1.简介
线性构造的检测和提取通常用于施工现场选择（大坝、桥梁、道路、，等。) [1–4]地震和风险评估[5–11]、水资源和水文地质调查[12–16]、矿产勘查[17–22]以及研究一个地区的构造或构造历史[23–25]. 大多数构造特征与卫星图像上的直线元素（进一步表示为“线性构造”）有关。由于各种原因，例如无法通行或不安全区域，有几个区域无法在现场进行研究[26,27]. 航空照片和卫星图像在区域尺度线性特征研究中的使用，如断层、断裂带、剪切带和岩性接触，大大降低了这些限制的影响[17,27]. 传统上，线性构造制图基于视觉或半自动解释（摄影地质学）。线性通常通过数字化手动提取，这是主观的、耗时的、昂贵的，并且需要专业知识、培训和足够的科学技能。此外，它不能产生大规模区域的结果[28]. 如果结果可重复，则线性提取可能更有利。因此，需要自动提取线性构造。 提高卫星图像的空间和辐射分辨率有助于发展自动或基于标准的线性提取算法[29,30]. 然而，算法通常速度较慢，并且通常会生成与道路和电力线等人工线性特征相关的虚假特征[31]. 线性特征增强和检测主要是在空间域（基于图像中像素的直接操作）中使用Sobel进行的[32]，普雷维特[32,33]、和日志筛选器[12,34–36]以及形态过滤器[37]和频域（基于修改图像的光谱变换）。在边缘检测步骤中导出的二进制边缘图被用作提取算法的输入，例如边缘跟踪（图形搜索[29])，边链接操作符（标准霍夫变换[27,35,38–40]、和边缘跟踪算法（STA、START和ALERT算法[41]). 线条自动提取过程的成功取决于边缘检测机制的可靠性和准确性[28,42,43]. 到目前为止，还不可能识别或测量需要检测的线性特征，也不可能消除所有剩余的伪影[43]. 选择图像预处理程序和合适的边缘检测方法在构造线性特征提取中非常重要，因为它们对最终结果的准确性有着重要影响。 本研究的主要目标是开发一个新的基于MATLAB的工具箱（TecLines），用于从卫星图像和数字高程模型（DEM）自动绘制线性构造图。TecLines包含一组用于检测和提取潜在边缘的功能，这些功能集成了图像频率和空间滤波、张量投票框架、霍夫变换和多项式拟合方法。
使用TecLines工具箱提取线性分为两个主要步骤：边缘检测和边缘链接。理想情况下，边缘检测方法应该生成仅位于边缘上的像素集。实际上，由于不需要的噪声和中断，这些像素很少完全描述边缘。物体的一般形状最初可能是未知的，但在许多情况下，它们可以通过分段线性段来近似。将线性段拟合到图像的所有边缘并丢弃假段是不容易实现的。这些问题在边链接步骤中解决。边缘链接的目标是将边缘描述为指定形状的线性段，并根据假设的曲线段方程估计缺失的边缘像素。由于边缘检测和边缘连接过程的数学背景以及主题的广度不同，我们在一篇由两部分组成的论文中介绍了该方法。我们选择MATLAB是因为它基于高级编程语言为数学处理提供了一个多用途的环境。此外，MATLAB中提供的函数易于修改和开放以进行改进。
第一部分的具体目标是通过集成频域滤波器、边缘检测方法和张量投票框架来描述和评估综合边缘检测过程，重点是构造线性构造提取（具有有效厚度、长度和像素连通性的二进制边缘图，以及提高边缘检测精度的程度）。最后，我们使用具有已知不连续性的合成图像和来自活动构造区的高分辨率卫星图像（QUICKBIRD-2）来验证此功能：阿富汗东北部的安达拉布断裂带。
2.数据
在本文中，我们演示了TecLines用于边缘检测的性能，其中已在合成数据集和真实数据集上进行了验证。
2.1. 合成数据集
