本发明公开了一种基于遥感图像的道路提取及异常监控的方法和装置，其中方法：获取目标道路的多波段遥感图像，对多波段遥感图像进行预处理，得到每个波段的遥感图像对应的特征增强图像；根据预设的道路提取的分割阈值对每个波段的遥感图像对应的特征增强图像进行分割，得到每个波段的遥感图像的分割图像；提取每个波段的遥感图像的分割图像中的初始道路信息，对每个波段的初始道路信息进行匹配，生成单波段的初始道路信息，进而进行整合，生成完整道路信息；将完整道路信息与预设的道路参考信息进行对比，生成道路异常对比信息并发送。本发明可对道路的遥感图像进行精确处理，保证对道路信息进行准确提取，对道路异常情况进行把控。
1.一种基于遥感图像的道路提取及异常监控的方法，其特征在于，包括以下步骤：获取目标道路的多波段遥感图像，对所述多波段遥感图像进行预处理，得到每个波段的遥感图像对应的特征增强图像；
确定所述特征增强图像的沿道路宽度方向的宽度值，根据道路的宽度与所述特征增强图像的宽度值的比值确定道路提取的分割阈值，根据预设的道路提取的分割阈值对每个波段的遥感图像对应的特征增强图像进行分割，得到每个波段的遥感图像的一个或多个分割图像；
根据道路特征提取每个波段的遥感图像的分割图像中的初始道路信息，并根据预设的道路提取的合并阈值对每个波段的分割图像中的初始道路信息进行匹配，生成单波段的初始道路信息，进而对各波段的初始道路信息进行整合，生成完整道路信息；其中，根据道路特征提取每个波段的遥感图像的分割图像中的初始道路信息包括：采用模板匹配提取法根据道路特征提取各个分割图像中的初始道路信息，具体提取方法如下：一：输入起点、方向和道路信息，首先获得人工提供的道路中心线的初始种子点，包括至少3个点，其中一个点是道路中心点；
二：生成道路的剖面模板和矩形；利用初始化信息可以得到道路的起始点、道路前进方向θ、道路宽度w，垂直于道路前进方向θ的道路的剖面，剖面的宽度L为道路宽度w的两倍；矩形模板的宽度等于道路中心标志线或绿化带的宽度，长度等于道路宽度的两倍，并将起始点加入道路轨迹；
三：生成道路的目标剖面，计算模板剖面与目标剖面的灰度差平方和；从当前道路点，沿前进方向θ行进一定的步长S，到达点P沿垂直于θ的方向进行平移和旋转，可以产生一系列的目标剖面，求目标剖面与模板剖面的灰度差的平方和，最小的平方和对应的点为最精确的道路点，并求当前道路点与最新道路点形成的直线与水平方向的夹角θ；平移和旋转的规则如下：
其中，xtarget，ytarget是预测点坐标；xtemplate，ytemplate是点上的当前道路的坐标；θ′是旋转角，θ是当前道路点的前进方向，S是前进步长，l是偏移距离；其中S与道路的宽度w成正比关系，θ′与l是变量；θ′的取值范围为(0°，5°，10°，15°，20°)，l的取值范围为(0，±1，±2，…，INT(w/8))；
式中，L为剖面的宽度，g(xtemplate，ytemplate)为模板剖面上的灰度值，g′(xtemplate，ytemplate)为目标剖面上的灰度值，Weighti为相应的权重；
四：检查是否符合停止条件；如果到达图像的边缘，或到达另一条已追踪的道路，或最小二乘值大于阈值T0，则转入五；否则，将最新道路点加入道路轨迹，转入三；
将完整道路信息与预设的道路参考信息进行对比，生成道路异常对比信息并发送。
2.根据权利要求1所述的一种基于遥感图像的道路提取及异常监控的方法，其特征在于，所述对所述多波段遥感图像进行预处理，得到每个波段的遥感图像对应的特征增强图像，包括以下步骤：
采用傅立叶变换方法对所述多波段遥感图像进行频谱转换处理，以得到图像频谱；并通过滤波器根据图像频谱对所述多波段遥感图像进行过滤处理，以得到道路特征增强图像。
3.根据权利要求2所述的一种基于遥感图像的道路提取及异常监控的方法，其特征在于，所述通过滤波器根据图像频谱对所述多波段遥感图像进行过滤处理的方法包括以下步骤：
采用低通滤波器根据图像频谱对所述多波段遥感图像进行滤波去噪处理，和/或，采用高通滤波法根据图像频谱对所述多波段遥感图像的边缘区域进行信号增强处理。
4.根据权利要求1所述的一种基于遥感图像的道路提取及异常监控的方法，其特征在于，所述根据道路特征提取每个波段的遥感图像的分割图像中的初始道路信息的方法包括以下步骤：
