一种基于形状先验的Graph Cuts道路网提取算法.pdf

《一种基于形状先验的Graph Cuts道路网提取算法.pdf》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、80测绘通报2013年第10期文章编号：0494—0911(2013)10-0080—03中图分类号：P237文献标识码：B一种基于形状先验的GraphCuts道路网提取算法张竹林，周绍光，张媛(河海大学地球科学与工程学院，江苏南京210098)AnAlgorithmonRoadNetworkExtractionBasedonGraphCutswithShapePriorZHANGZhulin，ZHOUShaoguang，ZHANGYuan摘要：针对当前道路提取算法需要较多的人工交互的问题，引入一种基于形状先验的道路网提取算法，在高分辨率影像中只选取一个初始道路段即可以完成道路条带的分

2、割。先用一维Gabor滤波提取出影像纹理特征值，再在纹理影像上进行阈值操作和直线匹配，获得初始道路段；以初始道路段的中心线的两个端点作为种子点，选择合适的长度和宽度分割出初始窗口；在初始窗口中运用加入形状先验知识限制的GraphCuts算法求解最大流获得分割结果。与已有改进的GraphCuts算法分割结果的比较验证了本方法的有效性。关键词：图像分割；紧凑型；马尔科夫随机场；GraphCuts阈值分割得到的二值化影像进行直线检测，得到构一、引言成道路段的直线，并根据直线的长度和方向的不同由于道路在高分辨率影像中的表现形式十分得到长度图像和方向图像；②对检测后的道路段，复杂，对不同比例尺的

3、影像难以用固定的参数或特通过对长度图像、方向图像进行形状因子检测，剔征描述。对于同一算法，不同的环境、传感器、图除与道路粘连的块状地物，得到道路网；③通过填像、成像条件等都会造成提取结果的极大差异，因充孔洞、修匀处理，得到较好的预分割影像。此对道路网的全自动提取还不现实，目前的算法主对得到的道路纹理特征影像预分割，再采用直要是半自动的。如朱长青等基于灰度形态学的特线匹配法进行匹配，大多数情况下在每一个道路条征分割和线段特征匹配方法对道路进行提取；带上都可以找到分割效果较好的一小段道路，本文AmoM，MartinezF等提出了一种采用区域竞争算法将其自动地作为初始种子道路段继续完成后续的

4、从航空影像中提取道路信息的方法；ZhangQ利分割。用多波段K均值聚类方法及多角度纹理方法进行道路段的提取和组织。三、紧凑型的定义本文提出一种新的道路网提取策略：首先利用之所以称其为紧凑型是因为其周长与面积的一维Gabor角度纹理和全局阈值法分割出初始道路比值倾向一个较小的值。直观地说，紧凑型可以更段；然后在初始道路段两端开辟缓冲区，利用基于方便地分割出边界简单的目标(如图1所示)。形状先验的图割算法对缓冲区进行分割，并向两端延伸，最终得到整个道路段。卜二、初始道路段的获取●●在获得图像的一维Gabor纹理特征值后，使用大津法对图像进行二值化，获得粗糙的分割结果。■■_从阈值分割后得到

5、的二值化影像中可明显看出，除道路段被分割出来外，一些非道路点及与道+I路粘连的地物也被分割出来，这导致后续的工作难尸}．_P

6、以进行。本文通过改进的直线匹配法很好地改善了这一现象，具体过程包括：①根据K均值聚类或图1紧凑型示意图收稿日期：2012-06-01；修回日期：2013-01—10基金项目：国家自然科学基金(41271420)；江苏省测绘科研项目(JSCHKY201201)作者简介：张竹林(1988一)，男，安徽潜山人，硕士生，主要研究方向为计算机视觉和遥感数字图像处理与分析。2013年第10期张竹林，等：一种基于形状先验的GraphCuts道路网提取算法81在图1中，每个矩形

7、都代表一个像素，中间深色已知的最小道路大小从种子点周围收集数据来建的像素代表着用户提供的种子点。根据种子点的立灰度直方图。位置把图像分为略有重复的4个象限，分别用P、由于道路条带的纹理特征值变化较大，即使通P、P、P来表示。象限P包含种子点及种子点右过道路种子点周围收集到的一些数据也无法绘制上方的所有像素，象限P包含种子点及种子点左上出准确的道路直方图，因此本文将统一分布与平滑方的所有像素。象限P和P包含了种子点及种子归一化直方图进行加权混合运算。因此对于像素点上方所有的像素。同理，象限P包含种子点及种P有子点左下方的所有像素，象限P包含种子点及种子(1)=一In(JPhi()+(1一

8、)×1／256)(2)点右下方的所有像素。象限P和P包含了种子点尺(0)=一in(1／256)(3)及种子点下方所有的像素。如果目标在每个象限(2)数据项中的边界可以用图1所示的方法完全地跟踪到，则数据项趋向于保证大部分相邻像素分为同种称分割目标为紧凑型。类别并且道路与背景之问边界的确定依赖于强度在图割的框架中，为了使得道路目标分割为紧值的梯度。为了达到以上两个目的，采用数据项来凑型，必须禁止一些相邻像素被分类为一种特定的跟踪上文提到的紧凑型，