一種融合數學形態學運算的多尺度建筑物分割算法

於雪琴，左小清，黃 亮

(昆明理工大學國土資源工程學院，昆明 650093)

一種融合數學形態學運算的多尺度建筑物分割算法

於雪琴，左小清，黃 亮

(昆明理工大學國土資源工程學院，昆明 650093)

多尺度分割算法是面向對象的圖像分析方法中的一種較為成熟、穩定的分割算法，但存在部分分割不準確和分割效率低等問題。為此，提出一種融合數學形態學運算的多尺度建筑物分割算法:首先利用高斯濾波器對遙感圖像進行濾波處理，然后通過數學形態學運算對圖像進行腐蝕處理，最后采用多尺度分割算法得到建筑物影像。對昆明市局部區域的QuickBird圖像進行多尺度建筑物分割實驗的結果表明，該算法具有分割精度高、效率快等優點，對類似工作有一定的借鑒意義。

數學形態學;多尺度分割;全色圖像;圖像處理;地理信息系統

0 引言

隨著遙感數據獲取技術的不斷發展，遙感圖像數據已成為一種海量、精準、快速、直觀的重要地理信息數據源，可為城市規劃、城市建設和城市管理提供大量地理與環境信息，遙感數據的獲取方法已得到長足發展。目前國際遙感界面臨的一個重要問題是:每天以TB級的數量獲取遙感數據，但遙感信息的提取利用率還不到獲取量的5%。制約信息提取利用率的主要問題是信息提取技術。目前主要的信息提取技術是面向對象的圖像分析方法，而作為面向對象的圖像分析方法的核心技術之一，圖像分割一直沒有一個公認的精確和高效的算法。

多尺度分割［1］是一種比較成熟、穩定的圖像分割算法，已在一些商業軟件中得到了廣泛應用，如德國的專業信息提取軟件eCognition［2］等。但采用多尺度分割算法對大數據量的遙感圖像進行分割時，存在分割速度慢和部分分割不準確(過分割和分割破碎)等問題。針對這些問題，高偉等［2］提出一種基于四叉樹預分割的多尺度算法構建對象的方法，該方法在一定程度上提高了整體的分割效率;譚玉敏等［3］提出了一種基于邊界引導的多尺度遙感圖像分割算法，突破了分割尺度參數不能在全圖像取得合理分割的局限性;譚衢霖等［4］則提出一種基于相鄰圖像區域合并異質性最小的面向對象多尺度分割算法，根據任意特定尺度下的圖像分析任務或任意感興趣尺度的地物目標，調整圖像分割的尺度參數，獲得特定尺度下感興趣的影像對象。

本文利用數學形態學運算在消除噪聲和邊緣檢測等圖像預處理中所具有的優勢，將數學形態學運算與多尺度分割結合起來，提出一種融合數學形態學運算的多尺度建筑物分割算法。該算法首先利用高斯濾波器消除圖像噪聲，然后通過數學形態學運算來減弱背景的復雜紋理和噪聲對圖像的影響［5］，最后采用多尺度分割算法獲得最終的影像對象——建筑物。

1 融合數學形態學運算的多尺度分割算法

1.1 分割算法流程

高空間分辨率遙感圖像可精細地刻畫地物豐富的幾何特征，但同時也存在背景信息復雜、噪聲干擾嚴重、“同物異譜”和“異物同譜”現象明顯等缺點［6］。為了有效地解決背景信息復雜和噪聲干擾嚴重等問題，首先利用高斯濾波器去除高斯噪聲，從而達到減少噪聲干擾的目的;然后通過數學形態學的腐蝕運算進一步消除圖像中的噪聲，并減弱復雜的背景信息;最后對增強后的目標影像采用多尺度分割算法進行分割，得到最終的影像對象。融合數學形態學運算的多尺度分割算法流程如圖1所示。

圖1 分割算法流程圖Fig.1 Flow chart of segmentation algorithm

1.2 數學形態學運算

數學形態學(mathematical morphology)是一門建立在格論和拓撲學基礎上、以形態為基礎的圖像分析學科，即采用具有一定形態的結構元素去度量和提取圖像中的對應形狀，以達到對圖像進行分析和識別的目的［7］，是數學形態學圖像處理的基本理論。數學形態學運算對圖像處理具有抗噪能力較強、保持影像基本形態特征、實時性、易于實現等優點［8］。數學形態學運算包括腐蝕(erosion)、膨脹(dilation)、開啟(opening)和閉合(closing)4種基本運算，通常可利用這4種基本運算消除圖像噪聲。

