专利名称：高分辨率卫星遥感交通流信息自动采集方法
技术领域：
本发明涉及卫星遥感在智能交通领域中的图像处理与分析技术，具体涉及ー种高分辨率卫星遥感交通流信息自动采集方法，适应于对大范围路网的交通流监测，快速、自动获取系列静态和动态的交通流信息，可满足大范围宏观交通调查的需要，为城市与区域交通管理与交通规划提供服务。
背景技术：
近几年来，私人轿车保有量飞速增长，我国越来越多的城市开始面临交通拥堵问题，不仅影响到公众出行、消耗大量的能源，造成环境污染，还影响到城市功能正常发挥和可持续发展。智能交通系统(ITS, Intelligent Transportation System)作为解决交通运输安全、效率和拥挤问题的有效工具应运而生。ITS包括交通信息采集、分析与发布三个阶 段，其中交通流參数的采集是智能交通系统实施好坏与否的关键。交通流參数自动采集方式包括感应线圈、压电式检测器、视频检测器、微波检测器，以及基于有人机、无人机、飞艇等航空遥感与航天卫星遥感的检测，以及基于浮动车的动态采集方式。传统的交通流參数采集设备(如电感线圈、视频检测器等)由于成本高、安装复杂、不易移动和维修，目前只在大中型城市监控主干道的交通信息，不适合大范围交通数据的采集。近几年发展起来且应用较多的浮动车采集技术，一般是将GPS安装在出租车上，要求车辆数量多，成本高，且由于车辆行经路线随机性大、不能保证路网全覆盖，所得到的数据只在一定情况下具有代表性。在实际应用中，通常只对主干道路上的数据进行采集，不能主动获取数据，且数据处理过程复杂。遥感技术具有宏观、快速、经济、覆盖范围大等独特的数据获取优势，并且由于传感器远离路面，与地面调查相比，既不会影响交通，也不会给地面调查人员带来危险，可大幅度降低实地调查的劳动强度和调查成本，提高交通流參数采集的广度和全局性，因而它在交通领域的应用得到国内外的广泛关注。卫星遥感与航空遥感手段相比，数据获取更加经济，数据处理流程更加成熟。因此，利用卫星遥感影像进行交通流信息采集具有较大的潜力与应用前景。尤其各种高分辨率遥感数据的不断涌现，为实现卫星遥感交通流信息的自动采集带来了更多的机遇。随着我国高分对地观测计划的实施，将有效缓解对国外高分辨率卫星遥感数据获取的依赖程度，为基于我国自主高分辨率卫星的交通流信息采集创造了良好的条件。目前遥感交通监测需要解决车辆识别和运动车辆在不同遥感图像上位置匹配两个主要问题。利用高分辨率卫星遥感技术进行交通监测管理方面的研究还不多见，且大多为车辆目标的识别，识别精度和自动化程度均不高；对车辆目标的匹配方法，虽有研究涉及到，但是采用人エ目视方法来实现的。因此，如何充分利用高分辨率卫星遥感技术的优势，提高现有的车辆检测方法的精度和自动化程度，实现车辆目标的自动匹配，形成ー套系统的交通流信息的自动化采集技术方法，以满足交通管理与规划对交通參数采集的实际需求，具有非常重要的实用价值，尤其是对促进我国智能交通系统技术的发展和城市交通管理与规划的水平的提升具有重要的意义。
与本发明直接相关的技术方案本发明中涉及车辆检测和车辆匹配两个方面的关键技木。与此相关的技术方案分别说明如下。I.车辆检测方面“利用遥感影像探测和计数城市道路车辆的方法”(专利公开号101404119)与本发明的其中一个步骤相关。利用遥感采集交通流信息，首先需得到道路中运行车辆个体信息。谭衢霖等人提出了ー种利用遥感影像探测和计数城市道路车辆的方法，其主要步骤如下第一歩，基于道路中心线生成城区道路掩膜，限制车辆探測在道路区域进行；
