计算机辅助设计与图形学学报
JOURNALOFCOMPUTER2AIDEDDESIGN&COMPUTERGRAPHICS
Vol117,No19Sep1,2005
彩色栅格交通地图图像中道路识别与提取
海 涛 鲍远律
(中国科学技术大学自动化系 合肥 230027)(taohai@ustc1edu)
摘要 在地图图像数学模型的基础上,根据地图中各类对象的颜色特征对地图图像进行规范化处理;在分析地图图像中噪声特征的基础上,利用噪声的自身特征和数学形态学的基本方法来消除地图图像中的噪声,以达到识别与提取完整的道路网络的目的1该方法对道路欠识别进行了处理,并以实例来验证其对道路网络识别与提取的过程及其效果1
关键词 模式识别;栅格地图;道路提取;颜色特征;噪声特征;灰度形态学中图法分类号 TP391141RecognitionandExtractionofRoadfromColorRasterTrafficMapImage
HaiTao BaoYuanlu
(DepartmentofAutomation,UniversityofScienceandTechnologyofChina,Hefei 230027)
Abstract Thispaperstudiesamethodontherecognitionandextractionofroadnetworkfromacolorrasterimageofcitytrafficmap1Basedonthemathematical,modelofthemapimage,accordingtotheob2jectcolorfeaturesonthecolormapimage,wefirstmakeanormalizationprocessingtotheimage1Thenthenoisecharacteristicsonthecolorrastermapareanalyzed1Byintegratingthenoisecharacteristicswiththegray2scalemorphology’soperator,aneffectivemethodisproposedinthepaper1Thismethodcanwipeoutthenoisesonthecolorrastermapimage1Thereby,therecognitionandextractionoftheroadnetworklayerfromthecolorrastercitytrafficmapimagecanbeimplemented1Anexampleisalsogiveninthepapertoshowtheeffectivenessoftherecognitionandextractionprocess1
Keywords patternrecognition;rastermap;roadextraction;colorfeature;noisecharacteristic;gray2scalemorphology
(1)基于地图拓扑结构的道路识别和提取;(2)基于
1 引 言
城市地图的信息识别是地理信息系统的基础,而道路的识别和提取是地理信息识别的重要组成部分1目前,人们已经对如何从彩色城市地图中识别和提取道路做了大量的研究,并且提出了许多方法;然而,对这些方法进行总结,不外乎以下三种[1]:
收稿日期:2004-04-26;修回日期:2004-09-06 基金项目:国家自然科学基金(60272040)
地图颜色特征的道路识别和提取;(3)结合以上两种
方法进行道路的识别和提取1基于方法(2)并结合灰度形态学的基本理论和噪声的自身特征,本文提出一种新的道路识别与提取的方法1
本文研究的地图来源于中国地质出版社出版的中国公路交通地图图册压缩光盘[2],并取部分彩色合肥市交通图(如图1所示)作为示例1
9期海 涛等:彩色栅格交通地图图像中道路识别与提取
2011
3 图像分割与规范化
图像分割是把图像分成若干个有意义的区域的
处理技术,它是图像分析和图像识别的基础1图像分析和图像识别处理输入的是图像,但是要求输出的是图像的描述1为了描述图像,首先要对图像进行分割1图像规范化是把图像中表示同一类对象用同一种方式来表示,其目的是为了更方便地对图像中的对象进行分析与识别1311 图像分割地图图像一般要根据对图像分析和识别的目的来进行分割1例如,要识别地图图像中水系就会很自然地把地图图像分成与水系相关的区域及和水系无关的区域1就交通地图图像来说,把图像分成道路和非路区域(简称为区域),文字和一些具有特殊含义的标志符号作为噪声分布在道路和非路区域上1噪声是影响道路识别与提取的主要因素,因此,可以把噪声作为一个独立的区域来处理1这样,很自然地把交通地图图像分割成三个区域:道路集R、非路区域集(简称区域集)A和噪声集N1
