基于方向分水嶺變換的遙感影像多尺度分割

靳華中 吳佩 羅宏芳

摘要:傳統分水嶺變換通常對梯度影像進行變換,往往會出現過分割現象。本文針對傳統分水嶺變換算法的不足,提出了一個新的影像多尺度分割算法。其基本過程是:傳統分水嶺變換先對邊緣影像進行區域提取,通過邊緣方向的擬合并修正邊緣的強弱,獲取區域分割結果。最后,根據區域邊界的強弱作為區域合并條件,獲得多尺度的分割結果。本文利用航空影像進行驗證,實驗表明不同層次的分割結果能夠較好地反映地物的尺度特性。

關鍵詞:方向分水嶺變換多尺度分割邊緣方向

中圖分類號:TP391.4 文獻標識碼:A 文章編號:1672-3791(2012)04(c)-0010-02

傳統分水嶺變換具有簡單、速度快、能檢測出弱邊緣對象及能獲得對象完整邊界等諸多優點,被廣泛的用于各種領域。但因其一般是在梯度影像進行變換,受暗噪聲等因素的影響,存在大量偽局部極小值區域,會出現過分割現象[1]。高分辨率遙感影像在大氣傳遞、成像過程容易產生噪聲,特別是地物內部紋理豐富,利用傳統分水嶺方法分割時更容易出現過分割現象。同時,利用傳統分水嶺算法分割高分辨率影像區域時,在強邊界附近易于造成交叉,使分割效果變差[2,3]。

基于上述問題,本文利用方向分水嶺變換算法增強弧和初始方向邊緣強度的信號之間的一致性,反映邊緣的強弱,并將其作為區域合并條件,完成影像多尺度分割。

1方向分水嶺變換原理

方向分水嶺變換算法的區域提取方法的主要思想:由傳統分水嶺變換對上述得到的邊緣影像進行區域提取,通過邊緣方向的擬合并修正邊緣的強弱,獲取區域分割結果。作為方向分水嶺變換算法數據的輸入,要先獲得影像的邊緣的方向和強度信息——邊緣影像。為進一步提高邊緣的定位精度,將影像的光譜信息特征和紋理特征相結合,提取不同尺度下影像的邊緣。因此,根據影像的亮度和紋理特征,利用直方圖差分方法分別得到影像多尺度的分割結果,通過對它們在不同方向下設置權重,獲得不同尺度下影像的方向邊緣強度[4]。

影像上每個像元(x,y),考慮在三個不同尺度——,獲得的影像邊緣,其中為像元的個數,本文設定=10。具體步驟如下。

(1)首先,在三個尺度下,根據灰度值和紋理基元特征分別計算八個方向的直方圖的方向梯度,檢測出灰度影像邊緣和紋理區域邊緣。

(2)找出八個方向的響應極大值,作為邊界。

(3)將上述得到的多特征、多尺度得到的影像,設定權重以下公式形式組合起來,得到邊緣強度mPb。

= (1)

其中,為直方圖的方向梯度之間的距離;s為尺度的大小;i為特征通道數;為權重;為某個尺度和特征通道中的圓盤半徑;為邊緣方向。在中取8個相隔相同的角度。取八個方向的最大值作為區域邊界強度的度量,得到影像區域的邊界輪廓,其值為。

=(2)

2方向分水嶺變換影像多尺度分割算法

經過方向分水嶺變換分割算法能夠得到影像的初始分割結果,但是通常是過分割的結果,本文利用區域邊緣的強度,逐步合并弱邊緣的區域,獲得影像的層次結構。在合并過程中,由于需要知道區域和邊界的拓撲關系,因此多層次合并的方向分水嶺算法分為以下兩步。

第一步,利用分水嶺方法得到過分割的影像,作為最細粒度的分割影像,并獲取像元、邊緣、區域和區域邊界的相關信息。該步驟分為以下幾個方面內容。

(1)計算影像所有像素點八個方向下的全局梯度的最大值。根據邊界響應的極大值作為邊緣,得到過分割圖像。

(3)