第二步，对在步骤一中生成的城区道路掩膜的影像进行二次不同尺度的影像分割获得道路车道条带目标层和车辆探测对象基本层。其中，为获得道路车道条带目标层所使用的分割尺寸大于为获得车辆探测对象基本层所使用的分割尺寸；第三步，在车辆探测对象基本层构建面向对象的模糊分类器对该层的对象进行车辆对象和非车辆对象分类；第四步，在被分类的车辆探测对象基本层上，融合相邻的同类对象生成车辆探測融合对象层，在该层上分类车辆，最終获得完成车辆探測的影像。本发明与之相比，有以下三点I.不仅实用于大范围、快速、自动化采集，而且采集的交通流信息更广泛，不仅能获得车辆数量、类型、分布等静态參数，还可以在车辆匹配的基础上获得交通流速度、流量等其他系列动态交通流參数。2.将神经网络与面向对象分类方法相结合，实现了高分辨率遥感影像的自动化分害わ避免了人工处理需要反复选择分割尺度的局限。3.引入了车辆遥感影像特征库，实现了车辆目标分类器的阈值自动化选择，从而避免了人工干预阈值选择的主观性和阈值反复调整的复杂性。以上三点优势，有利于提高卫星遥感交通流信息的自动化采集能力，使其更适合大范围路网、更全面的交通流信息的采集。2.车辆匹配方面为了利用高分辨率卫星遥感影像进行包括车速等在内的诸多交通流信息(如交通流量、车头距离等)的采集，需要从同一遥感平台获取的具有拍摄时间差的全色影像和多光谱影像中得到车辆目标的位移信息。由于同一遥感平台中多光谱影像空间分辨率较全色影像的空间分辨率低，仅依靠影像分类的方法很难精确提取多光谱影像中的车辆目标信息。因此，本发明提出采用图像频率域相关匹配法进行车辆匹配，即根据由全色影像分类得到的已知车辆目标区域来捜索多光谱影像中同一车辆的位置，从而实现两种遥感影像中相同车辆目标的匹配。目前，传统的图像匹配方法是以互相关函数作为匹配准则，以相关系数的大小评价影像匹配位置与模板的相似度程度，从而确定最大相关位置，即最佳匹配位置的过程，即
权利要求
1.一种高分辨率卫星遥感交通流信息自动采集方法，其步骤是 A、预处理(101): 为了提取卫星遥感影像中的有用信息，对输入的高分辨率卫星影像(I)进行预处理，包含的影像预处理(101)工作包括全色与多光谱影像以及影像与矢量路网的配准(1011)、道路区域分割(1012)、双边滤波影像增强(1013)，这三项工作处理对象为同一传感器的高分辨率全色和多光谱影像； 全色与多光谱影像以及影像与矢量路网的配准是将已知的矢量路网数据(2)与高分辨率卫星影像(I)进行匹配，并将同一传感器获取的全色与多光谱影像进行匹配，前者是为了车辆在图像上的偏移是由其自身的影像的错位引起，来提高车辆位移计算的准确性；后者是为下步的道路区域分割做准备，其方法是分别在两种数据上选择同一地物的特征点道路中心线的拐点、端点、交叉点，然后利用特征点建立两种数据之间的几何畸变模型；利用几何畸变模型进行几何校正，达到精配准； 道路区域分割(1012)是利用已知道路矢量路网数据，以1/2的道路宽度为缓冲半径，生成道路缓冲区，再以缓冲区为模板对影像进行分割，植被在近红外波段高反射，对多光谱影像的近红外波段选择阈值进行影像分割，去除道路中的绿化带，形成最终的道路影像以便下步进行车辆提取； B、车辆提取(103): 车辆提取包括神经网络车辆粗提取(1031)与面向对象车辆精提取(1032)两个阶段，在面向对象车辆精提取中，根据车辆遥感影像特征库(102)，利用其中的特征值作为阈值，进行面向对象车辆精提取； (1)利用神经网络方法进行车辆粗提取(A): 