采用模板匹配提取法根据道路特征提取各个分割图像中的初始道路信息。
5.根据权利要求1所述的一种基于遥感图像的道路提取及异常监控的方法，其特征在于，所述根据道路特征提取每个波段的遥感图像的分割图像中的初始道路信息的方法包括以下步骤：
采用Snake提取法根据道路特征提取各个分割图像中的初始道路信息。
6.根据权利要求1所述的一种基于遥感图像的道路提取及异常监控的方法，其特征在于，所述根据道路特征提取每个波段的遥感图像的分割图像中的初始道路信息的方法包括以下步骤：
采用道路跟踪提取法根据道路特征提取各个分割图像中的初始道路信息。
7.一种基于遥感图像的道路提取及异常监控的装置，其特征在于，包括图像处理模块、图像分割模块、道路提取模块以及道路监测模块，其中：图像处理模块，用于获取目标道路的多波段遥感图像，对所述多波段遥感图像进行预处理，得到每个波段的遥感图像对应的特征增强图像；
图像分割模块，用于确定所述特征增强图像的沿道路宽度方向的宽度值，根据道路的宽度与所述特征增强图像的宽度值的比值确定道路提取的分割阈值，根据预设的道路提取的分割阈值对每个波段的遥感图像对应的特征增强图像进行分割，得到每个波段的遥感图像的一个或多个分割图像；
道路提取模块，用于根据道路特征提取每个波段的遥感图像的分割图像中的初始道路信息，并根据预设的道路提取的合并阈值对每个波段的分割图像中的初始道路信息进行匹配，生成单波段的初始道路信息，进而对各波段的初始道路信息进行整合，生成完整道路信息；其中，根据道路特征提取每个波段的遥感图像的分割图像中的初始道路信息包括：采用模板匹配提取法根据道路特征提取各个分割图像中的初始道路信息，具体提取方法如下：一：输入起点、方向和道路信息，首先获得人工提供的道路中心线的初始种子点，包括至少3个点，其中一个点是道路中心点；
二：生成道路的剖面模板和矩形；利用初始化信息可以得到道路的起始点、道路前进方向θ、道路宽度w，垂直于道路前进方向θ的道路的剖面，剖面的宽度L为道路宽度w的两倍；矩形模板的宽度等于道路中心标志线或绿化带的宽度，长度等于道路宽度的两倍，并将起始点加入道路轨迹；
三：生成道路的目标剖面，计算模板剖面与目标剖面的灰度差平方和；从当前道路点，沿前进方向θ行进一定的步长S，到达点P沿垂直于θ的方向进行平移和旋转，可以产生一系列的目标剖面，求目标剖面与模板剖面的灰度差的平方和，最小的平方和对应的点为最精确的道路点，并求当前道路点与最新道路点形成的直线与水平方向的夹角θ；平移和旋转的规则如下：
其中，xtarget，ytarget是预测点坐标；xtemplate，ytemplate是点上的当前道路的坐标；θ′是旋转角，θ是当前道路点的前进方向，S是前进步长，l是偏移距离；其中S与道路的宽度w成正比关系，θ′与l是变量；θ′的取值范围为(0°，5°，10°，15°，20°)，l的取值范围为(0，±1，±2，…，INT(w/8))；
式中，L为剖面的宽度，g(xtemplate，ytemplate)为模板剖面上的灰度值，g′(xtemplate，ytemplate)为目标剖面上的灰度值，Weighti为相应的权重；
四：检查是否符合停止条件；如果到达图像的边缘，或到达另一条已追踪的道路，或最小二乘值大于阈值T0，则转入五；否则，将最新道路点加入道路轨迹，转入三；
将完整道路信息与预设的道路参考信息进行对比，生成道路异常对比信息并发送；
道路监测模块，用于将完整道路信息与预设的道路参考信息进行对比，生成道路异常对比信息并发送。
8.一种电子设备，包括存储器和处理器，所述存储器上存储有计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1 6中任一项所述的方法。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1 6中任一项所述的方法。
基于遥感图像的道路提取及异常监控的方法和装置
技术领域
[0001] 本公开的实施例一般涉及视频信息处理技术领域，并且更具体地，涉及一种基于遥感图像的道路提取及异常监控的方法和装置。
背景技术
[0002] 道路是地图绘制、路径分析和应急处理的重要基础地理数据。作为基础数据，道路对城市建设、GIS系统更新、数字化城市以及军事侦察等方面影响较大，因此道路信息提取
