摘  要： 研究从彩色栅格交通地图中提取完整的道路网络集合的方法。在地图规范化的基础上，基于彩色栅格地图上的噪声特征，处理欠识别和误识别的道路点集集合，并以实例说明应用该方法提取道路的过程和效果。
　　关键词： 模式识别  栅格地图  道路提取  聚类  地理信息系统

 　　近年来地理信息系统技术迅速发展，在资源管理、城市规划管理、交通及军事等许多方面得到广泛应用。随着人们对地理信息需求量的增加、地理信息处理的批量化及高性能计算机的制造，使得处理海量地理信息所要求的速度越来越快，人工识别被看成是一项既费时又费力的工作。地理信息的识别已成为地理信息系统（Geographic Information System，GIS）发展的瓶颈。地图数据的扫描输入及自动提取的研究受到越来越多的关注。
　　城市交通地图信息的识别和提取是地理信息系统的基础，而城市交通地图中道路信息的识别和提取又是地理信息识别和提取的一个重要组成部分。目前，人们已经对如何从彩色城市地图中识别和提取道路做了大量的研究，并且提出了许多方法。这些方法主要可以归纳为以下3种：(1)基于地图拓扑结构的道路识别和提取。(2)基于地图颜色特征的道路识别和提取。(3)结合以上2种方法进行道路的识别和提取。
　　对大部分彩色城市交通地图而言，地图中的噪声表现为文字和一些有特殊含义的符号。对于彩色城市地图中的噪声，既不能用道路的颜色来替代，也不能用区域的颜色来填充。因此，必须对噪声进行分类。本文将利用地图中的噪声特征对噪声进行分类，从而有效地对彩色城市交通地图中的道路进行识别和提取。
1  地图的特征分析
　　本文所研究的地图来源于中国地质出版社出版的中国公路交通图图册压缩光盘。文中所用的示例地图是彩色合肥市交通图(只取了其中的一部分)，如图1所示。

　　从图1中可以看到(因本刊为非彩色印刷，故用灰度表示)：与水相关的河流、湖泊以及护城河等用深浅不一的蓝色表示；与绿地有关的公园、绿化带等用绿色（RGB(103，169，121)）表示；城市区域是用颜色一致的棕色（RGB(191，162，142)）表示；城市道路根据道路的性质不同分别用白色（RGB(255，255，255)）、绿色（RGB(130，179，108)）、粉红色（RGB(234，116，163)）、橙色（RGB(239，157，70)）等几种颜色表示。但是，在道路和区域中存在大量的文字及少量的表示特殊含义的标志，如医院的标号“+”等。
    根据彩色城市地图的特点，将其划分为3个集合：(1)道路集R。(2)区域集A。(3)噪声集N。在这里，把不同性质的道路划分为道路集；绿地、河流及城市区域归入区域集；所有文字和表示特殊含义的标志作为噪声集。道路集、区域集和噪声集都是由一些具有颜色特征的象素点构成的集合。
2  地图规范化
　　道路集中的道路和区域集中的地理要素都是以多种颜色表示。噪声集中也存在少量的白色符号（一般把道路的颜色用白色表示）。所有这些因素对道路的识别和提取非常不利。因此，必须对原始地图做规范化处理，以更有利于道路的识别和提取。地图的规范化由2部分组成：（1）去除地图中的白色符号。（2）道路集和区域集颜色规范化。
2.1 去除白色符号
　　从图1中可以看到：道路的颜色主要是白色，而地图中也存在白色的符号，如医院的标号“?笾”。在识别和提取道路的处理过程中，一般以白色表示道路。因此，在识别和提取道路之前，必须去除地图中的白色符号。对于同一个地图集来说，同一种符号的大小一般相同。因此，可以采用模板匹配的方法来消除地图中的白色符号。具体处理过程如下：(1)根据白色符号的大小选择一个适当的模板，例如：对于医院符号，可以采用19×19的矩阵作为模板。（2）从白色符号中提取几个特征点，并且以每个特征点的颜色来初始化模板相应位置的颜色。模板其他位置的颜色为任意值（在处理过程中，不对这些位置的颜色和地图中19×19的矩阵块的相应位置的颜色做比较）。(3)扫描整幅地图，将地图中的每个19×19的矩阵块和模板作比较，如果矩阵块和模板匹配，则把矩阵块中心的一些象素点的颜色用灰色（RGB(168，168，168)）代替。利用该方法对图1进行规范化处理，则规范化后的效果图如图2所示。

