一種快速遙感影像海島自動提取方法

趙恩偉，溫金苗，楊鶴猛，伍小潔，張增

（1.天津航天中為數據系統科技有限公司，天津300301；2.民航中南地區空中交通管理局海南分局，海口410141）

一種快速遙感影像海島自動提取方法

趙恩偉1，溫金苗2，楊鶴猛1，伍小潔1，張增1

（1.天津航天中為數據系統科技有限公司，天津300301；2.民航中南地區空中交通管理局海南分局，海口410141）

為有效提高基于遙感技術的海島調查中海島提取的效率，該文提出了基于多窄帶模型（Multi Narrow Band Model，MNBN）初始化的Grab Cut分割算法對高分辨率遙感圖像中的海島進行提取。首先基于海面與陸地提取進行海島初提取，再利用初提取結果建立多窄帶模型對Grab Cut進行初始化來提高分割算法的速度。分析表明，該算法可有效完成海島提取，與其他自動海島提取算法相比具有速度快、魯棒性高等優點。

海島提取；高分辨率遙感圖像；Grab Cut；多窄帶模型；多尺度分割

0 引 言

隨著計算能力的不斷提升與圖像處理技術的不斷進步，以C－V模型為代表的分割算法或模型也被應用到海島提取中，如歐陽越等人提出了基于改進的Snake模型或水平集的海岸線檢測算法［1－5］等在SAR圖像中應用。對這些算法的引進大部分是針對SAR圖像的，而作為目前在海島調查中應用最為廣泛的高分辨率可見光遙感圖像卻很少涉及，其主要原因是由于高分辨率遙感圖像容量巨大，傳統的可變形模型［6］運算時間過長，雖然在最近的研究中已經有部分研究人員針對可變形模型進行了改進，如提出應用窄帶技術或稀疏矩陣方法進行加速［7－9］，但仍無法擺脫可變形模型本身能量函數優化速度的瓶頸，而作為圖像分割領域目前研究熱點的圖切分／圖割技術［10－11］，采用了基于組合數學的最大流－最小割的優化思路，可以大大提高能量函數優化的速度，同時由于其特有的全局性，可以大大降低能量函數收斂于局部最優的可能性。這種全局優化與高速的特點使其特別適用于遙感圖像的處理，為高分辨率圖像目標提取提供了一個強有力的工具。

本文提出了先進行全局初提取再根據初提取結果初始化多窄帶模型并將它應用于Grab Cut算法中來完成高分辨率遙感圖像的海島自動提取。根據高分辨率遙感圖像的特性，以Grab Cut算法為基礎，利用多窄帶模型（Multi Narrow Band Model，MNBM）對Grab Cut進行初始化，實現了Grab Cut在大容量高分辨率遙感圖像的應用。最后以高分辨率的海洋遙感圖像的海島分割為例，對本文提出的基于多窄帶初始化模型的Grab Cut進行了實驗。

1 研究方法

可變形模型、圖切分等先進圖像分割算法在醫學圖像分割、視頻圖像目標追蹤等圖像分割領域得到了廣泛應用，但在高分辨率遙感圖像卻鮮見應用。主要是由于拼接后的高分辨率遙感圖像成像范圍大，圖像的背景復雜且分割目標占圖像的比例一般極小，無法應用傳統可變形模型來解決。而圖切分算法作為目前圖像分割研究中新的熱點以其全局優化的特性以及運行速度快等優勢，成為了相對于可變形模型更適合處理高分辨率遙感圖像的工具。

但傳統的圖切分也往往難以直接處理尺寸超大（一般大于2000×2000）的高分辨率遙感圖像。直接處理大的圖像，對計算平臺的內存以及處理速度要求過高。為此本文采用了先全局初提取再居于精提取的多尺度分割算法框架，并將多窄帶模型初始化的Grab Cut應用于精提取，以提高分割速度和準確率。