在城市发展规划、电子信息化、国防等方面有着重要的应用。随着卫星遥感和信息提取技术
的快速发展，地理信息的自动更新成为可能。道路是重要的人工地物，是地理信息数据的重
要组成部分。从遥感图像上提取道路信息以更新地理信息数据库成为近年来的研究热点之
一。
[0003] 目前的道路信息提取方法无法对道路进行精确的提取，对于遥感图像的处理不够精确，导致提取的道路信息不完整不准确，进而无法对道路进行一个准确的把控。
发明内容
[0004] 根据本公开的实施例，提供了一种能够对道路的遥感图像进行精确处理，保证对道路信息进行准确提取，进而对道路异常情况进行把控的基于遥感图像的道路提取及异常
监控的方法和装置。
[0005] 在本公开的第一方面，提供了一种基于遥感图像的道路提取及异常监控的方法，包括以下步骤：
[0006] 获取目标道路的多波段遥感图像，对所述多波段遥感图像进行预处理，得到每个波段的遥感图像对应的特征增强图像；
[0007] 根据预设的道路提取的分割阈值对每个波段的遥感图像对应的特征增强图像进行分割，得到每个波段的遥感图像的一个或多个分割图像；
[0008] 根据道路特征提取每个波段的遥感图像的分割图像中的初始道路信息，并根据预设的道路提取的合并阈值对每个波段的分割图像中的初始道路信息进行匹配，生成单波段
的初始道路信息，进而对各波段的初始道路信息进行整合，生成完整道路信息；
[0009] 将完整道路信息与预设的道路参考信息进行对比，生成道路异常对比信息并发送。
[0010] 在一些实施例中，所述对道路遥感图像进行预处理，以得到道路特征增强图像的方法包括以下步骤：
[0011] 采用傅立叶变换方法对道路遥感图像进行频谱转换处理，以得到图像频谱；并通过滤波器根据图像频谱对道路遥感图像进行过滤处理，以得到道路特征增强图像。
[0012] 在一些实施例中，所述通过滤波器根据图像频谱对道路遥感图像进行过滤处理的方法包括以下步骤：
[0013] 采用低通滤波器根据图像频谱对道路遥感图像进行滤波去噪处理，和/或，
[0014] 采用高通滤波法根据图像频谱对道路遥感图像的边缘区域进行信号增强处理。
[0015] 在一些实施例中，所述根据预设的道路提取的分割阈值对每个波段的遥感图像对应的特征增强图像进行分割，得到每个波段的遥感图像的一个或多个分割图像，包括：
[0016] 确定所述特征增强图像的沿道路宽度方向的宽度值，根据道路的宽度与所述特征增强图像的宽度值的比值确定道路提取的分割阈值，根据预设的道路提取的分割阈值对每
个波段的遥感图像对应的特征增强图像进行分割，得到每个波段的遥感图像的一个或多个
分割图像。
[0017] 在一些实施例中，所述采用道路提取方法根据道路特征提取各个分割图像中的初始道路信息的方法包括以下步骤：
[0018] 采用模板匹配提取法根据道路特征提取各个分割图像中的初始道路信息。
[0019] 在一些实施例中，所述采用道路提取方法根据道路特征提取各个分割图像中的初始道路信息的方法包括以下步骤：
[0020] 采用Snake提取法根据道路特征提取各个分割图像中的初始道路信息。
[0021] 在一些实施例中，所述采用道路提取方法根据道路特征提取各个分割图像中的初始道路信息的方法包括以下步骤：
[0022] 采用道路跟踪提取法根据道路特征提取各个分割图像中的初始道路信息。
[0023] 在本公开的第二个方面，提供了一种基于遥感图像的道路提取及异常监控的装置，包括图像处理模块、图像分割模块、道路提取模块以及道路监测模块，其中：
[0024] 图像处理模块，用于获取目标道路的多波段遥感图像，对所述多波段遥感图像进行预处理，得到每个波段的遥感图像对应的特征增强图像；
[0025] 图像分割模块，用于根据预设的道路提取的分割阈值对每个波段的遥感图像对应的特征增强图像进行分割，得到每个波段的遥感图像的一个或多个分割图像；
[0026] 道路提取模块，用于根据道路特征提取每个波段的遥感图像的分割图像中的初始道路信息，并根据预设的道路提取的合并阈值对每个波段的分割图像中的初始道路信息进
行匹配，生成单波段的初始道路信息，进而对各波段的初始道路信息进行整合，生成完整道
路信息；
[0027] 道路监测模块，用于将完整道路信息与预设的道路参考信息进行对比，生成道路异常对比信息并发送。
