专利名称：Sar图像中道路的提取方法
技术领域：
本发明涉及一种图像提取方法，特别是一种SAR图像中道路的提取方法。
背景技术：
图像中道路提取按交互的方式不同可以分为两类。 一类仅给定初始点和初始方向，利用跟踪的办法来提取道路；另一类方法则给定一系列分散的种子点，利用主动轮廓模型，模拟退火和动态规划等方法曲线拟合提取道路中心线。前者运用的主要是局部的特征。后者往往求的是全局的能量最小。 第一种方法会给定初始点和初始道路的方法，要通过跟踪的方法得到道路的中心线和边线。要解决的问题包括如何通过已检测到信息预测下一点处道路的参数(位置，宽度，曲率，方向)利用图像信息选择最佳预测点并修正预测模型，确定停机准则(连续出现预测误差很大或是已经检测到的部分道路已经得到验证)。 第二类主要有动态规划和Snake模型方法。动态规划方法导出了道路的一般参数模型，将其表达成种子点之间的代价函数，以动态规划作为确定种子点之间最优路径的计
算工具。 比较早的，该方法主要用在低分辨率图像道路提取方法中。又通过对代价函数进行修改，增加了道路边缘梯度反向平行的约束条件，将动态规划的方法拓展到高分辨率图像的道路提取中。 Snake模型方法根据对道路特征的抽象确定不同的道路模型，将道路特征与几何约束用能量函数表示出来，通过求能量函数最小值得到目标轮廓。Snake模型的形式有很多，已经运用到道路提取中的有LSB-Snake， ziplok snake， Ribbonsnake，multi-resolution snake等。 但是，综上所述，两种方法具有以下问题 (1)动态规划方法中，种子点的选取需要手工来做，比较繁琐，同时此方法要很大的存储量； (2)Snake模型方法在一定程度上完成了道路提取的任务，但是算法复杂度大，计算时间长，而且算法对参数敏感。 合成孔径雷达(Synthetic Aperture Radar，简称SAR)是一种工作在微波频段的主动式遥感器，它通过发射微波进行对地观测，利用发射的回波数据对地面成像。成像后的一项重要工作就是进行图象的识别和解译，而这其中的第一步就是地物目标的分割和提取，常见的地物包括河流、湖泊、居民区、植被、沟渠、道路、农田等。 有鉴于此，如何提供一种SAR图像中道路的提取方法，来综合解决上述技术问题已成为业界亟待解决的技术问题。
发明内容
本发明的目的是将提供一种SAR图像中道路的提取方法，来将SAR图像中的道路区域提取出来。 本发明的目的是将提供一种SAR图像中道路的提取方法，计算量较小，能够较快的处理SAR图像；可以比较快捷的提取主干道；基本自动提取，较少人工干预。
为解决上述技术问题，本发明提供了一种SAR图像中道路的提取方法，包括步骤对SAR图像进行前期处理，以调整其对比度及亮度；对经过前期处理的SAR图像进行二值化，以便后续进行滤波处理；对经过二值化后的SAR图像进行数学形态学滤波，使得SAR图像更加平滑干净；对经过数学形态学滤波后的SAR图像进行道路几何滤波，以去除虚警区域；对经过道路几何滤波后的SAR图像进行Ca皿y算子处理，寻找道路的边缘；以及利用Hough变换检测道路，最终从SAR图像中提取出道路。 其中，所述前期处理步骤包括对原始SAR图像进行直方图均衡处理；对经过均衡处理的SAR图像进行伽马变换；对经过伽马变换的SAR图像进行顶帽变换。所述进行数学形态学滤波的步骤包括进行预处理和开运算，以去掉一些单点的噪声和填充一些单点的孔洞；进行闭运算，以将图像中狭窄的缺口连接起来形成细长的弯口，并填充比结构元素小的洞；填充孔洞；再进行开运算，以去除剩余噪点。