1.1 全局初提取

本文針對可見光遙感影像中海島顏色特征，采用了基于海水色度與陸地亮度進行聯合判斷的海島自適應分割方法來實現全局初提取。全局初提取算法主要流程如圖1所示。

圖1 初提取算法流程圖

本文提出的全局初提取分為3個主要步驟：

①基于亮度的陸地分割。由于陸地在可見光遙感圖像中的亮度一般比較高，本文采用了基于亮度的自適應閾值法實現陸地區域提取，即以圖像的平均灰度值乘以一個加權因數作為閾值來二值化圖像。

②基于色度的海面分割。本文利用色度進行海面分割。首先將原遙感圖像由RGB空間轉化為HSV空間，提取其中的H分量（色度信息），而后計算整個圖像的H分量的平均值THo，再以TH為中心上下浮動15%得到的閾值（Tu，Td）進行海面提取，并利用數學形態學中的閉運算對結果進行修正。海面的空洞即為海島的候選提取結果。

③基于陸地和海面提取結果的綜合判定。通過海島候選分割結果的每一個連通域在陸地提取結果中的對應位置是否重合來確定該連通域是否是海島，最后去除面積過小的連通域即可得到海島的初步提取結果。

1.2 基于MNBM初始化的Grab Cut算法

（1）Grab Cut基本理論

Grab Cut是基于Kmeans聚類算法與混合高斯模型（Gaussian Mixture Model，GMM）對Graph Cut改進［12］的半自動分割算法，而Graph Cut算法是Boykov等研究人員基于組合數學的理論而提出的［13－14］。Graph Cut將圖像分割的問題轉化為網絡的最小代價切分的問題。通過將像素點或子區域映射為網絡中的節點，利用節點的不同標記來表示背景或目標，設計網絡切割的能量函數來優化分割結果，并利用Ford和Fulkerson證明的網絡流理論中的最大流／最小割定理來將能量函數的最小化問題轉化為網絡最大流的問題（該問題可以通過在較低多項式時間內求解），從而求得能量函數的最小值并獲得此時網絡的標記值，而此時網絡的標記值則對應著分割結果。

圖2 一個3×3圖像的圖切分的分割示例圖

Graph Cut的能量函數如下式所示：

式中，f為V的一個標號f：P→L（L＝｛0，1｝），數據項Edata（f）用來衡量f和所觀察到的數據的不一致性，光滑項Esmooth（f）用來衡量f非分片光滑的程度，N表示相互作用的相鄰定點對。

Graph Cut可以通過圖2（a）所示的3×3圖像的分割來說明，網絡的權重通過邊緣的粗細來表示。首先對分割種子點進行初始化，然后將待分割的圖像映射為s／t網絡，并初始化網絡的節點之間的權重和標記值圖2（b）。最后通過最大流／最小割算法來確定網絡的分割曲線圖2（c），圖像的分割結果如圖2（d）所示。

（2）Grab Cut算法的改進

Grab Cut是一種半自動的分割算法，需要人工的介入。本文通過構建多窄帶初始化模型來實現Grab Cut的自動化分割，通過向網絡邊權重引入設計的窄帶距離函數來抑制初始模型對Grab Cut的限制，提高分割的準確率。

①多窄帶模型的構建

窄帶可變形模型如圖3所示，與一般的可變形模型不同，窄帶可變形模型首先根據初始輪廓Γ生成一個環狀區域，稱之為“窄帶”，可變形模型的計算都在這個區域內進行，在圖像中窄帶以外的區域對于計算沒有影響，因此窄帶可變形模型的計算量相對于傳統可變形模型的計算量大大降低。

圖3 多窄帶模型示意圖

其中，Bin為窄帶區域中在初始邊界以內的區域，Bout為窄帶區域中在初始邊界以外的區域。需要注意的是這個窄帶區域并不是一成不變的，而是隨著邊界的演化而動態變化的。

如圖3所示，左圖為多窄帶模型的輸入圖像，右側為輸出的多窄帶模型，其中Rin為內部區域，代表屬于目標區域的部分，Rring－in為內部環形區域代表可能屬于目標的部分，Rring－out為外部環形區域代表可能屬于背景的區域，Rout為外部區域代表可能屬于背景的區域。

