与实现
彩城市交通地图具有内容丰富、表达直观等优点，但由于其信息量大，需要在地图上进行道路的提取和标注。通过分析道路特征和已有道路提取方法，针对彩城市交通地图的特点，提出了一种基于局部阈值分割的彩城市交通地图中道路提取方法。该方法首先采用基于全局阈值分割的方法将原始图像分割为若干个小区域，再通过边缘检测算法获取每个小区域内的边缘特征，最后利用特征检测结果实现道路提取。针对实际中光照条件不佳、路面杂乱、阴影等情况，分别采用了基于颜特征和纹理特征的道路提取方法，并给出了相应的实现算法。通过将两种方法相结合，既利用了目标区域内边缘丰富的特性，又利用了目标区域外边缘杂乱且纹理特征明显的特性。实验结果表明，该方法可以有效地实现彩城市交通地图中道路的提取，在保证识别精度的同时提高了计算效率。提出的方法可以为彩城市交通地图中道路提取提供一种新的思路和方法，其可以广泛应用于城市交通管理、交通规划等领域，对我国城市交通系统的建设具有重要意义。
1绪论
城市交通地图是描述交通状况的主要载体，其中道路信息的提取是地图显示和信息检索的
基础，也是后续目标识别、自动驾驶等工作的重要基础。道路信息具有复杂多变、结构多
样等特点，在获取道路图像时面临着复杂多变的环境、恶劣的光照和复杂的噪声干扰等困难。近年来，国内外学者对道路图像处理和分割做了大量研究，并提出了多种方法来进行
道路提取。现有的各种道路提取方法主要可以分为两类：基于阈值分割的方法和基于特征
检测的方法。
1.1研究背景与意义
道路提取是地图中道路标注的基础，也是道路导航等地图应用的重要组成部分。传统的交
通地图中道路提取主要以人工的方式进行，不但效率低，而且提取结果容易出现错误。随
着智能交通系统（ITS）的发展，自动提取道路在智能交通系统中具有重要意义。自动提取
道路可以提高道路识别的准确性、减少人工干预、减少错误率，还能为导航、公交系统等
提供有效数据。
该方法可以较好地解决实际应用中由于光照条件不佳、路面杂乱、阴影等因素引起的图像
退化问题，并能够有效地提取出彩城市交通地图中的道路，提高道路标注的准确性和可
靠性。
1.2国内外研究现状
城市道路图像的提取是数字图像处理中的一项重要内容，也是计算机视觉领域的一个重要
课题。由于城市道路具有较强的复杂性，这就使得道路图像在提取时难度很大。目前，国
内外已有许多学者对道路提取进行了研究，主要有基于模板匹配的方法、基于阈值分割的
方法、基于区域生长法和基于数学形态学方法等。这些方法在一定程度上实现了道路图像
的提取，但仍存在着不足之处。
从图1中可以看出，传统的图像处理技术对道路提取有着较大的局限性，由于噪声、光照
条件等原因，很难将其提取出来。针对这些问题，本文提出了一种基于局部阈值分割和边
缘检测的道路提取方法。本文以某城市的彩交通地图为例，给出了具体实现过程和算法。
1.2.1国外研究现状
国外在道路提取方面的研究起步较早，尤其是美国和日本在道路提取方面具有丰富的经验。美国研究人员提出了一些算法，如基于概率模型的道路检测方法，该方法通过将图像分割
导航地图标注为不同的子区域，然后利用概率模型对子区域内的道路进行检测。日本研究人员提出了基
于灰度共生矩阵（GLCM）和纹理特征的方法，该方法先通过 GLCM对图像进行分割，然
后利用纹理特征对分割后的图像进行分类。英国学者 Joseph J. Burns等人提出了基于图像
分割和连通域分析相结合的方法，通过提取彩城市交通地图中的道路区域，并使用连通
域分析对区域进行进一步处理。上述算法均需要对原始图像进行预处理，算法较为复杂，
而且存在一定的误识别率。
1.2.2国内研究现状
国内在彩城市交通地图中道路提取方面的研究，主要集中在彩图像预处理、目标提取、道路信息标注等方面，如张毅、金慧琴、郭世华等人分别采用了基于局部阈值分割和边缘
