一種基于種子點區(qū)域增長的簡單地物邊界快速提取方法

左琛

(北京市測繪設計研究院，北京 100038)

一種基于種子點區(qū)域增長的簡單地物邊界快速提取方法

左琛*

(北京市測繪設計研究院，北京 100038)

從遙感圖像上提取地物地貌信息，并對其進行處理和分析，廣泛應用于城市規(guī)劃、變化監(jiān)測、環(huán)境保護、應急減災等各個領域。本文針對測繪規(guī)劃部門常用的真彩色遙感影像圖，綜合國內外相關研究基礎上，提出一種基于種子點區(qū)域增長算法快速提取簡單地物邊界的方法。并以影像圖中水體、云斑為實驗對象驗證方法的有效性。

圖像分割；種子點區(qū)域增長；閾值；邊緣提取

1 引 言

從遙感影像中識別興趣目標是遙感研究領域中的難題和熱點問題之一，實現(xiàn)在遙感影像中的目標識別能夠進一步滿足地理信息系統(tǒng)中數(shù)據(jù)獲取與自動更新的需要。遙感影像上目標提取經歷了目視解譯、自動分類、基于光譜特性的信息提取等多個階段。

目前國內外廣泛應用的圖像分割方法有基于區(qū)域的圖像分割、基于邊緣的圖像分割、結合特定理論工具的方法，如人工神經網絡法、基于小波變換的方法、基于統(tǒng)計學的方法、基于分形的方法、基于數(shù)學形態(tài)學的方法等。其中常用的基于區(qū)域的圖像分割方法中又有閾值分割、區(qū)域增長和聚類分割[1]。種子點法區(qū)域增長是圖像分割的一種方法，在每個需要分割的區(qū)域以一個種子像素或區(qū)域作為增長的起點，然后將種子像素周圍鄰域中與種子像素有相同或相似性質的像素合并到種子像素所在的區(qū)域中。加入的新像素作為新的種子像素繼續(xù)進行上面的過程，直到再沒有滿足條件的像素可被包括進來，形成具備相似光譜特征的一個連通區(qū)域[2]。測繪、規(guī)劃部門所使用的正射影像圖通常為紅、綠、藍三波段真彩色影像，沒有其他波段信息，只能通過三個波段上的光譜信息及空間信息進行信息提取。以種子點區(qū)域增長方法提取真彩色影像上具備單一色調、簡單紋理特征的目標地物，利用地物的灰度或紋理特征作為相似性測度，半自動地進行影像分割，具有較高的可靠性和運行效率。

2 種子點區(qū)域增長算法

2.1算法流程

本文采取了4領域區(qū)域擴張的方式，具體算法流程如圖1所示。

圖1 種子點區(qū)域增長流程圖

種子點區(qū)域增長進行目標提取，最為關鍵的有三個問題：一是選擇確定一組能正確代表目標地物的種子像素；二是確定是否與種子區(qū)域同類的相似性測度；三是制定讓生長過程停止的條件或規(guī)則。區(qū)域增長法利用了區(qū)域像素間的連通性，減少了誤分的可能。

2.2相似性測度

區(qū)域增長方法中，同一類連通區(qū)域具備某些相似特征。對于多光譜遙感數(shù)據(jù)，可通過不同地物的光譜特性確定最為合適的波段組合及算法表示其特征。對于真彩色遙感影像，同類地物具備相似的灰度、顏色或紋理特征。所以本文中相似性測度選取灰度特征和紋理特征參數(shù)進行實驗。

對于簡單地物，區(qū)域內具備較為統(tǒng)一的灰度值，邊緣出現(xiàn)劇烈灰度變化，可選用窗口的灰度均值或方差作為判定特征。以種子點為中心取一定大小窗口內像素灰度進行統(tǒng)計運算可消除區(qū)域內噪聲影響，灰度方差對于區(qū)域邊緣反應敏感，可得到較為準確、穩(wěn)定的區(qū)域邊界。灰度共生矩陣是一種常用的紋理分析方法，其矩陣元素可描述圖像紋理的一系列特征，也可作為區(qū)域增長判定的相似性測度。

