出版日期: 2017-09-25
点击次数:
下载次数:
DOI: 10.11834/jrs.20176422
2017 | Volumn21 | Number 5
上一篇  |  下一篇


遥感应用 
数学形态学与拓扑约束支持的单条河流骨架线提取
expand article info 孟令奎1,2 , 李珏1 , 王锐1 , 张文1
1. 武汉大学 遥感信息工程学院,武汉 430079
2. 地球空间信息技术协同创新中心,武汉 430079

摘要

为解决当前遥感手段提取河流骨架线自动化程度不高、精度有限、易发生断裂等问题,提出一种基于数学形态学与拓扑约束理论的完整单条河流骨架线自动化提取方法。该法综合利用归一化水体指数(NDWI)和数学形态学方法提取遥感影像中的河流及河流初始骨架线;从河流初始骨架线二值图中获取断点,并自动计算膨胀系数,利用局部膨胀细化法进行连接;结合拓扑约束,利用初始骨架线对连接线进行去伪操作。结果表明,该方法能有效解决细小、易发生断裂的单条河流的完整骨架线自动提取的难题。

关键词

数学形态学, 拓扑约束, 河流骨架线, 断线连接

Single river skeleton extraction method based on mathematical morphology and topology constraints
expand article info MENG Lingkui1,2 , LI Jue1 , WANG Rui1 , ZHANG Wen1
1.School of Remote Sensing and Information Engineering, Wuhan University, Wuhan 430079, China
2.Collaborative Innovation Center of Geospatial Technology, Wuhan 430079, China

Abstract

Automatically extracting skeleton lines from river features with high resolution remotely-sensed images can be of extremely significance for applications such as hydrological monitoring, land and ship transportation planning. The fractures of river skeleton lines cause a main concern about accurately extracting them from relative smaller river features in an integrated manner. Many scholars have investigated different methods to solve the fracture problems in road extraction, but rivers are wider and more irregular, so those methods are hard to use to connect fractures of river skeleton lines. By combining mathematical morphology and topology theories, this paper proposes a novel method to overcome the issue. The method works as follows. First, rivers are extracted by using a Normalized Difference Water Index (NDWI) combining with the closing operation of mathematical morphology to eliminate fractures caused by bridges and holes caused by ships and small islands as much as possible. Second, the Initial Skeleton Lines (ISLs) are extracted by Rosenfeld Algorithm. Third, the broken points of these ISLs are obtained by leveraging the binary-image of the ISLs, and then the Broken Point Pairs (BPPs) are connected by using an adaptive dilation-thinning algorithm. Finally, the fake connections are removed by using a fake connection removing algorithm, which uses the topology relationship between BPPs and the skeleton lines of rivers. The results show that the proposed method can be applicable to extract integrate skeleton lines for single rivers that are usually extracted with fractures. To a single river, especially in flat terrain, the skeleton lines extracted by the proposed method are more consistent to the practical situation than the river network extracted from DEM by Arc Hydro Tool using of shapes and positions. The fracture problem can be solved by adaptive dilation-thinning algorithm, which can find the most adaptive dilation factor to images. The accuracy of fracture connection was up to 85%. Skeleton lines of rivers extracted by the proposed method are highly consistent to the practical situation. To solve the fracture problem, an adaptive dilation-thinning algorithm was proposed, which overcomes the shortcoming of the min pair of breakpoints method that the operating rate is low while the error rate is high when dealing with large images, and also overcomes the shortcoming of traditional dilation-thinning method that deformation happens when dealing with long fractures. Removing the fake connections operation according to topology constraints greatly reduces the connection error rate. The method will provide a new idea for extracting natural linear features from remotely-sensed images.