所述Ca皿y算子处理步骤包括使用带有指定标准偏差的o的高斯滤波器进行平滑，从而减少噪声；在每一点处计算局部梯度和边缘方向，其中边缘方向上强度最大的点为边缘点；根据所述边缘点寻找到脊，并不在脊顶部的像素设为零，然后对脊像素使用两个阈值进行阈值处理，以得到强边缘像素和弱边缘像素；最后通过将8连接的弱像素集成到强像素，执行边缘链接。所述Hough变换检测道路的步骤包括将道路的边缘图像进行Hough变换；进行峰值检测；逆变换并进行道路边缘线段的连接。 在具体实施例中，所述进行二值化的步骤是利用0tsu阈值法实现。所述道路几何滤波至少包括区域面积滤波、宽长比滤波。 本发明的SAR图像中道路的提取方法，通过一系列的步骤将合成孔径雷达生成的SAR图像逐步变换优化，最终在图像中提取出道路，该方法具有以下优点计算量较小，能够较快的处理SAR图像；可以比较快捷的提取主干道；基本自动提取，较少人工干预。
图1是本发明的SAR图像中道路的提取方法的总体流程图。
图2是图1中步骤Sll的具体流程图。
图3是图1中步骤S13的具体流程图。
图4是图1中步骤S16的具体流程图。
具体实施例方式
以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭示的内容轻易地了解本发明的其他优点与功效。本发明也可通过其他不同的具体实例加以实施或应用，本说明书中的各项细节亦可基于不同观点与应用，在不背离本发明的精神下进行各种修饰与变更。 请参阅图l，是本发明的SAR图像中道路的提取方法的总体流程图，如图所示，该方法包括以下步骤，在本实施例中以最佳的处理举例进行说明，但不以此为限
4
步骤S11，图像前期处理请参阅图2，是图1中步骤Sll的具体流程图，如图所示， 其具体操作如下 首先我们必须对原始图像做直方图均衡处理，以增强对比度，但是整体亮度上可
能存在偏暗或者偏亮的情况，所以我们接着使用伽马变换来对图像进行亮度增强，经过伽
马变换后，图像得到了亮度上的增强，但是由于雷达在照射目标区域的时候，采取的是侧视
的方式，所以可能造成图像背景的亮度分布不均匀，而这会对后面的阈值处理造成困难，为
了补偿这种不均匀的背景亮度，最后我们采取称为顶帽变换的处理方法。
步骤S12，用Otsu阈值方法二值化图像 由于SAR图像中道路的亮度都较低，所以我们采用阈值分割将SAR图像二值化，能 把潜在的道路区域和背景区域大致分开以便后续的处理。 这里我们使用Otsu方法来求得阈值以二值化图像，该方法选择可以最大化类间 方差0/数值k作为阈值。假设有离散概率密度函数的归一化直方图为 P 、 = 1，2，3......， L-l 其中，n是图像中的像素总数，n,是灰度级为rq的像素数目，L是图像中所有可能
的灰度级数。假设我们现在已经选定了一个阈值k， C。是一组灰度级为[k， k+l，......，
L-l]的像素。Otsu方法则选择最大化类间方差oB2的阈值k，类间方差定义为
t-1 丄-l 4-1 S叫-s&(" " 2;&(" //0=2>^(。/叫y",2^A(。/^
< =o ， g" ， g=o — ，
g=0 步骤S13，数学形态学滤波虽然经过了滤波，但是由于相干斑的大量存在，阈值 分割后的图像中不可避免地会有许多小的伪目标，而且在目标区域内部也会有一些小洞， 为了得到平滑干净的目标图像，我们采用了形态滤波方法。其处理流程如附图3，图3是图 1中步骤S13的具体流程图，如图所示
①预处理和开运算 首先要进行预处理，主要是去掉一些单点的噪声和填充一些单点的孔洞，形态学 开运算完全删除了不能包括结构元素的对象区域，平滑了对象的轮廓，断开了狭窄的连接， 去掉了细小的突出部分。