[0028] 在本公开的第三方面，提供了一种电子设备，包括存储器和处理器，所述存储器上存储有计算机程序，所述处理器执行所述程序时实现如以上所述的方法。
[0029] 在本公开的第四方面，提供了一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现如以上所述的方法。
[0030] 通过本公开的基于遥感图像的道路提取及异常监控方法，能够对道路的遥感图像进行精确处理，保证对道路信息进行准确提取，保证数据的完整全面性，进而对道路异常情
况进行把控。
[0031] 应当理解，发明内容部分中所描述的内容并非旨在限定本公开的实施例的关键或重要特征，亦非用于限制本公开的范围。本公开的其它特征将通过以下的描述变得容易理
解。
附图说明
[0032] 结合附图并参考以下详细说明，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。在附图中，相同或相似的附图标记表示相同或相似的元素，其中：
[0033] 图1为本发明实施例一的基于遥感图像的道路提取及异常监控的方法的流程图；
[0034] 图2为本发明实施例二的基于遥感图像的道路提取及异常监控的系统的原理框图；
[0035] 图3为本发明实施例三的基于遥感图像的道路提取及异常监控的设备的结构示意图。
具体实施方式
[0036] 为使本公开实施例的目的、技术方案和优点更加清楚，下面将结合本公开实施例中的附图，对本公开实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是
本公开一部分实施例，而不是全部的实施例。基于本公开中的实施例，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全部其他实施例，都属于本公开保护的范围。
[0037] 另外，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另
外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。
[0038] 如图1所示，在第一方面，本公开实施例提供一种基于遥感图像的道路提取及异常监控的方法，包括以下步骤：
[0039] S101：获取目标道路的多波段遥感图像，对所述多波段遥感图像进行预处理，得到每个波段的遥感图像对应的特征增强图像。
[0040] 本公开实施例的方法，用于基于卫星遥感图像对道路的异常进行监控。
[0041] 道路异常例如塌方道路、水漫道路、或者山体滑坡等导致的道路阻塞等。由于道路异常存在着很大的安全隐患，一方面会造成交通的拥堵，另一方面会引发大量的交通事故，
因此，有必要对道路的异常进行监控。
[0042] 本公开实施例通过卫星遥感影像对道路的异常进行监控。由于道路周边的山体、树木、水流、积石、草地、建筑和土壤之间由于反射率特征光谱相对于波长的变化可能非常
复杂，而微小特征使用较粗糙的单光谱成像也难以分辨，因此，本申请实施例采用多光谱卫
星遥感影像对道路的异常进行监控。
[0043] 首先，获取目标道路的多波段遥感图像，对所述多波段遥感图像进行预处理，得到每个波段的遥感图像对应的特征增强图像。所述预处理的过程可以包括： 采用傅立叶变换
方法对每个波段的遥感图像进行频谱转换处理，以得到图像频谱；并通过滤波器根据图像
频谱对各波段的遥感图像进行过滤处理，以得到各波段的特征增强图像，例如，可以采用低
通滤波器根据图像频谱对每个波段的遥感图像进行滤波去噪处理，和/或，采用高通滤波法
根据图像频谱对每个波段的遥感图像的边缘区域进行信号增强处理，以得到特征增强图
像。
[0044] 图像的频率是表征图像中灰度变化剧烈程度的指标，是灰度在平面空间上的梯度。如：大面积的沙漠在图像中是一片灰度变化缓慢的区域，对应的频率值很低；而对于地
表属性变换剧烈的边缘区域在图像中是一片灰度变化剧烈的区域，对应的频率值较高。采
用傅立叶变换方法将道路遥感图像进行频谱转换处理，将道路遥感图像从空间域转换到频
率域，其逆变换是将图像从频率域转换到空间域，即将图像的灰度分布函数变换为图像的
频率分布函数，傅立叶逆变换是将图像的频率分布函数变换为灰度分布函数。然后，通过滤
波器根据图像频谱对道路遥感图像进行过滤处理，以得到道路特征增强图像。