Key words

mathematical morphology, topology constraints, river skeleton, fracture connection

1 引 言

河流是沿着狭长凹地流动的水流,河流骨架线是对某一条河流的抽象描述,通常指位于河流中心的曲线,能体现河流的线状特性,反映其位置、形状、长度等,从而为水利监测、土地规划、船舶运输等行业提供基础参考数据,意义重大。中国幅员辽阔,地形复杂,水系众多,依靠遥感技术对河流骨架线提取能有效降低人工勾画的工作量,缩短数据获取周期,提供更全面的水系数据,且更能保证骨架线位于河流中心位置。目前利用遥感技术提取河流骨架线,常常会发生断裂,需要人工连接修正,精度难以保证,自动化程度相对较低。

河流线特征提取通常有基于高程和基于水体多边形两种主流方法。基于高程提取河流线特征主要应用于河网提取(Zheng 等,2015Tribe,1992Jasiewicz和Metz,2011沈中原 等,2009),实质上是模拟水受重力作用往下流的物理特性,更多地关注于地表水系间的网络关系。基于多边形提取多边形骨架线(Dey和Bhattacharya,2014)是提取河流、道路等狭长型地物骨架线的主流方法,该方法以遥感影像为数据源,首先提取地物,再对其提取骨架线,提取出来的骨架线是严格的中轴线。对于单条河流而言,理想情况下,河网线应该与河流骨架线重合,但在实际中,受地形复杂性影响,河网线往往无法像骨架线一样,严格保证位于河流的中心位置。这样的精度对于一个地区的河网而言,是可以接受的,但是对于单条河流的几何特征的表达,骨架线则更为精准。

在河流骨架线提取过程中,由于水体提取时漏提现象无法避免,特别在细小河流处极易导致河流骨架线断裂。断裂问题是阻碍河流骨架线正确且自动化提取的关键。河流所在影像通常范围较大,干扰性断点很多,且断裂长短不一,河流走向复杂,为连接带来了巨大困难。目前连接断裂线的基础方法有最小点对法(Davies,1990)和膨胀细化法,这两种方法均对小距离的断裂连接较为有效,但在图幅较大、断裂多样的遥感影像上往往不适用。针对遥感影像的狭长地物断裂问题,傅罡等人(2014)提出了一种曲折道路遥感影像圆投影匹配改进追踪算法;周绍光等人(2014)提出了形状先验和图割的高分辨率遥感影像道路段提取算法;Liu等人(2016)提出了一种基于方向片段和道路概率的道路中心线提取算法;Maboudi等人(2016)提出了一种基于上下文感知对象功能和张量投票算法的道路网提取方法,这些方法在解决道路提取断裂连接的问题上都取得较好效果,但人工地物通常形状规则,因此设定的连接规则往往难以应用于河流。李辉等人(2011)利用数学形态学对遥感影像水系进行提取,通过对提取水体进行膨胀腐蚀等操作,使水系完整,从而可提取水系连续的骨架线,该方法从保证河流提取完整性的角度出发,实现连续骨架线的提取,然而这种方法只适合消除因人工地物遮挡造成的短距离水系断裂,依旧无法解决细小河流由于光谱特征不明显造成的较长距离断裂。针对以上问题,本文以GF-1号卫星16 m多光谱影像为数据源,首先对影像进行河流提取,接着提取河流初始骨架线,再结合数学形态学方法和拓扑约束对断裂的骨架线进行连接,从而实现对完整单条河流骨架线的提取。

2 数学形态学与拓扑约束支持的单条河流骨架线提取

基于水体多边形对河流骨架线提取的典型思路是首先对水体进行提取,然后对提取结果进行细化(李辉 等,2011)。但由于水体提取难以保证提取出完整的河流,特别是细小河流,导致提取出的河流骨架线也经常发生断裂,自动化程度受到限制。为实现河流骨架线的自动化提取,本文在提取好初始骨架线后,利用数学形态学与拓扑约束对遥感影像进行处理,自动提取出连续、完整的河流骨架线,流程图如图1

图 1 河流骨架线断裂连接流程图
Fig. 1 Process of river skeleton line fracture connection

2.1 结合NDWI与数学形态学的河流提取

河流提取的实质是水体提取。目前针对水体提取(Feyisadeng,2014姜浩 等,2014孟令奎 等,2015)的研究较多,根据GF-1号16 m多光谱影像只包括红、绿、蓝3个可见光波段和1个近红外波段的特点,本文采用归一化水体指数NDWI(McFeeters,1996)进行水体提取,计算方法为

${\bf{NDWI}} = \frac{{p\left( {\rm{Green}} \right) - p\left( {\rm{NIR}} \right)}}{{p\left( {\rm{Green}} \right) + p\left( {\rm{NIR}} \right)}}$ (1)

