基于多特征标记的分水岭分割算法的研究

发布时间：2016-06-10 05:53

1 绪论 

随着人类活动的进步，传统的地理信息获取手段已经很难满足人类对于地理信息的日益增长的需求。卫星遥感作为对地观测技术的重要手段，为人类提供了海量、丰富的地理信息影像数据。近年来随着传感器技术的不断发展，遥感影像的分辨率得到了极大的提高，影像中地物尺寸差异以及地物内部像元之间的差异越来越大，对传统的基于像元的影像分割方法提出了一大新的挑战，面向对象影像分割方法的提出，使得高分辨率影像分割的分割得到了极大的发展。本文在通过对待分割影像中地物内部的梯度和纹理特征进行分析的基础上，利用纹理和梯度特征图像的阈值分割来获取标记分水岭变换中的标记图像，并通过对待分割的影像进行强制最小变化来标定待分割影像中的种子点区域（即“涌水区域”），有效的解决了分水岭分割中的过分割现象。  

1.1 研究的目的与意义 
在全国地理国情普查中，高分辨率遥感影像成为了主要的数据源[1]。但传统的作业方式自动化程度不高，需要过多的人工干预，这大大影响了生产的效率，随着分辨率的提高，影像中的纹理及边缘等细节信息更为丰富，这给作业人员的能力也带来了极大的挑战，需要作业人员较强的专业知识及较严谨的工作作风，由于手动作业效率低下，作业周期长，消耗大量人力物力的同时也丧失了遥感图像应用的实时性。因此如何利用计算机进行高效精确的影像自动分割的问题再次浮出水面。 卫星遥感具有不接触地物目标，快速实时等特点，成为了人类对地观测的重要技术手段，同时也成为了国际对地观测技术的竞争热点，也得到了我国政府的大力支持与发展，并制定了相关中长期发展规划。近十几年以来，在轨运行的卫星数据急剧增长。大量的在轨卫星为我们提供了海量丰富的遥感影像数据（表 1.1列出了近十几年来国际上发射的一些高分辨率卫星）。这些宝贵的地面影像数据成为我们获取空间数据的重要信息源，具有重大的经济与军事价值。 
..........

1.2 影像分割的发展历史及研究现状
上世纪 60 年代开始，影像分割的研究工作便开始大范围的展开，新的理论不断地被应用到影像分割领域，截至目前人们已经提出了近千种具有不同使用范围的影像分割算法。传统的图像分割算法一般在空域中对影像进行分割，这些空域中的影像分割方法往往基于影像亮度值的两个基本特征：不连续性和相似性。不连续性一般对应不同地物的边缘信息，同时，同一地物内部具有较为相似的亮度分布。相应的，影像分割方法分为:基于边缘的分割和基于区域的分割。基于边缘的分割包括边缘检测和边缘生长等，而基于区域的分割主要包括阈值分割（分为全局阈值分割、局部阈值分割及自适应阈值分割）、区域生长及区域分裂-合并等[5]。纵观近年来影像分割算法的研究成果，我们可以总结出遥感影像分割领域的两个明显特点： ①不存在通用性好的影像分割算法，每一种影像分割算法往往都具有特定的使用范围[6]；②效果较好的分割算法，往往更多的依赖于先验知识，增大工作量的同时，对于实验所需的数据也提出了更高的要求，当我们没有足够的数据来获取较精确的先验知识时，往往不能得到令人满意的效果。 图像分割在计算机视觉领域一直是备受关注的课题，然而影像分割技术进入遥感影像分析的领域时间却比较晚。遥感影像中的内容比计算机视觉领域的研究图像承载的信息要复杂的多，因此，将计算机视觉领域的图像分割技术直接应用与遥感影像的分割往往不能得到令人满意的效果。相对于计算机视觉领域的图像而言，遥感影像表现出一些独有的特性： （1）遥感影像往往是多波段的，甚至是高光谱的，与传统的计算机视觉领域研究的图像比要复杂很多。 （2）同时作为地理信息的重要数据源，我们往往需要从遥感影像中提取更多的附属地理信息，例如 DEM，DLG 等。 
.........

2 分水岭变换原理及图像梯度特征的提取

2.1 影像分割的定义 
影像分割是根据影像中像元的性质及像元之间的关系将具有相似性质的邻接像元划分为一系列的连通区域。影像分割一般以影像中像元的亮度值为依据，根据像元亮度值的不连续性（对应于图像的边缘）及相似性（对应于区域的内部）将影像划分为一个个具有某种同质性的区域，因此，相应的影像分割方法分为基于边界（边界两侧的像元具有性质上的不连续性）的方法及基于区域的方法。基于边界的方法主要包括边缘检测、边缘生长等。基于区域的方法包括阈值分割，区域生长、区域分裂合并等。关于影像分割的定义人们从不同角度给出了各种各样的说法，本文采用 Gonzalez 和 Woods 在 2002 年提出的基于集合论的影像分割的定义[14]: 条件(1)表明分割后各个区域的并集为整幅图像，及图像被完全分割，每一个像元都被划分到特定区域，条件(2)表明，每一个划分的同质子区域都是必须闭合的，条件(3)表明不同的子区域之间没有交集，即每一个像元都被划分到特定的一个区域，不存在不确定的像元分类，条件(4)表明了所划分的每个区域内部的同质性，及在同一子区域内的像元具有相似的特定性质，，这种相似的性质对应于区域生长中对于生长规则的判定（对应于相似性），条件(5)表明不同的子区域具有不同的特征（对应于不连续性），即在选定的特征空间内，不同的子区域具有良好的区分性。 由以上定义可以看出，如何选择合适的特征来区分不同类型的像元，对于影像的分割结果至关重要，在实际的影像分割中根据分割目的的不同，所选择的特征也有所差异。 
........