[0045] S102：根据预设的道路提取的分割阈值对每个波段的遥感图像对应的特征增强图像进行分割，得到每个波段的遥感图像的一个或多个分割图像。
[0046] 在本实施例中，当对目标道路的多波段遥感图像进行预处理，得到每个波段的遥感图像对应的特征增强图像后，为了识别目标道路的每个波段的准确信息，可以对目标道
路的每个波段对应的特征增强图像进行分割，以得到更细致的图像，从而保证对分割图像
中没个细节进行精准提取。
[0047] 在本实施例中，可以确定所述特征增强图像的沿道路宽度方向的宽度值，根据道路的宽度与所述特征增强图像的宽度值的比值确定道路提取的分割阈值，根据预设的道路
提取的分割阈值对每个波段的遥感图像对应的特征增强图像进行分割，得到每个波段的遥
感图像的一个或多个分割图像。
[0048] 例如，特征增强图像中的道路可能是弯曲的，不同的特征增强图像的长度是一样的，但是为了在宽度方向上容纳完整的道路路段，不同的特征增强图像的宽度可能是不同
的，或者，不同的特征增强图像的宽度是一样的，但是为了容纳完整的道路路段，对图像整
体进行了放缩，使得不同的特征增强图像中的道路宽度是不同的。因此，可以根据道路的宽
度与所述特征增强图像的宽度值的比值确定道路提取的分割阈值，例如，道路的宽度与所
述特征增强图像的宽度值的比值为1:5，在长度方向上也将每个波段的特征增强图像进行
分割，将每个波段的特征增强图像在长度方向上分割为5段，从而得到每个波段的遥感图像
的一个或多个分割图像。当然，道路的宽度与所述特征增强图像的宽度值的比值可能不为1
与整数的比值，此时，将分母向上取整，然后将每个波段的特征增强图像在长度方向上分割
为取整后对应数值的段数。
[0049] 在本实施例的其他一些实施方式中，可以预先建立道路类型与分割阈值的对应关系，例如国道对应的分割阈值为4，省道的分割阈值为5，县级以下道路的分割阈值为6，其
中，分割阈值为将每个波段的特征增强图像在长度方向上分割的段数。当对特征增强图像
进行分割时，可以先确定对应道路的类型，进而确定对应的分割阈值，然后根据对应的分割
阈值将特征增强图像在长度方向上分割为对应的段数。这样，对于同一路段的不同波段，可
以分割为一个或多个分割图像。
[0050] S103: 根据道路特征提取每个波段的遥感图像的分割图像中的初始道路信息，并根据预设的道路提取的合并阈值对每个波段的分割图像中的初始道路信息进行匹配，生成
单波段的初始道路信息，进而对各波段的初始道路信息进行整合，生成完整道路信息。
[0051] 在本实施例中，当生成分割图像后，可以针对每个分割图像，采用道路提取方法根据道路特征提取各个分割图像中的初始道路信息，上述道路特征包括：1)辐射特征：道路表
面一般比较均匀，灰度方差小，道路与背景之间有较强的对比，没有表面物体遮挡的路面在
图像上具有相近的光谱，高分辨率道路图像通常具有较为明显的边缘。2)几何特征：遥感图
像中的道路通常呈现长条形，具有一定的宽度；道路的方向变化一般较为缓慢，不会出现较
大幅度的折返，所以曲率有一定的限制；道路具有连通性，其图像中的覆盖面积较大。3)拓
扑特征：道路的拓扑结构是形成相连的网络状；通常具有通达性和连续性，显得较为规则。
4)上下文特征：道路的周边地区具有不同的地缘特征，原野、乡村和城市中的道路表现出来
的密度、宽度、网络复杂程度、弯曲程度均不太相同，从而造成提取的难度也不同。上述的初
始道路信息包括道路的边界信息以及道路上其他与道路反射率不同的物体的边界信息。
[0052] 在得到同一路段的所有不同波段对应的初始道路信息后，可以根据预设的道路提取的合并阈值对每个波段的分割图像中的初始道路信息进行匹配，生成单波段的初始道路
信息，进而对各波段的初始道路信息进行整合，生成完整道路信息。即生成目标道路的单波
段的初始道路信息后，将目标道路的各波段的初始道路信息再进行整合，生成完整道路信
息。该完整道路信息包括道路图像中所有的道路特征信息，对道路进行全面准确的把握。
[0053] 例如，可以对所述目标路段的同一波段的分割图像中的初始道路信息进行匹配，生成单波段的初始道路信息，将分割图像中的初始道路的宽度统一后拼接为单波段的初始
道路信息，对道路上其他与道路反射率不同的物体的边界信息，则选取最清晰的边界信息
作为单波段的初始道路信息上其他与道路反射率不同的物体的边界信息。
