於雪琴，左小清，黃 亮

(昆明理工大學(xué)國土資源工程學(xué)院，昆明 650093)

一種融合數(shù)學(xué)形態(tài)學(xué)運(yùn)算的多尺度建筑物分割算法

於雪琴，左小清，黃 亮

(昆明理工大學(xué)國土資源工程學(xué)院，昆明 650093)

多尺度分割算法是面向?qū)ο蟮膱D像分析方法中的一種較為成熟、穩(wěn)定的分割算法，但存在部分分割不準(zhǔn)確和分割效率低等問題。為此，提出一種融合數(shù)學(xué)形態(tài)學(xué)運(yùn)算的多尺度建筑物分割算法:首先利用高斯濾波器對遙感圖像進(jìn)行濾波處理，然后通過數(shù)學(xué)形態(tài)學(xué)運(yùn)算對圖像進(jìn)行腐蝕處理，最后采用多尺度分割算法得到建筑物影像。對昆明市局部區(qū)域的QuickBird圖像進(jìn)行多尺度建筑物分割實(shí)驗(yàn)的結(jié)果表明，該算法具有分割精度高、效率快等優(yōu)點(diǎn)，對類似工作有一定的借鑒意義。

數(shù)學(xué)形態(tài)學(xué);多尺度分割;全色圖像;圖像處理;地理信息系統(tǒng)

0 引言

隨著遙感數(shù)據(jù)獲取技術(shù)的不斷發(fā)展，遙感圖像數(shù)據(jù)已成為一種海量、精準(zhǔn)、快速、直觀的重要地理信息數(shù)據(jù)源，可為城市規(guī)劃、城市建設(shè)和城市管理提供大量地理與環(huán)境信息，遙感數(shù)據(jù)的獲取方法已得到長足發(fā)展。目前國際遙感界面臨的一個(gè)重要問題是:每天以TB級的數(shù)量獲取遙感數(shù)據(jù)，但遙感信息的提取利用率還不到獲取量的5%。制約信息提取利用率的主要問題是信息提取技術(shù)。目前主要的信息提取技術(shù)是面向?qū)ο蟮膱D像分析方法，而作為面向?qū)ο蟮膱D像分析方法的核心技術(shù)之一，圖像分割一直沒有一個(gè)公認(rèn)的精確和高效的算法。

多尺度分割［1］是一種比較成熟、穩(wěn)定的圖像分割算法，已在一些商業(yè)軟件中得到了廣泛應(yīng)用，如德國的專業(yè)信息提取軟件eCognition［2］等。但采用多尺度分割算法對大數(shù)據(jù)量的遙感圖像進(jìn)行分割時(shí)，存在分割速度慢和部分分割不準(zhǔn)確(過分割和分割破碎)等問題。針對這些問題，高偉等［2］提出一種基于四叉樹預(yù)分割的多尺度算法構(gòu)建對象的方法，該方法在一定程度上提高了整體的分割效率;譚玉敏等［3］提出了一種基于邊界引導(dǎo)的多尺度遙感圖像分割算法，突破了分割尺度參數(shù)不能在全圖像取得合理分割的局限性;譚衢霖等［4］則提出一種基于相鄰圖像區(qū)域合并異質(zhì)性最小的面向?qū)ο蠖喑叨确指钏惴?，根?jù)任意特定尺度下的圖像分析任務(wù)或任意感興趣尺度的地物目標(biāo)，調(diào)整圖像分割的尺度參數(shù)，獲得特定尺度下感興趣的影像對象。

本文利用數(shù)學(xué)形態(tài)學(xué)運(yùn)算在消除噪聲和邊緣檢測等圖像預(yù)處理中所具有的優(yōu)勢，將數(shù)學(xué)形態(tài)學(xué)運(yùn)算與多尺度分割結(jié)合起來，提出一種融合數(shù)學(xué)形態(tài)學(xué)運(yùn)算的多尺度建筑物分割算法。該算法首先利用高斯濾波器消除圖像噪聲，然后通過數(shù)學(xué)形態(tài)學(xué)運(yùn)算來減弱背景的復(fù)雜紋理和噪聲對圖像的影響［5］，最后采用多尺度分割算法獲得最終的影像對象——建筑物。

