基于色彩和紋理特征的航空RGB影像水域范圍提取

郭 攀

(陜西天地地質有限責任公司，陜西 西安 710054)

?

基于色彩和紋理特征的航空RGB影像水域范圍提取

郭 攀

(陜西天地地質有限責任公司，陜西 西安 710054)

簡述了一種綜合水體顏色和紋理特征的影像分割方法，并介紹了其具體的研究方法及方案，從紋理和色彩特征在提取中的對比、不同提取條件效率對比兩方面，對實驗結果進行了分析，為今后類似研究提供參考。

遙感影像，RGB航空影像，紋理，色彩，水域

1 研究內容

多光譜信息航空影像，利用不同的波段信息有效地實現水體的提取，而對于RGB航空影像，水域的提取研究并不成熟，此類現有的提取方法主要依據彩色遙感影像中面狀地物(湖泊,海洋)其影像的顏色特征在影像上分布比較均勻,通過區域分割、邊緣檢測提取出水體區域。基于數學形態學色差的RGB圖像水體提取也得到了應用，但這些方法中普遍缺少對水體區域識別且適應性較差。本文提出了一種綜合水體顏色和紋理特征的影像分割方法用以提取水體，意在通過兩種關鍵信息的結合達到較好的分割效果，水體的顏色和紋理特征是借助人工采樣獲取，然后設計滑動窗口依次將影像中的像素信息和水體特征信息進行比較，只保留足夠相似的象元像素值，從而達到對非水體像素的有效抑制，然后對分割后的圖像進行多通道的邊緣檢測，留在封閉邊緣內的部分即為所提取的水體區域。

2 研究方法和方案

2.1 CIELAB色度空間介紹

彩色遙感影像是由不同灰度特征的R，G，B三個分量組合構成，但是由于是三個分量之間的相關性較高，直接利用起來需要三個分量的有效結合，所以通常采取轉換色彩空間的方法，可以有效地降低各分量的相關性更加有利于彩色圖像的分割[1]，本文中采用將其轉換到CIELAB空間處理。

2.2 RGB到CIELAB色度空間的轉換

從RGB到CIELAB的轉換需要分兩步進行：

1)完成RGB到色彩空間CIEXYZ的轉換，其轉換公式如下：

(1)

2)通過數學方法轉換到CIELAB，各分量的計算如下：

(2)

CIEXYZ彩色系統中所有顏色定義在一個X+Y+Z=1的平面上,互相垂直的X,Y,Z三個坐標軸分別對應紅、綠、藍三種顏色,三個坐標值的變化范圍都是從0到1。式(2)中:

(Wx,Wy,Wz)=(0.312 779,0.329 184,0.358 037)

(3)

對應于該系統中色彩平面上一個純白點。F(p)的計算方法為:如果p>0.008 856,則有F(p)=p1/3；否則F(p)=7.787p+16/116。

利用顏色的圖像分割是通過控制CIELAB空間中的a和b的取值來實現的，通過對目標影像的采樣獲得典型水體區域a,b的平均值a1,a2,通過依次對影像中的象元(i,j)做|a(i,j)-a1|

2.3 紋理信息的提取應用

紋理特征是一種非光譜信息，紋理分析的方法結合常規的分類方法,有助于提高分類精度，從而更好地理解遙感影像,從遙感數據中提取各種有用的專題信息[2]。紋理分割就是找到不同紋理區域之間邊界的過程。從分割的角度來說,紋理分割可分為基于邊界和基于區域的兩種分割方法,也可將兩者結合起來用[3]。

灰度共生矩陣算法是基于圖像中某一灰度級結構重復出現的概率情況來描述紋理信息,反映圖像灰度關于方向、相鄰間隔、變化幅度的綜合信息,是分析圖像的局部模式和排列規則的基礎[4]。用數學公式表示則為:

P(i,j,δ,θ)={[(x,y),(x+Δx,y+Δy)]|f(x,y)=

i，f(x+Δx,y+Δy)=j；

x=0,1,2,…,Nx-1；y=0,1,2,…,Ny-1}

(4)

其中,i,j=0,1,2,…,L-1;x,y均為影像中的像素坐標;L為影像的灰度級數;Nx,Ny均為影像的行列數[5]。Haralick等人用灰度共生矩陣提取了14種特征值[6]。為簡便起見,一般采用4個最常用的特征值來提取影像的紋理特征：角二階矩、對比度、相關和熵。其數學表示如下：

(5)

(6)

(7)

(8)

在進行紋理分析的時候不同波段的特征一致[5]，故可以任選其中的G分量進行實驗，實際應用中一般將灰度圖像從256量化到8或者16級,我們將遙感影像壓縮為16個灰度級。計算特征值角二階矩的時候選取5×5或者7×7的滑動窗口進行計算，計算的步距選擇d=1，即逐個象元的進行，通常計算灰度共生矩陣的方向取0°，45°，90°，135°四個方向。根據以上設置，步距d=1，對四個特征值進行計算,然后對該計算取其平均值,把結果賦給中心像素。通過對目標影像的采樣獲得水體區域的5×5的窗口的角二階矩(ASM)均值ASM1，假設一個滑動窗體的中心像素位置為(i,j),類似的通過構造算式|ASM(i,j)-ASM1|

2.4 采樣模板及采樣值的確定

一般航空影像中河流、湖泊的顏色為藍黑色，不過有的水域受到嚴重的污染而使水體呈現出黑色，或者藻類過剩呈現出墨綠色，所以一張航空影片里面水體可能呈現出不止一種顏色，但是超過三種顏色的可能性很小，所以針對這些顏色差異明顯的水域，分別進行采樣變得很有必要，本文設計的采樣最多可以針對三種顏色的水域進行采樣，獲得各自不同的顏色和紋理信息。