[0054] S104: 将完整道路信息与预设的道路参考信息进行对比，生成道路异常对比信息并发送。
[0055] 同时，在得到完整道路信息后，将其与预设的道路参考信息进行对比，判断道路是否存在着异常情况，生成并发送道路异常对比信息，对道路异常情况进行监控，上述道路异
常对比信息包括道路信息、正常参考道路信息以及对比结果等信息。
[0056] 例如，对道路宽度发生明显改变或者在初始道路信息存在其他与道路反射率不同的物体的边界信息，则道路存在着异常情况。例如道路被水漫了，或者道路上有障碍物等。
[0057] 本方法可对道路的遥感图像进行精确处理，保证对道路信息进行准确提取，保证数据的完整全面性，进而对道路异常情况进行把控。
[0058] 基于第一方面，在本发明的一些实施例中，上述采用道路提取方法根据道路特征提取各个分割图像中的初始道路信息的方法包括以下步骤：
[0059] 采用模板匹配提取法根据道路特征提取各个分割图像中的初始道路信息，具体提取方法如下：
[0060] 一：输入起点、方向和道路信息，首先获得人工提供的道路中心线的初始种子点，包括至少3个点，其中一个点是道路中心点。
[0061] 二：生成道路的剖面模板和矩形。利用初始化信息可以得到道路的起始点、道路前进方向θ、道路宽度w，垂直于道路前进方向θ的道路的剖面，剖面的宽度L为道路宽度w的两
倍。矩形模板的宽度等于道路中心标志线或绿化带的宽度，长度等于道路宽度的两倍，并将
起始点加入道路轨迹。
[0062] 三：生成道路的目标剖面，计算模板剖面与目标剖面的灰度差平方和。从当前道路点，沿前进方向θ行进一定的步长S，到达点P沿垂直于θ的方向进行平移和旋转，可以产生一
系列的目标剖面，求目标剖面与模板剖面的灰度差的平方和，最小的平方和对应的点为最
精确的道路点，并求当前道路点与最新道路点形成的直线与水平方向的夹角θ。平移和旋转
的规则如下：
[0063]
[0064] 其中，xtarget，ytarget是预测点坐标；xtemplate，ytemplate是点上的当前道路的坐标；θ′是旋转角，θ是当前道路点的前进方向，S是前进步长，l是偏移距离。其中S与道路的宽度w成
正比关系，θ′与l是变量。一般θ′的取值范围为(0°，5°，10°，15°，20°)，l的取值范围为(0，±
1，±2，…，INT(w/8))。
[0065] 灰度差的平方和的计算公式如下：
[0066]
[0067] 式中，L为剖面的宽度，g(xtemplate，ytemplate)为模板剖面上的灰度值，g′(xtemplate，ytemplate)为目标剖面上的灰度值，Weighti为相应的权重。
[0068] 四：检查是否符合停止条件。如果到达图像的边缘，或到达另一条已追踪的道路，或最小二乘值大于一定的阈值T0，则转入五；否则，将最新道路点加入道路轨迹，转入三。
[0069] 五：结束追踪，进入人工处理。
[0070] 基于第一方面，在本发明的一些实施例中，上述采用道路提取方法根据道路特征提取各个分割图像中的初始道路信息的方法包括以下步骤：
[0071] 采用Snake提取法根据道路特征提取各个分割图像中的初始道路信息；具体方法包括以下步骤：
[0072] 自适应模板匹配法：为了自动获取道路的宽度和亮暗特征，宽度分别为3，5，7，…，25。将每两个种子点之间分成若干段，对每两个种子点之间沿着与种子点连线垂直的方向，
采用上述不同宽度的模板与影像进行匹配，利用下式计算相关系数：
[0073]
[0074] 其中，m，n表示计算相关系数的影像块行列数，r，c表示搜索区域的位置，g和g′分别表示模板和影像的灰度。
[0075] 从匹配结果中选择相关系数最大的作为该段唯一的匹配结果，将该惟一匹配结果与给定阈值进行比较，大于给定阈值的为有效匹配结果，从有效匹配结果中取出最大的若
干值作为采用的匹配结果，在采用的匹配结果相应的匹配位置上自动添加种子点，自动添
加的种子点与人工输入的初始种子点共同作为LSB‑Snake模型的种子点。统计采用的匹配
结果所对应的模板，求宽度相同的模板数量之和，取和最大的模板宽度作为该条道路的宽
度。
[0076] LSB‑Snake模型：
[0077] 在最小二乘法中，线性特征提取是估算处理B‑样条曲线的位置系数的问题。它用带参数的B样条来描述Snake的曲线，采用最小二乘平差求解算法，通过迭代收敛到能量最