彩色交通地图图像是由具有位置和颜色特征的像素点阵构成的,一幅图像包含大量的像素1例如,一幅800×600的图像由48万个像素组成1若R,A和N都用像素位置特征来表示,则需要很大的存储空间,这显然是不可取的1从图1可以看到:地图图像中同一性质的对象的颜色相近,且构成道路和区域的颜色较少1因此,可以用地图图像的颜色特征来描述R,A和N1312 图像规范化
不同用途的道路在地图上一般采用不同的颜色表示;同样,区域也是用多种颜色表示1图像规范化的方法是:道路和区域分别用一种颜色表示1本文把道路归一化成白色,把区域归一化成灰色(RGB(168,168,168))1图1中,构成特殊含义的符号(如医院标志符号)的像素中包含了一些白色像素;同时,图像中也存在白色标示的道路1如果不消除符号标志中的白色像素,势必对道路的识别与提取造成不利的影响1因此,地图的规范化包含两部分:(1)去除地图中的白色符号;(2)道路和区域颜色规范化131211 消除白色符号
对于同一个地图集来说,同一种符号的大小一般相同,并且外表颜色大体一致;因此,采用模板匹配的方法来消除地图中的白色符号是比较自然的想法1模板匹配是模式识别中一个最原始、最基本的
图1 合肥市交通地图(部分)
2 地图图像的数学模型
数字图像在计算机中一般都是以点阵的形式存储的1对于一幅由RGB三基色构成的彩色图像来说,它是由一些具有RGB三基色特征的像素组成的1也就是说,在三基色RGB模型下,一幅彩色图像是组成图像的所有像素点的集合,并且集合中像素点的颜色是由RGB三基色调和而成1在三基色RGB模型下,地图图像数学模型可以表示为
t00t01…t0(n-1)
T=
t10
t11…
t1(n-1)
…
t(m-1)0…ω…t(m-1)1…t(m-1)(n-1)
;
其中,样本tij(0≤i≤m,0≤j≤n)代表地图图像中第i行第j列的像素点,m和n分别为整幅图像像素点阵的行、列数1在RGB模型的特征空间中,tij是一个三维向量tij=(b1(tij),b2(tij),b3(tij));其中,b1(tij),b2(tij)和b3(tij)分别表示像素tij颜色特征的RGB分量值1
在三基色RGB模型下,两种颜色c1和c2之间的差异程度可以通过它们之间的颜色距离Dclr(c1,c2)来描述1颜色距离计算公式[3]定义为
3
Dclr(c1,c2)=
k=1
∑w
k
(bk(c1)-bk(c2))21
其中,wk(k=1,2,3)为非线性空间的修正系数;b1(cl),b2(cl),b3(cl)为颜色cl(l=1,2)的RGB三种颜色分量值1
在数字图像处理中,经常用到灰度图像1例如,对图像作灰度形态学运算一般都采用灰度图像1彩色图像可以转化成灰度图像,常采用转化经验公式[4]
gray=0130×b1+0159×b2+0111×b31其中,gray为像素的灰度值,b1,b2,b3分别为该像素的RGB分量值1
2012
计算机辅助设计与图形学学报2005年
方法,它是一种统计识别方法1每一个模板与未知样品匹配与否,取决于模板上各单元与样品上各相应单元的匹配与否1若模板与样品上的绝大多数单元均相匹配,则称该模板与样品“匹配得好”;反之,
[5]
则称“匹配不好”1使用模板匹配来识别对象,其空间复杂度和时间复杂度都较高1因此,有必要对其进行改进1
地图中表示特殊含义的符号一般都具有一些明显的特征,如医院标志符号具有内白十字、外圈红色的特征,并且都分布在区域上1下面将根据符号的特征改进传统的模板匹配方法,并用该方法消除地图中的含白色像素的符号(以下简称为白色符号)1其改进方法和处理过程如下:
Step11根据白色符号的大小选择一个适当的方阵模板,
有元素作上述处理1处理结束后,置
R={r|r=(255,255,255)},A=a|a=(168,168,168)},N=R∩A1
4 噪声特征分析及消除方法
一幅地图图像T的子图像T1可以定义为
tkltk(l+1)…tk(l+d-1)
T1=
t(k+1)l
t(k+1)(l+1)…t(k+1)(l+d-1)
…
t(k+c-1)l…ω…t(k+c-1)(l+1)…t(k+c-1)(l+d-1)
1
如对于医院符号,可以采用19×19的矩阵作为模板1Step21从白色符号中提取几个具有代表性的特征点(对
于医院符号,可以选取5个特征点:白十字的中心点及和该点等距离的上下左右4个红色点),并且以每个特征点的颜色来初始化模板相应位置的颜色,模板其他位置的颜色为任意值(在处理过程中,不统计这些位置的值)1
Step31扫描整幅地图,对地图中的每个和模板等大小的
其中,c和d分别为T1的行列数,且0≤k≤m-c,
0≤l≤n-d(m,n分别为T的行列数)1
