顾红军

（中材地质工程勘查研究院有限公司，北京 100102）

1 引言

随着遥感技术快速发展，一个多层次、多角度、全天候、多分辨率互补的全球对地观测系统正在逐步形成并趋于完善[1]。现如今，我们可以获得分米、厘米级的遥感影像，获取影像的周期也在不断地缩短，影像时效性增强，影像包含的信息越来越丰富，物体的细节信息也更突出。遥感影像地物信息提取原理主要是根据影像地物的光谱特征差异分析，利用单波段阈值法、多波段谱间关系法和指数模型法等构建光谱矢量曲线和遥感信息模型[2]。道路矢量网络作为地理信息中重要的枢纽是构建数字城市、建设地理空间框架、提升地理信息公共服务水平的重要地理要素，且与交通、水利、城市规划、电力、应急响应、能源等各行各业的建设密切相关。所以道路的识别与提取研究一直是近二十年来遥感领域的重要研究课题。道路网信息提取的效果与遥感影像的分辨率密切相关，如果要获得大比例尺的地图，通常要求使用更高分辨率遥感影像，其分辨率应达到1米或亚米级别。高分辨率遥感影像使现实道路在影像中的成像更加清晰，道路上的分道线、车道线等标记线都可以得到较清晰的展现。高分辨率遥感影像中的道路按规模可概括为两类：一类是主要道路，即主干道，特点是路面上有许多条相互平行的直线；另一类是一般道路，主要指乡村道路和城市中的小街道。

2 高分辨率遥感影像中道路的基本特征

高分辨率遥感影像中道路的特征主要有以下3种[3]。

(1) 几何特征。道路具有一定的宽度和长度，形状为一个长而窄的矩形或条带形，道路具有一定的长度，具有明显的方向性，其指向不会突然变化，具有缓慢的坡度变化。

(2) 辐射特征。道路区域内部灰度较为均匀，梯度较小；道路与其相邻区域灰度有一定差异；受道路两侧的树木、房屋的阴影、路面上的汽车等物体遮挡，道路在影像上有断续的情况。

(3) 拓扑特征。道路不会独立存在，道路之间通常相互连接成网络。每一条路段的两端有两种情况：一种是与另一道路段相交，另一种是延伸到图像的边界外。

3 道路网信息提取方法

基于高分辨率遥感影像的道路网信息提取，国内外学者都给出了很多可行思路和有效的方法。大致可以分为两类：一类是半自动提取道路信息；另一类是全自动提取道路信息。

3.1 半自动提取道路信息

半自动道路提取是利用人机交互的方式进行，其思路是人工提供道路的初始点和道路方向，然后让计算机按照一定规则进行提取，期间还夹杂着人机交互，保证识别的准确性。

Huang等[4]、汪闽等[5]利用支持向量机(Support Vector Machine， SVM)从影像中分类道路区域并提取道路中心线，并且将SVM结合马尔科夫随机场模型用于高分辨率遥感影像的分类。Sukhendu等[6]利用道路与周围地物的光谱对比以及局部线状特征，设计一种多级框架提取多光谱遥感影像的道路，首先利用概率支持向量机训练四组道路样本以探测局部线基元作为候选道路轨迹，再利用一系列加工模块去除错误虚警。Shi等[7]提出一种直线基元匹配方法，用于提取城市环境中的路网。该方法结合影像中道路特征(道路为条带状或狭长的矩形)，利用直线基元匹配法提取粗糙的道路网络，以此为基础利用道路网络知识及数学形态学方法提取最终道路网。结合像元级和对象级道路提取各自的优势，提出了一种基于像元—多尺度对象的高分辨率遥感影像道路中心线提取方法，较好地改善了基于像元级道路提取易出现的“椒盐噪声”与面向对象提取易产生的粘连的情况[8]。程承旗等[9]提出一种半自动提取道路的方法，设计一个高通滤波器和统计滤波器，完成道路信息的检测与识别，其中高通滤波突出地物的线性特征，统计滤波则用来消除高通滤波后产生的噪音，最后进行矢量化跟踪，完成提取道路信息。

3.2 全自动提取道路信息

全自动道路提取的方法是利用道路在影像中的特征，使用计算机全自动从影像中提取出道路信息。

Ali等[10]提出一种自动提取道路网的算法，首先对遥感影像进行灰值化、二值化操作，去掉背景像素，然后进行中值滤波消除随机噪声，最后通过数学形态学的方法，进行道路段的连接，填补空洞，得到面状道路后再使用击中击不中变换细化道路网。这种方法步骤简单、效率高，不足之处是道路提取的位置不够准确。Barzohar等[11]提出一种基于几何统计模型的自动道路网提取方法，根据道路应遵循的条件建立几何统计模型，然后利用最大后验概率准则估测出道路。这种方法适合一般道路，不适合路面灰度分布不均匀的主要道路。首先基于概率增进树算法获取候选点，并经过形态学运算获得平滑和完整的道路条带，最后利用细化运算得到道路中心线。周绍光等[12]，Poullis[13]提出一种Tensor-Cuts算法，将张量编码的优势、Gabor变换特征提取、图割优化算法相结合进行道路中线跟踪提取道路网。

4 总结

高分辨率遥感影像技术的不断发展，使获取的遥感影像信息越来越丰富，从高分辨率遥感影像中提取道路信息成为目前比较热门的研究内容。已有的方法大多针对某种类型的道路，难以完全自动的提取道路网信息，不能满足实际应用的需要。随着社会信息化发展的需要，快速、准确获取道路网信息的重要性日益凸显。因此利用多种方法集成全自动提取道路网信息也必将得到重视。