2.2 道路集和区域集颜色规范化
　　基于上面的分析，可以把道路集中性质不同的道路分别用不同的颜色标识。同样，区域集中的绿地、河流及城市区域也用不同的颜色标识。在提取道路之前，先把道路集中所有的道路颜色规范化，使得道路集中的道路颜色以同一种颜色（白色）标识。同样，把区域集中绿地、河流及城市区域的颜色规范化，使得区域集中的各要素以同一种颜色（灰色，RGB(168，168，168)）标识。为此，要扫描整幅地图并分别计算道路集中道路颜色和地图中各象素颜色之间的颜色距离。如果颜色距离小于事先设定的阈值（比较小的正数），就可以认为在地图中该颜色标识的是道路，并且把该颜色替换为白色。再采用同样的方法对区域集颜色规范化。颜色距离的计算公式如下：
　　
　　这里R1、G1、B1分别代表地图中象素颜色的红色、绿色和蓝色分量。R2、G2、B2分别代表道路集的道路颜色（或区域集中的图元颜色）的红色、绿色和蓝色分量。D代表这2种颜色之间的距离。
3  基于噪声特征的道路识别和提取
　　噪声集是由文字和一些具有特殊含义的符号组成。然而，噪声集中的这些噪声要素各自具有其特征。如何利用这些特征来识别和提取道路将是下面讨论的主题。
3.1 噪声的特征分析
　　从图2中可以看出：地图上的噪声主要是文字噪声，还有一些表示特殊含义的符号和区域之间的分界线。对文字而言，文字的笔划有一定的宽度，笔划间有一定的间距，且文字的笔划一般在1～5个象素之间（道路的宽度一般在6～20个象素之间）。通过对文字的放大，还可以发现其他的一些重要特征：文字和区域及文字和道路之间存在过渡色，并且道路上的文字和道路之间的过渡色具有较大的灰度值，而区域内的文字和区域之间的过渡色的灰度值较小。道路上的文字和区域内的文字分别如图3和图4所示。就区域之间的分界线来说，这些线条一般都很细。对于一些表示特殊含义的符号和粘连的文字来说，噪声一般呈块状出现。

3.2 利用噪声特征识别和提取道路
　　下面将利用噪声的这些特征来对噪声进行分类，进而从地图中提取出道路信息。
　　从图2可以看出，已识别出的道路集是由白色象素组成的集合，已识别出的区域集是由灰色象素组成的集合，噪声集中的噪声象素的颜色则比较丰富。问题转化为对所有的噪声集中的噪声点进行正确聚类，把原本属于道路的所有噪声点划分到道路集，把原来属于区域的所有噪声点划分到区域集。从而可以实现彩色地图中道路的识别和提取。 对于区域中的块状噪声，用适当阶数的方阵(如15×15的方阵)来扫描整幅地图。如果方阵中所有的象素点都属于区域集和噪声集的并集，则把该方阵中心的一些象素点归并到区域集中。对于线状的噪声（文字的笔划及区域的分界线），可以根据文字的笔划特征及其二侧象素点的属性来判断这些噪声点的归属。如果线状噪声二侧的象素点都属于道路集，则把这些噪声点归并到道路集（称这类噪声为道路上的噪声）；如果线状噪声二侧的象素点都属于区域集，则把这些噪声点归并到区域集（称这类噪声为区域内的噪声）；如果线状噪声二侧的象素点分别属于道路集和区域集，则保留这些噪声点。利用文字过渡色的特征，选择一个适当的阈值，把灰度值大于该阈值的噪声象素划分到道路集中。这里，阈值的选取对识别和提取道路有较大的影响。如果选取的阈值过大，可能会导致断路现象，即道路欠识别；如果选取的阈值太小，则有可能产生过识别（也称误识别）的道路。选取阈值的原则是：在保证过识别道路的宽度较小（一般小于5个象素）的前提下，尽量减少道路的欠识别。识别和提取道路的具体操作步骤如下。
　　(1)处理区域内块状噪声。(2)处理道路上的噪声。(3)处理区域内的文字噪声和线形噪声。(4)处理过渡色象素噪声。(5)再次处理道路上的噪声。(6)把没有聚类的噪声象素点都划分到区域集，对图像进行二值化和反色处理。(7)检查已识别出的道路集，采用步骤(2)来消除过识别的道路。此时，步骤(2)实际上等同于处理区域内的噪声（这里把过识别的道路作为噪声）。(8)道路细化，并连接断点（断点一般成对出现）。如果2个断点间的距离小于事先设定的阈值，则把这2个断点连接起来。(9)矢量化。
利用上述方法对图2进行处理，得到提取道路细化前的效果图如图5所示，细化并矢量化后的效果图如图6所示。

4  结  论
　　在彩色城市交通图中，各个噪声要素都具有一定的特征。本文提到的各类噪声要素的特征，对彩色地图来说具有普遍性。因此，利用噪声的特征来完善道路信息的识别过程是有效的且具有一定的通用性。而且，这种方法比较简单，效率也很高。从对合肥市彩色交通图的处理结果来看，效果较为满意。
参考文献
1   叶家鸣.彩色城市交通地图道路信息的识别与提取.中国科学技术大学硕士论文，2003
2   Ye J M，Bao Y L，Liu A P.Road Extraction from Color City
     Map.In：Proceeding of 2002 International Conference on  Control and Automation，China，2002
3   史久根，张旺生，鲍远律.彩色地图图像中道路信息的识别和提取.微机发展，2000；10（1）
4   姚振旺.GIS环境矢量电子地图校正平台的设计和实现.中国科学技术大学学士论文，1998