式中,p(Green)为绿波段的光谱反射率,p(NIR)为近红外波段的光谱反射率。

由于船舶、桥梁及其他噪声等因素干扰,利用NDWI得到的水体提取结果会出现岛或断裂等情况(李辉 等,2011),这对河流的连通性和完整性会带来一定影响。闭运算(膨胀—腐蚀)是数学形态学中常用的用于消除多边形中的洞和短距离断裂的方法,通过膨胀,将与多边接触的像元变为多边形像元,再通过腐蚀,令多边形恢复其原本形状,在此过程中,已填补的洞和连接的邻近多边形的特征将会被保留,因此,利用小范围闭运算能有效消除大多数此类情况下的水体不完整现象。其中,闭运算定义为

${Y} = \left( {{A} \oplus {B}} \right) \ominus {B}$ (2)

式中,A为图像,B为膨胀、腐蚀模板, $ \oplus$ 为膨胀运算, $\ominus$ 为腐蚀运算。

2.2 河流初始骨架线获取

对河流初始骨架线的获取实质上是对河流的细化,根据目前多种细化算法特点(彭艺,2008),选择Rosenfeld算法(Stefanelli和Rosenfeld,1971)对水体提取结果进行细化。Rosenfeld算法是一种并行细化算法,从地物边界开始,按照一定的细化规则,对面状图形边界逐层剥除,直到只剩下面状图形的骨架,该方法能较好地保留骨架连通性,并保持骨架线的单像素性,每个像元的八邻域中最多存在3个骨架像元,对于计算骨架线长度十分有利。Rosenfeld算法从上、下、左、右4个方向腐蚀图像边界,保留像元必须依次满足如下条件:

(1) 将边界像元八邻域套入图2模板,其中×为0或1,若符合,则进行(2);

图 2 Rosenfeld算法模板一
Fig. 2 Rosenfeld template No. 1

(2) 将符合(1)的像元的八邻域套入图3模板,其中×为0或1,所有为●的像元值之和大于等于1,符合任何一个模板,则保留,否则,删除。

图 3 Rosenfeld算法模板二
Fig. 3 Rosenfeld template No. 2

利用Rosenfeld算法获取的河流初始骨架线,能保证其位置一定位于提取出来的河流多边形的中心位置。

2.3 河流骨架断线连接方法

细小河流提取结果出现断裂现象无法避免,这会严重影响骨架线的完整性,也是阻碍河流骨架线自动化提取的关键所在。本文针对河流骨架线的特殊性,提出了一种数学形态学和拓扑关系支持下的河流骨架线连接方法。

本方法从河流骨架线的断点出发进行连接,首先利用数学形态学提取河流初始骨架线的断点,并对断点进行膨胀细化等连接处理,将可能产生的变形限制在断点附近,再利用河流初始骨架线和连接线的拓扑关系切割、去除变形和错误的连接线。

(1) 河流初始骨架线断点提取

对于河流骨架线的0—1二值图,河流骨架线像元值为1,背景像元为0,根据骨架像元八邻域值对骨架像元进行统计分类,提取河流骨架线断点,如式

$S\! D{N_i} = \mathop \sum \limits_{j \in {I}} D{N_j}$ (3)

式中,SDNi为统计后影像中像元i的的值,I为像元i的八邻域,DNj为统计前影像中i的八邻域中像元j的的值。统计结果如图4,端点值为1,普通骨架线点值为2,分叉点值为3。由于提取的初始骨架为严格的单像素骨架,因此统计值不可能超过3。统计后的结果不但将骨架像元分类,并且去除了孤立点,有效避免了孤立点对骨架线连接造成的影响。

图 4 骨架像元统计示例
Fig. 4 Statistics of river skeleton line pixels

(2) 计算膨胀系数

将所有端点(即统计值为1的点)当成骨架线断点,对其进行膨胀,若选择模板为3×3的矩形,则膨胀范围内的断点会相互连通,从而建立断点间的关系。

在此方法中,膨胀系数的选择是关键,合适的膨胀系数有利于提高连接正确率并缩短连接时间。本文根据最小点对法的思想,对影像的情况进行距离统计分析,获取膨胀系数,流程如下:

1) 寻找距离各断点最近的其他断点,记两者之间距离的1/2为dist。对河流影像而言,断点的出现主要是因河流断裂造成的,寻找到的最近断点虽然不一定与本断点匹配,但是所有断点的dist值可总体反映图中断裂长度。由于膨胀过程是两个端点共同进行的,因此dist值应取两点距离的1/2;

