一種基于無人機遙感影像的露天礦道路提取方法
【技術(shù)領域】
[0001] 本發(fā)明屬于礦山生產(chǎn)領域，是一種基于無人機影像的露天礦道路提取方法。
【背景技術(shù)】
[0002] 目前，無人機航拍技術(shù)已經(jīng)廣泛運用在社會生產(chǎn)中，為環(huán)境監(jiān)測、測繪制圖等領域 提供了便利。在遙感領域，無人機可實現(xiàn)高分辨率影像的采集，在彌補衛(wèi)星遙感經(jīng)常因云層 遮擋獲取不到影像缺點的同時，解決了傳統(tǒng)衛(wèi)星遙感重訪周期過長，應急不及時等問題。然 而，對于無人機影像在遙感領域中的應用技術(shù)仍需更多的科技工作者們繼續(xù)研究，特別是 地物提取和分類技術(shù)。
[0003] 我國礦產(chǎn)資源豐富，露天礦開采是我國礦業(yè)采掘的重要形式之一。隨著我國經(jīng)濟 的轉(zhuǎn)型，礦山開采向著精細化管理的方向邁進，礦區(qū)道路作為礦產(chǎn)運輸最重要的通道，是礦 山部口規(guī)劃和管理的重要對象。
[0004] 高分辨率無人機遙感影像（厘米級分辨率）可W為礦山管理部口提供礦區(qū)道路 的原始資料，因此，如何從無人機遙感影像上快速、精確地提取道路信息具有重要的應用價 值。具體來說，應用遙感影像進行道路的定位和識別對地形圖的繪制與更新、GIS數(shù)據(jù)獲取、 移動目標輔助識別、交通規(guī)劃等具有重要的意義。特別是高分辨率遙感影像的不斷獲取使 得人們在較小空間尺度上觀察地表的細節(jié)變化，進行大比例尺遙感測圖，建立較高精度的 導航系統(tǒng)W及實現(xiàn)道路的精確定位等成為可能。雖然針對低分辨率遙感影像的道路提取方 法已經(jīng)很多，但是在高分辨率無人機遙感圖像中，道路具有錯綜復雜的拓撲結(jié)構(gòu)，在豐富的 場景信息W及噪聲的共同影響下，道路提取仍是一項較為困難的工作。
[0005] 高分辨率遙感影像的地物提取和分類技術(shù)主要W面向?qū)ο蠓诸惙椒橹鳌Ｃ嫦驅(qū)?象分類方法主要包括分割和分類兩個步驟，分割是根據(jù)圖像局域同質(zhì)性將整幅影像分成區(qū) 域性圖斑即對象，分類是根據(jù)對象的光譜、形狀、大小、拓撲關(guān)系等特征將對象分成不同的 類別，也可W根據(jù)某一地物類別的特征將此類別提取。
[0006] 目前存在很多分割方法，包括基于像素的分割方法如闊值分割方法，基于區(qū)域的 分割方法如多尺度分割，基于邊緣的分割方法如邊緣檢測分割等，面向?qū)ο蠓诸愔斜容^常 用的分割方法是多尺度分割，對于道路提取而言，多尺度邊緣檢測與分割算法具有分割邊 界精確、形成的對象形狀特征明顯等優(yōu)勢。
[0007] 面向?qū)ο蠓诸惙椒ò：诸?、分類器分類、?guī)則集分類等，基于規(guī)則集的分類 方法是將有效特征集合起來運用在地物分類中的一種方法，它可W根據(jù)不同影像、不同地 物所具有的不同屬性提取最有用的分類信息，將不同類別較為精確的分離開。

【發(fā)明內(nèi)容】

[0008] 本發(fā)明的目的是提供一種基于無人機影像的露天礦道路提取方法，在露天礦管理 中，對無人機提供的礦區(qū)遙感影像，運用此方法能夠快速、精確地提取道路信息，為道路的 管理和規(guī)劃提供決策支持。
[0009] 為達到上述目的，本發(fā)明的技術(shù)解決方案是：首先，運用多尺度邊緣檢測與多尺度 分割算法對無人機影像進行分割，形成一系列空間上相鄰、同質(zhì)性較好的圖斑對象。然后， 針對道路的圖斑對象進行特征分析和特征提取，得到符合道路提取的特征集，將該些特征 集轉(zhuǎn)化為規(guī)則集進行面向?qū)ο蠓诸悺Ｗ詈?，將得到的初步分類結(jié)果進行分類后處理（類別 合并、錯分類別調(diào)整等）得到最終的分類結(jié)果，從中識別出道路區(qū)域。
