基于Matlab軟件對(duì)影像提取地性線的方法
2014-10-23 09:05:26葉波姜華根姬星
安徽農(nóng)學(xué)通報(bào) 2014年18期
葉波+姜華根+姬星
摘 要：該文介紹了基于影像快速提取山脊線和山谷線的研究。采用主成分分析方法確定地性線影像的分量樣本。運(yùn)用單一擴(kuò)張和質(zhì)心型增長(zhǎng)相結(jié)合的混合增長(zhǎng)方法，設(shè)定一定閾值內(nèi)的種子點(diǎn)自動(dòng)搜索，對(duì)地性線進(jìn)行提取研究。通過(guò)Matlab實(shí)現(xiàn)對(duì)提取圖像的去噪、斷線連接、骨架化等處理，最終得到單像素線性特征地性線信息。
關(guān)鍵詞：衛(wèi)星遙感圖像；數(shù)學(xué)形態(tài)學(xué)；區(qū)域分割原理；主成分變換
中圖分類號(hào) TP75 文獻(xiàn)標(biāo)識(shí)碼 A 文章編號(hào) 1007-7731（2014）18-123-04
1 脊谷線的地貌特征
影像中山脊和山谷線人工目視解譯中較易判讀，然而自動(dòng)提取干溝和水系不易。一般從溝谷的形態(tài)著手，結(jié)合影像的色調(diào)、陰影等信息建立判讀標(biāo)志 [1]。一般來(lái)說(shuō)，山脊線和山谷線具有以下影像特征：（1）山谷多位于像素灰度值較亮的區(qū)域，與岸邊植被具有較為明顯的界限，灰度相差較大，并在可見(jiàn)光和近紅外波段，反射率呈正相關(guān)。（2）山脊寬度變化幅度較小且變化緩慢，山脊與山谷在粗糙度和表面覆蓋方面存在差異，山脊線和山谷線的方向變化緩慢。（3）山脊和山谷內(nèi)部的灰度與背景灰度相差較大，但是灰度表現(xiàn)較平穩(wěn)，在水流方向，灰度短距離變化不大。（4）山脊線和山谷線具有一定的長(zhǎng)度、曲率，幾何形狀特征主要表現(xiàn)為狹長(zhǎng)、斷裂或蛇曲的帶狀分布。
2 主成分變換及應(yīng)用
主成分變換是遙感數(shù)字圖像處理中常用的變換算法。這種算法在影像處理方面具有獨(dú)特的優(yōu)勢(shì)，經(jīng)過(guò)變換的圖像，消除了各波段間的相關(guān)性，并可以進(jìn)行特征選擇，不僅用于圖像波譜信息的增強(qiáng)和提取，還用于增強(qiáng)和提取圖像中時(shí)間信息和結(jié)構(gòu)信息[2]。在原來(lái)彩色合成的色調(diào)基礎(chǔ)上，提高色彩飽和度，以便于解譯識(shí)別。本文以樹枝狀山谷影像為試驗(yàn)對(duì)象，通過(guò)Arcmap主成分分析，對(duì)影像6個(gè)波段的主成分分析。
在遙感應(yīng)用領(lǐng)域，利用主成分分析方法壓縮試驗(yàn)區(qū)多維信息，達(dá)到信息綜合和增強(qiáng)的目的，主要用于去相關(guān)，圖像增強(qiáng)，突出光譜特征空間物理顯著指數(shù)，動(dòng)態(tài)監(jiān)測(cè)地表覆蓋物變化等方面。而脊骨線的提取方面，建立在分析主成分方法中多個(gè)指數(shù)分量的原理基礎(chǔ)上，加入濕度分量研究，從而達(dá)到快速提取脊骨線的目的[3]。
對(duì)TM1-6波段作六分量主成分變換，變換系數(shù)為原圖像空間協(xié)方差的特征向量矩陣的轉(zhuǎn)置矩陣。本試驗(yàn)使用Arcmap進(jìn)行主成分變換，而主成分逆變換是指將經(jīng)主成分變換獲得的圖像重新恢復(fù)到RGB色彩空間，其中的去相關(guān)、對(duì)比度拉伸等處理，在Arcmap主成分分析工具中自動(dòng)進(jìn)行，從而達(dá)到圖像增強(qiáng)的目的。主分量輸出圖1所示。