2) 对所有dist值进行整十范围统计。在实际计算中,dist值通常包括小数,一般不会规律地出现重合的情况,但会在一定范围内聚集,选择一个值来表示这个范围,有利于统计dist值的分布,以整十数为范围界限,并用进一法将dist保留至十位。一方面,当以此值作为膨胀系数时,能将该范围内的所有端点包含在内;另一方面,间隔范围适中,聚集特征明显。统计结果如图5

3) 取发生陡降的值作为膨胀系数Scale。统计发现,端点dist值有如图5的规律,dist值越大,端点数量越少,且会在某个值发生陡降,以这个值作为膨胀系数Scale,能尽可能地包含断点,并减少错误连接。

图 5 端点膨胀系数统计图
Fig. 5 Statistics of dilation scale of endpoints

(3) 断点膨胀细化

图6为断裂骨架的连接原理。在断点处膨胀T次(图6(a)),所得的膨胀区域进行Rosenfeld细化,即可获得端点间的连接线(图6(b))。该方法在不改变整体骨架形状前提下对断线进行连接,由于是细化获得的连接线,与初始骨架断裂的位置契合度较高,且当一段河段断裂密集时,连接准确性较高。

图 6 断裂骨架连接原理
Fig. 6 Connection of single river skeleton line fracture

(4) 去伪连接线算法

目前,大多数断线连接的方法着重考虑的是如何相连,然而在较大尺度的河流骨架线连接过程中,由于河流骨架线形状不规则,不确定性强,错误连接和连接线变形几乎无法避免,因此去伪是必不可少的。

根据河流的形态特征,河流不会穿过河流本身内部,违反这一规则的连接线,均为伪连接线,应当去除。在栅格图像中,这一规则表现为河流初始骨架线与连接线在拓扑关系上的相交。如图7为河流初始骨架线和连接线可能的相交类型,实线为河流初始骨架线,虚线为连接线。图7(a)图7(b)为“穿过河流本身内部”的情况,由连接错误和局部变形造成,是去伪操作的主要对象;图7(c)为正确连接的情况。

图 7 河流初始骨架线与连接线相交类型
Fig. 7 Type of intersection of initial river skeleton lines and connection lines

将所有连接线视为一个集合XX={X1X2},其中X1为正确连接线集合(图7(c)),X2为穿过河流骨架线内部像元的连接线集合(图7(a)图7(b)),即X2集合中的连接线应当去除,流程如下:

1) 用初始骨架线切断连接线,将满足切断条件的点j赋值为0,变为背景像元,即切断。切断连接线的条件为

$\left\{ {\begin{array}{*{20}{c}}{D{N_i} = 2\;or\;3}\\[8pt]{{x_j} = 1,\;\;\;\;\;\;\;j \in {I}'}\\[10pt]{\forall D{N_k} \ne 1,\;k \in {J}'}\end{array}} \right.$ (4)

式中,DNi为骨架像元i的值,I'i的八邻域与i本身的集合,jI'中的像元,如果j为连接线像元,则值xj=1,J'j的八邻域与j本身集合,kJ'中的像元。即如果骨架像元i不为断点,其八邻域中有连接线像元j,或其自身为连接线像元,且该连接线像元的八邻域中不存在初始骨架线断点,其自身也不为初始骨架线端点,则将该连接线像元及其八邻域内的连接线像元删除。最后一个条件是为避免正确连接线一端距离骨架线断点过近,导致骨架线断点附近的骨架像元错误切断了连接线。流程示意图如图8,黑色实线为河流初始骨架线,黑色虚线为连接线,图8(c)中的点A为切断点。

2) 对连接线进行本节(1)中所述的像元统计分类,利用连接线的切断点像元定位伪连接线,进行跟踪去除,判断连接线切断点的判断条件为

$\left\{ {\begin{array}{*{20}{c}}{{x_i} = 1}\\[6pt]{\forall D{N_j} = 0,j \in {I}'}\end{array}} \right.$ (5)

即当前点为连接线端点,且其八邻域内包括自身都不为初始骨架像元。从切断点开始跟踪并删除连接线像元,跟踪方向如图8(c)中箭头,直到跟踪结束,则伪连接线去除完毕,跟踪结束的判断条件为