2.2 分水岭变换的基本原理
分水岭变换是一种新提出来的图像分割方法，它将待变换影像视为三维地形，将变换影像的像素值当做地面的高程来进行涨水或者降水过程的模拟。Beucher 等人最先将地学中的分水岭理论其应用到影像分割领域[16]。在分水岭变换中，主要分析待分割影像中三种类型的点： （1）局部最小值点； （2）当一滴水放在某一点上时，水滴会落到特定的最小值点； （3）某点位置处的水滴会等概率的流向周围的多个局部最小值点。 对于一个特定的区域最小值，满足条件(2)的点的集合称为这个最小值的“汇水盆地”，而满足条件(3)的点的集合组成地形表面的峰线，称为“分水线”[17]。分水岭变化的目的，就在于找出这些分水线，代表最终的地物边缘。 由于分水岭变具有严密的理论基础，并且能够提取出连通且闭合的但像素宽的地物边缘，因此受到了国内外学者的广泛关注与深入研究。其中代表性较好的有基于浸水模型的分水岭变换算法和基于降水模型的分水岭变换算法。其中，基于浸水模型的分水岭分割算法的实现步骤为： （1）将图像视为三维地形； （2）将每一个局部最小值点视为一个涌水点，模拟涨水过程； （3）在涨水过程中地形中的所有点的水位（即像元的值）要保持一致； （4）当不同盆地内的水相遇时构建堤坝。 （5）直到水位达到地形中的最高点时，所有的像元都被划分到了特定的区域，终止生长过程。 在涨水过程中构筑的堤坝，即为最终得到的区域边缘，显而易见，构筑的堤坝是连续的，即代表生成的区域边缘必然是连通的。 
..........

3 分水岭变换中标记图像的获取方法研究与改进.........25
3.1 阈值分割..........25
3.2 基于扩展最小变换的标记图像的获取.....2
3.3 基于影像梯度特征阈值分割的标记图像的获取..........34
3.4 基于影像纹理特征阈值分割的标记图像的获取..........37
3.4.1 影像纹理特征的获取.......37
3.4.2 基于影像纹理特征的标记图像的获取及参数设置........43
本章小结....454 标记分水岭变换的实验及结果分析.......47
4.1 梯度图像的直接分水岭变换.......47
4.2 基于扩展最小标记的分水岭变换及结果分析........48
4.3 基于梯度影像阈值分割的标记分水岭变换....51
4.4 基于纹理特征标记的分水岭变换......54
4.5 基于多光谱图像的标记分水岭变换..........57
4.6 加入已有边缘信息的标记分水岭分割.....59
本章小结....60
5 总结及展望....63
5.1 论文所做的主要工作......63
5.2 研究展望.....64

4 标记分水岭变换的实验及结果分析

文章的上一章节从分水岭变换的基本原理出发，分析了分水岭变换中过分割现象产生的根本原因，并针对分水岭变换中产生过分割的原因，进行了待变换影像标记图像的获取。本章将在标记图像获取的基础上，进一步分析探讨基于标记图像强制最小变换的分水岭分割。  

4.1 梯度图像的直接分水岭变换 

分水岭变换的操作对象一般为影像的梯度特征图像，由于噪声以及致密纹理等的影响，使得影像梯度图像中的出现了很多无意义的局部极小值区域，这是导致分水岭变换中过分割现象产生的根本原因。下面我们以选取的实验图像为例，对选取的影像的梯度图像进行了直接分水岭变换。如下所示： 以上实验中，相位一致梯度图像的局部最小值区域的数目为 2158，Sobel 梯度图像中局部最小值区域的数目为 7836，可以看到，对待分割影像的梯度图像直接进行分水岭变换，均出现了严重的过分割现象，尤其是是 Sobel 梯度图像的直接分水岭变换几乎得到了毫无意义的分割结果，因此，为了得到有意义的分割结果，必须在梯度图像的分水岭变换中，必须采取一定的措施对梯度图像中的“涌水区域”进行标定。在以下的影像分割实验中，我们采用上一章中介绍方法获取待分割影像梯度图像的标记图像，并通过标记图像对待变换的梯度图像进行局部最小值的标定，然后进行分水岭变换才能得到有意义的分割结果。 

.........

结论

（1）分析了影像分割的研究现状，并根据高分辨率遥感影像的特点，分析了高分辨率遥感影像分割的难点。 
（2）基于分水岭变换的基本原理，分析了分水岭变换中过分割现象的根本原因。 
（3）分水岭变换的操作对象一般为影像的梯度特征对图像，因此，精确的提取影像的梯度特征对于分水岭变换的结果至关重要，本文研究分析了空域中影像梯度特征求解的基本原理与方法，针对空域中影像梯度特征求解方法的不足，探讨了频域中影像梯度特征的求解，并采用改进的相位一致算法进行了影像梯度特征的提取。 
（4）针对直接分水岭变换中的过分割现象，探讨了通过扩展最小变换、梯度图像的阈值分割和纹理能量特征图像的阈值分割进行标记分水岭分割方法中的标记图像的获取的可行性和有效性，并针对梯度图像扩展最小变换中“深度阈值”设置难以把握的情况，在梯度图像的阈值分割中结合了文献[10]中提出的“最大区域数”法，探讨了标记分水岭分割中标记图像获取方法的参数设置的问题，并通过实验证明了该方法具有较好的适应性。探讨了多光谱影像中个波段梯度特征的综合方法。并针对生产活动中的一种特殊情况，通过实验探讨了结合早期的矢量数据来进一步改进标记分水岭变换的可行性。 
.........
参考文献(略)

本文编号：55483