检测的方法对彩图像进行道路提取。郑文强、黄庆强、李树田等人则主要通过对彩图
像的特征分析，提出了一种基于灰度信息的道路提取方法。杨立勇等人通过对彩图像进
行灰度化处理，再采用最大类间方差法实现了道路的提取。王凤娟等人通过对彩图像的
灰度值进行统计分析，提出了一种基于直方图统计特征和遗传算法的道路提取方法。周伟斌、邓继华、张世明等人则分别提出了基于彩直方图统计特征的道路提取方法和基于区
域生长的道路提取方法。
1.3本文研究内容与技术路线
本文研究内容包括道路特征提取、颜特征提取和纹理特征提取三个方面。首先，基于局
部阈值分割的方法对彩城市交通地图进行道路提取，并利用不同的边缘检测算法提取每
个小区域内的道路边缘特征，以获取道路特征，然后基于颜特征和纹理特征对道路进行
提取，并对两种方法进行分析比较。其次，基于颜特征的方法利用彩城市交通地图的
彩特性，通过阈值分割算法将原始图像分割成若干个小区域，再根据目标区域的边缘特
点对各个小区域内的边缘进行检测，最后利用该检测结果实现对彩城市交通地图中道路
的提取。最后，基于上述两种方法进行结合得到最终结果，并通过实验验证了算法的有效性。
1.3.1研究内容
本文主要研究目标是对彩城市交通地图中的道路进行提取，在研究过程中以道路提取的
流程为主线，分以下三个部分：第一部分是图像预处理阶段，主要对图像进行去噪、平滑
等预处理，以保证后续道路提取算法的有效性；第二部分是道路区域分割阶段，主要采用
基于阈值分割的方法将原始图像分割成若干个小区域，并采用边缘检测算法获取每个小区
域内的边缘特征，再利用特征检测结果实现道路提取；第三部分是道路特征提取阶段，主
要对所提取出的道路特征进行分析，包括颜特征、纹理特征和空间位置特征等。最后将
提出的方法应用于实际案例中，实验结果表明所提出方法具有较高的识别精度和较快的处
理速度。
1.3.2技术路线
其中，颜特征包括了 RGB空间的彩信息和 HSI空间的度信息，利用其进行道路提取
时可大大提高处理速度。纹理特征是利用灰度直方图进行描述的，可以更加准确地描述图
像中目标区域内的纹理信息。根据这一特点，本方法采用了基于颜和纹理两种特征相结
合的方法。因此，本方法的技术路线如图1所示。
2彩交通特性研究
彩城市交通地图由于其内容丰富、表达直观等优点，已广泛应用于我国城市交通管理和
规划中，对提升我国城市交通管理水平具有重要意义。然而，目前彩城市交通地图的制
作依然沿用传统的纸质地图，且制作成本高、生产周期长、印刷和制版困难，因此迫切需
要一种高效、快速的彩城市交通地图自动标注方法。如图1所示为一幅彩城市交通地
图的图片。其中：红线条为道路区域，绿线条为车辆行驶区域，黄线为树木等非车
辆区域。对上述三种不同类型的道路进行分析和对比可以发现，道路区域颜不均匀、纹
理特征明显，是本方法所适用的目标区域。
2.1相关概念
阈值分割方法是将图像分割成若干个相互独立的区域，其中每个区域均为目标区域。阈值
的选择对于分割结果有着重要影响，在进行阈值分割时应根据实际情况选择合适的阈值。
对于彩城市交通地图，通常道路与非道路会有一些差别，如路面颜、阴影等，这些因
素会对分割结果造成影响。此外，交通地图上道路信息的多样性、复杂性也是导致其难以
实现阈值分割的重要原因之一。
边缘检测算法是将图像中的像素点按照一定规律连接起来，形成线状结构。在对道路提取时，边缘检测算法可以提取出道路的轮廓信息，在一定程度上反映出了道路与非道路的区别。因此，在进行道路提取时，需要结合基于颜特征和纹理特征两种方法进行。
2.2灰度变换
图像的灰度变换是将一幅图像的灰度级表示为另一幅灰度级的图像，即将一幅图像的灰度
值转化为另一幅图像的灰度值，如图3所示。在灰度变换过程中，一般通过对变换后的灰
