一种基于种子点的道路识别方法及系统与流程

本发明涉及道路识别技术领域，特别是涉及一种基于种子点的道路识别方法及系统。

背景技术：

遥感影像图是探测地物目标综合信息的最直观、最丰富的载体。遥感影像图中的道路信息，在数字测图、图像理解和定位、地理信息系统的更新等领域具有很高的应用价值。在过去的十年中，从卫星图像提取道路一直是研究的热点。提取道路可以应用在自动危机响应、路线图更新、城市规划、地理信息更新以及汽车导航中等。为了从卫星图像提取道路，近年来已提出了多种方法。如模板匹配法、边缘与平行线法、模型法、滤波法等还有一些全自动提取的深度学习方法(语义分割法)。

遥感图像语义分割方法，是基于深度学习来自动提取和学习道路的特征从而获得语义信息，进而提取道路。使用的是u-net，d-linknet等网络结构，适用于分辨率特别高且数据集规模很大的道路检测。但是这种方法对道路的边缘信息不敏感，并且对于连续的大面积遮挡提取效果不太好，会造成道路边缘不平滑以及道路断裂。

研究表明，目前道路提取中应用最多的是交互式的半自动道路提取方法。这种道路提取方法能较好地在图像清晰、道路稀疏且背景简单的遥感图像中提取乡村道路。例如其中的模板匹配方法和snakes模型方法，提取的道路就相对有效。道路一般具有如下特征：几何形态特征，道路呈长条带状，某道路段的宽度基本保持不变，道路的曲率变化是有限的；辐射特征，道路区域具有相似的灰度值、相似的纹理特征，道路与周围的地物具有较大的对比度；上下文信息，如在有道路监控摄像头的地方一定是道路，目前道路监控位置比较容易获取，将其作为种子点可以保障其有效性。然而，模板匹配法和snakes模型方法都需要复杂的初始化，若初始的种子点或模板位置偏差较大还需要重置。

对于交互式的半自动提取算法中的基于平行线和滤波的方法，在城市道路上由于道路边缘遮挡严重，道路上车辆较多就会导致提取精度较低，容易产生椒盐现象，道路提取的效果不理想。