圖1 主成分分量影像對(duì)比
對(duì)于此山谷的提取，由于含水量的敏感程度，第五主分量影像特征較為突出，試驗(yàn)使用第五主分量進(jìn)行后續(xù)處理。在后續(xù)的處理中，使用Matlab對(duì)影像進(jìn)行區(qū)域生長(zhǎng)以及形態(tài)學(xué)處理。
3 終止生長(zhǎng)規(guī)則的確定
如何確定終止規(guī)則是區(qū)域生長(zhǎng)法提取山谷線的關(guān)鍵問(wèn)題。從種子點(diǎn)的集合開(kāi)始的區(qū)域增長(zhǎng)，是通過(guò)合并具有相似屬性，如顏色、灰度、紋理等相鄰像素的每個(gè)種子點(diǎn)到一個(gè)區(qū)域的過(guò)程。一般情況下，在沒(méi)有像素滿足假如某個(gè)區(qū)域的條件時(shí)，區(qū)域生長(zhǎng)就會(huì)終止 [4]。譬如，在灰度級(jí)中比較2個(gè)相鄰空間像素或像素集合之間的平均灰度級(jí)的最小差分，假如差分比相似度闕值小，則標(biāo)記此像素或像素集。
對(duì)于例如顏色、灰度和紋理這類準(zhǔn)則來(lái)說(shuō)，都屬于局部性質(zhì)，并沒(méi)有考慮區(qū)域生長(zhǎng)的“歷史”。通常利用待選像素與生長(zhǎng)區(qū)內(nèi)像素間大小、相似性的比較以及生長(zhǎng)區(qū)域的形狀等，來(lái)增強(qiáng)區(qū)域生長(zhǎng)算法的處理結(jié)果。
本文對(duì)第五主分量的區(qū)域生長(zhǎng)提取，首先在Matlab中將圖像灰度化，通過(guò)相似性選擇閾值，設(shè)置判定條件對(duì)像素點(diǎn)包圍區(qū)域循環(huán)判斷，最終對(duì)判定條件點(diǎn)賦值，從而達(dá)到種子點(diǎn)生長(zhǎng)提取效果。區(qū)域生長(zhǎng)提取前后對(duì)比圖像，如圖2所示：
圖2 種子點(diǎn)生長(zhǎng)算法對(duì)比
通過(guò)種子點(diǎn)生長(zhǎng)算法的提取，第五主分量影像得到輪廓較為清晰的提取結(jié)果，然而由于影像分辨率和提取算法等諸多因素的影像，得到的結(jié)果存在較大噪聲，需要通過(guò)進(jìn)一步的去噪處理，使影像得到較好的效果。區(qū)域生長(zhǎng)提取后影像如圖3所示：
圖3 區(qū)域生長(zhǎng)提取結(jié)果
筆者主要闡述了圖像分割的原理，通過(guò)研究對(duì)比2種種子點(diǎn)生長(zhǎng)提取算法對(duì)地性特征的提取，確定綜合運(yùn)用單一擴(kuò)張和質(zhì)心型增長(zhǎng)相結(jié)合的混合增長(zhǎng)方法，對(duì)地性線進(jìn)行提取研究。實(shí)驗(yàn)證明，該方法能克服部分噪聲斷點(diǎn)，搜索出比較完整的地性線。然而，此方法由于遙感圖像的類別以及研究區(qū)域特征的不同，并不適用于所有地貌，需要針對(duì)影像的特征以及算法機(jī)理的綜合分析，才能確定某種或多種方法的綜合使用。
4 基于數(shù)學(xué)形態(tài)學(xué)的圖像處理
膨脹和腐蝕是2種基本的形態(tài)學(xué)變換運(yùn)算，也是許多其他形態(tài)學(xué)算法的基礎(chǔ)。本實(shí)驗(yàn)對(duì)山谷線的提取結(jié)果中，山谷邊緣毛刺狀明顯，需要利用膨脹和腐蝕算法去除毛刺噪聲，同時(shí)使斷開(kāi)的線連接起來(lái)，填充部分空洞 [5]。其形態(tài)學(xué)處理結(jié)果如圖4所示，斷開(kāi)的部分經(jīng)過(guò)開(kāi)閉運(yùn)算方法，使得山谷重新形成為連通的區(qū)域，而細(xì)小的毛刺噪聲也被去除，雖然整體效果膨脹，再下面的細(xì)化處理后，會(huì)得到更好的表示效果。