小值，根据B样条复杂度动态分配节点位置。
[0078] 它相当于Snake方法的总能量，并且可以被写为
[0079]
[0080] EI为内部能量，EX表示外部能量，EC代表控制能量。为了满足上式最小，需要以下条件：
[0081]
[0082] 假定要提取的特征的光度模型是离散的二维函数I(x，y)，在最小二乘法平差计算，这个特征可以被解释为测光模式PM(x，y)的观测向量。非线性观测方程被确定为
[0083] PM(x，y)‑e(x，y)‑T(I(x，y))
[0084] 其中e(x，y)是一个真正的误差函数和T(·)是一个抽象的变换表示的测光模式的函数值和所述图像的灰度级之间的辐射度的关系。此变换的基本上由两部分组成。第一部
分表示功能操作估算的灰度级别的测光模式值，这部分通过模型的知识确定，可以应用到
之前的图像或做最小二乘平差。第二部分模拟辐射畸变的校正。假设转换后的图像为G(x，
y)。应用泰勒级数于上式并且降低二阶项和高阶项和更高阶项，观测方程的线性化形式变
为
[0085] ‑e(x，y)=G(x0，y0)△x+G(x0，y0)△y+(g(x0，y0)‑PM(x，y))
[0086] 由于线性特征的本质上是单向的，所以模板在特征匹配时会滑动，为缓解这个问题，可把上述方程变为
[0087] ‑emx=GxN△X‑lmx：Pmx
[0088] ‑emy=GyN△Y‑lmy：Pmy
[0089] 形成一对独立的在x和y方向的观测方程，观测矢量lmx，lmy包含共轭像素的差异，而Pmx，Pmy是相应的权重矩阵。
[0090] 基于第一方面，在本发明的一些实施例中，上述采用道路提取方法根据道路特征提取各个分割图像中的初始道路信息的方法包括以下步骤：
[0091] 采用道路跟踪提取法根据道路特征提取各个分割图像中的初始道路信息；具体方法如下：
[0092] 模板窗口和目标窗口之间相似变换：xtarget=xtemplatecosθ+ytemplatesinθ+s1‑ssinθ′ytarget=‑xtemplatesinθ+ytemplatecosθ+s2+scosθ′
[0093] 其中，xtemplate，ytemplate是模板窗口的坐标：xtarget，ytarget是目标窗口坐标：θ是模板窗口和目标窗口的旋转角度，s1，s2是模板窗口移动距离，θ′是模板和道路方向夹角，s是垂
线到θ′的轴距。
[0094] 最小二乘法相关匹配假设这种相似性转换可以通过使用下面的矩阵：
[0095] L=Ax
[0096] L={f(xtemplate，ytemplate)}
[0097]
[0098] 基于第一方面，在本发明的一些实施例中，该基于遥感图像的道路提取及异常监控的方法还包括以下步骤：
[0099] 根据道路异常对比信息判断道路是否异常，如果是，则生成并发送异常预警信息；如果否，则结束。
[0100] 当判断道路存在异常时，生成并发送异常预警信息，提示道路异常，以便维护人员对道路的情况进行调整。道路异常包括道路宽度异常、倾斜程度异常、平坦陡峭过高等异常
情况。
[0101] 如图2所示，第二方面，本发明实施例提供一种基于遥感图像的道路提取及异常监控的系统，包括图像处理模块201、图像分割模块202、道路提取模块203以及道路监测模块
204，其中：
[0102] 图像处理模块201，用于获取目标道路的多波段遥感图像，对所述多波段遥感图像进行预处理，得到每个波段的遥感图像对应的特征增强图像。
[0103] 图像分割模块202，用于根据预设的道路提取的分割阈值对每个波段的遥感图像对应的特征增强图像进行分割，得到每个波段的遥感图像的一个或多个分割图像。
[0104] 道路提取模块203，用于根据道路特征提取每个波段的遥感图像的分割图像中的初始道路信息，并根据预设的道路提取的合并阈值对每个波段的分割图像中的初始道路信
息进行匹配，生成单波段的初始道路信息，进而对各波段的初始道路信息进行整合，生成完
成道路信息。
[0105] 道路监测模块204，用于将完整道路信息与预设的道路参考信息进行对比，生成道路异常对比信息并发送。
[0106] 所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，所述描述的模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