对步骤预处理(101)处理后的道路段全色影像，选择3-10个的正负样本(Al)进行神经网络训练(A2)，其中，正样本指车辆样本，负样本指非车辆样本，再利用训练好的网络进行神经网络分类(A3)，分类得到车辆目标，采用收敛性好、自学习能力强的径向基神经网络进行车辆目标分类，分类后利用形态学运算(A4)进行车辆的合并，以保证对象特征的完整性； (2)利用面向对象方法进行车辆精提取(B): 对利用神经网络方法进行车辆粗提取(A)结果进行影像分割(BI)，将分类结果影像分割为候选车辆对象和背景对象，并进行对象特征提取(B2)，提取的特征包括对象面积、长宽t匕、方向、矩形相似度；根据目视判读的车辆影像特征车辆对象面积、长宽比、方向、矩形相似度，所建立的车辆遥感影像特征库(102)，分别利用其中的特征值作为综合判定车辆的值域，对候选车辆对象进一步筛选，并去除干扰的地物，完成车辆对象识别(B3);最后输出车辆对象参数(4)，包括车辆的总数量，单个车辆的重心坐标、面积、长度属性信息；C、车辆匹配(104): 该步骤目的为根据全色影像中提取的车辆目标，利用图像频率域相关匹配方法，通过在多光谱影像中设定搜索窗口搜索对应车辆的具体位置，多光谱影像和全色影像经过了精确配准，同一车辆在传感器短暂的拍摄延迟内，只移动了很小的距离(例如，车辆行驶速度为100km/h，则在0.2s的拍摄延迟内，只移动了 5. 6m，表现在O. 61m分辨率的卫星影像上，为9个像素)，为提高搜索效率，设定在搜索窗口内进行图像匹配，根据车辆运动的特点，该搜索窗口要比全色影像中的车辆位置在车辆行驶方向上扩大搜索范围，便于同一车辆的精确匹配，通过试验，窗口在车辆行驶方向上扩大六m，具体步骤如下 (1)将车辆提取(103)中的车辆区域作为模板影像f(x，y)(5)，以多光谱影像中对应的搜索窗口作为目标影像h(x，h) (8)分别进行傅里叶变换，转化到频率域，得到对应的频率域图像F(x，y) (6)和频率域图像H(x, y) (9)； (2)将频率域图像F(x，y)(6)的复共轭图像F*(x，y) (7)与频率域图像H(x，y) (9)相乘，得到乘积图像(10)； (3)对乘积图像(10)进行傅里叶逆变换，得到模板影像与目标影像的相关图像g(x，y)(11)，相关图像中的最大值所在的行列值，即模板影像与目标影像达到匹配时的位置；D、交通流参数估算(105): 在车辆提取(103)和车辆匹配(104)的基础上，估算单个车辆行驶速度、路段交通流速度、交通流密度、道路空间占有率、车头距离交通流参数，具体的计算方法如下 (1)单个车辆行驶速度计算 道路上行驶的单个车辆的行驶速度(V)由下列公式进行计算，单位m/s或km/h
全文摘要
本发明公开了一种高分辨率卫星遥感交通流信息自动采集方法，其步骤A、预处理，包括全色影像与矢量路网及全色与多光谱影像的配准，道路区域分割与双边滤波增强。B、据对步骤A得到的道路区域影像目视判读获得车辆样本特征值，建立车辆遥感影像特征库。C、对步骤B所得全色影像进行神经网络车辆粗提取与面向对象车辆精提取。D、利用图像频率域相关匹配法，在多光谱影像中搜索对应步骤C精提取的车辆位置并进行匹配。E、据步骤C和步骤D得到的对应车辆位置，计算全色与多光谱影像中同一车辆的位移量，进而估算各交通流参数信息。F、通过精度评价加以验证。该方法能实现大范围系列静态和动态交通流信息自动化快速采集，效率更高，简单易行。
文档编号G08G1/01GK102855759SQ20121034437
公开日2013年1月2日 申请日期2012年9月17日 优先权日2012年7月5日
发明者刘亚岚, 刘珠妹, 任玉环 申请人:中国科学院遥感应用研究所