使用MeanShift算法進行鼓浪嶼地區的高分辨率遙感影像分割

摘 要：隨著空間技術的發展，獲取高分辨率遙感影像越來越容易，由于高分辨率遙感影像具有豐富的地物細節，因此是地物信息提取的重要數據源。使用面向對象的方法進行高分辨率遙感影像信息提取相比基于像素的方法具有更好的效果，而面向對象分析的前提是影像分割，因此文章著重研究高分辨率遙感影像分割的問題。文章首先介紹一些影像分割的背景知識，然后對Mean Shift算法的原理進行介紹，通過VC編程，實現Mean Shift算法，最后采用鼓浪嶼地區的高分辨率遙感影像進行實驗。實驗結果表明，Mean Shift是一種較優秀的影像分割算法，能夠將鼓浪嶼島上的一些建筑物以及景點植被等分隔開，分割結果可以為后期進行面向對象的影像分類或者變化檢測等提供良好的數據基礎。

關鍵詞：Mean Shift；高分辨率；遙感影像；影像分割；鼓浪嶼

1 引言

遙感作為一種對地觀測的手段現在已經得到了廣泛的重視，近十多年來，隨著高分辨率遙感衛星的發射以及商業化，使用高分辨率遙感衛星進行地表信息的獲取已經得到廣泛的應用。能夠利用遙感影像進行地表信息自動提取是許多遙感工作者的夢想，按照處理的單元可以分為基于像素的方法和基于對象的方法，而對于高分辨率遙感影像而言，現有的研究成果表明基于對象的方法能夠得到更優的結果。進行影像的面相對象分析的前提是獲取對象，一般是通過影像分割的方式來進行對象的獲取。

圖像分割就是指把圖像分成各具特性的區域并提取感興趣的目標的技術和過程，這里的特性可以是像素的灰度、顏色、紋理等，預先定義的目標可以對應單個區域，也可以對應多個區域[1]。圖像分割的目的是簡化或者改變圖像的表示方式使圖像更容易理解和分析，準確的說就是對圖像上每個像素設定一個標記，使具有相同視覺特征的像素擁有相同的標記。圖像分割的結果是一組覆蓋整幅圖像的對象的集合，或者是一組從圖像中提取的輪廓的集合。對象中的每個像素在某些特征上是相似的，比如顏色、強度或紋理，而相鄰對象的像素在這些特征上是完全不同的[2]。

遙感影像分割是進行遙感信息提取、面向對象分析的關鍵技術基礎之一，指的是將遙感影像中特定的，具有獨特性質的區域與周圍的區域分離出來的技術和過程。

隨著航天技術和空間傳感器的發展，遙感影像的空間分辨率越來越高，高分辨率遙感影像能夠反映更多的地物細節，但同時，由于其細節信息過于豐富，使得細小目標、陰影等干擾因素的影響愈加突出，給影像的處理和信息的自動提取帶來了困難。相比于中低分辨率的遙感影像，高分辨率遙感影像存在著更為嚴重的同物異譜和同譜異物的現象，利用傳統的一些算法很難勝任高分辨率遙感影像的處理。

由于地物的紋理，形狀、拓撲關系等空間特征本質上均屬于區域級的特征，在影像分割獲得的同質區域內提取特征顯然要比在任意指定的方形窗口內提取特征更具合理性。近些年來，面向對象（區域）的高分辨率遙感影像分析受到了關注，關于這方面的研究也是目前高分辨率遙感影像分析的研究熱點之一。因此，影像分割成為高分辨率遙感影像計算機自動解譯的首要處理步驟，也成為高分辨率影像地物信息提取的重要研究內容[3]。

Mean Shift算法是一種基于非參數概率密度梯度估計的迭代聚類過程，并且證明具有較好的算法收斂性，廣泛應用于聚類分析、跟蹤、圖像分割，圖像平滑、濾波、圖像邊緣提取和信息融合等方面。該算法完全依靠空間中的樣本點進行分析，不需要先驗知識，對不同結構的數據具有較好的適應性和穩健性。因此，采用Mean Shift算法進行高分辨率遙感影像分割，能夠具有較高的自動程度和穩健、良好的結果。

本文首先介紹Mean Shift原理，然后使用鼓浪嶼的高分辨率遙感影像進行試驗并分析，最后進行總結和展望。

2 Mean Shift算法原理

Mean Shift算法具有較好的分割效果，但也比較復雜，在實際應用中要根據具體的情況，設定對應的算法參數。對分割結果影響比較大的參數是帶寬參數和尺度參數，尺度參數即上文提到的最小區域像素個數。帶寬參數就是公式（2.2）中的h，進行分割的時候，將帶寬分為波譜帶寬和空間格網帶寬，則帶寬h對應公式（2.3）中的hr和hs。帶寬參數是最重要的分割參數，帶寬參數的選取，對分割結果的影響比較大，應根據影像中地物的尺度和分割的目的進行選取，已有學者對帶寬的自適應選取進行了研究，但本文暫時還是采取人工設定參數值的方法。