在建立GMM時內部區域以及內部環形區域作為目標區域處理，外部區域以及外部環形區域作為背景區域處理。在構建s－t網絡時，內部區域所對應的s－t網絡節點與源點的權重s－link設定為0，與匯點的權重t－link設定為無窮，而外部區域對應的節點的s－link為無窮，t－link為0，而內部環形區域對應的節點權重則如下式所示：

其中，Si，j為點（i，j）與源點的權重，Ti，j為點（i，j）與匯點的權重，Ii，j為坐標（i，j）所對應的圖像值，GMMf為目標的混合概率模型，GMMb為背景的混合概率模型。

②基于窄帶距離函數的Grab Cut網絡邊權重的優化

添加窄帶距離函數來改進網絡邊權重，窄帶距離函數的定義計算公式如下式所示：

圖4 精提取中基于多窄帶模型Grab Cut的流程圖

其中，di，j為窄帶距離函數，ωi，j為優化后的網絡邊權重。

優化后的網絡邊權重能夠提高邊界演化的動力，降低初始邊界對邊界演化的限制，提高分割準確度。

（3）基于MNBM的Grab Cut算法在海島提取中的應用

全局初步提取結果在局域精提取的應用主要有以下兩個方面：局域區域的定位、窄帶可變形模型的初始化。局域精提取的流程圖如圖4所示。

多窄帶模型初始化Grab Cut算法的主要步驟：

①提取對應的連通域；

②計算連通域的質心與周長，并對局域圖像進行定位和確定窗口的大小；

③提取對應的局域圖像作為可變形模型應用的臨時圖像；

④將初步提取結果構建多窄帶模型；

⑤利用多窄帶模型初始化Grab Cut算法；

⑥最大流／最小割算法確定能量函數最小值并輸出分割結果；

⑦將各連通域的分割結果匯總，形成海島提取的結果。

2 實驗數據和結果分析

2.1 實驗數據與標準

實驗數據是分辨率為2m×2m的可見光遙感圖像，圖像尺寸為1736×1442，實驗區位于威海沿海地區，圖像中有黑島、黃島、青島、牙石島、連林島等島嶼以及若干小型島礁。

為了定量地分析海島分割的效果，本文對高分辨率圖像中海島進行人工分割，并將人工分割的結果作為分割標準并利用Dice Similarity Coefficient（DSC）來定量地標定分割效果。DSC可以通過如下公式計算得到：

其中，A1為自動分割結果，A2為人工分割結果。人工分割結果如圖5所示。

圖5 原始遙感圖像與處理結果

2.2 實驗結果及分析

本文對拼接后的遙感圖像進行分割和識別，其原始圖像、初提取結果、精提取結果、人工分割結果如圖5所示。其主要島嶼各階段處理結果的DSC系數如表1所示。

通過計算初提取和人工分割的相似程度，其DSC為91.6%，充分說明了本文提出的初提取算法的有效性。在多窄帶模型的內環半寬ss2＝6，外環半寬ss1＝4，迭代次數為3時精提取的DSC達到了93.0%，海島識別后DSC達到了93.4%，相對于初提取有較大的提升，而且精提取不依賴于圖像的灰度色彩等參數，有助于提高算法的魯棒性。

表1 主要島嶼的各階段處理結果

通過實驗可發現分割算法所消耗的時間隨著迭代次數的增加是線性增加的，可通過直線擬合計算得到迭代一次的圖像分割時間，約為17秒（實驗圖像的尺寸為1736×1442，主要海島數目5），相對于傳統可變形模型算法具有明顯的速度優勢。

圖6顯示了分割準確率隨著迭代次數的不同的變化情況，從圖像中可以看出由于本文提出的提取算法在極少的迭代次數的情況下即可達到穩定的分割結果，需要的迭代次數較少，因此算法運算速度相對于傳統的可變形模型等方法具有明顯的速度優勢，更加適合于高分辨遙感圖像處理領域。

圖6 分割準確率與迭代次數的關系

3 結束語

本文針對島礁等目標提出了基于多窄帶模型初始化以及網絡權值優化的Grab Cut分割算法，實現了島礁在高分辨率遙感圖像中的快速準確分割和提取。理論分析和實驗結果表明了本文提出的自動海島提取方法的正確性和有效性。

［1］歐陽越，種勁松.基于改進水平截集算法的SAR圖像海岸線檢測［J］.遙感技術與應用，2004（19）：456－460.

