８２ 福 建 电 脑 一种基于形态学操作的ＳＡＲ图像道路检测方法研究 黄 磊．孙 萍 （贵Ｉ Ｉ，ｌ师范大学数学与计算机科学学院贵州贵阳５５０００１） 【摘 要】：提出了一种基于形态学结构运算操作的ＳＡＲ图像道路检测方法。该方法首先进 行滤波去噪处理．经过实验对比分析得出各种滤波的优劣，再利用形态学操作对原始图像进行高 低帽图像增强处理．运用线性生长和区域填充方法进行线性提取，然后利用边缘检测算法检测目 标．利用连通域目标的面积和空间关系等特征去除少量误提道路特征，最后按照一定规则利用霍 夫变换进行自动道路检测 实验表明．新方法可以取得很好的效果。 【关键词】：ＳＡＲ图像；滤波处理；形态学操作；霍夫变换；道路检测 ０、引言 ￣１￣ＳＡＲ图像中的道路进行很好检测 １、ＳＡＲ图像滤波去噪 １．１去噪介绍 合成孔径雷达（ＳＡＲ—Ｓｙｎｔｈｅｔｉｃ Ａｐｅｒｔｕｒｅ Ｒａｄａｒ） 技术．是一种微波遥感技术．合成孔径雷达作为一 种利用微波进行感知的主动传感器，和光学、红外 ＳＡＲ图像是地物目标散射信号经相干处理后 对于分布目标，可能存在着大量的斑点噪 等传感器相比．合成孑Ｌ径雷达成像不受光照、天气 得到的．条件等影响．可以对感兴趣的目标进行全天候、全 声，这对后续工作如边缘检测、图像分割、地物分 天时、大面积、高分辨率的探测。这一特点使得 类、目标检测与识别等会造成一定的影响。所以， ＳＡＲ成为世界各国重要的探测手段．近年来．地理 抑制斑点噪声是对ＳＡＲ图像进行解译和应用的基 信息系统（Ｇｅｏｇｒａｐｈｉｃ Ｉｎｆｏｒｍａｔｉｏｎ Ｓｙｓｔｅｍ，ＧＩＳ）得到 础工作 目前斑点噪声的抑制技术主要可以分为 了飞速发展和广泛应用。道路信息是ＧＩＳ的基础， 两大类：即成像之前的多视处理技术和成像后的 因此道路提取的研究正成为ＧＩＳ领域的热点 滤波技术 １．２常见滤波及评价 本文分析比较了抑制ＳＡＲ图像斑点噪声的几 目前国内外有不少机构在进行遥感图像道路 信息提取的研究 目前已提出的算法主要有平行 线法、启发推理法、基于主动试验模型的方法 种经典算法 ．并用实验数据验证了不同滤波算法 等 由于ＳＡＲ图像线性特征受到斑点噪声的影响 对斑点噪声的抑制效果 得出Ｓｉｇｍａ滤波对ＳＡＲ图 比较大．道路情况各不相同，特征提取不尽人意。 像有很好的去噪结果 ＳＡＲ图像数据来源于Ｅｎｖｉｓａｔ．实验平台是 这些算法是道路提取研究过程中的重要成果并有 定的适用范围 这些算法在处理时不够理想．与 Ｍａｔｌａｂ７．１和Ｅｎｖｉ４．７．选取的图像区域城镇。对观测 ｏｓｔ滤波、 实际的应用要求还有一定的差距．主要表现在算 数据分别用了Ｌｅｅ滤波、增强Ｌｅｅ滤波、Ｆｒ一法的有效性以及识别效果上面还不尽人意．还有 增强Ｆｒ０ｓｔ滤波、Ｋｕａｎ滤波、Ｇａｍｍａ ＭＡＰ滤波以及 许多问题有待研究 小波Ｓｉｇｍａ滤波．并将各种算法处理结果进行比较 数学形态学是一种以图像的形态特征为研究 和分析ｆ图一１。图像的边缘、细小特征、点目标和纹 对象．对图像进行分析的数学工具 数学形态学的 理特征的保持主要通过目视检验来评价 图像滤 标准差、等效视数和 基本思想是用具有一定形态的结构元素去度量和 波效果的比较主要采用均值、提取图像中的对应形态以达到对图像分析和识别 边缘保持指数 的目的 本文依据数学形态学的边缘检测原理．对 帽变换．然后运用线性生长和区域填充方法进行 均值反映图像的平均灰度．即所含目标的平 标准差的大小表示图像信息量的多少 等效视数（ＥＮＬ）是衡量一幅图像相干斑点噪 经过滤波处理过的灰度图像进行开闭运算和高低 均后向散射系数 线性提取。最后利用霍夫变换进行道路检测 并给 出了各个阶段的仿真实验结果．结果表明．该方法 声相对强度的指标．