一種高分辨率城區(qū)遙感影像分割方法

張宏偉，陳慶，張保明，郭海濤，盧俊

（1.信息工程大學(xué)地理空間信息學(xué)院，鄭州450001; 2.61206部隊(duì)，大連116000）

一種高分辨率城區(qū)遙感影像分割方法

張宏偉1，陳慶2，張保明1，郭海濤1，盧俊1

（1.信息工程大學(xué)地理空間信息學(xué)院，鄭州450001; 2.61206部隊(duì)，大連116000）

高分辨率遙感影像具有豐富的地物細(xì)節(jié)信息。本文將均值漂移算法應(yīng)用到高分辨率城市區(qū)域遙感影像的分割中，并對其實(shí)驗(yàn)結(jié)果進(jìn)行了分析，為下一步的研究提供理論支持。

遙感影像；高分辨率；分割；均值漂移

1 引言

隨著遙感技術(shù)的快速發(fā)展，高分辨率遙感影像在各個(gè)領(lǐng)域中得到了廣泛的應(yīng)用［1］，具備數(shù)據(jù)量大、地物細(xì)節(jié)復(fù)雜和尺度依賴的特點(diǎn)。影像分辨率的提高，使得影像具有極其豐富的信息量，能夠提供充足的有用信息，這為利用遙感影像進(jìn)行建筑物幾何及結(jié)構(gòu)等特征信息準(zhǔn)確有效的提取提供了強(qiáng)有力的支持，但是同時(shí)其中的干擾因素也在變大，使得對目標(biāo)的提取提出了更高的要求。

影像分割就是將一幅影像分成互不相同的區(qū)域，使每一區(qū)域的內(nèi)部具有一定的特征相似性，如相同的灰度、紋理或者其它的屬性特征，而不同的區(qū)域則存在較大的差異。影像分割是利用影像進(jìn)行目標(biāo)識別的關(guān)鍵和首要步驟，是面向?qū)ο蠓治龅幕A(chǔ)，為計(jì)算機(jī)視覺的后續(xù)處理提供依據(jù)。本文將Mean Shift算法應(yīng)用于城市區(qū)域高分辨率遙感影像的分割中，取得了不錯(cuò)的效果。

2 方法描述

作為一種非參數(shù)統(tǒng)計(jì)方法，Mean Shift算法通過分析與查找與樣本點(diǎn)分布最相近的模態(tài)點(diǎn)來實(shí)現(xiàn)，幾乎不需要先驗(yàn)知識，并且其收斂速度較快，是一種有效且穩(wěn)定的統(tǒng)計(jì)迭代方法［2］。1975年，F(xiàn)ukunaga和Hostetler最先提出了Mean Shift算法，它通過不停的迭代運(yùn)算，搜尋其模態(tài)點(diǎn)，以實(shí)現(xiàn)密度梯度函數(shù)的估計(jì)［3］。Mean Shift算法在有效濾除復(fù)雜背景下雜波干擾的同時(shí)，能夠保留相應(yīng)的目標(biāo)信息，因此得到了廣泛的關(guān)注［4］。

2.1 Mean Shift向量及核函數(shù)

那么的x的均值漂移向量形式可以表示如式（2），它的意思是落入?yún)^(qū)域中個(gè)樣本點(diǎn)相對于的x 的平均偏移量。

第5步：對連通區(qū)域進(jìn)行統(tǒng)計(jì)，消除面積小于的N個(gè)點(diǎn)的區(qū)域，將其合并到其相鄰的大區(qū)域中。

對城市區(qū)域的高分辨率遙感影像而言，其本身可以表示為具有包含色彩信息和格網(wǎng)信息的特征向量。我們將色彩信息視為色彩域，將格網(wǎng)信息視為空間域，以此構(gòu)建樣本向量。利用Mean Shift向量總是指向核概率密度更大的方向的特性，尋找樣本密度梯度為零的地方進(jìn)行影像點(diǎn)的聚類。

第1步：計(jì)算出當(dāng)前初始點(diǎn)的均值偏移向量

3 實(shí)驗(yàn)與分析

2.2 主要過程

Mean Shift算法的基本思想是：給定一初始樣本，

本文選用某城市區(qū)域的高分辨率航空影像作為實(shí)驗(yàn)數(shù)據(jù)進(jìn)行實(shí)驗(yàn)，影像的大小為5616×3744。從影像中可以看出，由于分辨率比較高，影像地面場景較為復(fù)雜，包含大量的地物細(xì)節(jié)。