近几十年来，根据地面真实数据的存在与否，提出了几种边缘检测方法的性能评估方法[44–50]. 这些方法基于图像的特征(即、真实图像、合成图像）[44,49–51]. 大多数依赖地面实况的边缘检测方法都使用简单的合成图像[52–55]，因为很容易指定地面真实边缘位置[44,45]. 在这些情况下，可以根据已知的理想检测（被视为地面真实情况）对边缘检测进行定量评估[55]. 合成DEM(图1)这里使用的是景观演化算法的结果，该算法是使用设置的河流切割和跨越构造断层的不同隆起率创建的。排水系统适应不断变化的地表条件。 2.2. 真实数据集
研究区域和数据
我们评估了TecLines在阿富汗东北部安达拉布活动断裂带卫星图像上的性能(图2a). 所选地区有长期破坏性地震历史[56]. 此外，它还包括被解释为主要由横贯希马拉伊造山带中的拉张力变形的区域[57,58]. Andarab断层为右旋断层，与Paghman断层和Hari-Rud断层交汇处北部约150 km长的东西走向山谷重合。在达里亚高河谷，沿断层轨迹观察到许多近期构造运动的证据[57]. 在这项研究中，我们使用Quickbird-2的全色波段（1米空间分辨率），时间为2006年3月2日(图2b). 该数据采用UTM坐标系、基准“WGS84”和42 N区。 3.方法
TecLines是一个基于MATLAB的新框架，它包含各种功能，用于从卫星图像和数字高程模型（DEM）中自动检测和提取构造线性构造。除了支持标准文件格式的光栅和矢量的导入和导出功能外，TecLines还提供频率域和空间域中的图像过滤功能，以生成主要的二进制边缘地图。TecLines中的最终二进制边缘图是通过执行Tensor投票框架的计算生成的。此外，TecLine通过使用标准的Hough变换函数从最终二进制边缘地图中提取线段。一组函数用于分组和合并线段，这将生成最终的线性构造图。TecLines中也可以将结果与已发布/未发布的线理图和线理分析进行比较。TecLines部门概述见图3. 3.1. 频域滤波
图像增强方法可以通过在输入图像中使用降噪和边缘增强来对线性特征的自动提取做出显著贡献。图像增强方法主要有两类：（1）空域方法，如均值、中值和模式滤波器；（2）频域方法，如高斯和巴特沃斯高、低和带通滤波器。这两类方法的主要区别在于，空间域方法通常是局部应用的，而频域方法通常是在全局环境中进行的。不幸的是，没有一个共同的原则来确定什么是“好”的图像增强。然而，当图像增强方法用作其他图像处理方法的预处理阶段时，定量测量可以确定哪些方法最合适。
在本研究中，我们在频域中使用了Butterworth带通滤波器方程式（1）为了通过抑制低频来增强边缘，并通过衰减高频来过滤噪声[20]. Butterworth带通方法与其他方法相比有几个优点，例如平滑传递函数没有任何间断或明确的截止频率，以减少急剧截断效应，并且容易根据滤波器的阶数控制频率范围（带宽）。此外，Butterworth带通方法可以提高理想带通方法的性能，同时减少环形和模糊效果。哪里如果L（左）和如果H（H）分别为低频和高频，如果是距离原点的距离，n是滤波器的阶数。巴特沃斯滤波器在MATLAB中可用，但它显示了一些局限性。根据MATLAB文档，当使用传递函数系数形式（[b，a]形式）时，低至6阶的频率滤波器可能会出现数值问题。这些问题是由于舍入错误造成的。原因是高阶滤波器可能需要非常精确的抽头系数才能获得所需的性能。因此，抽头系数计算中的数值误差可能会破坏性能。事实上，计算出的滤波器是不稳定的。因此，我们实现了一个新的基于MATLAB的代码，将带通滤波器应用于卫星图像。该代码允许通过在指定的带通参数（例如滤波器的阶数和滤波器的上、低频截止点）下进行频域滤波来增强边缘，以获得满足截止点传输速率的给定带宽，同时保持所需的性能。 3.2. 空域过滤