(2)對上一步結果進行分水嶺變換。根據的極小值得到種子位置,為分水嶺進行同質區分割做準備,接著,運用分水嶺算法得到分割區域。

(3)提取邊界和鄰接區域信息。內容包括:提取邊界兩側的區域、創建頂點-邊緣映射圖、提取頂點坐標、提取邊緣的端點、提取邊緣上各個像元的坐標、提取封閉邊緣的標識以及邊界擬合。因此,得到相應折線段上的像元的方向。

第二步,將區域之間邊界的Pb均值作為區域的不相似性。

使用作為每段折線上像元的強度。最后,每個初始弧段的權重等于擬合它的多個折線上像元強度的均值。將區域之間邊界的Pb均值作為區域的不相似性,實現區域之間的層次合并。對層次合并的過程詳細描述如下。

(1)逐弧段計算權重,即鄰接區域間的合并條件。

(2)搜索權重最小的弧段,合并其鄰接區域,并將弧段融入合并后的區域中。

(3)局部調整拓撲鄰接關系,即調整合并后區域的邊界弧段信息以及邊界弧段的臨界區域信息。

(4)局部調整弧段權重,修改合并后區域邊界弧段的權重。

(5)判斷是否滿足合并終止條件,若不滿足,則返回(2);若滿足,則合并終止。通過建立拓撲鄰接關系,可快速查詢弧段與區域、區域與區域之間空間關系,及時局部調整以應對合并產生的變化。

3實驗與分析

為驗證本文提出方法的有效性,選用航空影像進行分割實驗。圖1(a)中航空影像的大小為509×368,影像上主要包含居民地、道路、樹木、水體及耕地等。圖1(b～d)是圖1(a)的層次分割結果,圖1(b)是最底層的分割,獲得區域數最多,得到影像的過分割結果。k是區域之間的邊界強度,k的取值范圍為[0,255]。k=0的情況對應圖1(b),當k=255時,區域個數為1,即整幅影像。

圖1中,(b)上明顯存在著過分割現象。隨著區域的合并,某些區域的過分割現象逐漸消失。如k=50時耕地被分割為完整一塊,finest、k=30上裸地也被分為完整的一塊,finest、k=30上房屋過分割現象得以消除。但是,隨著區域合并的增加,有些地方也出現了欠分割的現象。如k=50上,右下角的地塊與相鄰的小路被劃分為一塊。隨著k的取值由小變大,較小區域之間逐漸合并,過分割現象慢慢減少;當分割尺度達到某一值時,某些地方會出現欠分割現象。

上述實驗結果,隨著區域合并的增加,分割結果中斑塊的尺寸也在增大,而且大尺度上斑塊是小尺度上斑塊的集合。可知,區域合并初期,最底層影像的區域對象內部相似性較強。但是,隨著區域合并,區域變大,區域之間的異質性增強。因此,基于方向分水嶺變換方法可以獲得同質性最強的分割結果,這為以區域對象為節點的尺度綜合提供了較理想的分割結果。

4結語

本文提出了一種方向分水嶺高分辨率遙感影像分割方法,先由傳統分水嶺變換對上述得到的邊緣影像進行區域提取,通過邊緣方向的擬合并修正邊緣的強弱,獲取區域分割結果。接著,提出對方向分水嶺高分辨率遙感影像分割結果進行區域之間的合并,根據區域邊界的強弱作為區域合并條件,從而獲得多尺度的分割結果。實驗表明不同層次的分割結果能夠較好地反映地物的尺度特性。

參考文獻

[1] 章毓晉.圖像分割[M].北京:科學出版社,2001:10～17.

[2] 梅天燦,李德仁,秦前清.分水嶺變換在遙感影像現狀特征提取中的應用[J].武漢大學學報(信息科學版),2004,29(4):338～341.

[3] 宮鵬,黎夏,徐冰.高分辨率影像解譯理論與應用方法中的一些研究問題[J].遙感學報,2006,10(1):1～5.

[4] 程杰.一種基于直方圖的分割方法[J],華中理工大學學報,1999,27(1):84～86.