技术实现要素：

本发明的目的是提供一种基于种子点的道路识别方法及系统，不用反复重置种子点或者是矩形模板，搜索到的道路边缘平滑，不会产生椒盐现象。

为实现上述目的，本发明提供了如下方案：

一种基于种子点的道路识别方法，包括：

获取遥感图像；

对所述遥感图像进行预处理，获得灰度图；

在所述灰度图中插入种子点；所述种子点为待识别道路中的监控位置点；

以所述种子点为基准点搜索4个道路初始边界点；

获取所述4个道路初始边界点形成的最小外接矩形搜索框；

将获取的搜索框以不同角度进行旋转，将旋转后的搜索框进行移动，得到多个备选搜索框；

判断所述多个备选搜索框与所述获取的搜索框的灰度差的平方和是否都大于预设阈值；

若是，则停止搜索，完成道路识别；

若否，则从所述多个备选搜索框中选择出一个新搜索框，根据新搜索框重新得到多个备选搜索框。

可选的，所述以所述种子点为基准点搜索4个道路初始边界点，具体为：

在所述种子点的α°方向和(α+180)°方向上分别搜索像素点；

判断当前搜索到的像素点与上一个像素点的灰度值差是否大于预设阈值；

若是，则令当前像素点为一个道路初始边界点，然后以所述种子点为基准点更换搜索方向继续搜索像素点；

若否，则直接以所述种子点为基准点更换搜索方向继续搜索像素点。

可选的，更换的搜索方向为(α+45)°和(α+225)°、(α+90)°和(α+270)°以及(α+135)°和(α+315)°

可选的，所述将获取的搜索框以不同角度进行旋转，将旋转后的搜索框进行移动，得到多个备选搜索框，具体为：

以获取的搜索框的中心点为中心旋转所述获取的搜索框，将旋转后的搜索框前进一个所述获取的搜索框边长的长度，得到多个以不同旋转角度前进的备选搜索框。

可选的，所述从所述多个备选搜索框中选择出一个新搜索框，具体为：

从所述多个备选搜索框中选出一个与所述获取的搜索框的灰度差的平方和最小的一个备选搜索框，作为新搜索框。

可选的，所述搜索4个道路初始边界点的搜索步进值为1个像素点，搜索范围为10个像素点。

可选的，所述对所述遥感图像进行预处理，获得灰度图，具体为：

对所述遥感图像进行几何校正、辐射定标以及灰度化，获得灰度图。

一种基于种子点的道路识别系统，包括：

图像获取模块，用于获取遥感图像；

图像预处理模块，用于对所述遥感图像进行预处理，获得灰度图；

种子点插入模块，用于在所述灰度图中插入种子点；所述种子点为待识别道路中的监控位置点；

搜索模块，用于以所述种子点为基准点搜索4个道路初始边界点；

矩形搜索框获取模块，用于获取所述4个道路初始边界点形成的最小外接矩形搜索框；

第一备选搜索框获取模块，用于将获取的搜索框以不同角度进行旋转，并将旋转后的搜索框进行移动，得到多个备选搜索框；

判断模块，用于判断所述多个备选搜索框与所述获取的搜索框的灰度差的平方和是否都大于预设阈值；

道路识别模块，用于当所述多个备选搜索框与所述获取的搜索框的灰度差的平方和都大于预设阈值时，停止搜索，完成道路识别；

第二备选搜索框获取模块，用于当所述多个备选搜索框与所述获取的搜索框的灰度差的平方和不都大于预设阈值时，从所述多个备选搜索框中选择出一个新搜索框，根据新搜索框重新得到多个备选搜索框。

可选的，所述搜索模块包括：

第一搜索单元，用于在所述种子点的α°方向和(α+180)°方向上分别搜索像素点；

判断单元，用于判断当前搜索到的像素点与上一个像素点的灰度值差是否大于预设阈值；

第二搜索单元，用于当当前搜索到的像素点与上一个像素点的灰度值差大于预设阈值时，令当前像素点为一个道路初始边界点，然后以所述种子点为基准点更换搜索方向继续搜索像素点；

第三搜索单元，用于当当前搜索到的像素点与上一个像素点的灰度值差小于等于预设阈值时，直接以所述种子点为基准点更换搜索方向继续搜索像素点。

可选的，所述第一备选搜索框获取模块包括：

旋转单元，用于以获取的搜索框的中心点为中心旋转所述获取的搜索框；

备选搜索框获取单元，用于将旋转后的搜索框前进一个所述获取的搜索框边长的长度，得到多个以不同旋转角度前进的备选搜索框。

根据本发明提供的具体实施例，本发明公开了以下技术效果：

本发明公开了一种基于种子点的道路识别方法，包括：获取遥感图像；对所述遥感图像进行预处理，获得灰度图；在所述灰度图中插入种子点；所述种子点为待识别道路中的监控位置点；以所述种子点为基准点搜索4个道路初始边界点；获取所述4个道路初始边界点形成的最小外接矩形搜索框；将获取的搜索框以不同角度进行旋转，将旋转后的搜索框进行移动，得到多个备选搜索框；判断所述多个备选搜索框与所述获取的搜索框的灰度差的平方和是否都大于预设阈值；若是，则停止搜索，完成道路识别；若否，则从所述多个备选搜索框中选择出一个新搜索框，根据新搜索框重新得到多个备选搜索框。本发明可以根据种子点(监控位置点)产生很多个新搜索框，不用反复重置种子点或者反复重置搜索框，根据多个新搜索框搜索到整个道路网络，搜索到的道路边缘平滑，不会产生椒盐现象。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的一种基于种子点的道路识别方法的流程图；

图2为本发明实施例提供的获取最小外接矩形搜索框的示意图；

图3为本发明实施例提供的获取备选搜索框的示意图；

图4为本发明实施例提供的获取新搜索框的示意图；

图5为本发明实施例提供的一种基于种子点的道路识别系统的系统图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明的目的是提供一种基于种子点的道路识别方法及系统，不用反复重置种子点或者是矩形模板，搜索到的道路边缘平滑，不会产生椒盐现象