主要物理边缘对应于场景表面反射、照明、方向和深度的显著变化[59]. 从概念上讲，边缘检测是指通过三个步骤识别和定位图像中的尖锐不连续性：微分、平滑和标记[36,60–62]. 有几种类型的方法可用于空间域中的边缘检测。这些方法分为：基于梯度的方法（一阶导数）、基于拉普拉斯的方法（二阶导数）和最优边缘检测方法[59,63]. 我们在TecLines中成功测试并实现了三种常见方法：Sobel和Prewitt[32,33]（基于梯度），LOG[36,64,65]（基于拉普拉斯语）和Canny[60]（最佳）边缘检测方法。在基于梯度的边缘检测方法中，梯度向量的大小反映了任意给定点的边缘强度或边缘响应。信号中噪声的影响将出现在较小的局部极大值（边缘强度）上，因此，对局部极大值的映射进行阈值化以区分令人信服的边缘[66–68]. 在基于拉普拉斯算子的方法中，如LOG方法，高斯平滑滤波器用于降低输入图像中对噪声的敏感度，即轻微模糊图像。然后，应用拉普拉斯算子检测强度快速变化的区域。这些边缘检测器的缺点是对噪声的敏感性，也会产生两像素厚的边缘[69]. Canny边缘检测方法是一种优化方法，它提供了一种多阶段算法来检测图像中的宽范围边缘。这些应该与真实图像中的实际边缘保持最小距离。此外，检测到的边缘应该具有最小的响应。换言之，发现的边缘应该对单个边缘只有一个响应，并且通过使用具有滞后性的自适应阈值，完全消除了对边缘的多个响应的可能性。
3.3. 形态学图像处理
由Sobel、LOG和Canny边缘检测方法产生的二进制边缘图可以具有小规模的边缘和孤立（或岛状）边缘像素。改善这些结果的一种常见方法是使用数学形态学方法来消除额外的边缘像素。在本研究中，我们使用MATLAB中的bwareaopen命令打开形态滤波器。形态学上的开放是一种侵蚀，然后是扩张。侵蚀通过移除外围像素和孤立像素来消除小规模细节。膨胀将所有剩余边恢复到其原始大小。开放方法具有许多优点，因为它只依赖像素值的相对顺序，而不依赖其数值。开口是防扩展的。此外，打开是幂等操作，因为它可以多次应用，而不会更改初始应用以外的结果。
3.4. 张量投票框架
张量投票是一种非迭代方法，用于从可能稀疏且有噪声的数据推断统计显著特征。在张量投票框架中[70]，将输入数据编码为基本的二阶对称非负定张量（位置/方向对），然后通过投票传播支持信息（包括连续性的接近度和平滑度），如果输入标记是无先验方向的非结构化点云，则编码局部潜在方向[71]. 因此，每个标记都是定义方向的位置。这种表示形式是二阶对称非负定张量，它基本上表明了每种感知结构（二维中的曲线、连接或区域）的显著性，标记可能属于其首选的法线和切线方向[71,72]: 张量可以指定其首选切线、法线方向以及与其感知结构相对应的显著性。在图4，长轴e1是潜在曲线段的首选法线方向。杆组件的大小（λ1−λ2)表示曲线显著性。 使用张量场实现张量投票，以预计算和存储来自不同距离和角度的接受者中杆投票和球投票的选票(图5) [70–72]. 投票方向对应于从投票人到接收人的最平滑局部曲线延续，而投票强度随距离和曲率呈指数衰减。二阶投票也是一个杆张量，其法线位于从选民O到接收者P的圆弧上(图5). 根据格式塔原理，投票方向对应于两点之间最平滑的局部曲线延续，O作为投票人，P作为接收人，而投票强度随距离和曲率呈指数衰减。投票量的大小由球坐标中的置信函数来描述，即投票器O和接收器P确实属于相同的感知结构。