基于灰度形態學和圖像分割的河口水邊線提取

劉 鑫

（1.國土資源部海底礦產資源重點實驗室，廣東 廣州 510075；2. 廣州海洋地質調查局，廣東 廣州 510075）

基于灰度形態學和圖像分割的河口水邊線提取

劉 鑫1,2

（1.國土資源部海底礦產資源重點實驗室，廣東 廣州 510075；2. 廣州海洋地質調查局，廣東 廣州 510075）

基于灰度形態學理論，利用圖像分割技術在MATLAB平臺對南流江河口水邊線進行提取的方法作對比研究。實驗結果表明，直接邊緣檢測法、閾值分割法以及單值種子點區域生長法都不能有效跟蹤汊道、潮灘、沙洲發育的河口水邊線，存在水邊線破碎、不連續等問題，而多種子點區域生長法能精準跟蹤復雜的河口水邊界，獲得理想的水邊線信息。該方法可快速、自動提取河口水邊線，為河口海岸蝕淤、水下灘涂資源監測提供可靠的技術支撐。

水邊線提取；灰度形態學；圖像分割；南流江河口

遙感影像上的水邊線是水體與陸地之間的分界線[1]，其位置的變化為海岸線侵蝕淤積的監測和模擬研究以及臺風和洪水等自然災害的預測提供了最基本的信息。如何獲得海岸線的精確位置是眾多海岸帶研究中亟需解決的問題[2]。然而，受周期性漲落潮水位的影響，水邊線時刻處于變化之中，傳統的人工地面采樣測量較為困難，目視解譯的方法由于受到判讀者解譯經驗和地學知識的影響，水邊線提取的精度難以保證。穩定的衛星遙感平臺對捕捉不同潮情條件下的水邊線非常有效，是目前提取水邊線或岸線最有效的途徑[3]。

南流江河口（圖1）具有典型的潮汐三角洲特征[4]，其水下三角洲前緣淺灘可細分為河口沙壩、潮間淺灘和三角洲前緣淺灘[5]。開展河口水邊線位置變化研究對南流江河口水下淺灘穩定性監測和灘涂資源保護有著重要的意義。

圖1 南流江河口示意圖

本文以自動獲取河口水下三角洲前緣淺灘水邊線為目標，結合灰度形態學理論，利用高分辨率遙感影像數據的波譜特征，通過邊緣檢測、閾值分割與區域生長法3種不同圖像分割技術對河口水邊線進行提取。

1 圖像分割技術

圖像分割技術主要包括（點、線）邊緣檢測、閾值處理與基于區域的圖像分割等[6]。

1.1 邊緣檢測法

邊緣像素是指圖像中灰度發生突變的像素，而邊緣是連續的邊緣像素的集合[6]。邊緣檢測通過檢測每個像素與其鄰域的狀態來決定該像素是否處于一個物體的邊界。主要思想是先檢測出圖像中的邊緣點，然后再按一定策略連接成水邊線輪廓[7]。邊緣檢測算子通過檢查每個像元的鄰域并對其灰度級進行量化來確定邊界，大多基于方向導數掩膜求卷積方法，其中最常用的有Roberts算子、Prewitt算子、Sobel算子、Laplace-Gauss算子和Canny算子。

1.2 閾值分割法

閾值處理法（閾值分割）是圖像分割領域廣泛使用的一種技術，其原理是根據灰度值將一幅數字圖像分割成不同的區域，是一種簡單有效的圖像分割方法。該方法適用于要分割的物體與背景有強烈對比的圖像，主要用于可見光和紅外影像的信息提取，在海陸背景灰度值有明顯差異的情況下，影像直方圖分布通常呈現雙鋒形式，取直方圖谷底作為圖像的分割閾值，將水體和陸地分割成2部分，可以取得較好的效果[7-10]。

單波段閾值法是運用需要區分的地物在某個波段上的反射率與其他地物之間的差異來對地物進行分類[11]。由于水體的反射率較低，從可見光到中紅外波段逐漸減弱，在近紅外和中紅外波長范圍內吸收性最強，幾乎無反射[12]，其他地物如陸地、植被、道路和房屋等在近紅外和中紅外波長范圍都具有相對較高的反射率，所以可根據這一特性對影像進行單波段閾值分割，從而提取水邊線。

1.3 區域生長法

區域生長法是根據預先定義的生長準則將像素或子區域發展成較大區域的處理方法。其處理方法是從一組“種子”點開始來形成區域，即將那些預定義屬于類似種子的領域像素附加到每個種子上[6]。

區域生長法圖像分割水邊線的具體做法是給定一個典型的種子點，然后以該點為中心在各個方向上向外擴張，得到所有與該點連通且灰度值近似的像素點，對包含這些像素點的連通區域進行輪廓跟蹤，從而得到水邊線。要實現自動提取水邊線，如何選擇合適的種子生長點是問題的關鍵[13-15]。

2 灰度形態學圖像預處理

2.1 數據說明

研究采用的影像是從衛星影像數據服務平臺（北京攬宇方圓信息技術有限公司）獲取的 SPOT5多光譜影像，時間為2009-01-31。根據前文提到的水體光譜特征[12]，選取SPOT5近紅外波段數據來進行水邊線提取研究可優于其他單波段及波段組合。

