高分遙感影像邊界信息提取方法探究

韓東升

【摘 要】航空遙感測繪工作的一項重要內容是航測圖像的解譯。由于人工的遙感圖像判讀需要消耗較多的時間和精力，發展自動的航測遙感影像處理算法變得十分重要。在航空遙感測繪中，遙感影像的邊界信息提取對于地物識別和判讀具有重要意義。為了快速、準確地從遙感影像中提取邊界強度信息，本文探索了一種矢量梯度的方法。經過實驗證明，該方法可有效獲得遙感圖像中的邊界信息，具有一定的實用價值。

【關鍵詞】邊界提取 高分遙感影像 矢量梯度

1 引言

航空遙感測繪工作的一項重要內容是航測圖像的解譯。由于人工的遙感圖像判讀需要消耗較多的時間和精力，發展自動的航測遙感影像處理算法變得十分重要。邊界信息是遙感影像中不可忽視的內容，特別是對于線性地物，如河流、建筑、道路[1]等，邊界信息可極大提高地物的識別精度。本文嘗試將一種矢量梯度的方法應用于高分遙感影像的邊界提取中。通過OrbView3高分遙感影像的實驗，證明了該方法的邊界信息提精度是較為令人滿意的。

2 基于適量梯度的邊界提取算法

該方法包含三個步驟：（1）高分遙感影像各個波段在水平、豎直方向的梯度計算；（2）利用所提取的梯度信息，構建矩陣；（3）計算矩陣的最大特征值。

對于第一步矢量梯度的計算，本文利用了一種高斯差分濾波器來實現。高斯差分濾波器的核函數為：

（1）

其中腳標h、v分別代表水平、豎直方向，x、y表示濾波器核函數網格的橫、縱坐標。利用（1）式濾波器對多波段圖像進行濾波運算，就可以得到每一個波段在水平、豎直方向的梯度。

在第二步，需要對每個像素構建矩陣，如公式（2）所示：

（2）

其中，i、j表示圖像中像素的橫、縱坐標，?gh，1（i，j）表示水平方向高斯差分濾波器在第一個波段、像素（i，j）的輸出，同理?gv，B（i，j）表示豎直方向高斯差分濾波器在波段B、像素（i，j）的輸出。顯然，向量GB（i，j）包含了一個像素在所有波段、所有濾波器方向的梯度信息，其維度是B×2，B是高分遙感影像所包含的波段數。之后，為每一個像素構建矩陣GBT·GB，得到2×2維的矩陣G。

第三步是計算出矩陣G的最大特征值λmax，作為原始邊界強度。經過這三步，所得邊界強度是一個單波段的圖像。

3 算法對比實驗

數據介紹；為了考察矢量梯度方法在遙感影像邊界提取中的效果，采用了一景OrbView3高分辨率遙感影像進行了邊界提取實驗。OrbView3是美國GeoEye公司研發的一顆高分辨率遙感衛星。圖1顯示了實驗所用的數據，其獲取日期為2006年6月15日，中心經緯度：N38°11′45″， W121°25′36″。

圖1 實驗所用的OrbView3影像數據 圖2 邊界提取結果

圖2是本文方法提取的邊界強度，可見，農田邊界都被很好地提取了出來，這對于后續圖像解譯具有十分重要的幫助。

4 結語

本文將一種矢量梯度的算法應用于高分遙感影像的邊界提取中。利用一景OrbView3多光譜影像進行了邊界提取實驗，說明本文方法可以有效提取邊界信息。

參考文獻：

[1] 蘇騰飛，李洪玉，屈忠義.高分辨率遙感圖像道路分割算法[J].國土資源遙感，2015（3）：1-6.