圖4 形態(tài)學(xué)開(kāi)運(yùn)算結(jié)果
形態(tài)學(xué)開(kāi)運(yùn)算，通過(guò)先腐蝕再膨脹，使斷點(diǎn)斷線得到有效連接，圖像更為清晰，雖然仍然存在較多噪聲，但是可以通過(guò)后續(xù)操作逐漸去除。然而對(duì)于形態(tài)學(xué)運(yùn)算的使用，結(jié)構(gòu)元素的選擇決定了處理后的效果。不同影像中地性信息的提取尺度不同，主線和側(cè)線寬窄不一，因此結(jié)構(gòu)元素并非可以通用，需要根據(jù)實(shí)際情況選擇合適的結(jié)構(gòu)元素，并經(jīng)過(guò)多次處理從而達(dá)到最優(yōu)效果。就目前的區(qū)域地性情況而言，沒(méi)有固定的適合所有地區(qū)的方法。
5 去除噪聲
由于山谷的自然作用，河岸周邊相似的地貌特征導(dǎo)致種子點(diǎn)生長(zhǎng)結(jié)果會(huì)出現(xiàn)大量同譜異物現(xiàn)象，而擴(kuò)大生長(zhǎng)終止條件的同時(shí)也會(huì)導(dǎo)致結(jié)果圖像中出現(xiàn)毛刺等其他噪聲。因此，為了更好的提取效果，需要對(duì)圖像進(jìn)行形態(tài)學(xué)去噪處理。
在地性線主干提取后，由于各種客觀因素的存在，圖像中會(huì)出現(xiàn)若干小面積斑塊，而地性線所要提取的結(jié)果是一種總體的地貌形態(tài)特征，所以可以利用數(shù)學(xué)形態(tài)學(xué)中的計(jì)算連通成分面積算法，計(jì)算出各個(gè)連通單元的面積，然后通過(guò)設(shè)置限值，將面積不符合的小斑塊作為噪聲去除，從而得到總體地面形態(tài)單元信息 [6]。也可以利用數(shù)學(xué)形態(tài)學(xué)多種方法綜合去除小斑點(diǎn)，本文主要使用綜合的二值形態(tài)學(xué)函數(shù)，利用Matlab對(duì)圖像進(jìn)行處理。首先利用二值形態(tài)學(xué)函數(shù)bwmorph中的majority（將某一像素置1，如果該像素的3×3鄰域中至少有5個(gè)像素為1；否則將該像素置0）字符串，對(duì)開(kāi)運(yùn)算后的圖像進(jìn)行處理，運(yùn)算次數(shù)使用默認(rèn)值，即n次運(yùn)算，運(yùn)算結(jié)果如圖5所示。
圖5 形態(tài)學(xué)majority處理
由于圖像中白色區(qū)域像素值為1，黑色區(qū)域像素值為0。因此可以對(duì)圖像再進(jìn)行一次close閉運(yùn)算，進(jìn)一步去除斑點(diǎn)。然后使用thicken字符串和fill字符串，對(duì)目標(biāo)外部加厚，填充孤立像素，使二值圖像中0的區(qū)域壓縮。運(yùn)算結(jié)果如圖6所示。
圖6 形態(tài)學(xué)加粗填充處理
6 細(xì)化處理
為了得到地性線單像素骨架線，需要對(duì)提取的二值圖像進(jìn)行細(xì)化處理。對(duì)目標(biāo)圖像進(jìn)行細(xì)化處理，是指將圖像中幾何元素信息的線條，以其中心軸線為參考，將線條細(xì)化成一個(gè)像素寬的處理過(guò)程。這個(gè)處理過(guò)程與骨架有著緊密的關(guān)系，也可以將細(xì)化看成是連續(xù)剝離圖形最外層元素，一直到獲得單位寬度的連通線（即骨架）的過(guò)程[7]。
