改扩建道路DLG辅助算法

导语：改扩建道路DLG辅助算法一文来源于网友上传，不代表本站观点，若需要原创文章可咨询客服老师，欢迎参考。

随着计算机技术的日臻成熟和遥感技术的飞速发展，遥感影像记录的大量地表信息是更新GIS最主要、最有效的数据来源［1］。道路网数据的更新是GIS空间数据更新的重要组成部分，其快速提取、更新技术的研究成为当前的重要课题。20世纪70年代中期，国内外就开展了大量关于直接从遥感影像中提取道路信息的研究工作，但是到目前为止，该技术在完整性和正确性方面尚未取得令人满意的成果。QuickBird等高分辨率影像的商业化使用，为利用遥感影像快速更新地图，实现变化检测［2］提供了可能。为更方便准确地从遥感影像中识别道路，本文拟研究基于旧有的栅格化DLG和最新精确配准的遥感影像图，提取遥感影像中发生延伸及拓宽道路的新算法，实现DLG的快速更新。

1道路提取前的准备工作

1.1数据格式转换与配准

整个道路提取算法是在MATLAB环境下运行的，需将DLG与遥感影像转化为MATLAB可以读取的格式。遥感影像为金字塔格式，利用ArcGIS软件对其做适当处理，并将DLG中的道路边缘线图层栅格化［3］，以文本文档的格式输出。在栅格化DLG的过程中，设置边缘线的颜色属性为黑白渐变色，使得每条线都具有唯一的灰度值，以便利用DLG中的道路信息作为先验数据。由于格式的转化，两者失去了地理坐标信息，需要将其重新配准，可以选择线性正投影、仿射变换、投影变换等几种方法。

1.2道路边缘线提取并截断

如图1(a)(b)所示，矩形框所包围的道路边缘线上各点具有统一的编号12121。由之前的操作可知，该线属于同一道路的边缘，显而易见，无法将其视为一条直线。本文所提出的方法适用于处理近似直线的道路线边缘，因此，利用唯一灰度值信息自动提取出边缘线段后，需使用曲线离散化［4］的方法将其截断为短直线，直至打断后的每段边缘线都接近于直线为止，图1(c)为截断边缘线的示意图。截断后，斜率小于1的直线段定义为近水平道路边缘线，并存放在近水平道路边缘线数组中，其他道路线存放在近竖直道路边缘线数组中。

1.3线对的匹配

两条源于同一条道路双边缘的短直线包围着一段平直的道路，寻找这样一对短直线的过程称为线对匹配［5，6］。设两条短直线为l1，l2，线段长度l1＞l2，l1与l2匹配需满足以下条件:①基本平行;②距离在最小道路宽度和最大道路宽度之间;③平移l2至l1处，重叠度不小于阈值70%;④满足前三个条件的情况下，l1与l2距离最近。线对的匹配在近水平及近竖直道路边缘线数组中分别进行，流程基本相同。匹配前，将所有线段按长度排序，依次选择现有最短的道路边缘线作为当前匹配线段，若匹配成功则置空当前线段，防止重复匹配。细化匹配成功的双边缘线对的类别为水平道路上边缘、水平道路下边缘，竖直道路左边缘、竖直道路右边缘，线对明确的相对位置关系能够有效地提高后续实验的运算效率。

2改扩建道路的提取及更新

道路为典型的线状地物，其特征可归纳为辐射、几何、拓扑、功能以及关联和上下文约束［7］等。由于利用dlg数据作为先验信息，道路提取成果的可靠性得到显著提高，在道路的提取过程中，主要依据道路均匀带状分布的几何特性及灰度辐射特性，采用了一种易实现但非常有效的判断方法，即是边缘线灰度梯度均值最大法［8］。将道路边缘线两侧像素灰度差值的平均值作为该线的灰度梯度均值，沿竖直方向移动近水平的道路边缘线，沿水平方向移动近竖直的道路边缘线，以平移到每个位置的灰度梯度均值作为判定该位置是否为边缘线的指标。在提取出拓宽及延伸的道路边缘线后，即将更新后的栅格地图转化为文本文件输出。随后，使用ArcGIS软件进行栅格地图的矢量化操作，重新生成CAD图像，以替换原有图层。DLG的更新为分层处理，处理了主要道路边缘线图层后，其他道路边缘线图层的处理可以此作为参照。