1.3 多尺度分割算法

多尺度圖像分割(multi-scale image segmentation)是一種自上而下的區域合并技術，它連續地將像元或現有的影像對象合并。該算法首先從一個單像元開始，分別與其相鄰對象進行計算，若相鄰的兩個對象與合并后的對象的異質性指標小于給定的域值，則合并之;否則不進行合并。當一輪合并結束后，以上一輪合并生成的對象為基本單元，繼續分別與其相鄰對象進行計算……，這一過程將一直持續到在用戶指定的尺度上已經不能再進行任何對象的合并為止［9］。多尺度分割遵循的異質性(heterogeneity)指標有:1)影像對象區域的光譜異質性(hcolor)，即

式中:ωc為圖層的權重;σc為圖層的標準差;c為圖層數。

2)影像對象區域的形狀異質性(hshape)，即

式中:hsmoothness和hcompactness分別為影像對象邊界平滑度和影像對象整體緊密度;ωsmoothness與ωcompactness分別為影像對象邊界平滑度的權重和影像對象整體緊密度的權重，兩者之和為1。影像對象的邊界平滑度和整體緊密度的計算公式分別為

式中:lMerge，bMerge和nMerge分別為合并后的影像對象的實際邊長、最短邊長和面積;lobj1，bobj1和nobj1分別為影像對象1的實際邊長、最短邊長和面積;lobj2，bobj2和nobj2分別為影像對象2的實際邊長、最短邊長和面積。

3)影像對象區域的整體異質性(h)，即

式中:hcolor為光譜異質性;hshape為形狀異質性;ωcolor為光譜的權值;ωshape為形狀的權值;ωcolor和ωshape之和為1。

2 分割算法實驗

分割算法的實驗數據采用昆明市某區域的QuickBird全色圖像(空間分辨率為0.61 m)，實驗區范圍為1 424像元×1 216像元的區域(圖2)。首先在Visual C++6.0結合OpenCV的環境下編制執行程序，實現高斯濾波和數學形態學處理，然后在eCognition軟件平臺上運行多尺度分割算法得到影像對象。

圖2 QuickBird全色圖像Fig.2 Panchromatic image of QuickBird

1)在Visual C++6.0結合OpenCV的軟件平臺上實現對原始全色圖像的高斯濾波處理(圖3);采用數學形態學腐蝕運算來減弱背景的復雜紋理和噪聲對圖像的影響(圖4)。

圖3 高斯濾波結果Fig.3 Result of Gauss Filter

圖4 形態學腐蝕結果Fig.4 Result of morphological erosion

2)根據全色圖像的影像對象的光譜異質性、形狀異質性以及整體異質性，采用多尺度分割算法(即分形網絡演化算法)得到一定的同質區域。實驗中選用eCognition 8.0軟件平臺下的multi-scale segmentation算法，經實驗設置分割參數后進行分割，分割效果如圖5所示(分割參數分別為scale=70，shape=0.1，compactness=0.9)。為了對比分割效果，對同一原始數據采用相同的分割參數，得到采用傳統多尺度分割算法獲取的影像對象(圖6)。

圖5 本文算法分割結果Fig.5 Segmentation result using the algorithm developed in this paper

圖6 傳統多尺度分割算法分割結果Fig.6 Segmentation result using traditional multi-scale segmentation algorithm

分別截取分割結果中的某兩個小區(圖7與圖8)進行分割效果對比。可以看出采用本文提出的算法提高了分割的準確度，在一定程度上解決了分割破碎和過分割問題。

圖7 本文算法局部分割效果Fig.7 Part of segmentation result using the algorithm developed in this paper

圖8 傳統多尺度分割算法局部分割效果Fig.8 Part of segmentation result using traditional multi-scale segmentation algorithm

為了定量評價兩種分割算法的精度，分別從分割時間和圖7，8局部小區的分割對象中具有完整建筑物輪廓的對象數占總對象數的比例來評價分割的速度和精度(具體數據見表1)。

表1 兩種分割算法分割數據對比Tab.1 Comparison of segmentation data between the two algorithms

從表1可以看出，本文提出的方法在分割時間和分割的準確度上都比傳統的多尺度分割具有一定的優勢。

3 結論

1)為了提高圖像分割的準確度和效率，本文提出一種融合數學形態學運算的多尺度分割算法。以Visual C++6.0和OpenCV為工具，編程實現了高斯濾波和數學形態學腐蝕運算等圖像處理算法，使處理后的全色圖像得到增強。