本文提出應(yīng)用二值圖像的細(xì)化算法對(duì)種子生長(zhǎng)去噪后的圖像進(jìn)行細(xì)化處理，而數(shù)學(xué)形態(tài)學(xué)細(xì)化算法，要求結(jié)構(gòu)單元的選擇必須能滿足圖像在細(xì)化的每一次迭代過(guò)程中，結(jié)構(gòu)的連通性，并且保證整個(gè)圖形結(jié)構(gòu)不改變。實(shí)現(xiàn)基于數(shù)學(xué)形態(tài)學(xué)細(xì)化算法的結(jié)構(gòu)單元選擇模板如圖7所示。
圖7 結(jié)構(gòu)單元模板
圖中[D={D1，D2，D3，D4}]和[E={E1，E2，E3，E4}]為2種結(jié)構(gòu)單元模板，D模板是用來(lái)去掉東南、西南、東北、西北方向4個(gè)角上的點(diǎn)，E模板是用來(lái)去掉東、南、西、北4個(gè)方向上的點(diǎn)。“[1]”表示參考中心點(diǎn)；“1”表示目標(biāo)在圖像上的點(diǎn)；“0”表示背景圖像上的點(diǎn)；“[x]”表示既可以是背景圖像上的點(diǎn)，也可以是目標(biāo)圖像上的點(diǎn)。
基于數(shù)學(xué)形態(tài)學(xué)細(xì)化算法的迭代過(guò)程，第n次迭代過(guò)程可表示為：
[Sn（X）=i=147（X，D，E，n，i）][n=0，1，…，N]
式中[D5=D1]表示迭代循環(huán)一次，對(duì)此并行算法收斂，即可得到目標(biāo)圖像[X]的骨架：
[S（X）=n=0NSn（X）]
通過(guò)使用形態(tài)學(xué)細(xì)化算法，對(duì)種子點(diǎn)生長(zhǎng)算法中得到具有噪聲的圖像進(jìn)行處理。首先將加粗填充的結(jié)果圖像取反，對(duì)圖像使用thin字符串減薄目標(biāo)，并利用二值形態(tài)學(xué)函數(shù)中的bridge字符，對(duì)圖像進(jìn)行連接斷線處理，確保像素中尉單像素連接線[8]。得到的結(jié)果如圖8所示。效果較為明顯地滿足了圖像原有的骨架連通性和結(jié)構(gòu)穩(wěn)定性的。
圖8 輪廓細(xì)化結(jié)果
通過(guò)闡述數(shù)學(xué)形態(tài)學(xué)的理論和基本運(yùn)算，了解數(shù)學(xué)形態(tài)學(xué)算法中各種運(yùn)算對(duì)圖像處理的幫助，最后對(duì)圖像進(jìn)行細(xì)化操作，細(xì)化的效果主要取決于去噪的程度以及斷線的處理，而不同的圖像需要選用不同的結(jié)構(gòu)單元。并不擁有通適的結(jié)構(gòu)元素能夠?qū)λ袌D像進(jìn)行處理。在下步處理中，可以通過(guò)骨架化算法，對(duì)區(qū)域連通目標(biāo)進(jìn)行骨架的提取，目前正在研究該算法的適用性。
7 程序設(shè)計(jì)
7.1 程序設(shè)計(jì)平臺(tái) 本程序設(shè)計(jì)采用Win7的64位操作系統(tǒng)作為開(kāi)發(fā)環(huán)境。Win7操作系統(tǒng)為現(xiàn)今主流操作系統(tǒng)，具有全新的系統(tǒng)體系結(jié)構(gòu)以及漂亮的人機(jī)交互界面，操作方便快捷，同時(shí)為各類復(fù)雜的應(yīng)用軟件系統(tǒng)的開(kāi)發(fā)提供了穩(wěn)定、可靠的環(huán)境。當(dāng)前流行的開(kāi)發(fā)語(yǔ)言有C++、C#、Java、Delphi、Power Builder等，各種開(kāi)發(fā)語(yǔ)言都沒(méi)有絕對(duì)的優(yōu)劣，而面向圖像處理的平臺(tái)工具當(dāng)中，由美國(guó)MathWorks公司推出的Matlab（Matrix Laboratory，矩陣實(shí)驗(yàn)室），具有強(qiáng)大的矩陣運(yùn)算和處理能力，其圖像處理工具箱中提供了豐富的圖像處理函數(shù)[9]，從而大大節(jié)省了編寫底層代碼的時(shí)間。