${x_i} = 1\;or\;D{N_j} = 1,\;j \in {I}'$ (6)

即当像元i为连接线端点或八邻域内包括自身存在初始骨架线端点,如图8(c)中的点B和点C,则停止,此时保留的连接线为X1中的连接线。

3) 跟踪剩余连接线,保留两个骨架断点间的部分,即完成连接。

图 8 去伪示例
Fig. 8 Removing the errors

3 实验与分析

实验通过编程实现,编程平台为VS2010,编程语言为C语言。实验数据采用16 m分辨率GF-1号卫星影像。

3.1 河流骨架线提取效果

以澧水河段为例(图9(a)),此河段形状复杂,湖心岛众多,且处于城市中。NDWI在分离城市水体时比较困难,要想将城市剔除,必然导致水体提取断裂严重(图9(b)),这种类型的断裂无法通过小范围地对水体进行膨胀腐蚀消除。在此基础上进行河流骨架线提取,易致河流骨架线断裂。如图9(c),图中出现了断裂距离较长的无分支骨架和河流骨架有分支导致多断点聚集的情况。通过对骨架断裂距离的统计,此处选择20作为膨胀系数,在断点处进行膨胀(图9(d)),断裂部分都得以连接,有分支的骨架断裂处,虽然断点聚集,但由于计算出的膨胀系数合理,不应相连的部分并没有被连接。对膨胀区域细化后,河流骨架线断裂的部分都被连接起来(图9(e)),但由于某些骨架线断裂密集,导致同一段骨架线首尾被连接起来,其形状与原始骨架线并不贴合,即连接线变形,应当删除。利用去伪连接线的方法解决去除变形的连接线,结果如图9(f),可见变形连接线完全被去除,而正确连接的部分被留下。从最终结果可看出,本方法提取出的河流骨架线位置正确,断裂处连接结果形状自然,去伪后消除了连接线的变形部分,保持了初始骨架线的形状。

图 9 河流骨架连接示例
Fig. 9 Example of connection of river skeleton line fracture

对于光谱特征明显,河流较粗且无分支的河流,以黄河包头水源地(图10(a))和第二松花江水源地(图10(b))为例,对河流连通性影响较大的往往是桥梁、岛屿等地物,采取仅提取初始骨架线的方法即可获得连续无断裂的河流骨架线。在监测全国河流型水源地保护区项目中,保护区范围主要通过河流的长度与宽度确定,其中,河流长度由河流骨架线长度确定。如图10是断裂骨架线连接应用的案例,黑线为现有的1∶100万河流矢量水系轴线,可见某些河段的水系轴线位置有所偏移,甚至偏移到了河流外。红线为本方法提取结果,从图中可看出,本方法提取河流骨架线更能反映河流的位置和长度的真实情况,且避免了光谱影像提取中心线发生断裂的不足,保证了骨架线的完整性。

图 10 断裂骨架线连接
Fig. 10 Application cases of connection of river skeleton line fracture

3.2 与DEM河网的对比分析

细小的河流往往没有官方可参考对比的矢量线数据,本文用Arc Hydro工具(曾红伟 等,2011)的河流分析功能对DEM提取河网线,与本文方法的提取效果进行对比。Arc Hydro工具提供了一整套的DEM提取、分析河网的方法,但由于这里主要讨论的是单条河流线特征的比较,因此仅对DEM河网栅格计算结果与本文提出的河流骨架线结果进行对比分析。

其中,DEM为16 m分辨率的数据,由地理空间数据云发布的30 m分辨率DEM经双线性内插重采样后获得。利用Arc Hydro工具进行填洼、计算流向流量、水流定义等操作,相关参数采用默认值,获得的河网线如图11中白色线。红色线为根据影像提取得到的骨架线。图11(a)中,河流位于山谷地区,DEM河网线与提取的骨架线形状和位置基本一致,但在精度上,显然河流骨架线与实际河流情况更为吻合,而在图11(b)图11(c)中,由于河流位于较为平坦的城区,DEM河网线的形状、方向等都与实际影像情况有较大差别。