2.3自適應動態(tài)閾值

區(qū)域增長的判定閾值是分割結果好壞的重要因素，閾值過大會導致欠分割；閾值過小會導致過分割。國內外學者都對閾值選取進行了廣泛的研究，提出了很多種圖像閾值的選取方法。比如直方圖法、最大類間方差法、最小誤差和均勻誤差法、簡單統(tǒng)計與局部特性法、共生矩陣法、矩量保持法、最大熵法等[3]。本文實驗了兩種動態(tài)閾值方法，根據(jù)增長的種子點區(qū)域動態(tài)確定判定閾值。

史鐵生之所以對生死觀照有如此癡迷和堅韌的熱情，當然與他的自身經歷有關，22歲那年他兩腿癱瘓，曾一度喪失生存的勇氣，很想自殺，但終于頑強地活了下來。那么，活著的意義是什么？尋找生命的價值和意義，這就是他開始寫作的動因。關于這一點，史鐵生在《我與地壇》一文中有更明確的描述，他在那座古園里苦思冥想的問題只有三個“第一個是要不要去死，第二個是為什么活，第三個我干嘛要寫作。”

一種是基于統(tǒng)計特征的動態(tài)閾值。同一區(qū)域中的灰度一般符合一定的概率分布，即具備一定的灰度均值和灰度方差。依據(jù)已生長出的種子點區(qū)域的灰度特征計算生長閾值符合種子區(qū)域的總體特征。謝明鴻在提取海岸線邊界是提出了以下基于灰度的動態(tài)閾值算法[4]：

(1)

μ和σ分別是已生長出種子區(qū)域的灰度均值和標準方差；k1、k2是兩個系數(shù)項，反映了閾值的苛刻程度。

一種是最大類間方差法。最大類間方差的指導思想是類間方差大、類內方差小，通過分割閾值將像素劃分成不同類別，建立類間方差與閾值的函數(shù)模型，使類間方差達到最大來確定閾值[5]。本文采納了最大類間方差法的原理，以比較兩類地物方差的方法確定地物類別。首先計算種子區(qū)域方差與非種子區(qū)域方差，然后以搜索點的方差靠近哪一類來劃分其類別。這一算法沒有一個具體的生長閾值，而是通過比較特征值來生長目標區(qū)域。

3 遙感影像上簡單地物提取方法

種子點區(qū)域增長，相似性測度和分割閾值決定了生長規(guī)則。本文以全色影像上水體為實驗目標，實驗不同的相似性測度及閾值確定方法，對邊界提取的影響。并確定對于簡單地物進行提取的運算參數(shù)。

3.1采用動態(tài)閾值法，以不同相似性測度進行水邊界提取

第一組實驗，取5×5窗口內灰度均值與灰度方差作為相似性測度，以動態(tài)閾值(見式(1))計算分割閾值，提取黑色水體參數(shù)k1、k2取值0.05，邊界效果如圖2、圖3所示。

灰度均值可平滑水中噪聲影響，但邊界不清晰；灰度方差作為特征，可準確反映邊界(左圖中堤壩被識別)，會受到噪聲影響。

圖2 以窗口內灰度均值為相似性測度

圖3 以窗口內灰度方差為相似性測度

第二組實驗，取7×7的窗口計算小區(qū)域的灰度共生矩陣，矩陣距離d取5。圖像的灰度共生矩陣反映了圖像灰度關于方向、相鄰間隔、變化幅度的綜合信息，是分析圖像的局部特征和排列規(guī)律的基礎。根據(jù)共生矩陣，可以定義熵、對比度、能量、相關性等多種用于提取圖像紋理信息的特征。本文以能量和局部平穩(wěn)性作為相似性測度進行比較，能量為共生矩陣對角線元素平方和，算法如下公式。

(2)

(3)