影響河口地物反射光譜的因素很多[3]，存在大量噪聲干擾水邊線的提取；同時由于南流江河口河流汊道多，沙洲與潮灘廣泛發育，水邊線特征復雜，若不作合適的預處理就直接提取水邊線將會形成大量的碎邊緣片段，從而難以獲得連續、清晰的水邊線。

2.2 形態學圖像預處理

數學形態學是分析幾何形狀和結構的數學方法，是建立在集合代數的基礎上，用集合論方法定量描述幾何結構的科學。灰度形態學是數學形態學的一個分支，主要由腐蝕、膨脹、開操作和閉操作4個基本操作組成；灰度形態學是二值形態學對灰度圖像的自然擴展，其結構元所執行的基本功能與二值形態學中所對應的功能相同，二值形態學所用到的交、并運算分別用極大、極小極值代替就是灰度形態學的相應運算[6,16-17]。

原始圖像經幾何校正后，運用形態學理論進行相應的預處理，即在進行邊緣檢測與閾值分割前，需要對圖像進行平滑濾波與去除亮暗細節的預處理。考慮到形態學開、閉操作的交替順序，形態濾波可分別抑制比結構元素小的亮、暗細節，起到圖像平滑和噪聲去除的作用。而開-閉操作運算中的后一步膨脹/腐蝕操作用于還原圖像原有的形態，但這種還原的精度取決于形態和結構元素的相似性。實驗發現，由于圖像中存在部分河口沙洲離岸較近的情況，難以選擇大小合適的結構元素進行開-閉操作，從而將近岸沙洲與海岸分離，因而采用閉-開操作的圖像重構交替順序來平滑濾波，清理影像細節及噪音。該預處理以原始圖像為掩膜，準確地還原了原始對象的形態，避免過度依賴結構元素的選擇。MATLAB平臺中的實現步驟為：①閉操作圖像重構。先將圖像f取反得到圖像f1，創建R為5的平坦圓盤結構元素對f1進行腐蝕得到圖像f2，以f2為標記、f1為掩膜作圖像重構，再取反得到圖像f3。②開操作重構。創建R為3的平坦圓盤結構元素對圖像f3進行腐蝕，得到圖像f4，然后以f4為標記，f3為掩膜，作圖像重構操作得到圖像f5。

在基于區域生長法分割前，需要進行形態學頂、底帽變換和加、減法運算的預處理來增強圖像的對比度，突出邊緣。MATLAB平臺實現步驟為：首先創建R為3的平坦圓盤結構元素對圖像g分別進行頂、底帽變換得到圖像g1、g2，然后對圖像g與頂帽變換后的圖像g1作加法運算得到圖像g3，最后對過程圖像g3與底帽變換后的圖像g2作減法運算，得到對比度增強的圖像g4。

3 水邊線提取研究

預處理后的遙感數據直接在MATLAB平臺進行水邊線提取，從而實現上述圖像分割算法。

3.1 直接邊緣檢測

對預處理后的圖像直接運用邊緣檢測算法來提取水邊線后發現，Roberts、Prewitt、Sobel這3種算子雖能檢測出邊緣信息，但由于受到噪聲影響，提取的邊緣非常破碎，效果較差（圖2）； Laplace-Gauss 、Canny算子較之其他幾種算子定位精度相對較高，也可以剔除假邊緣信息，但對于地物類型多樣的河口影像數據的潮灘邊緣也無法提取完整的水邊線，圖中右邊河流汊道中潮灘邊緣水邊線不連續。因此可以認為，針對河口地貌，直接邊緣檢測算法無法提取理想的水邊線。

圖2 水邊線提取邊緣檢測算法效果圖

3.2 閾值分割法

對平滑預處理后的單波段影像數據進行直方圖分析，其直方圖呈現雙峰形態，采用最大類間方差法（OTSU算法）進行閾值提取，運用閾值進行二值圖像變換，整體效果良好，海陸邊界清晰，輪廓圓潤，但在部分細節岸段水邊線出現了合并現象（圖3中a區域）。在南干江（左邊河流汊道）中段西岸與河口沙洲之間，由于距離較小，影像中該段距離間的灰度值變化非常小，故導致了錯誤分割產生；在潮汐汊道上架設的橋梁因錯誤分割被刪除（圖3中b區域）。因此，閾值分割法也不適合提取河口水邊線信息。

圖3 最大類間方差法閾值分割后的二值圖像

3.3 區域生長法

在MATLAB平臺，將對比度增強后的影像采用區域生長算法進行水邊線提取，在經反復實驗后發現，由于河口海岸地貌類型多樣，沙洲、潮灘分布離散，無論怎樣選擇單一灰度值種子點，區域生長結果都會出現被水域隔離的沙洲、潮灘被錯誤地分為海域，或者水陸分界失真（圖4子圖a～d）。但多值種子點可避免這種情況的發生。實驗表明，將圖像灰度值區間在[0．4，1]上的點作為種子，可較好地得到海陸分界二值圖像（圖4e）。再利用MATLAB中的bwareaopen（）函數和imfill（）函數作相應的處理，去除海域離散斑點和填充陸域含水區塊，就可以得到較精確的水邊線信息。