2.1判断道路边缘是否拓宽

对于水平道路段而言，上边缘线以上和下边缘线以下是道路的外部;类似地，左边缘线的左侧和右边缘线的右侧是竖直道路的外部。将边缘线向道路外侧平移距离d1，接着向道路内部平移距离d2，其中，d1＞2d2，在此范围内寻找平均灰度梯度t(k)的最大值tmax(k)，记录tmax(k)对应边缘线距原有边缘线的格网单位值k。设平均灰度梯度的阈值为tmax，道路拓宽阈值为kmax，判断道路是否拓宽的准则包括:①tmax(k)≥tmax＆k≤kmax，产生最大平均灰度梯度的直线距原有道路边缘线很近，认定道路没有发生变化;②tmax(k)≥tmax＆k＞kmax，判断道路拓宽;③tmax(k)＜tmax，在整个平移过程中，无明显边缘特征存在，认为道路很有可能消失。

2.2提取延伸道路

延伸道路的提取是在道路拓宽判断后进行的，以防道路存在拓宽并延伸的现象。通常情况下，拓宽判断的前提是要保证相邻两条平行道路的间隔超过各自路面的宽度。另外，道路双边缘线沿同一方向延伸时，道路才判定为延伸。近水平与近竖直道路边缘线的延伸过程类似，以竖直道路的延伸为例，提取步骤如下。(1)利用道路边缘线截断前栅格化的DLG，寻找不靠近图像边界的悬挂点，其所在线段即为可能延伸的道路边缘线。(2)根据每条边缘线唯一的灰度值信息，寻找经拓宽判断后对应的可能延伸的边缘线对及悬挂点。通过悬挂点与所在线段的相对位置关系，确定该线对可能延伸的方向。(3)依次取出一对悬挂点，沿(2)中方向延伸n个格网单位，即悬挂节点的线段端点行号逐次加1或减1，通过拟合该悬挂点所在边缘线得到的直线方程求出列号。长度为n的延伸边缘线对与原有的道路连接，形成新的道路边缘线对。(4)将新的道路边缘线对向道路的内部、外部各平移d2。在该范围内，若平均灰度梯度最大值tmax(k)≥tmax，判断延伸的道路存在，将原道路边缘线的灰度值赋给延伸的道路边缘线，重复步骤(3)，直至新延伸的道路不存在或超出图幅为止;若tmax(k)＜tmax，判断道路并未延伸，运算停止。

3实验

本文的研究重点为城市的主要干道。旧有的DLG中，实验所需的干道边缘线图层标识为R;所需的遥感影像为两幅QuickBird影像，目视观察道路清晰连续，遮挡相对较少。实验区内，道路分布均匀，宽度变化在60个格网单位内，若直接使用经典的道路提取方法对其处理，将受到某些不可预见的干扰，如人行道与绿化带形成一条具有较大平均灰度梯度的边缘线，很难得到精确的边缘位置。本节将通过实验，论证一种可靠性更强、效率更高的新算法，以解决现有提取方法的不足。根据影像上道路的特点，通过大量的实验调节参数，最终选取d1=9，d2=4，tmax=25，kmax=4，n=5。

3.1提取拓宽道路

图2为第一幅实验影像，用以展示新方法检测拓宽道路的效果，图3是对图2中两窗口进行局部放大的效果。两图中，黄色线代表原竖直线对，红色线为原水平线对，蓝色线代表拓宽后道路边缘线，绿色线代表未处理的道路边缘线。实验结果显示，新算法准确地找到拓宽道路，达到了预期效果。图2拓宽道路全局图图3(b)所示的绿色线段是道路转弯处的连接图3拓宽道路实验局部图线，由于连接线不存在对应的匹配线对，本文的算法还无法对其进行处理，需要进一步改进。

3.2提取延伸道路

第二幅实验影像见图4，用于展示新方法检测延伸道路的效果，图5为图4中两窗口局部放大的效果。绿色线代表道路边缘线端点为图像边缘点或非悬挂节点，在程序运行时未对其进行处理，红色线代表可能延伸的水平线，黄色线代表可能延伸的竖直线，蓝色线代表延伸道路边缘线。实验结果显示，新算法准确地找到了延伸道路的边缘线。

3.3更新地形图

对道路边缘线拓宽、延伸等情况进行提取研究的最终目的为DLG的更新。图6(a)(b)为延伸实验更新前后的道路DLG。经对比，可观察道路明显延伸。

4结论

地形图的更新是一项繁重的系统工程，涉及很多理论和实际问题，其中，对于空间数据的变化检测是一个非常重要但难于解决的问题。目前，大多数利用遥感影像更新DLG的实际操作，都是利用目视检验的方法，而自动更新DLG的研究，也大多停留在像素级的水平。本文使用旧有的DLG作为验信息，结合最新的遥感影像，实现了DLG中改扩建道路信息的更新，在保证精度的前提下，提高了道路提取的效率和可靠性。