1 融合數(shù)學(xué)形態(tài)學(xué)運(yùn)算的多尺度分割算法

1.1 分割算法流程

高空間分辨率遙感圖像可精細(xì)地刻畫地物豐富的幾何特征，但同時(shí)也存在背景信息復(fù)雜、噪聲干擾嚴(yán)重、“同物異譜”和“異物同譜”現(xiàn)象明顯等缺點(diǎn)［6］。為了有效地解決背景信息復(fù)雜和噪聲干擾嚴(yán)重等問題，首先利用高斯濾波器去除高斯噪聲，從而達(dá)到減少噪聲干擾的目的;然后通過數(shù)學(xué)形態(tài)學(xué)的腐蝕運(yùn)算進(jìn)一步消除圖像中的噪聲，并減弱復(fù)雜的背景信息;最后對增強(qiáng)后的目標(biāo)影像采用多尺度分割算法進(jìn)行分割，得到最終的影像對象。融合數(shù)學(xué)形態(tài)學(xué)運(yùn)算的多尺度分割算法流程如圖1所示。

圖1 分割算法流程圖Fig.1 Flow chart of segmentation algorithm

1.2 數(shù)學(xué)形態(tài)學(xué)運(yùn)算

數(shù)學(xué)形態(tài)學(xué)(mathematical morphology)是一門建立在格論和拓?fù)鋵W(xué)基礎(chǔ)上、以形態(tài)為基礎(chǔ)的圖像分析學(xué)科，即采用具有一定形態(tài)的結(jié)構(gòu)元素去度量和提取圖像中的對應(yīng)形狀，以達(dá)到對圖像進(jìn)行分析和識別的目的［7］，是數(shù)學(xué)形態(tài)學(xué)圖像處理的基本理論。數(shù)學(xué)形態(tài)學(xué)運(yùn)算對圖像處理具有抗噪能力較強(qiáng)、保持影像基本形態(tài)特征、實(shí)時(shí)性、易于實(shí)現(xiàn)等優(yōu)點(diǎn)［8］。數(shù)學(xué)形態(tài)學(xué)運(yùn)算包括腐蝕(erosion)、膨脹(dilation)、開啟(opening)和閉合(closing)4種基本運(yùn)算，通?？衫眠@4種基本運(yùn)算消除圖像噪聲。

1.3 多尺度分割算法

多尺度圖像分割(multi-scale image segmentation)是一種自上而下的區(qū)域合并技術(shù)，它連續(xù)地將像元或現(xiàn)有的影像對象合并。該算法首先從一個(gè)單像元開始，分別與其相鄰對象進(jìn)行計(jì)算，若相鄰的兩個(gè)對象與合并后的對象的異質(zhì)性指標(biāo)小于給定的域值，則合并之;否則不進(jìn)行合并。當(dāng)一輪合并結(jié)束后，以上一輪合并生成的對象為基本單元，繼續(xù)分別與其相鄰對象進(jìn)行計(jì)算……，這一過程將一直持續(xù)到在用戶指定的尺度上已經(jīng)不能再進(jìn)行任何對象的合并為止［9］。多尺度分割遵循的異質(zhì)性(heterogeneity)指標(biāo)有:1)影像對象區(qū)域的光譜異質(zhì)性(hcolor)，即

式中:ωc為圖層的權(quán)重;σc為圖層的標(biāo)準(zhǔn)差;c為圖層數(shù)。

2)影像對象區(qū)域的形狀異質(zhì)性(hshape)，即

式中:hsmoothness和hcompactness分別為影像對象邊界平滑度和影像對象整體緊密度;ωsmoothness與ωcompactness分別為影像對象邊界平滑度的權(quán)重和影像對象整體緊密度的權(quán)重，兩者之和為1。影像對象的邊界平滑度和整體緊密度的計(jì)算公式分別為

式中:lMerge，bMerge和nMerge分別為合并后的影像對象的實(shí)際邊長、最短邊長和面積;lobj1，bobj1和nobj1分別為影像對象1的實(shí)際邊長、最短邊長和面積;lobj2，bobj2和nobj2分別為影像對象2的實(shí)際邊長、最短邊長和面積。

3)影像對象區(qū)域的整體異質(zhì)性(h)，即

式中:hcolor為光譜異質(zhì)性;hshape為形狀異質(zhì)性;ωcolor為光譜的權(quán)值;ωshape為形狀的權(quán)值;ωcolor和ωshape之和為1。

