摘 要：利用面向对象方法，研究了如何提取车辆信息，并进一步提取交通流参数。首先，对图像进行增强处理，其次选取合适的分割、合并阈值进行图像分割，然后根据车辆的特征信息制定规则，依次提取车辆信息，最终获取交通流参数。试验证明利用面向对象方法可以实现对遥感图像中的车辆信息的提取，并且能够获取交通密度、道路空间占有率、车速及交通量参数，是对高分辨率遥感影像提取交通信息的有益探索。
　　关键词：高分辨率遥感;面向对象;车辆检测;交通流参数
　　0 引言
　　 随着高分辨率影像的使用范围越来越广，高光谱影像使得定量分析地物成分成为可能，高分辨率影像则使得提取地物信息、制作大比例尺地图成为可能[1]。遥感图像质量不断提高、成像覆盖面积扩大，可以大范围地检测路网信息和车辆信息，以解决出现的交通问题，评价道路规划及安全情况等。
　　1 车辆信息提取
　　 在进行车辆提取前，依然通过2%线性增强方法，提高车辆与道路的对比度，为车辆提取做准备。利用软件完成车辆提取，首先，在选择数据时，除了载入图像数据，还需在掩膜文件选项中，选择之前提取到的道路矢量数据，限制车辆提取的区域范围，以便减少工作量和提高提取的精度。
　　1.1 图像分割与合并
　　 通过实时预览观察图像分割与合并效果，选择分割阈值为78，选择合并阈值为45。
　　1.2 车辆特征提取
　　 對车辆提取时，分别描述明车与暗车的特征，特征描述如下：
　　 （1）对明车进行提取，主要利用光谱均值信息，设置光谱均值范围为大于1 285，经预览可知，能够提取出明色车辆。
　　 （2）对暗车进行提取，主要利用光谱均值信息及面积。设置光谱均值范围为小于1 000，同时限制面积范围为5.6～35.0。
　　1.3 车辆特征提取
　　 分别利用两条规则对车辆进行提取，最终结果如图1所示。
　　1.4 精度评价
　　 经目视判读可得，该路段上车辆数为20，其中明色车辆数为12，暗色车辆数为8。将面向对象车辆提取结果与目视结果相对比，绘制了面向对象车辆提取结果精度评价表，如表1所示。由此可知，该试验利用面向对象的车辆提取方法，总体的正确率与检测率较高，提取效果好。
　　2 交通流参数获取
　　2.1 交通密度
　　 本试验中的道路共有两条路段，即由南向北路段和由北向南路段。由道路信息及车辆数可计算得到试验区的交通密度，如表2所示。
　　2.2 道路空间占有率
　　 根据车辆检测试验结果，从中可以得到车辆的长度信息，相应可以获取道路空间占有率，如表3所示。由表可知，该试验区道路空间占有率较小，说明道路上车辆较为稀疏。
　　2.3 车辆提取
　　 在试验区域内，车辆总数为20，车辆总长度为103.84 m，经计算可得平均车辆长度为5.192 m。在该道路阻塞路段，观察到阻塞车辆间的距离，如表4所示，可知该道路上阻塞时的同车道车辆间的平均距离为1.373 m。由阻塞密度与平均车头间距的关系式，计算得到道路的阻塞密度为152.3辆/km。
　　 经查阅资料，该道路畅行速度约为60 km/h。由格林希尔兹提出的速度-密度线性关系模型以及交通流三要素的基本关系，最后估算获得的交通流参数如表5所示。
　　3 结束语
　　 随着高分辨率遥感图像质量的提高，利用遥感图像提取道路和车辆信息，获取交通流参数及其他交通信息，进而应用于城市交通的合理规划和评价变得越来越有可能。本文利用面向对象的图像信息提取方法，利用wordview-2卫星数据进行试验，从图像中获取了道路及车辆信息，然后通过计算获取了交通密度、道路空间占有率且估算了车速及交通量参数，实现了利用高分辨率遥感影像对交通流参数提取。
　　参考文献：
　　[1]韦玉春，汤国安，杨昕.遥感数字影像处理教程[M].北京：科学出版社，2013：8.
　　[2]邓书斌，陈秋锦，杜会建，等.ENVI遥感图像处理方法 第2版[M].北京：高等教育出版社，2014.10.