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

实施例1

图1为本发明实施例提供的一种基于种子点的道路识别方法的流程图，如图1所示，方法包括：

步骤101：获取遥感图像。优选地，遥感图像为高分辨率图像。

步骤102：对所述遥感图像进行预处理，获得灰度图。具体为：对所述遥感图像进行几何校正、辐射定标以及灰度化，获得灰度图。

步骤103：在所述灰度图中插入种子点；所述种子点为待识别道路中的监控位置点。

步骤104：以所述种子点为基准点搜索4个道路初始边界点。

在本实施例中，步骤104具体为：

在所述种子点的α°方向和(α+180)°方向上分别搜索像素点。优选地，α°＝0°，搜索步进值为1个像素点，搜索范围为10个像素点。

判断当前搜索到的像素点与上一个像素点的灰度值差是否大于预设阈值。

若是，则令当前像素点为一个道路初始边界点，然后以所述种子点为基准点更换搜索方向继续搜索像素点。

若否，则直接以所述种子点为基准点更换搜索方向继续搜索像素点。

直到所搜到4个道路初始边界点。

优选地，更换的搜索方向为(α+45)°和(α+225)°、(α+90)°和(α+270)°以及(α+135)°和(α+315)°。

步骤105：获取所述4个道路初始边界点形成的最小外接矩形搜索框。图2为本发明实施例提供的获取最小外接矩形搜索框的示意图。

步骤106：将获取的搜索框以不同角度进行旋转，将旋转后的搜索框进行移动，得到多个备选搜索框。

在本实施例中，步骤106具体为：

以获取的搜索框的中心点为中心旋转所述获取的搜索框，将旋转后的搜索框前进一个所述获取的搜索框边长的长度，得到多个以不同旋转角度前进的备选搜索框。图3为本发明实施例提供的获取备选搜索框的示意图。

步骤107：判断所述多个备选搜索框与所述获取的搜索框的灰度差的平方和是否都大于预设阈值。

步骤108：若是，则停止搜索，完成道路识别。

步骤109：若否，则从所述多个备选搜索框中选择出一个新搜索框，根据新搜索框重新得到多个备选搜索框。在本实施例中，选择出一个新搜索框具体为：从所述多个备选搜索框中选出一个与所述获取的搜索框的灰度差的平方和最小的一个备选搜索框，作为新搜索框。图4为本发明实施例提供的获取新搜索框的示意图。

实施例2

本实施例提供了一种基于种子点的道路识别方法，与实施例1不同的是，本实施例中插入多个种子点，以每个种子点为基准点均执行步骤104至步骤108。同时，本实施例中的方法还包括以下步骤：

步骤109：若所述多个备选搜索框与所述获取的搜索框的灰度差的平方和不都大于预设阈值，则从所述多个备选搜索框中选择出一个新搜索框，判断选出的新搜索框是否和其余种子点选出的任意一个新搜索框相同；

步骤110：若是，则停止搜索，完成道路识别。

步骤111：若否，则根据新搜索框重新得到多个备选搜索框。

实施例3

图5为本发明实施例提供的一种基于种子点的道路识别系统的系统图，如图5所示，系统包括：

图像获取模块201，用于获取遥感图像。

图像预处理模块202，用于对所述遥感图像进行预处理，获得灰度图。

种子点插入模块203，用于在所述灰度图中插入种子点；所述种子点为待识别道路中的监控位置点。

搜索模块204，用于以所述种子点为基准点搜索4个道路初始边界点。

在本实施例中，搜索模块205包括：

第一搜索单元，用于在所述种子点的α°方向和(α+180)°方向上分别搜索像素点。

判断单元，用于判断当前搜索到的像素点与上一个像素点的灰度值差是否大于预设阈值。

第二搜索单元，用于当当前搜索到的像素点与上一个像素点的灰度值差大于预设阈值时，令当前像素点为一个道路初始边界点，然后以所述种子点为基准点更换搜索方向继续搜索像素点。

第三搜索单元，用于当当前搜索到的像素点与上一个像素点的灰度值差小于等于预设阈值时，直接以所述种子点为基准点更换搜索方向继续搜索像素点。

矩形搜索框获取模块205，用于获取所述4个道路初始边界点形成的最小外接矩形搜索框。

第一备选搜索框获取模块206，用于将获取的搜索框以不同角度进行旋转，并将旋转后的搜索框进行移动，得到多个备选搜索框。

在本实施例中，第一备选搜索框获取模块206包括：

旋转单元，用于以获取的搜索框的中心点为中心旋转所述获取的搜索框。

备选搜索框获取单元，用于将旋转后的搜索框前进一个所述获取的搜索框边长的长度，得到多个以不同旋转角度前进的备选搜索框。

判断模块207，用于判断所述多个备选搜索框与所述获取的搜索框的灰度差的平方和是否都大于预设阈值。

道路识别模块208，用于当所述多个备选搜索框与所述获取的搜索框的灰度差的平方和都大于预设阈值时，停止搜索，完成道路识别。

第二备选搜索框获取模块209，用于当所述多个备选搜索框与所述获取的搜索框的灰度差的平方和不都大于预设阈值时，从所述多个备选搜索框中选择出一个新搜索框，根据新搜索框重新得到多个备选搜索框。

根据本发明提供的具体实施例，本发明公开了以下技术效果：

本发明可以根据种子点(监控位置点)产生很多个新搜索框，不用反复重置种子点或者反复重置搜索框，根据多个新搜索框搜索到整个道路网络，搜索到的道路边缘平滑，不会产生椒盐现象。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。