对于Πt∈T1且t∈N,如果c>0,d>0,则称T1为块状噪声;如果c=0,d≠0或c≠0,d=0,则称T1为线形噪声1在地图图像中,粘连文字和一些符号属于块状噪声,非粘连文字和对象间的分界线属于线形噪声1从图2可以看出,区域内同时存在块状噪声和线形噪声;而道路上的噪声主要是线形噪声1根据图像中噪声的特征,下面介绍消除噪声的方法1
若地图图像T的子图像T1是线形噪声,则c=0,d≠0或c≠0,d=01不妨设c=0,d≠0,对于0 对于T区域中的块状噪声,用下述方法消除:设α和β为较大的正整数,取T的子图像T1,并使c>α及d>β1若Πt∈T1且t|R,则t=a1 该方法不但能去除区域内的块状噪声,而且也能消除区域内的线形噪声1采用该方法对图2进行处理(取δ=5,α=β=15),其效果如图3所示1 矩阵块与模板作比较,如果矩阵块和模板匹配,则把矩阵块中的白色像素置换成灰色像素1用改进的模板匹配法来识别对象,大大降低了时间复杂度1例如,用传统的模板匹配法识别医院符号需要比较361次,而用改进的方法只需要比较5次1利用该方法对图1进行处理,其处理效果如图2所示1 图2 规范化效果图 31212 道路和区域颜色规范化 假设一幅地图图像T的道路集R和区域集A 中分别有m和n个元素,即R={rk|1≤k≤m},A={al|1≤l≤n}},并取一个较小的正数δ作为阈值1对于像素t∈T δ,则t=若min{Dclr(t,r1),…,Dclr(t,rm)}≤ (255,255,255); δ,则t=若min{Dclr(t,a1),…,Dclr(t,an)}≤ (168,168,168); 否则,t保持原值1 道路和区域颜色规范化,就是对地图集T的所 图3 利用噪声特征消除噪声的效果图 9期海 涛等:彩色栅格交通地图图像中道路识别与提取 2013 就是先对图像进行形态学膨胀操作,然后减去形态 5 灰度形态学 灰度形态学是数学形态学在灰度图像空间的推 广1数学形态学的数学基础和所用的语言是集合论,而灰度形态学的运算操作对象是图像函数1以下设f(x,y)是输入图像,b(x,y)是结构元素,它可以被看作是一个子图像1在地图图像处理中,常用的结构元素b有如图4所示三种形式1 学腐蚀所得的结果1 梯度法是图像锐化处理最常用的方法,利用梯度法能加强图像中比较尖锐的灰度过渡区1在图像轮廓上,像素的灰度有陡然变化,梯度值很大;在图像灰度变化平稳的区域,其梯度值较小;而在图像的等灰度区域,梯度值为零[9]1对图2进行灰度形态学运算,其处理效果如图5所示1 图4 灰度形态学结构元素本文中,形态学运算的结构元素均取自图4a, 取其他两种结构元素对地图图像进行形态学运算也能得到类似的结果1511 膨胀和腐蚀 膨胀是将与某物体接触的背景点合并到该物体的过程,它在填充图像分割后物体中的空洞时很有用;腐蚀是消除物体边界点的一个过程,它对从一幅分割图像中去除细小物体来说是非常有用的[627]1用结构元素b对输入图像f进行灰度腐蚀可定义为fΘb1用结构元素b对输入图像f进行灰度膨胀和腐蚀可分别定义为fb和fΘb,运算公式[8]分别为(fb)(s,t)=max{f(s-x,t-y)+b(x,y)},(fΘb)(s,t)=min{f(s+x,t+y)-b(x,y)}1其中位移参数(s-x)和(t-y)包含在函数f的定义域内,(x,y)包含在结构元素b的定义域内1512 开和闭运算 先腐蚀后膨胀的过程称为开运算,它具有消除细小物体、在纤细点处分离物理、在平滑较大物体的边界时不明显改变其面积的作用;而先膨胀后腐蚀的过程称为闭运算,它具有填充物体内细小空洞、连接邻近物体、在不明显改变物体面积的情况下平滑其边界的作用[627]1用结构元素b对输入图像f进行开运算,可定义为f.b,其运算公式[8]为 f.b=(fΘb)b1 类似地,闭运算可以定义为f・b,其运算公式为 f・b=(fb)Θb1513 形态学梯度及其应用 图5 梯度运算效果图 从图5可以看出,道路上的文字或噪声块边缘的像素的灰度值较大,而区域内文字或噪声块边缘 像素的灰度值则相对较小1这是由于道路像素的灰度值和道路上噪声像素的灰度值相差很大,而区域像素的灰度值和区域内噪声像素的灰度值相差相对较小1利用梯度运算的结果,可以消除道路上的部分噪声,但是不能用于消除区域内的噪声1这是因为道路上的噪声块内部像素经梯度运算后,其灰度值也可能比较小1用梯度运算结果消除道路上噪声的方法是:用梯度运算结果图中高灰度值像素的灰度值替换梯度运算前地图中相应像素的灰度值1 6 道路识别与提取过程 通过上面的讨论与分析,道路的识别与提取的方法已经了然于纸上1这里,只需作些总结并做一些补充说明1具体处理过程如下: Step11地图图像规范化处理1Step21用梯度消除道路上的噪声1Step31利用噪声特征消除噪声1Step41二值化、反色1 