尺度參數就是根據分割的目的和影像中地物尺度的大小進行設定，當小于該值的區域，將被合并到周圍與其在灰度最相近的區域中。

在進行算法實驗的時候，采用hr用sigmaR表示，尺度參數區域最小像素個數用 minRegion表示，分割結果如圖3所示。

從圖3可以看出，Mean Shift算法可以得到較好的分割結果，但需要注意的是Mean Shift算法是假設特征空間是歐式空間，而采用的影像具有3個波段，因此進行實驗的時候是將3個波段從RGB空間轉換到LUV空間。從圖上可以看出，隨著sigmaR的增加，區域的個數是減少的，也就是每個區域所包含的波譜空間范圍增大；隨著minRegion的增加，區域個數也是減少的，就是要求每個區域的最小像素個數增加，小區域就變少，總的區域個數也就減少。在具體應用的時候，可以根據輸入的影像設置相應的參數，當然也可以根據不同的應用目的調整參數。

4 結論與展望

本文首先介紹高分辨率遙感影像的背景和影像分割的研究現狀，決定采用Mean Shift算法進行影像分割。接著對Mean Shift算法的原理進行介紹，說明Mean Shift算法進行影像分割的步驟，并分析高分辨率遙感影像的特點。在實驗部分，本文采用Mean Shift不同的參數進行了分割試驗，并對分割試驗結果進行分析，指出可以根據不同的輸入數據或者不同的應用目的調整相應的參數，當然，一般情況下Mean Shift算法都可以得到較好的分割結果。

本文中還存在一些不足，將在以后的工作中進行完善，主要有：

Mean Shift算法的帶寬的自適應選取，帶寬是進行影像的Mean Shift分割的一個重要參數，帶寬的選取對分割的結果影響比較大。

尺度參數（最小區域個數）的選取，尺度參數的選取要根據影像中地物的尺度進行選取，但是對于影像中地物比較復雜的情況，如何對尺度參數進行自適應選取，這也是一個關鍵問題，而且本文中采用的是地物的面積來衡量地物的尺度，相對來說這種衡量方法是比較粗糙的，地物尺度應如何衡量，是一個待解決的問題。

分割的評價本文只是通過目視判讀進行，在今后的研究工作中需要進行深入研究。

高分辨率遙感影像一般數據量比較大，如何進行分塊分割以及分割后處理，也需要在今后進行深入研究。

參考文獻

[1]章毓晉； 圖象分割[M]； 北京： 科學出版社， 2001.

[2]李揚； 基于遙感影像聯合分割的對象級變化檢測[D]； 武漢大學，2010

[3]王雷光，鄭晨，林立宇，陳榮元，梅天燦；基于多尺度均值漂移的高分辨率遙感影像快速分割方法[J]；光譜學與光譜分析，2011年1月，Vol.31， No.1， pp.177-183

[4]K.Fukunaga and L.D Hostetler， \"The Estimation of the Gradient of a Density Function， with Applications in Pattern Recognition\"[J]. IEEE Trans. Information Theory， vol. 21， pp.32-40， 1975.

[5]Y.Cheng， \"Mean Shift， Mode Seeking， and Clustering\"[J]； IEEE Trans. Pattern Analysis and Machine Intelligence， vol 17 no.8， pp.790-799， Aug.1995.

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

[7]Comaniciu D.， Meer P. Mean Shift analysis and application[A]. In Proceedings of the Seventh IEEE International Conference. Computer Vision. 1999

[8]Comaniciu D.， Meer P. Robust Analysis of Feature Spaces： Color Image Segmentation[A]. In Proc. 1997 IEEE conf. Computer Vision and Pattern Recognition

[9]Comaniciu D.， Ramesh V.， Meer P. Real-time tracking of non-rigid objects using Mean Shift[A]. In Computer Vision and Pattern Recognition， 2000. Proceedings. IEEE Conference 2000

[10]Comaniciu， D.； Meer， P.； Mean shift analysis and applications[A]； Computer Vision， 1999. The Proceedings of the Seventh IEEE International Conference on； 1999 ， vol.2 Page（s）： 1197-1203

[11]鄧書斌. ENVI遙感圖像處理方法[M]. 北京： 科學出版社， 2010.

[12]舒寧， 馬洪超，孫和利； 模式識別的理論與方法[M]；武漢：武漢大學出版社，2004.

作者簡介：方磊，男，助理實驗師，1983年出生，碩士研究生，目前從事GIS方面實踐教學工作。