②闭运算 之后再进行闭运算，像开运算一样，形态学闭运算会平滑对象的轮廓，然而，与开 运算不同的是，闭运算一般会将狭窄的缺口连接起来形成细长的弯口，并填充比结构元素 小的洞。闭运算的公式是^S-(^④5)05 其中^ = {z| I j] ^爿}，表示结构元素B对A进行膨胀操作； ^ 万=I (》)z ￡ J},表示结构元素B对A进行腐蚀操作； (A)z = {c|c = a+z， a G A}， 表示集合A平移至lj点z = (z丄，z2)，
云^H;lM;-一Z7》e巧，表示集合B的反射
③填充孔洞 经过开闭运算后，我们可以看到水域大体上都提取出来了，但是在每一块水域中 间还存在这一些孔洞，这是不合理的，所以我们要将其填充。
④剩余噪点去除 最后对于得到的图像再进行一次开运算，去除掉一些剩余的噪声。
开运算的公式是^OS-O40S)①B
步骤S14，道路几何滤波 经过了数学形态学滤波以后，虚警区域仍然存在，这时我们就需要通过几何滤波 的方法来去除这些区域的影响了。可用的一些几何特征如下
a.区域的面积 我们把一个区域内所有的像素点数定义为区域的面积，如果该面积非常小，我们
可以认为该区域是虚警，从而可以去除之。 b.宽长比 对于一个区域而言，其形状可能是不规则的，但是我们可以用一个最小外接矩形 将其包在其中，我们把该矩形的宽度比上长度的比值，定义为该区域的宽长比，一个方形或 者圆形的宽长比接近于l，而一个狭长区域的宽长比就小于l，对于道路区域而言，该比值 当然是非常的小，否则，这样的区域就不会是道路，从而应该被剔除。
步骤S15，用Canny算子处理二值图像 Ca皿y算子是通过寻找f(x，y)的梯度的最大值来查找边缘，梯度由高斯滤波器的 导数来计算。该方法使用两个阈值检测强边缘和弱边缘，若它们连结到了强边缘，则输出中 只包含弱边缘。因此，这种方法更适合用于检测真正的弱边缘，亦即所要提取的道路的边 缘。其处理流程如下 ①图像使用带有指定标准偏差的o的高斯滤波器来平滑，从而可以减少噪声。 [OOM] ②在每一点处计算局部梯度g(X，力-[G+《]"2和边缘方向a(x，y)= arctan(Gy/Gx)。边缘点定义为梯度方向上其强度最大的点。 ③在上述确定的边缘点会导致梯度幅度图像中出现脊。然后，算法追踪所有脊的
顶部，并将所有不在脊的顶部的像素设为零，以便在输出中给出一条细线，这就是所谓的非
最大值抑制处理。脊像素使用两个阈值1\和；做阈值处理，其中1\<;。值大于；的
脊像素称为强边缘像素，1\和T2.之间的脊像素称为弱边缘像素。 ④最后，算法通过将8连接的弱像素集成到强像素，执行边缘链接。 步骤S16，利用Hough变换检测道路 由于道路主要表现为一些线段，而一种寻找并链接图像中线段的处理方式是
Hough变换。其中变换使用的是直线的标准形式xcos9+ysin9 = P。请参阅图2，是图
1中步骤S16的具体流程图，如图所示，利用Hough变换得到道路线段的流程 使用Hough变换进行线检测和链接主要内容是峰值检测。因为数字图像的空间中
的量化，Hough变换的参数空间中的量化以及典型图像的边缘都不是很直这个事实，Hough
变换的峰值一般都位于多个Hough变换单元中。克服这个问题的策略是 ①找到包含最大值的Hough变换单元并记下它的位置。 ②把第一步中找到的最大值点的邻域中的Hough变换单元设为零。
③重复该步骤，直到找到需要的峰值数为止，或者达到一个指定的阈值为止。