圖4 以窗口內紋理特征值為相似性測度

從邊界結果可以看出，灰度共生矩陣中局部平穩(wěn)性可以有效消除水體中小物體及噪聲影響。

結合一系列實驗結果，以灰度方差作為相似性測度，對簡單面狀地物提取的邊界最清晰，但易受到噪聲影響。可以通過對分割影像平滑處理或加大特征窗口值來解決。

3.2動態(tài)閾值法和最大類間方差比較法實驗

基于統(tǒng)計特征的動態(tài)閾值法是在分析統(tǒng)計目標與背景特征值基礎上，直接解算分割閾值；方差比較法算法簡單，運行快。分別用兩種方法提取長江的結果如圖5所示。

圖5 兩種閾值方法比較

4 算法應用

通過一系列實驗，得出以灰度方差作為相似性測度，基于統(tǒng)計特征計算動態(tài)閾值，提取真彩色影像上簡單面狀地物邊界。這種方法應用于提取影像上云斑，統(tǒng)計其面積，對一副真彩色遙感影像上云量占比進行質量評價。處理流程如下：

(1)彩色影像灰度化

為了方便計算，根據(jù)AdobePhotoshop里灰度化的公式對紅、綠、藍三波段影像灰度化，可得到較好效果，如圖6所示。

(4)

(2)種子點選取。在影像云斑處點取分割起始點。

圖6 真彩色影像灰度化處理

(3)區(qū)域增長。通過大量實驗，以動態(tài)閾值提取高亮云斑，式(1)閾值計算參數(shù)k1=0.5、k2=1.5。提取的云斑邊界如圖7所示，并統(tǒng)計其面積。

圖7 云斑邊界提取及面積統(tǒng)計

5 結 語

本文在總結有關種子法區(qū)域增長進行圖像分割理論的基礎上，提出了一種對真彩色遙感影像上簡單面狀地物邊界提取的方法。實驗了不同圖像特征作為相似性測度，不同閾值確定算法的提取效果，最終確定以窗口內灰度方差作為測度，基于統(tǒng)計特征動態(tài)計算閾值，較適用于簡單紋理的面狀地物提取。并通過對水體、云斑進行測試，總結了對不同地物提取效果較好的參數(shù)。

人機交互的方法提高了地物識別的可靠性和運行速率。本文提出的方法可應用于遙感影像上云量統(tǒng)計，質量評價。可對簡單面狀地物，如水體、裸露地表進行目標提取。

[1] 焦玉斌，徐艷蕾，陳喜龍. 圖像分割研究綜述[J]. 科技創(chuàng)新導報，2009(13).

[2] 賈永紅. 數(shù)字圖像處理[M]. 武漢：武漢大學出版社，2003：146～150.

[3] 吳一全，朱兆達. 圖像處理中閾值選取方法30年(1962-1992)的進程(一)[J]. 數(shù)據(jù)采集與處理，1993，8(3).

[4] 謝明鴻，張亞飛，付琨. 基于種子點增長的SAR圖像海岸線自動提取算法[J]. 中國科學院研究生院學報，2007，24(1).

[5] 鄭宏，潘勵. 基于遺傳算法的圖像閾值的自動選取[J]. 中國圖象圖形學報，1999，4(4).

[6] 寧順剛，白萬民，喻鈞. 基于灰度共生矩陣的圖像分割方法研究[J]. 電子科技： 2009，22(11).

[7] 萬顯榮，舒寧，鄭建生. 一種基于種子點與連通性分析的快速水體邊界提取方法[J]. 國土資源遙感，2000(4).

AFastEdgeExtractionMethodofSimplyObjectsBasedonSeedRegionGrowing

Zuo Chen

(Beijing Institute of Surveying and Mapping，Beijing 100038，China)

Extracting and analyzing ground object information from remote sensing images is widely applied in many areas，such as urban planning，land usage changing monitoring，environment protection and disaster relief. For true color remote sensing images commonly used by survey planning department，this paper synthesized domestic and international related research and proposed a fast edge extraction method，which is based on seed region growing algorithm. Finally，this paper verified this method by experiments on water and cloud in remote sensing images.

Image segmentation；seed region growing；threshold；edge extraction

1672-8262(2017)05-126-04

P283.8，TP753

A

2017—07—25

左琛(1989—)，女，工程師，碩士研究生，現(xiàn)從事遙感、GIS數(shù)據(jù)處理與研發(fā)應用。