Step51运用形态学的开和闭处理进行平滑处理,以便去 除毛刺和道路内的细小空洞1 Step61细化并矢量化道路(在矢量化过程中进行断点连 接,以避免断路现象)1 膨胀和腐蚀处理常用于计算图像的形态梯度, 梯度用g表示[8],则g=(fb)-(fΘb)1即梯度 道路的断点一般成对出现,如果两个断点间的距离小于事先设定的阈值,则把这两个断点连接起 2014 计算机辅助设计与图形学学报 [2] 2005年 来1对本文的示例地图做前4步处理的效果如图6所示,再经后两步处理的效果图如图7所示1从图6可以看到,图像中存在很多毛刺,因此,有必要对其进行平滑处理以去除毛刺1另外,采用这种方法可能会产生道路欠识别导致断路现象,因此,在道路的矢量化过程中加入断点连接处理是非常必要的1 MapEditorsofGeologyPublishingHouse1AtlasofChineseRoad[M]1Beijing:GeologyPublishingHouse,2000(inChi2nese) (地质出版社地图编辑图1中国公路交通图册[M]1北京:地 质出版社,2000) [3] LiuLiping,BaoYuanlu1Roadextractionbasedonlabelingtotrafficcolormap[J]1JournalofComputerApplications,2004,24(2):73～75(inChinese) (刘丽萍,鲍远律1基于标签分类的道路提取算法[J]1计算机 应用,2004,24(2):73～75) [4] XiangShiming1VisualC++DigitalImageandGraphicPro2cessing[M]1Beijing:PublishingHouseofElectronicsIndustry,2002(inChinese) (向世明1VisualC++数字图像与图形处理[M]1北京:电子 工业出版社,2002) [5] ShenQing,TangLin1PatternRecognition[M]1Changsha:NationalUniversityofDefenseTechnologyPublishHouse,1991(inChinese) (沈 清,汤 霖1模式识别导论[M]1长沙:国防科学技术 图6 前4步的处理结果大学出版社,1991) [6] CuiYi1ImageProcessingandAnalysis—MathematicalMor2phologyMethodandApplication[M]1Beijing:SciencePress,2000(inChinese) (崔 屹1图像处理与分析—数学形态学方法及应用[M]1北 京,科学出版社,2000) [7] CastlemanKennethR,etal1DigitalImageProcessing[M]1EnglewoodCliffs:PrenticeHall,1996[8] GonzalezRafaelC,WintzPaul1DigitalImageProcessing[M]12nd1ReadingMA:AddisonWesleyCo1,1997[9] WangYaonan,LiShutao,MaoJianxu1ComputerImagePro2cessingandRecognitionTechnology[M]1Beijing:HigherEdu2cationPress,2000(inChinese) (王耀南,李树涛,毛建旭1计算机图像处理与识别技术[M]1北京:高等教育出版社,2000) 图7 细化并矢量化的效果图 7 总 结 在彩色城市交通地图图像中,利用图像中各类对象的颜色差异及其自身特征来识别与提取某些地理要素是一种比较自然的想法,也是地理信息识别中最常用的方法,并且这种方法不受地理要素形状的限制1再者,采用这种方法不需要太多的人工干预,效率也比较高1本文结合灰度形态学的基本方法对合肥市彩色交通地图进行处理,取得了良好的效果1 海 涛 男,1975年生,硕士研究生, 主要研究方向为图像处理与分析、模式识别与智能系统、交通矢量地图GIS、计算机应用1 鲍远律 男,1947年生,硕士,教授, 参 考 文 献 [1] YeJM,BaoYL,LiuAP1Roadextractionfromcolorcitymap[A]1In:Proceedingsof2002InternationalConferenceonControlandAutomation,Xiamen,20021260～264 主要研究方向为控制理论与系统集成、全球定位系统应用、交通矢量地图GIS、移动目标监控专用数字通信1 因篇幅问题不能全部显示，请点此查看更多更全内容