最后根据检测出的峰值逆变换回原图像，得到道路区域。 综上所述，本发明的SAR图像中道路的提取方法与现有技术相比，主要抓住了 SAR 图像中道路的两个主要特点，一是，道路区域在SAR图像上灰度值很低，呈现为黑暗部分， 所以可以用0tsu阈值方法对其进行二值化处理；二是，道路一般都比较笔直，接近于直线， 所以可以利用Hough变换得到道路的边缘。当然，经过上述各个步骤的处理，不仅能够将 SAR图像中的道路区域提取出来，而且计算量较小，能够较快的处理SAR图像；可以比较快 捷的提取主干道；基本自动提取，较少人工干预。 上述实施例仅为例示性说明本发明的原理及其功效，而非用于限制本发明。任何 本领域技术人员均可在不违背本发明的精神及范畴下，对上述实施例进行修饰与变化。因 此，本发明的权利保护范围，应以权利要求书的范围为依据。
权利要求
一种SAR图像中道路的提取方法，其特征在于包括步骤对SAR图像进行前期处理，以调整其对比度及亮度；对经过前期处理的SAR图像进行二值化，以便后续进行滤波处理；对经过二值化后的SAR图像进行数学形态学滤波，使得SAR图像更加平滑干净；对经过数学形态学滤波后的SAR图像进行道路几何滤波，以去除虚警区域；对经过道路几何滤波后的SAR图像进行Canny算子处理，寻找道路的边缘；以及利用Hough变换检测道路，最终从SAR图像中提取出道路。
2. 如权利要求1所述的SAR图像中道路的提取方法，其特征在于，所述前期处理步骤包括对原始SAR图像进行直方图均衡处理；对经过均衡处理的SAR图像进行伽马变换；对经过伽马变换的SAR图像进行顶帽变换。
3. 如权利要求1所述的SAR图像中道路的提取方法，其特征在于，所述进行二值化的步 骤是利用0tsu阈值法实现。
4. 如权利要求1所述的SAR图像中道路的提取方法，其特征在于，所述进行数学形态 学滤波的步骤包括进行预处理和开运算，以去掉一些单点的噪声和填充一些单点的孔洞； 进行闭运算，以将图像中狭窄的缺口连接起来形成细长的弯口，并填充比结构元素小的洞； 填充孔洞；再进行开运算，以去除剩余噪点。
5. 如权利要求1所述的SAR图像中道路的提取方法，其特征在于，所述道路几何滤波至 少包括区域面积滤波、宽长比滤波。
6. 如权利要求1所述的SAR图像中道路的提取方法，其特征在于，所述Ca皿y算子处理 步骤包括使用带有指定标准偏差的O的高斯滤波器进行平滑，从而减少噪声；在每一点 处计算局部梯度和边缘方向，其中边缘方向上强度最大的点为边缘点；根据所述边缘点寻 找到脊，并不在脊顶部的像素设为零，然后对脊像素使用两个阈值进行阈值处理，以得到强 边缘像素和弱边缘像素；最后通过将8连接的弱像素集成到强像素，执行边缘链接。
7. 如权利要求1所述的SAR图像中道路的提取方法，其特征在于，所述Hough变换检测 道路的步骤包括将道路的边缘图像进行Hough变换；进行峰值检测；逆变换并进行道路边 缘线段的连接。
全文摘要
本发明提供了一种SAR图像中道路的提取方法，包括步骤对SAR图像进行前期处理，以调整其对比度及亮度；对经过前期处理的SAR图像进行二值化，以便后续进行滤波处理；对经过二值化后的SAR图像进行数学形态学滤波，使得SAR图像更加平滑干净；对经过数学形态学滤波后的SAR图像进行道路几何滤波，以去除虚警区域；对经过道路几何滤波后的SAR图像进行Canny算子处理，寻找道路的边缘；以及利用Hough变换检测道路，最终从SAR图像中提取出道路。经过上述各个步骤的处理，不仅能够将SAR图像中的道路区域提取出来，而且计算量较小，能够较快的处理SAR图像；可以比较快捷的提取主干道；基本自动提取，较少人工干预。
文档编号G01S13/90GK101714252SQ20091019944
公开日2010年5月26日 申请日期2009年11月26日 优先权日2009年11月26日
发明者陈智鹏 申请人:上海电机学院