圖1 原始影像

圖2 分割后的影像

從實(shí)驗(yàn)結(jié)果來看，經(jīng)過區(qū)域合并后，地面中的細(xì)小地物得到了很好的處理，將有助于后期面向?qū)ο蟮姆治觯瑢⑼|(zhì)性區(qū)域作為一個(gè)整體對象進(jìn)行處理。同時(shí)Mean Shift算法在消除噪聲的同時(shí)，較好的保留了影像中的邊緣信息，這也有助于后續(xù)建筑物輪廓信息的提取。

4 結(jié)論

本文針對高分辨率城市區(qū)域遙感影像的分割進(jìn)行了研究，分析了均值漂移算法的特點(diǎn)，將其應(yīng)用于高分辨率影像的分割，取得了較好的結(jié)果，可以為下一步建筑物以及植被的提取研究提供幫助。

［1］王番，梁建等.基于形狀特征的線狀地物提取方法研究［J］.影像技術(shù)，2014，1：50-51.

［2］Comaniciu D,Meer P.Mean shift:A robust approach toward feature space analysis［J］.IEEE Trans Pattern Analysis and Machine Intelligence，2002,24(5):603-619.

［3］Fukunaga K,Hostetler L D.The estimation of the gradient of a density function with applications in pattern recognition［J］.IEEE Trans Informatioon Theory,1975,21:32-40.

［4］楊水山，何永輝，趙萬生等.Mean Shift算法在帶鋼缺陷圖像分割中的應(yīng)用［J］.西安電子科技大學(xué)學(xué)報(bào)（自然科學(xué)版），2007，34（6）：1015-1018.

［5］王杰，王加銀.Mean Shift算法的收斂性討論［J］.北京師范大學(xué)學(xué)報(bào)（自然科學(xué)版），2008，44（5）：472-475.

《影像技術(shù)》征登廣告啟事

《影像技術(shù)》是由全國輕工感光材料信息中心、中國感光學(xué)會(huì)和天津遠(yuǎn)大感光材料公司共同主辦的技術(shù)性期刊，公開發(fā)行，雙月刊，大16開本，彩色封面，深受廣大讀者的喜愛。

本刊主要報(bào)導(dǎo)國內(nèi)外影像技術(shù)、影像器材和影像材料的新發(fā)展、新設(shè)備、新產(chǎn)品、影像評價(jià)。報(bào)導(dǎo)內(nèi)容新穎、權(quán)威、發(fā)行面廣。

本刊的讀者對象主要是研究、生產(chǎn)、經(jīng)營和應(yīng)用影像技術(shù)、影像材料和設(shè)備的技術(shù)人員、專業(yè)人員，以及廣大影像技術(shù)愛好者。

《影像技術(shù)》竭誠為廣大客戶服務(wù)，利用彩色封面和內(nèi)頁為客戶做企業(yè)和產(chǎn)品的宣傳，以提高企業(yè)形象及其產(chǎn)品的知名度。歡迎各界人士惠顧。

廣告刊登版面：封一、封二、封三、封四及內(nèi)插頁的圖片文字廣告。

請與《影像技術(shù)》編輯部聯(lián)系。

地址：天津市河西區(qū)洞庭路20號

郵編：300220

電話：022-88113470

傳真：022-88112801

郵箱：yixi@chinajournal.net.cn

yxjs_journal@163.com

A Segmentation Method of High-resolution Remote Sensing Images in Urban Area

ZHANG Hong-wei1,CHEN Qing2,ZHANG Bao-ming1,GUO Hai-tao1,LU Jun1
(1.School of Surveying and Mapping,Information Engineering University,Zhengzhou450001,China; 2.61206 Troops,Dalian116000,China)

High resolution remote sensing image has rich detail information of ground objects.In this paper,the mean shift algorithm is applied to the high resolution remote sensing image segmentation in urban area,and the experimental results are analyzed,and it will provide theoretical support for the future research.

Remote Sensing Images;High Resolution;Segmentation;Mean Shift

P237；TP751

B

10.3969/j.issn.1001-0270.2015.03.26

2014-12-30

張宏偉（1985-），男，山東壽光人，博士生，研究方向：攝影測量與遙感。