2 分割算法實(shí)驗(yàn)

分割算法的實(shí)驗(yàn)數(shù)據(jù)采用昆明市某區(qū)域的QuickBird全色圖像(空間分辨率為0.61 m)，實(shí)驗(yàn)區(qū)范圍為1 424像元×1 216像元的區(qū)域(圖2)。首先在Visual C++6.0結(jié)合OpenCV的環(huán)境下編制執(zhí)行程序，實(shí)現(xiàn)高斯濾波和數(shù)學(xué)形態(tài)學(xué)處理，然后在eCognition軟件平臺(tái)上運(yùn)行多尺度分割算法得到影像對象。

圖2 QuickBird全色圖像Fig.2 Panchromatic image of QuickBird

1)在Visual C++6.0結(jié)合OpenCV的軟件平臺(tái)上實(shí)現(xiàn)對原始全色圖像的高斯濾波處理(圖3);采用數(shù)學(xué)形態(tài)學(xué)腐蝕運(yùn)算來減弱背景的復(fù)雜紋理和噪聲對圖像的影響(圖4)。

圖3 高斯濾波結(jié)果Fig.3 Result of Gauss Filter

圖4 形態(tài)學(xué)腐蝕結(jié)果Fig.4 Result of morphological erosion

2)根據(jù)全色圖像的影像對象的光譜異質(zhì)性、形狀異質(zhì)性以及整體異質(zhì)性，采用多尺度分割算法(即分形網(wǎng)絡(luò)演化算法)得到一定的同質(zhì)區(qū)域。實(shí)驗(yàn)中選用eCognition 8.0軟件平臺(tái)下的multi-scale segmentation算法，經(jīng)實(shí)驗(yàn)設(shè)置分割參數(shù)后進(jìn)行分割，分割效果如圖5所示(分割參數(shù)分別為scale=70，shape=0.1，compactness=0.9)。為了對比分割效果，對同一原始數(shù)據(jù)采用相同的分割參數(shù)，得到采用傳統(tǒng)多尺度分割算法獲取的影像對象(圖6)。

圖5 本文算法分割結(jié)果Fig.5 Segmentation result using the algorithm developed in this paper

圖6 傳統(tǒng)多尺度分割算法分割結(jié)果Fig.6 Segmentation result using traditional multi-scale segmentation algorithm

分別截取分割結(jié)果中的某兩個(gè)小區(qū)(圖7與圖8)進(jìn)行分割效果對比。可以看出采用本文提出的算法提高了分割的準(zhǔn)確度，在一定程度上解決了分割破碎和過分割問題。

圖7 本文算法局部分割效果Fig.7 Part of segmentation result using the algorithm developed in this paper

圖8 傳統(tǒng)多尺度分割算法局部分割效果Fig.8 Part of segmentation result using traditional multi-scale segmentation algorithm

為了定量評價(jià)兩種分割算法的精度，分別從分割時(shí)間和圖7，8局部小區(qū)的分割對象中具有完整建筑物輪廓的對象數(shù)占總對象數(shù)的比例來評價(jià)分割的速度和精度(具體數(shù)據(jù)見表1)。

表1 兩種分割算法分割數(shù)據(jù)對比Tab.1 Comparison of segmentation data between the two algorithms

從表1可以看出，本文提出的方法在分割時(shí)間和分割的準(zhǔn)確度上都比傳統(tǒng)的多尺度分割具有一定的優(yōu)勢。

3 結(jié)論

1)為了提高圖像分割的準(zhǔn)確度和效率，本文提出一種融合數(shù)學(xué)形態(tài)學(xué)運(yùn)算的多尺度分割算法。以Visual C++6.0和OpenCV為工具，編程實(shí)現(xiàn)了高斯濾波和數(shù)學(xué)形態(tài)學(xué)腐蝕運(yùn)算等圖像處理算法，使處理后的全色圖像得到增強(qiáng)。

2)結(jié)合eCognition 8.0軟件平臺(tái)下的多尺度分割方法進(jìn)行圖像處理實(shí)驗(yàn)，對使用本文方法得到的分割結(jié)果同未經(jīng)過高斯濾波和數(shù)學(xué)形態(tài)學(xué)處理的傳統(tǒng)多尺度分割結(jié)果進(jìn)行比較。結(jié)果表明，采用融合數(shù)學(xué)形態(tài)學(xué)運(yùn)算的多尺度分割算法可提高分割效率和準(zhǔn)確率。