由于Matlab屬于解釋方式的編程語(yǔ)言，相對(duì)于編譯方式的編程語(yǔ)言執(zhí)行速度慢，不能產(chǎn)生脫離Matlab環(huán)境的可執(zhí)行二進(jìn)制代碼，比較適合作為圖像工程的研究探索與算法設(shè)計(jì)仿真測(cè)試平臺(tái)。不過(guò)也可以利用Mathtools公司的Matcom工具，實(shí)現(xiàn)將Matlab的M文件翻譯為C或C++語(yǔ)言[10]。
7.2 程序設(shè)計(jì)代碼 本文在試驗(yàn)的程序設(shè)計(jì)方面，采用Matlab編程語(yǔ)言，實(shí)現(xiàn)區(qū)域生長(zhǎng)，形態(tài)學(xué)處理等多種功能，最終完成對(duì)原始影像地性線的提取以及細(xì)化。然而由于M文件的限制，目前的工具尚不能轉(zhuǎn)換為流行的編程語(yǔ)言，因此，需要繼續(xù)加深對(duì)其他語(yǔ)言的理解，實(shí)現(xiàn)自動(dòng)化提取。
8 結(jié)論
本論文對(duì)遙感影像中的地性線進(jìn)行了提取的試驗(yàn)，在主成分變換的圖像中，進(jìn)行增強(qiáng)、去相關(guān)，并得到影像壓縮分量的結(jié)果，其結(jié)果良好地反映了包括山脊和山谷在內(nèi)的完整地性線特征，這是提取遙感影像地性線的關(guān)鍵。通過(guò)對(duì)區(qū)域生長(zhǎng)后的圖像進(jìn)行種子點(diǎn)半自動(dòng)生長(zhǎng)，得到很好的流向搜索結(jié)果，能夠清晰的進(jìn)行目視判讀。最后應(yīng)用數(shù)學(xué)形態(tài)學(xué)的多種細(xì)化、去噪處理組合，使提取的地性線細(xì)化，為地性線的分類、識(shí)別以及地理信息數(shù)據(jù)更新提供有利的條件。
參考文獻(xiàn)
[1]都金康，黃永勝，馮學(xué)智，等.SPOT衛(wèi)星影像的水體提取方法及分類研究[J].遙感學(xué)報(bào)，2001，5.
[2]黃寧.關(guān)于主成分分析應(yīng)用的思考[J].數(shù)理統(tǒng)計(jì)與管理，1999，18（5）：44-47.
[3]馮德俊，李永樹，蘭燕.基于主成分變換的動(dòng)態(tài)監(jiān)測(cè)變化信息自動(dòng)發(fā)現(xiàn)[J].計(jì)算機(jī)工程和應(yīng)用，2004，36：199-202.
[4]Byme G F，Crapper P F，Mayo K.Monitoring Land cover by principal component analysis of multitemporal Landsat data[J].Remote Sensing of Environment，1980，10：175-184.
[5]Rafael C Gonzalez，Richard E Woods.數(shù)字圖像處理[M].2版.阮秋琦，阮宇智，譯.北京：電子工業(yè)出版社，2003.
[6]崔林麗.一種基于對(duì)象和多種特征整合的分類識(shí)別方法研究[J].遙感學(xué)報(bào)，2006，10（1）：104-110.
[51]李利偉，劉吉平，尹作為.基于數(shù)學(xué)形態(tài)學(xué)的高分辨率遙感影像道路提取[J].遙感信息，2005，5.
[7]李德仁，陳曉勇.數(shù)學(xué)形態(tài)學(xué)及其在二值圖象分析中的應(yīng)用[J].武漢測(cè)繪科技大學(xué)學(xué)報(bào)，1989，14（3）.