这个量级可以根据[70]:其中S是投票器（O）和接收器（P）之间的距离，K是曲率，σ是投票尺度，它决定了有效邻域大小，C作为尺度的函数，控制着曲率的衰减程度(图5). 在特征提取过程中，为每个特征类型生成显著图，该显著图分配一个二阶对称张量，用于估计特征类型的结构和相关显著性。二维中基本张量的特征如所示表1. 在TecLines中，我们编写并实现了一组基于MATLAB的张量投票函数，以计算通过边缘检测方法提取的二值图像边缘像素处的梯度向量和张量矩阵。然后，对图像的所有边缘像素进行投票产生的投票张量场，用于构建棒状显著图。最后，基于棒状显著图提取出可分辨的边缘像素。
3.5. 准确度测量
我们可以使用一些特定的统计指标来评估错误的指标[48,73,74]. 可以推断出通过边缘检测方法获得的边缘像素与参考地图（地面真实值）之间的差异[75,76]. 真阳性是正确检测到的边缘像素的数量，假阳性是错误分类为边缘像素的像素数量，假阴性是未分类为边缘像素的像素数量[77,78].其中TP是真正边的总数。FN公司和FP公司分别是假阴性和假阳性边缘的总数。E类感应电动机和E类全球技术伙伴分别是图像和参考数据集中的边缘像素总数。P（P）是图像中出现边的位置的子集。 准确度要求检测边缘时应尽可能靠近其正确位置。在给定的图像中，边缘位置和数量可以根据分辨率和过程而变化[75]. 在本研究中，通过将使用TecLines检测到的边缘与参考地图进行比较，精度计算如下。哪里交流电代表准确性。的价值交流电对于准确的边缘检测方法应该接近100%。为了评估提出的边缘检测程序的性能，需要一个参考数据集。合成图像和QuickBird 2图像的参考数据集都是基于手动提取确定的(图6)，因为通过目视解释很容易区分地质和非地质线性构造[35,41,51,79,80]. 5.结论
这项工作的目的是开发一个基于MATLAB的工具箱（TecLines），以便从卫星图像和数字高程模型中提取不连续性。通过使用TecLines实现的高边缘检测精度表明，所提出的边缘检测程序可以用于使用高分辨率卫星图像和DEM的地质目的。频域Butterworth带通滤波器、空间域边缘检测方法和张量投票框架的组合过程略微提高了边缘检测精度。因此，使用张量旋转框架，边缘检测的精度提高了20%到30%。我们表明，Sobel或LOG方法和张量投票框架的组合对于QuickBird和合成图像具有相似的总体精度。然而，Canny和张量旋转框架的组合被认为对边缘检测更有效。在进一步调查时，应考虑几个重要问题。边缘检测方法的准确率很大程度上取决于梯度阈值。阈值仍基于试验和错误。对于低阈值，将检测到更多的边缘，但结果图像将越来越容易受到噪声的影响，并触发对无关特征的检测。高阈值可能会丢失细微的边缘，或导致边缘碎片化。因此，建议在未来的边缘检测方法中进一步研究交互式阈值。本研究的结果基于QuickBird 2的全色波段，该波段具有极高的空间分辨率（1米分辨率）。拟议的边缘检测程序也适用于陆地卫星等中等分辨率卫星图像。与QuickBird 2相比，Landsat图像具有一些优势，例如免费提供、覆盖范围更广以及重复间隔更短。虽然卫星图像边缘检测程序的这些结果很有希望，但仍需要第2部分中提出的进一步数学方法从边缘提取线性段。在TecLines系列论文的第二部分中，我们描述了使用Hough变换进行边连接的过程，以及使用B样条和Tavares方法进行多项式曲线拟合的过程。二进制边缘图的定量表示可以导出为形状文件、Geotiff和ENVI头文件。用户可以编写自己的MATLAB函数以扩展TecLines功能。建议的工具箱可从TecLines网站获得[87]. 这为构造线性构造分析的教育和研究提供了新的机会。