3)由于受形態(tài)學(xué)腐蝕運(yùn)算的影響，部分有用的背景信息(如植被等)被腐蝕掉，因而給部分地物的分割帶來一定的影響。下一步研究的重點(diǎn)將主要是對本文算法的進(jìn)一步優(yōu)化，以便最大限度地減小形態(tài)學(xué)腐蝕運(yùn)算對有用背景信息造成的影響。

［1］Baatz M，Seh?pe A.Multiresolution Segmentation:An Optimization Approach for High Quality Multi-scale Image Segmentation［C］//Strobl J，Blaschke T，Greisebener(G.):Ange wandte Geographische Informafion sverarbeitung XII Beitr?ge Zum AGIT-Symposium Salzburg 1999.Karlsruhe:Herbert Wichmann Verlag，2000.

［2］高 偉，劉修國，彭 攀，等.一種改進(jìn)的高分辨率遙感影像分割方法［J］.地球科學(xué):中國地質(zhì)大學(xué)學(xué)報(bào)，2010，35(3):421-425.

［3］譚玉敏，槐建柱，唐中實(shí).一種邊界引導(dǎo)的多尺度高分辨率遙感圖像分割方法［J］.紅外與毫米波學(xué)報(bào)，2010，29(4):312-315.

［4］譚衢霖，劉正軍，沈 偉.一種面向?qū)ο蟮倪b感影像多尺度分割方法［J］.北京交通大學(xué)學(xué)報(bào):自然科學(xué)版，2007，31(4):111-119.

［5］何新英，王家忠，孫晨霞，等.基于數(shù)學(xué)形態(tài)學(xué)和Canny算子的邊緣提取方法［J］.計(jì)算機(jī)應(yīng)用，2008，28(2):477-483.

［6］周成虎，駱劍承.高分辨率衛(wèi)星遙感影像地學(xué)計(jì)算［M］.北京:科學(xué)出版社，2009.

［7］Chen Q，Lim A，Ong K W.D(K)-index:An Adaptive Structural Summary for Graph-structured Data［C］//Special Interest Group on Management of Data Conference，2003:134-144.

［8］Wang H F，Zhan G L，Luo X M.Research and Application of Edge Detection Operator Based on Mathematical Morphology［J］.Computer Engineering and Applications，2009，45(9):223-226.

［9］Baatz M，Schape A.Object-oriented and Multi-scale Image A-nalysis in Semantic Network［C］//Proc of the 2nd International Symposium on Operationalization of Remote Sensing August 16th～20th Emchede ITC，1999.

A Building Segmentation Algorithm Based on Mathematical Morphology and Multi-scale Segmentation

YU Xue-qin，ZUO Xiao-qing，HUANG Liang
(Faculty of Land Resource Engineering，Kunming University of Science and Technology，Kunming 650093，China)

Multi-scale segmentation approach is a relatively mature and stable algorithm in object-oriented image analysis algorithms;nevertheless，the problems of partial segmentation inaccuracy and low segmentation efficiency remain existent in this means.In view of this situation，the authors propose an algorithm combining the mathematical morphological operation with multi-scale building segmentation in this paper.First，the Gaussian filter is used to filter the image.And then，the mathematical morphological operation is used to erode the image.Finally，the multi-scale segmentation algorithm is applied to the image to extract the buildings.Experiments were conducted on the QuickBird image of a local area in Kunming，and the results show that the algorithm presented in this paper is more accurate and efficient than the traditional algorithms，and is thus of reference significance for similar segmentation work.

mathematical morphology;multi-scale segmentation;panchromatic image;image processing;GIS

TP 751.1，P 237

A

1001-070X(2012)02-0041-04

於雪琴(1987-)，女，碩士研究生，主要研究方向?yàn)檫b感信息處理與應(yīng)用技術(shù)。E-mail:yxq13759581485@163.com。

(責(zé)任編輯:劉心季)

10.6046/gtzyyg.2012.02.08

2011-09-01;

2011-09-20

國家自然科學(xué)基金項(xiàng)目(編號:41061043)和云南省教育廳科學(xué)研究基金項(xiàng)目(編號:2011J075)共同資助。