3 實驗結果及分析

3.1 紋理和色彩特征在提取中的對比

圖1為珠海市RGB航攝影像的部分截圖，圖中的深色均勻的像素部分為水體區域，該實驗影像寬度為406像素，高度為387像素。采樣點坐標為(60,310),采樣窗口大小為15×15像素，滑動窗口為25×25像素。

表1 實驗圖像色彩特征閾值(a,b)和紋理特征閾值(ASM)

表1給出了下面各個實驗圖像對應的提取閾值，包括不同的色彩特征閾值和紋理特征閾值，例如圖2的提取閾值是a=25,b=6,ASM=0.2。表格中“—”表示該值沒有參與提取過程的判斷，例如圖3僅利用色彩閾值a,b提取得到，并沒有使用紋理閾值ASM。圖2是經過反復實驗獲得的較好的提取效果圖，該圖中結合紋理和色彩信息，其中,a=25,b=6，ASM=0.2。通過目視判讀可以得知大部分水體都被成功提取，黑色方框中的水體沒有被提取出來，這主要是因為現在僅限于一次采樣，采樣選取在水體的中心部位，水體邊緣部分的顏色和采樣值的差別大于所給的閾值，被自動判斷為非水體區域。

圖3是僅利用色彩特征作為判斷條件獲得的提取結果，其閾值見表1。圖中除了水域被提取出來之外，一些非水部分由于和采樣水域的色彩特征相近也得以保留,可見僅僅利用色彩作為判斷條件所得的提取結果存在較大偏差。圖4是僅利用采樣的紋理特征作為判斷條件獲得的提取結果，其閾值設置見表1。通過人眼的判斷，僅使用紋理提取水域的結果優于僅使用色彩的提取效果，很好的抑制了影像中的植被和山體部分。但是由于紋理特征獲取的過程中計算量很大，所以提取的效率降低了很多。圖5是僅應用色彩特征值的水域提取效果，其中,a,b均取6，對比可知a的閾值太小導致提取效果很差，不能有效的判斷出水體像素。圖6是僅應用紋理特征值的水域提取效果，其中,a=25,b=6，ASM=0.4，根據目視判斷只提取了部分的水體，根據對比可知紋理的閾值ASM太小導致提取效果較差，不能有效的判斷出水體像素。

3.2 不同提取條件效率對比

為了檢驗在最佳的色彩特征值和紋理特征值下，不同的滑動窗口的大小對提取效果和執行速度的影像，做以下對比實驗：其中控制采樣特征值a=25,b=6,ASM=0.2不變，采樣模板固定為15×15像素，僅改變滑動窗口的大小并且記錄不同滑動窗口在提取過程中所占用的執行時間。

表2 不同滑動窗口信息對比 ms

表2提供了不同的滑動窗口在判斷的過程中所需的執行時間，該數據在VC平臺中獲得，單位為毫秒。編號部分和下面給出的圖像一一對應，執行時間的長短可以很直觀的反映提取的效率。

通過控制滑動窗口的大小進行水體范圍的提取，可以有效的發現隨著滑動窗口的增大，運行速度也會大幅增加，并且窗口太小和太大時的提取效果都不是最好的，在窗口選取25×25附近時得到最好的提取效果。圖7～圖10中右邊緣和下邊緣都存在沒有被提取到的像素，呈條帶狀分布，并且隨著滑動窗口的增大而變寬，這是由滑動窗口的采樣過程決定的，可以通過對采樣過程的優化解決。

4 結論及展望

由以上的對比可知，利用水體的紋理和色彩特征可以有效的獲得RGB航空影像中的水體范圍，提取的結果優于只利用紋理特征的提取結果，也優于只利用色彩特征的提取結果，兩者的結合雖然提高了水體范圍的提取精度，卻降低了提取的速度。這主要是由于紋理特征的統計和比較需要很大的計算量。

通過以上實驗，同時發現水體的自動提取依然面臨著很多考驗和困難：1)采樣還局限在一次，距離多次采樣的計劃還有一定距離。2)采樣的實驗影像比較小，航空影像的數據量很大，這對我們的程序是一個很大的考驗。3)紋理特征的計算和比較過程需要消耗大量時間，還需要進一步的探索和改進。

[1] 張 慧,王宏琦,孫 顯.結合顏色和紋理特征的樹冠提取方法[J].光學技術,2008(4)：613-616.

[2] 劉龍飛,陳云浩,李 京.遙感影像紋理分析方法綜述與展望[J].遙感技術與應用,2003(6)：441-447.

[3] 薛聯鳳,劉云飛.紋理圖像的局部區域提取方法[J].計算機應用研究,2006(6)：153-155.

[4] 謝 菲,陳雷霆,邱 航.基于紋理特征提取的圖像分類方法研究及系統實現[J].計算機應用研究,2009(7):2767-2770.

[5] 馮建輝,楊玉靜.基于灰度共生矩陣提取紋理特征圖像的研究[J].北京測繪,2007(3):19-22.

[6] C.S.Lu,P.C.Chung,C.F.Chen.Unsupervised texture segmentation via wavelet transform[J].Pattern Recognition,1997(5):124-127.

Aerial RGB image waters extraction on the basis of color and texture characteristics

Guo Pan

(ShannxiTiandiGeologyCo.,Ltd,Xi’an710054,China)

The paper puts forward a kind of image segmentation method by combining comprehensive waters color with texture characteristics, introduces its specific research methods and scheme, and carries out an analysis for the experimental results through comparing texture and color characteristics extraction and different extracting conditions efficiency, which has provided some guidance for similar research in future.

remote sensing image, RGB aerial image, texture, color, waters

1009-6825(2017)17-0188-03

2017-03-17

郭 攀(1982- )，男，工程師

TP702

A