在针对本方法中断裂连接的问题上,图11(c)中河段断裂严重,需要进行连接,然而与该处距离最近的河网线却难以反映河流趋势,河网的方向性依据反而对河流的连接造成了干扰。实际影像中此类情况繁多,若利用DEM河网线趋势判断河流骨架线是否应该连接,反而会使连接后的骨架线正确率降低。相比之下,本文利用数学形态学与拓扑关系支持,更为科学有效。

图 11 与DEM分析河网的对比
Fig. 11 Comparison with river network extracted from DEM

3.3 膨胀系数分析

为验证本文计算膨胀系数方法的有效性,本节分别取膨胀系数T为10、20、30、40进行连接,图12为连接结果,其中通过统计断裂距离得到的膨胀系数T为20,图5(b)为统计曲线。可见膨胀系数取10时,能连接的断裂部分较少,大量断裂距离超过10的骨架线无法得到连接。膨胀系数取20时,由于适应骨架线的大部分断裂情况,因此多数断裂部分得到正确连接。膨胀系数大于20时,产生了3种情况:(1)断裂线依旧可以正确连接;(2)断裂线在正确连接的同时,发生一定变形,需通过后期去伪操作;(3)连接线连接完全错误。这说明断裂距离小于膨胀系数时,本方法能进行有效连接,但膨胀系数选择过大时,可能反而会影响连接效果。因此,为减少完全错误的情况,在尽可能多的包含断裂距离的同时,应尽可能地选择较小的膨胀系数。本文提及的膨胀系数T选择方法正是运用了这种思想,从而能有效提高骨架线连接的正确率。

图 12 取不同膨胀系数时连接效果
Fig. 12 Results of connection in different dilation scale

3.4 断线连接效果分析

表1展现了3个澧水河段中,河流初始骨架线断点连接情况的统计与分析。参照数据通过目视解译获得(膨胀系数通过统计计算获得),无分支断裂断点比例为所有应连断点对中无分支骨架线断裂断点对的比例,端点总数为图像中所有的端点,应连断点对数以两个应该相连的断点为1对;正确连接对数为实际正确连接的断点对数;漏连对数为应该相连却未被连接的断点对数;正确率为正确连接对数/应连接对数,漏连率为漏连对数/应连端点对数。

表 1 断点连接情况统计表
Table 1 Statistical table of connection

下载CSV 
连接河段 膨胀系数 无分支断裂断点比例/% 端点总数 应连断点对数 正确连接对数 漏连对数 正确率/% 漏连率/%
澧水河段1 30 90.0 68 10 9 1 90.0 10.0
澧水河段2 20 95.7 108 23 21 2 91.3 8.7
澧水河段3 20 80.0 110 15 13 2 86.7 13.3

表1中可见,利用本方法连接断裂骨架线,当应连断点对数的两倍与端点总数的比值大于25%,无分支骨架断裂端点比例大于80%时,正确率基本可达85%以上。本方法对无分支骨架断裂情况效果较佳,断裂距离在膨胀范围内的断裂情况基本能全部连接,断裂距离大于膨胀范围的断裂情况无法连接,但通过计算获得的膨胀范围,基本能包含图中的大多数断裂部分。骨架在分叉处断裂导致断点聚集情况在膨胀范围控制合理时也能有效连接,但当聚集情况复杂时,效果欠佳。由于本方法是在剔除大量干扰端点的情况下进行研究的,因此适合于干扰端点较少时使用。

3.5 河流骨架线断裂类型分析

河流骨架线断裂形式多样,具有极大的不确定性,使河流断裂连接难度增大。针对连接过程中遇到的河流骨架线断裂类型,通过总结其形态特点,可以归纳出本文方法对不同类型的断裂的连接情况,对不同类型的断裂的分析如表2,较为典型的断裂情况如图13

图 13 骨架线断裂类型
Fig. 13 Types of river skeleton line fracture

表 2 断裂类型
Table 2 Types of fracture

下载CSV 
断裂类型 形态特点 连接情况
小型人工地物造成断裂 河流趋势明显,人工地物拦断河流,面积较小,如图13(a) 结合数学形态学的河流提取过程能有效消除
断裂距离较长的无分支骨架 初始骨架线获取后,断点间距离较长,但从骨架整体的形状、趋势,可判断应当连接,如图13(b) 能准确连接,不影响初始骨架线的形状,连接线形状自然
河流骨架分叉处断裂,导致多断点聚集 多个骨架断点集中在一个区域,断点间均有连接的可能性,如图13(c) 在膨胀系数适合的情况下,能正确连接,但当河流分支情况复杂时,连接效果较差
长距离断裂 断裂距离很长,如图13(d) 无法断定是否应当连接,无法连接

