對于空間數據的變化檢測是一個非常重要但難于解決的問題。目前，大多數利用遙感影像更新DLG的實際操作，都是利用目視檢驗的方法，而自動更新DLG的研究，也大多停留在像素級的水平。本文使用舊有的DLG作為驗信息，結合最新的遙感影像，實現了DLG中改擴建道路信息的更新，在保證精度的前提下，提高了道路提取的效率和可靠性。