［2］BALL J E，BRUCE L M.Level set segmentation of remotely sensed hyperspectral images［J］.Geoscience and Remote Sensing Symposium，2005IGARSS＇05Proceedings，5638－5642.

［3］MATTHEW S.A statistical active contour model for SAR image segmentation［J］.Image and Vision Compution，1999，17（3／4）：213－224.

［4］李雨謙，皮亦鳴，王金峰.基于水平集的SAR圖像與光學圖像的配準［J］.測繪學報，2010，39（3）：276－282.

［5］李林茹，高雙喜，曹淑服.基于小波變換和梯度矢量流Snake模型的ERS－1SAR圖像的海岸線探測［J］.河北工業科技，2004，21（4）：24－33.

［6］OSHER S，SETHIAN J A.Fronts propagating with curvature－dependent speed：algorithms based on Hamilton－Jacobi formulations［J］.Journal of Computational Physics，1988，79（1）：12－49.

［7］JULIEN M.Narrow band region－based active contours and surfaces for 2Dand 3Dsegmentation［J］.Computer Vision and Image Understanding，2009，113：946－965.

［8］方江雄，屠恩美，楊杰，等.基于窄帶多區域水平集方法的遙感圖像分割［J］.光譜學與光譜分析，2011（31）：3001－3005.

［9］李傳龍，李穎，蘭國新.一種新的窄帶快速區域水平集C－V模型圖像分割方法［J］.計算機科學，2011，38（12）：17－19.

［10］TYAGI M，BOYOLO F，MEHRA A，et al.A context－sensitive clustering techniqe based on Graph Cut initialization and expectation－maximization alogroithm［J］.IEEE Geoscience and Remote Sensing Letters，2008，5（3）：21－25.

［11］SUN F，AUTOM D，HE J.A normalized cuts based image segmentation method［J］.Information and Computing Science，2000，ICIC＇09，Second International Conference on，2000，2：333－336.

［12］CARSTEN R，VLADIMIR K，ANDREW B."GrabCut"－interactive foreground extraction using iterated graph cuts［J］.ACM Transations Graph，2004，23（3）：309－314.

［13］YURI Y B，MARIE－PIERRE J.Interactive graph suts for optimal boundary ＆region segmentation of objects in N－D images［J］.Internation Conference on Computer Vision，Vacouver，Canada，July，2001，105－112.

［14］YURI Y B，OLGA V，RAMIN Z.Fast approximate energy minimization via graph cuts［J］.IEEE Transations on Patten Analysis and Machine Intelligence，2001，23（11）：1222－1239.

A Fast Method for Automatic Extraction of Island in Remote Sensing Imagery

ZHAO En－wei1，WEN Jin－miao2，YANG He－meng1，WU Xiao－jie1，ZHANG Zeng1
（1.Tian Jin Zhong Wei Aerospace Data System Technology Co.，Ltd，Tianjin300301；2.Air Traffic Management Bureau of Civil Aviation Hainan South Area Branch，Haikou410141）

Remote sensing technology is widely applied in island investigation in recent years.To improve the efficiency of island extraction，a new extraction method was proposed，which includes two main stages：global initial extraction based on color feature and local re－extraction based on grab cut algorithm.Speed and robustness of island extraction is improved by the proposed method compared with other island automatic extraction methods.

island extraction；high resolution remote sensing；Grab Cut；multi－narrow－band model；multi－scale segmentation

10.3969／j.issn.1000－3177.2015.06.012

TP751.1

A

1000－3177（2015）142－0063－04

2014—10—20

2014—11—27

海洋公益性行業科研專項經費項目資助（201405028）。

趙恩偉（1986—），男，碩士，研究方向為光學遙感圖像的分析、分割、提取以及模式識別。

E－mail：zhaoenwei＠foxmail.com