[8]曹周峰，秦軍等.數(shù)學(xué)形態(tài)學(xué)在二值數(shù)字圖像斷續(xù)線形目標(biāo)恢復(fù)上的應(yīng)用[J].四川測(cè)繪，2007，4.
[9]岑曙煒，劉政凱.一種改進(jìn)的基于形態(tài)骨架的二值圖像編碼[J].中國(guó)圖像圖形學(xué)報(bào)，2001，6（8）：784-790.
[10]郝文化.MATLAB圖形影像處理應(yīng)用教程（第1版）[M].北京：中國(guó)水利水電出版社，2003.
（責(zé)編：張宏民）endprint
7.2 程序設(shè)計(jì)代碼 本文在試驗(yàn)的程序設(shè)計(jì)方面，采用Matlab編程語(yǔ)言，實(shí)現(xiàn)區(qū)域生長(zhǎng)，形態(tài)學(xué)處理等多種功能，最終完成對(duì)原始影像地性線的提取以及細(xì)化。然而由于M文件的限制，目前的工具尚不能轉(zhuǎn)換為流行的編程語(yǔ)言，因此，需要繼續(xù)加深對(duì)其他語(yǔ)言的理解，實(shí)現(xiàn)自動(dòng)化提取。
8 結(jié)論
本論文對(duì)遙感影像中的地性線進(jìn)行了提取的試驗(yàn)，在主成分變換的圖像中，進(jìn)行增強(qiáng)、去相關(guān)，并得到影像壓縮分量的結(jié)果，其結(jié)果良好地反映了包括山脊和山谷在內(nèi)的完整地性線特征，這是提取遙感影像地性線的關(guān)鍵。通過(guò)對(duì)區(qū)域生長(zhǎng)后的圖像進(jìn)行種子點(diǎn)半自動(dòng)生長(zhǎng)，得到很好的流向搜索結(jié)果，能夠清晰的進(jìn)行目視判讀。最后應(yīng)用數(shù)學(xué)形態(tài)學(xué)的多種細(xì)化、去噪處理組合，使提取的地性線細(xì)化，為地性線的分類、識(shí)別以及地理信息數(shù)據(jù)更新提供有利的條件。
參考文獻(xiàn)
[1]都金康，黃永勝，馮學(xué)智，等.SPOT衛(wèi)星影像的水體提取方法及分類研究[J].遙感學(xué)報(bào)，2001，5.
[2]黃寧.關(guān)于主成分分析應(yīng)用的思考[J].數(shù)理統(tǒng)計(jì)與管理，1999，18（5）：44-47.
[3]馮德俊，李永樹，蘭燕.基于主成分變換的動(dòng)態(tài)監(jiān)測(cè)變化信息自動(dòng)發(fā)現(xiàn)[J].計(jì)算機(jī)工程和應(yīng)用，2004，36：199-202.
[4]Byme G F，Crapper P F，Mayo K.Monitoring Land cover by principal component analysis of multitemporal Landsat data[J].Remote Sensing of Environment，1980，10：175-184.
[5]Rafael C Gonzalez，Richard E Woods.數(shù)字圖像處理[M].2版.阮秋琦，阮宇智，譯.北京：電子工業(yè)出版社，2003.
[6]崔林麗.一種基于對(duì)象和多種特征整合的分類識(shí)別方法研究[J].遙感學(xué)報(bào)，2006，10（1）：104-110.
[51]李利偉，劉吉平，尹作為.基于數(shù)學(xué)形態(tài)學(xué)的高分辨率遙感影像道路提取[J].遙感信息，2005，5.
[7]李德仁，陳曉勇.數(shù)學(xué)形態(tài)學(xué)及其在二值圖象分析中的應(yīng)用[J].武漢測(cè)繪科技大學(xué)學(xué)報(bào)，1989，14（3）.
[8]曹周峰，秦軍等.數(shù)學(xué)形態(tài)學(xué)在二值數(shù)字圖像斷續(xù)線形目標(biāo)恢復(fù)上的應(yīng)用[J].四川測(cè)繪，2007，4.