2)結合eCognition 8.0軟件平臺下的多尺度分割方法進行圖像處理實驗，對使用本文方法得到的分割結果同未經過高斯濾波和數學形態學處理的傳統多尺度分割結果進行比較。結果表明，采用融合數學形態學運算的多尺度分割算法可提高分割效率和準確率。

3)由于受形態學腐蝕運算的影響，部分有用的背景信息(如植被等)被腐蝕掉，因而給部分地物的分割帶來一定的影響。下一步研究的重點將主要是對本文算法的進一步優化，以便最大限度地減小形態學腐蝕運算對有用背景信息造成的影響。

［1］Baatz M，Seh?pe A.Multiresolution Segmentation:An Optimization Approach for High Quality Multi-scale Image Segmentation［C］//Strobl J，Blaschke T，Greisebener(G.):Ange wandte Geographische Informafion sverarbeitung XII Beitr?ge Zum AGIT-Symposium Salzburg 1999.Karlsruhe:Herbert Wichmann Verlag，2000.

［2］高 偉，劉修國，彭 攀，等.一種改進的高分辨率遙感影像分割方法［J］.地球科學:中國地質大學學報，2010，35(3):421-425.

［3］譚玉敏，槐建柱，唐中實.一種邊界引導的多尺度高分辨率遙感圖像分割方法［J］.紅外與毫米波學報，2010，29(4):312-315.

［4］譚衢霖，劉正軍，沈 偉.一種面向對象的遙感影像多尺度分割方法［J］.北京交通大學學報:自然科學版，2007，31(4):111-119.

［5］何新英，王家忠，孫晨霞，等.基于數學形態學和Canny算子的邊緣提取方法［J］.計算機應用，2008，28(2):477-483.

［6］周成虎，駱劍承.高分辨率衛星遙感影像地學計算［M］.北京:科學出版社，2009.

［7］Chen Q，Lim A，Ong K W.D(K)-index:An Adaptive Structural Summary for Graph-structured Data［C］//Special Interest Group on Management of Data Conference，2003:134-144.

［8］Wang H F，Zhan G L，Luo X M.Research and Application of Edge Detection Operator Based on Mathematical Morphology［J］.Computer Engineering and Applications，2009，45(9):223-226.

［9］Baatz M，Schape A.Object-oriented and Multi-scale Image A-nalysis in Semantic Network［C］//Proc of the 2nd International Symposium on Operationalization of Remote Sensing August 16th～20th Emchede ITC，1999.

A Building Segmentation Algorithm Based on Mathematical Morphology and Multi-scale Segmentation

YU Xue-qin，ZUO Xiao-qing，HUANG Liang
(Faculty of Land Resource Engineering，Kunming University of Science and Technology，Kunming 650093，China)

Multi-scale segmentation approach is a relatively mature and stable algorithm in object-oriented image analysis algorithms;nevertheless，the problems of partial segmentation inaccuracy and low segmentation efficiency remain existent in this means.In view of this situation，the authors propose an algorithm combining the mathematical morphological operation with multi-scale building segmentation in this paper.First，the Gaussian filter is used to filter the image.And then，the mathematical morphological operation is used to erode the image.Finally，the multi-scale segmentation algorithm is applied to the image to extract the buildings.Experiments were conducted on the QuickBird image of a local area in Kunming，and the results show that the algorithm presented in this paper is more accurate and efficient than the traditional algorithms，and is thus of reference significance for similar segmentation work.

mathematical morphology;multi-scale segmentation;panchromatic image;image processing;GIS

TP 751.1，P 237

A

1001-070X(2012)02-0041-04

於雪琴(1987-)，女，碩士研究生，主要研究方向為遙感信息處理與應用技術。E-mail:yxq13759581485@163.com。

(責任編輯:劉心季)

10.6046/gtzyyg.2012.02.08

2011-09-01;

2011-09-20

國家自然科學基金項目(編號:41061043)和云南省教育廳科學研究基金項目(編號:2011J075)共同資助。