反映滤波器的斑点抑制能力． ２０１３年第１期 福 建 电脑 形状的基本方法之一 Ｈｏｕｇｈ变换的基本原理在 刀 。 于利用点与线的对偶性．将原始图像空间的给定 的曲线通过曲线表达形式变为参数空间的一个 点 这样就把原始图像巾给定曲线的检测问题转 龟 ｍ ｜ ’ ０蹿ｑ疆 收气 扫 ０ 目 化为寻找参数空间中的峰值问题 也即把检测整 体特性转化为检测局部特性。比如直线、椭圆、圆、 弧线等。 Ｈｏｕｇｈ变换思想为：在原始图像坐标系下的 一个点对应了参数坐标系中的一条直线．同样参 数坐标系的一条直线对应了原始坐标系下的一个 点．然后，原始坐标系下呈现直线的所有点．它们 的斜率和截距是相同的．所以它们在参数坐标系 下对应于同一个点 这样在将原始坐标系下的各 个点投影到参数坐标系下之后．看参数坐标系下 图四霍夫变换检测道路实验结果 ４、结束语 由试验结果我们可以看出．本文算法能很好 有没有聚集点．这样的聚集点就对应了原始坐标 系下的直线。在实际应用中．即将ｖ＝ｋ冰ｘ＋ｂ形式的 地检Ｎ￣ＳＡＲ图像中道路，达到了预期马的 可以得 直线方程．转化为采用参数方程为ｐ＝ｘｅｃｏｓ（ｔｈｅｔａ１＋ 出本文算法的优点如下： ｖ术ｓｉｎ（ｔｈｅｔａ）的参数空间。这样，图像平面上的一个 ｆ１）算法定位精确，检测的道路边缘与原图叠 点就对应到参数Ｄ—ｔｈｅｔａ平面上的一条曲线上。 加很吻合： ３．２霍夫变换算法实现 ｆ２）检测的边缘不仅连续而且平滑：道路边缘 ｌ１参数空间中只有当计数器的值为局部峰值 效果不错 时．该点的坐标才有可能作为直线的参数．累加数 ｆ３１经过前期处理后得到的仅仅是线性特征的 组其他各点的坐标不能作为直线的参数看待：利 边缘 不存在伪边缘。 用内部函数ｈｏｕｇｈｐｅａｋｓ。本文经过反复试验．发现 但是本文算法仍需改进之处： 参数如下较好，程序如下：ｈｏｕｇｈｐｅａｋｓ ｆＨ，８， ｆ１）寻找适合处理多种图像的通用结构元素 集： ＂ｔｈｒｅｓｈｏｌｄ＇，ｃｅｉｌ（０－３木ｍａＤ（（Ｈ（：）））） ｆ２）在文中很多参数都是人工，半自动的智能 ２）参数ｔｈｅｔａ的取值范围为［ｏ，１８０￣］或［一 １８０￣，ＯＯ］，变换过程中ｔｈｅｔａ的离散间隔决定了识 识别．怎么才能根据不同情况自动进行参数设置 别的精度，但ｐ的步长不能过小，这样会引起参数 及自动识别 空间的峰值扩散．也会增大Ｈｏｕｇｈ变换的计算量： ｆ３）存在误识别，而且道路存在断裂，文中怎 本文采用参数Ｄ＝８： 么合适生长连接部分还是今后要研究的重点。 ３１对于宽度大于１个像素点的直线，正确地识 别不仅需要对Ｐ的取值．而且需要；￣ｔｈｅｔａ的取值加 参考文献： ［１】贾永红．数字图像处理【ＭＪ．武汉：武汉大学出版社， 以限制 ４１找直线。本文程序函数及参数如：ｌｉｎｅｓ＝ ２００９ ｈｏｕｇｈｌｉｎｅｓ（ｉｍｇ，ｔｈｅｔａ，ｒｈｏ，ｐ，＇ＦｉｌｌＧａｐ＇，２０，＇ＭｉｎＬｅｎｇｔｈ ， ４０）； 【２】刘洋．基于数学形态学方法的街道数据提取算法【ＪＪ．北 京测绘，２００７．３，５－８ ３．３仿真实验及提取效果图（如图四） 与应用，２００６．３０，８８－９１ ３．４结果分析 【４】崔屹．图像处理与分析一数学形态学方法及应用【Ｍ】．北 从图四道路提取实验中可以发现。在图像中 京：科学出版社．２０００ 道路识别效果准确率很好．基本上都识别出来了， 翟辉琴．基于数学形态学的遥感影像面状目标提取研 些大型建筑大部分都分离出来．但也有两条被 究『Ｄ１．信息工程大学硕士论文，２００５．６ ６】冈萨雷斯．数字图像处理【ＭＪ．北京：电子工业出版社， 误测。结果表明文中算法简单方便，易于操作。而 【一［３】魏伟波，芮筱亭．图像边缘检测方法研究Ｕ】．计算机工程 ２００５ 且识别效果很好 对以后道路和建筑物的分离研究也有重要启