度进行线性加权运算来实现。其中，n表示灰度变换后图像的像素个数，一般取m。在对
图像进行线性加权运算时，一般通过计算不同亮度值下的像素值和与其最接近的亮度值之
间的差异来实现。
为了提高运算速度，在实际中通常采用图像拉伸技术。常用的拉伸算法有两种：双线性拉
伸和三线性拉伸。由于双线性拉伸可以将图像中各个像素点调整到亮度最大，因此通常采
用双线性拉伸来实现灰度变换，如图4所示。由于三线性拉伸不能使灰度变换后图像变暗，因此采用三线性拉伸算法来实现。
2.3图像增强方法
首先，通过直方图均衡化方法将原始图像进行预处理，从而实现对原始图像的增强。然后，利用局部直方图均衡化方法，将图像转换为灰度图像，再利用增强算法实现对道路图像的
增强。其中，基于颜特征的增强方法是将原始图像的颜通道进行灰度变换处理，获得
对应的直方图；而基于纹理特征的增强方法则是对原图进行灰度变换处理，获得对应的纹
理直方图。最后，利用直方图均衡化方法和纹理特征增强方法对道路图像进行增强处理，
从而提取出彩城市交通地图中道路。
3车型线特征和提取
利用图2所示的彩图像，车型线特征提取可以通过以下两种方法实现：
1)边缘检测算法。首先，利用灰度图像的边缘信息进行道路提取。具体来说，首先，通过
对灰度图像进行三次平滑滤波来提取边缘信息；其次，对平滑后的图像进行边缘检测，利
用一系列阈值计算确定出候选边缘点；最后，对候选边缘点进行 Hough变换，并根据阈值
到最大的直线作为目标车型线。
为了提高车型线特征提取的准确性和效率，本文提出了一种基于特征检测算法的方法来提
取车型线特征。具体来说，首先对图2中的图像进行灰度化处理；其次利用图2中所提的
方法获取候选边缘点；最后通过 Hough变换得到最终的车型线特征。
3.1车型交通标志特征分析
为了便于分割，首先对彩城市交通地图进行了预处理，然后根据对车型交通标志的分析，对分割后的图像进行了颜和纹理特征分析。根据颜特征分析，彩交通地图中的道路
区域与背景区域颜差别明显，其与背景区域颜相近，而道路区域颜较淡。从纹理特
征分析，由于道路区域的路面是由白和灰组成的，与背景区域中路面不同的是其纹理
也不同。通过对图像进行预处理，可以发现路面上的纹理分布不均匀、杂乱。而由于道路
区域边缘的丰富和杂乱，其边缘处也表现出一定的纹理特征。因此，可以利用两种方法相
结合获取图像中道路区域的颜特征和纹理特征信息，实现彩城市交通地图中道路的提取。
3.2车型交通标志分析
车型交通标志是彩城市交通地图的重要组成部分，其主要用于表示道路类型和车辆类型。针对车型交通标志的特点，采用了颜特征和纹理特征相结合的方法，对其进行提取。由
于车辆具有一定的颜特征，因此，本文首先对彩城市交通地图中的车辆进行颜分析。利用彩空间模型将彩城市交通地图中的车辆图像转换为灰度图像，再利用最大类间方
差法将图像分割为若干个区域。然后在每个小区域中利用颜特征实现车型交通标志的提取，最后利用纹理特征对提取结果进行处理。
3.3车型交通标志分析
根据不同的交通标志，交通道路可以分为两类：一类是车辆行驶道路，包括交通标志、交
通标线等；另一类是行人通过的道路，包括人行道和自行车道等。针对彩城市交通地图，需要对车辆行驶道路进行识别。本文以城市道路中的车辆行驶道路为研究对象，采用基于
颜特征和纹理特征的方法进行道路识别。车型交通标志是指交通标志上标明了各种车辆
类型或型号的图形符号，它是由文字、线条和颜组成的。如图1所示，由红线条组成
的是蓝车型标志，由黄线条组成的是绿车型标志，由白线条组成的是黄、蓝
和白相间的车型标志。本文根据不同车型的特征对车辆行驶道路进行提取。
4车型交通标志聚类匹配
为了降低道路提取过程中的计算复杂度，本文采用了聚类匹配的方法。由于实际应用中交
通标志往往呈现多种颜，并且在道路上分布不均，因此本文根据颜信息和纹理信息，