[0107] 图3示出了可以用来实施本公开的实施例的电子设备300的示意性框图。如图所示，设备300包括中央处理单元（CPU）301，其可以根据存储在只读存储器（ROM）302中的计算
机程序指令或者从存储单元308加载到随机访问存储器（RAM）303中的计算机程序指令，来
执行各种适当的动作和处理。在RAM 303中，还可以存储设备300操作所需的各种程序和数
据。CPU 301、ROM 302以及RAM 303通过总线304彼此相连。输入/输出（I/O）接口305也连接
至总线304。
[0108] 设备300中的多个部件连接至I/O接口305，包括：输入单元306，例如键盘、鼠标等；输出单元307，例如各种类型的显示器、扬声器等；存储单元308，例如磁盘、光盘等；以及通
信单元309，例如网卡、调制解调器、无线通信收发机等。通信单元309允许设备300通过诸如
因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
[0109] 处理单元301执行上文所描述的各个方法和处理，其被有形地包含于机器可读介质，例如存储单元308。在一些实施例中，计算机程序的部分或者全部可以经由ROM 302和/
或通信单元309而被载入和/或安装到设备300上。当计算机程序加载到RAM 703并由CPU
301执行时，可以执行上文描述的方法的一个或多个步骤。备选地，在其他实施例中，CPU
301可以通过其他任何适当的方式（例如，借助于固件）而被配置为执行上述方法。
[0110] 本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：场可编程门阵列（FPGA）、专用
集成电路（ASIC）、专用标准产品（ASSP）、芯片上系统的系统（SOC）、负载可编程逻辑设备
（CPLD）等等。
[0111] 用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处
理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的
功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件
包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
[0112] 在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可
读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电
子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合
适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计
算机盘、硬盘、随机存取存储器（RAM）、只读存储器（ROM）、可擦除可编程只读存储器（EPROM
或快闪存储器）、光纤、便捷式紧凑盘只读存储器（CD‑ROM）、光学储存设备、磁储存设备、或
上述内容的任何合适组合。
[0113] 此外，虽然采用特定次序描绘了各操作，但是这应当理解为要求这样操作以所示出的特定次序或以顺序次序执行，或者要求所有图示的操作应被执行以取得期望的结果。
在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具
体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文
中描述的某些特征还可以组合地实现在单个实现中。相反地，在单个实现的上下文中描述
的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实现中。
[0114] 尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上
面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。