4 结 论

针对目前利用高分辨率影像提取单条河流骨架线易发生断裂,从而难以自动化的问题,本文提出一种数学形态学和拓扑约束支持的单条连续河流骨架线提取方法,首先利用NDWI指数和数学形态学对遥感影像进行河流提取,接着利用Rosenfeld算法对河流进行初始骨架线提取,最后在数学形态学和拓扑约束的支持下,实现骨架线的断裂连接,从而完成河流骨架线完整提取的自动化流程,并以澧水等为例,展示了方法的提取流程、膨胀系数计算的合理性,以及与河网线的对比效果,并分析了该方法的适用性和正确性。

实验表明,该方法提取的河流骨架线更符合河流的真实位置与形状,具有更高的准确性,还保证了河流骨架线自然语义的正确性。其中,断裂线连接方法采用了端点局部膨胀细化法,膨胀系数通过统计骨架线断裂情况确定,克服了最小点对法在处理范围较广的图像时速率较低、错误率较高的问题,同时避免了膨胀细化法在处理长距离断裂时造成的骨架变形问题。利用初始骨架线与连接线的拓扑关系进行去伪处理,极大地降低了连接错误率。本文主要针对单条河流的骨架线提取问题进行研究,此后可针对河流骨架线有分支、易致多断点聚集的情况深入研究,河流骨架线矢量化后的实际分析应用方法还有待继续探索。

参考文献(References)