[9]岑曙煒，劉政凱.一種改進(jìn)的基于形態(tài)骨架的二值圖像編碼[J].中國(guó)圖像圖形學(xué)報(bào)，2001，6（8）：784-790.
[10]郝文化.MATLAB圖形影像處理應(yīng)用教程（第1版）[M].北京：中國(guó)水利水電出版社，2003.
（責(zé)編：張宏民）endprint
7.2 程序設(shè)計(jì)代碼 本文在試驗(yàn)的程序設(shè)計(jì)方面，采用Matlab編程語(yǔ)言，實(shí)現(xiàn)區(qū)域生長(zhǎng)，形態(tài)學(xué)處理等多種功能，最終完成對(duì)原始影像地性線的提取以及細(xì)化。然而由于M文件的限制，目前的工具尚不能轉(zhuǎn)換為流行的編程語(yǔ)言，因此，需要繼續(xù)加深對(duì)其他語(yǔ)言的理解，實(shí)現(xiàn)自動(dòng)化提取。
8 結(jié)論
本論文對(duì)遙感影像中的地性線進(jìn)行了提取的試驗(yàn)，在主成分變換的圖像中，進(jìn)行增強(qiáng)、去相關(guān)，并得到影像壓縮分量的結(jié)果，其結(jié)果良好地反映了包括山脊和山谷在內(nèi)的完整地性線特征，這是提取遙感影像地性線的關(guān)鍵。通過(guò)對(duì)區(qū)域生長(zhǎng)后的圖像進(jìn)行種子點(diǎn)半自動(dòng)生長(zhǎng)，得到很好的流向搜索結(jié)果，能夠清晰的進(jìn)行目視判讀。最后應(yīng)用數(shù)學(xué)形態(tài)學(xué)的多種細(xì)化、去噪處理組合，使提取的地性線細(xì)化，為地性線的分類、識(shí)別以及地理信息數(shù)據(jù)更新提供有利的條件。
參考文獻(xiàn)
[1]都金康，黃永勝，馮學(xué)智，等.SPOT衛(wèi)星影像的水體提取方法及分類研究[J].遙感學(xué)報(bào)，2001，5.
[2]黃寧.關(guān)于主成分分析應(yīng)用的思考[J].數(shù)理統(tǒng)計(jì)與管理，1999，18（5）：44-47.
[3]馮德俊，李永樹，蘭燕.基于主成分變換的動(dòng)態(tài)監(jiān)測(cè)變化信息自動(dòng)發(fā)現(xiàn)[J].計(jì)算機(jī)工程和應(yīng)用，2004，36：199-202.
[4]Byme G F，Crapper P F，Mayo K.Monitoring Land cover by principal component analysis of multitemporal Landsat data[J].Remote Sensing of Environment，1980，10：175-184.
[5]Rafael C Gonzalez，Richard E Woods.數(shù)字圖像處理[M].2版.阮秋琦，阮宇智，譯.北京：電子工業(yè)出版社，2003.
[6]崔林麗.一種基于對(duì)象和多種特征整合的分類識(shí)別方法研究[J].遙感學(xué)報(bào)，2006，10（1）：104-110.
[51]李利偉，劉吉平，尹作為.基于數(shù)學(xué)形態(tài)學(xué)的高分辨率遙感影像道路提取[J].遙感信息，2005，5.
[7]李德仁，陳曉勇.數(shù)學(xué)形態(tài)學(xué)及其在二值圖象分析中的應(yīng)用[J].武漢測(cè)繪科技大學(xué)學(xué)報(bào)，1989，14（3）.
[8]曹周峰，秦軍等.數(shù)學(xué)形態(tài)學(xué)在二值數(shù)字圖像斷續(xù)線形目標(biāo)恢復(fù)上的應(yīng)用[J].四川測(cè)繪，2007，4.
[9]岑曙煒，劉政凱.一種改進(jìn)的基于形態(tài)骨架的二值圖像編碼[J].中國(guó)圖像圖形學(xué)報(bào)，2001，6（8）：784-790.
[10]郝文化.MATLAB圖形影像處理應(yīng)用教程（第1版）[M].北京：中國(guó)水利水電出版社，2003.
（責(zé)編：張宏民）endprint