采用基于密度峰值聚类算法实现车型交通标志的聚类匹配。如图5所示，红车型交通标
志与绿车型交通标志分别处于不同的区域。由于同一区域内的多个车辆所处的区域间具
有较强的相似性，因此首先利用颜特征将红和绿车型交通标志聚类为一类，然后再
利用纹理特征将两类车型交通标志聚类为一类。如图5所示，通过这种方法可以实现红
和绿车型交通标志之间的聚类匹配。在聚类过程中，还需要考虑两个重要因素，即距离
和相似性。
4.1基于边缘检测的车型交通标志提取
对图像进行分割得到若干个区域后，需要对每个小区域进行边缘检测。根据检测图像的特
点，选择一种合适的边缘检测算子，获取每个小区域的边缘特征。由于彩图像的颜信
息可以用亮度值来描述，因此，本文选择利用图像亮度值来提取交通标志。由于光照条件
较好，各车型在道路上的分布较为均匀，且车辆数量较少，因此采用基于颜特征的检测
方法进行车型交通标志的提取。
首先对分割出的彩图进行 HSV颜空间转换，并得到一个统一的R、G、B颜空间。
然后利用 HSV颜空间中各分量值之间的关系获得颜特征向量，再利用 BP神经网络进
行训练得到车型交通标志的边缘特征向量。具体流程如图2所示：
4.1.1选择交通标志
为了提高道路提取的效率，同时为了在不改变地图彩的情况下增加道路信息，需要选择
合适的交通标志。分析彩城市交通地图中道路提取的方法可知，该方法的主要流程如下：（1）对原始图像进行预处理，包括滤波、分割、二值化等；
（2）计算每一个像素点在目标区域内的颜特征；
（5）利用提取出来的目标区域内目标颜和灰度特征信息，进行道路提取。为了降低计算复杂度，本文采用了基于局部阈值分割的方法将彩城市交通地图分割为多个小区域。4.1.2一阶导数增强
为了进一步增强边缘点，在对图像进行一阶导数增强的基础上，提出了一种新的道路提取
算法。首先，为了避免由道路自身的特性所造成的信息损失，本文采用了一种新的导数增
强方法，其主要思想是：在图像上取一点，并使该点的梯度方向和梯度幅值均与图像梯度
方向和幅值一致，同时使该点的梯度幅值比其周围邻域的梯度幅值大。为了减少计算量和
计算量大等问题，在实际应用中我们选择了一种新的计算方法。然后，为了提高道路提取
效率和效果，将该算法与已有算法结合使用，在图1中我们可以看到一阶导数增强后边缘
点处的梯度幅值明显增大了。最后，为了提高道路提取精度和稳定性，我们在图2中采用
了一阶导数增强方法。
4.2基于灰度信息的车型交通标志提取
基于灰度信息的车型交通标志提取是一种根据图像灰度信息来检测车型的方法。在彩交
通地图中，道路区域的灰度信息非常丰富，且大部分道路区域都有较为明显的颜特征，
而目标区域则主要以黑、白为主。因此，本文主要采用基于颜特征的方法实现彩
交通地图中车型交通标志的提取。
为了在一定程度上提高提取算法的鲁棒性，本文首先对彩交通地图中包含的不同车型进
行了研究，并对不同车型在颜上的差异进行了分析，提出了一种基于颜特征的车型交
通标志提取算法。在实验过程中，采用了不同种类及大小车辆的实验样本。实验结果表明，该方法可以有效地实现不同种类车辆交通标志的提取。
4.2.1选择交通标志图片
本文使用的彩交通标志图片来自于美国国家地理网站（National Geographic Works），该网站以提供免费的国家地理数字信息资源和服务而闻名，其用户包含了世界上所有的国家
和地区。这些资源中包含大量的道路标志，并提供了丰富的彩交通标志图片。经过筛选，共有9种不同类型的交通标志图片，分别是：①蓝公路标志；②黄道路标志；③红
道路标志；④绿道路标志；⑤红和绿混合道路标志；⑥绿和红混合交通标志；
⑦黑道路标志；⑧白道路标志。其中蓝公路标志、黄道路标志、红和绿混合
交通符号以及绿和红混合交通符号四种交通符号在道路提取过程中较为常用。
发布评论