  • Castleman K R. 1998. Digital Image Processing. Beijing: Tsinghua University Press
  • Davies E R. 1990. Machine Vision: Theory, Algorithms, Practicalities. London, San Diego: Academic Press
  • Dey A and Bhattacharya R K. 2014. Monitoring of River Center Line and Width—a Study on River Brahmaputra. Journal of the Indian Society of Remote Sensing, 42 (2): 475–482. [DOI: 10.1007/s12524-013-0277-0]
  • Feyisa G L, Meilby H, Fensholt R and Proud S R. 2014. Automated Water Extraction Index: a New Technique for Surface Water Mapping using Landsat Imagery. Remote Sensing of Environment, 140 : 23–35. [DOI: 10.1016/j.rse.2013.08.029]
  • Fu G, Zhao H R, Li C and Shi L M. 2014. A Method by Improved Circular Projection Matching of Tracking Twisty Road from Remote Sensing Imagery. Acta Geodaetica et Cartographica Sinica, 43 (7): 724–730. ( 傅罡, 赵红蕊, 李聪, 石丽梅. 2014. 曲折道路遥感影像圆投影匹配改进追踪法. 测绘学报, 43 (7): 724–730. )
  • Jasiewicz J and Metz M. 2011. A New GRASS GIS Toolkit for Hortonian Analysis of Drainage Networks. Computers and Geosciences, 37 (8): 1162–1173. [DOI: 10.1016/j.cageo.2011.03.003]
  • Jiang H, Feng M, Xiao T and Wang C Z. 2014. A Narrow River Extraction Method based on Linear Feature Enhancement in TM Image. Acta Geodaetica et Cartographica Sinica, 43 (7): 705–710. [DOI: 10.13485/j.cnki.11-2089.2014.0114] ( 姜浩, 冯敏, 肖桐, 王昌佐. 2014. 基于线状特征增强的TM遥感影像细小河流提取方法. 测绘学报, 43 (7): 705–710. [DOI: 10.13485/j.cnki.11-2089.2014.0114] )
  • Li H, Dai Z Y, Zhang L H and Jiang Z Y. 2011. Mathematical Morphology based Drainage Line Extraction from Remote Sensing Image. Geomatics and Information Science of Wuhan University, 36 (8): 956–959. ( 李辉, 代侦勇, 张利华, 蒋志勇. 2011. 利用数学形态学的遥感影像水系提取方法. 武汉大学学报(信息科学版), 36 (8): 956–959. )
  • Liu R Y, Miao Q G, Huang B, Song J F and Debayle J. 2016. Improved Road Centerlines Extraction in High-resolution Remote Sensing Images using Shear Transform, Directional Morphological Filtering and Enhanced Broken Lines Connection. Journal of Visual Communication and Image Representation, 40 : 300–311. [DOI: 10.1016/j.jvcir.2016.06.024]
  • Maboudi M, Amini J, Hahn M and Saati M. 2016. Road Network Extraction from VHR Satellite Images using Context Aware Object Feature Integration and Tensor Voting. Remote Sensing, 8 (8): 637 [DOI: 10.3390/rs8080637]
  • McFeeters S K. 1996. The Use of the Normalized Difference Water Index (NDWI) in the Delineation of Open Water Features. International Journal of Remote Sensing, 17 (7): 1425–1432. [DOI: 10.1080/01431169608948714]
  • Meng L K, Guo S X and Li S. 2012. Summary on Extraction of Water Body from Remote Sensing Image and Flood Monitoring. Water Resources Informatization (3): 18–25. ( 孟令奎, 郭善昕, 李爽. 2012. 遥感影像水体提取与洪水监测应用综述. 水利信息化 (3): 18–25. )
  • Meng L K and Lü Q F. 2015. Improved Orthogonal T-snake Model for Complex Water Boundary Extraction. Acta Geodaetica et Cartographica Sinica, 44 (6): 670–677. [DOI: 10.11947/j.AGCS.2015.20140404] ( 孟令奎, 吕琪菲. 2015. 复杂水体边界提取的改进正交T-Snake模型. 测绘学报, 44 (6): 670–677. [DOI: 10.11947/j.AGCS.2015.20140404] )
  • Peng Y. 2008. Research and Realization of Skeleton Extracting Technique for 3D Modeling. Wuhan: Huazhong University of Science and Technology (彭艺. 2008. 三维模型骨架提取算法研究与实现. 武汉: 华中科技大学)
  • Shen Z Y, Li Z B, Li P and Wu J H. 2009. Research on the Algorithms of the Digital Channel Network Extraction based on Digital Elevation Model. Journal of Water Resources and Water Engineering, 20 (1): 20–23, 28. ( 沈中原, 李占斌, 李鹏, 武金慧. 2009. 基于DEM的流域数字河网提取算法研究. 水资源与水工程学报, 20 (1): 20–23, 28. )
  • Stefanelli R and Rosenfeld A. 1971. Some Parallel Thinning Algorithms for Digital Pictures. Journal of the ACM (JACM), 18 (2): 255–264. [DOI: 10.1145/321637.321646]
  • Tribe A. 1992. Automated Recognition of Valley Lines and Drainage Networks from Grid Digital Elevation Models: a Review and a New Method. Journal of Hydrology, 139 (1): 263–293.
  • Zeng H W, Li L J, Liu Y M, Li B and Zhang Y X. 2011. Accuracy Analysis of Multisource DEMs on Extracted River Networks and Drainage Basin by Arc Hydro Tools: a Case Study of Taoerhe River Basin. Journal of Geo-Information Science, 13 (1): 22–31. [DOI: 10.3724/SP.J.1047.2011.00022] ( 曾红伟, 李丽娟, 柳玉梅, 李斌, 张永萱. 2011. Arc Hydro Tools及多源DEM提取河网与精度分析——以洮儿河流域为例. 地球信息科学学报, 13 (1): 22–31. [DOI: 10.3724/SP.J.1047.2011.00022] )
  • Zheng X W, Xiong H J, Gong J Y and Yue L W. 2015. A Robust Channel Network Extraction Method Combining Discrete Curve Evolution and the Skeleton Construction Technique. Advances in Water Resources, 83 : 17–27. [DOI: 10.1016/j.advwatres.2015.05.003]
  • Zhou S G, Chen C and Yue J P. 2014. Extracting Roads from High-resolution RS Images based on Shape Priors and Graph Cuts. Acta Geodaetica et Cartographica Sinica, 43 (1): 60–65. [DOI: 10.13485/j.cnki.11-2089.2014] ( 周绍光, 陈超, 岳建平. 2014. 形状先验和图割的高分辨率遥感影像道路段提取. 测绘学报, 43 (1): 60–65. [DOI: 10.13485/j.cnki.11-2089.2014] )