[0010] 其中多尺度邊緣檢測與分割算法的特征在于該方法分為W下五個階段：
[0011] A)濾波；邊緣檢測算法主要是基于圖像強度的一階和二階導數(shù)，但導數(shù)的計算對 噪聲很敏感，因此本發(fā)明使用濾波器來改善與噪聲有關(guān)的邊緣檢測器的性能；
[0012] B)增強；增強邊緣的基礎是確定圖像各點鄰域強度的變化值，本發(fā)明通過計算梯 度幅值增強算法將鄰域（或局部）強度值有顯著變化的點突顯出來；
[0013] C)檢測；在圖像中有許多點的梯度幅值比較大，而該些點在特定的應用領域中并 不都是邊緣，所W本發(fā)明利用梯度幅值闊值作為判據(jù)來確定邊緣點；
[0014] D)定位；在子像素分辨率尺度上估計邊緣的位置，實現(xiàn)邊緣精確定位；
[00巧]巧分割；將圖像根據(jù)已有的邊緣分割成一系列圖斑對象。
[0016] 基于規(guī)則集的面向?qū)ο蟮缆贩诸惙椒ǖ奶卣髟谟谠摲椒ǚ譃閃下四個步驟：
[0017] A)分析對象特征，提取出最適合目標地物分類的特征；
[0018] B)建立規(guī)則集，涵蓋A)中提取的所有特征；
[0019] C)將符合B)中規(guī)則集條件的所有對象提?。?br>[0020] D)從分類結(jié)果中識別出露天礦道路區(qū)域。
[0021] 本發(fā)明的基于無人機影像的露天礦道路提取方法，實現(xiàn)了一種操作簡單、自動化 程度高、準確度高、精度高的露天礦道路提取技術(shù)。該方法將在露天礦道路規(guī)劃和管理等領 域得到廣泛應用，為露天礦生產(chǎn)提供決策支持，產(chǎn)生經(jīng)濟效益和社會效益。
【附圖說明】
[0022] 圖1流程圖；
[0023] 圖 2MeanShift示意圖；
[0024] 圖3某露天礦無人機遙感影像；
[0025] 圖4對無人機遙感影像進行濾波后的局部效果圖；
[0026] 圖5對無人機遙感影像進行邊緣檢測后的局部效果圖；
[0027] 圖6對無人機遙感影像進行分割后的局部效果圖；
[0028] 圖7最終道路提取結(jié)果圖。
【具體實施方式】
[0029] 本發(fā)明的目的在于實現(xiàn)一種保證較高提取精度和執(zhí)行效率的基于無人機遙感影 像的露天礦道路提取方法，流程圖如圖1所示。其中，基于邊緣檢測分割的面向?qū)ο蠓诸惙?法。具體步驟如下：
[0030] A)將多尺度分割算法W C++編程實現(xiàn)；
[0031] B)對無人機遙感影像進行濾波、邊緣檢測和分割。
[0032] C)對分割結(jié)果的所有對象進行特征統(tǒng)計和分析，提出適合道路提取的特征并建立 規(guī)則集。
[0033] D)通過建立的規(guī)則進行面向?qū)ο蠓诸?，最終提取道路。
[0034] 巧對初步提取的道路進行進一步優(yōu)化，使提取精度更高。
[00巧]在上述步驟中所述的多尺度分割算法原理如下：
[0036] 給定d維空間Rd中的n個樣本點X1，i= 1，…，n，在X點的MeanShift向量的 基本形式定義為：
(1)
[0037] 其中，Sk是一個半徑為h的高維球區(qū)域，滿足W下關(guān)系的y點的集合： Sh(x) ={y;(廠x)t(5t-x)《h2} (2)
[00測 k表示在該n個樣本點X沖，有k個點落入sk區(qū)域中。
[0039] 其中（x;-x)是樣本點X;相對于點X的偏移向量，（1)式定義的MeanShift向量 Mh(x)就是對落入?yún)^(qū)域Sk中的k個樣本點相對于點X的偏移向量求和然后再平均。如果 樣本點Xi從一個概率密度函數(shù)f(x)中采樣得到，由于非零的