圖4 基于區域生長的圖像分割二值圖像（a～d單值種子生長，e多值種子生長）

4 提取結果比較分析

4.1 細節效果圖比較

選取處理過的二值圖像中的一塊區域（淺灘）（圖5），進行常用邊緣檢測算子的水邊線提取效果分析比較。實驗表明，前面討論的5種邊緣檢測算法對陸域相對平直的水邊線都能準確地定位，但對于曲折并發育潮溝的沙洲及潮灘，Roberts、Prewitt、Sobel及Canny算子都存在不足，不能準確跟蹤水邊線，或者出現斷裂不連續的問題，而LOG算法提取的水邊線則比較清晰、光滑、連貫，與實際情況一致，效果良好（見圖5）。

圖5 邊緣檢測算法效果圖

4.2 結果圖輸出

基于MATLAB軟件平臺，選用LOG邊緣檢測算法進行研究區水邊線提取，輸出的南流江河口水邊線準確、清晰、連續流暢（圖6）。說明該方法對河流汊道眾多、河口沙洲、潮間淺灘發育的河口水邊線信息提取具有優勢。

圖6 水邊線提取結果

5 結 語

將經典邊緣檢測算法、閾值分割法、區域生長法應用于經灰度形態學預處理過的遙感影像水邊線提取上。通過研究區的實驗比較， 結果表明，對于河口復雜的水邊線區域，基于多值種子點的區域生長法圖像分割優于直接邊緣檢測法與閾值分割法。該方法可準確還原河口地貌形態，精準定位復雜河口水邊線位置，提取的水邊線準確、清晰、連續，效果理想，且計算速度快，大大縮短了以往目視解譯水邊線提取的時間，可為自動提取復雜河口區遙感影像水邊線提供技術參考。

[1] MASON DC,HILL D,DAVENPORT I,et al． Improving Inter-Tidal Digital Elevation Models Constructed by the Waterline Technique[A]．Proceedings Third ERS Symposium[C]．Florence:ESA Publications Division,1997:1 079-1 082

[2] 沈琦,汪承義,趙斌．幾何活動輪廓模型用于高分辨率遙感影像海岸線自動提取[J]．復旦學報（自然科學版）, 2012,51(1):77-82

[3] RYU JH,WON JS MIN KD．Waterline Extraction from Landsat TM Data in a Tidal Flat[J]．Remote Sensing of Environment,2002(83):442-456

[4] 莫永杰．南流江河口動力過程與地貌發育[J]．海洋通報,1988,7(3):41-46

[5] 陳波,邱紹芳,劉敬合,等． 廉州灣南流江水下三角洲大淺灘及潮流深槽形成原因分析[J]．廣西科學院學報,2007,23(2):102-105

[6] 岡薩雷斯,伍茲．數字圖像處理（第三版 ）[M]．北京:電子工業出版社,2011

[7] 申家雙．海岸帶等水位線信息提取與垂直基準轉換技術研究[D]．鄭州:解放軍信息工程大學,2011

[8] 張明,蔣雪中,張俊儒,等．遙感影像海岸線特征提取研究進展[J]．人民黃河,2008,30(6):7-9

[9] 韓思奇,王蕾．圖像分割的閾值法綜述[J]．系統工程與電子技術,2002,24(6):92-94

[10] 瞿繼雙,王超,王正志．一種基于多閾值的形態學提取遙感圖象海岸線特征方法[J]．中國圖像圖形學報,2003,8(7):805-809

[11] 王海君,許捍衛,金文韜．基于Landsat-8 遙感影像的鄱陽湖水邊線提取方法研究[J]．測繪與空間地理信息,2016,39(1):144-146

[12] 梅安新,彭望琭,秦其明,等．遙感導論[M]．北京:高等教育出版社,2001

[13] 陳景光,佘江峰,黃海濤．基于形態學的多尺度遙感圖像分割方法[J]．地理與地理信息科學,2012,28(4):22-24

[14] 陳忠,趙忠明．基于區域生長的多尺度遙感圖像分割算法[J]．計算機工程與應用,2005(35):7-9

[15] 蘇騰飛,李洪玉．一種兩階段區域生長的遙感圖像分割算法[J]．遙感技術與應用,2015,30(3):476-485

[16] 崔屹．圖像處理與分析:基于形態學方法及應用[M]．北京:科學出版社,2002

[17] 唐常青,呂宏伯,黃錚,等． 數學形態學原理與應用[M]．北京:科學出版社,1990

[18] 郭永飛．長江口水邊線和潮溝遙感信息提取研究[D]． 上海:上海海洋大學,2011

P237

B

1672-4623（2016）12-0072-03

10.3969/j.issn.1672-4623.2016.12.023

劉鑫，碩士研究生，工程師，主要從事海岸帶GIS與遙感研究

2016-06-16。

項目來源：國土資源部海底礦產資源重點實驗室開放基金資助項目（No.KLMMR-2015-A-08）。