基于Roberts邊緣檢測(cè)的面向?qū)ο蠼ㄖ镄畔⑻崛?/h1>
2012-09-22 10:01:54趙月云王波
城市勘測(cè) 2012年2期
趙月云，王波
(徐州市市政設(shè)計(jì)院有限公司，江蘇徐州 221002)
1 引言
“數(shù)字城市”建設(shè)隨著我國(guó)城市化進(jìn)程的加快越來(lái)越受到人們的重視，城市基礎(chǔ)建設(shè)的更新速度也較先前有了很大的提高。高分辨率遙感影像可以為城市提供較為豐富、細(xì)致的數(shù)據(jù)，它為“數(shù)字城市”信息數(shù)據(jù)庫(kù)的更新提供了依據(jù)［1］。高分辨率遙感影像城市信息數(shù)據(jù)中絕大多數(shù)是包括建筑物在內(nèi)的人工地物。建筑物的提取成為“數(shù)字城市”建設(shè)不可或缺的關(guān)鍵部分，是“數(shù)字城市”建設(shè)的基礎(chǔ)環(huán)節(jié)。近年來(lái)提出的基于面向?qū)ο蟮姆椒ㄌ崛〗ㄖ铮紫葘⒂跋穹指畛捎赏|(zhì)像元組成的影像對(duì)象，利用對(duì)象的光譜特征及空間特征進(jìn)行分類提取，這種方法有效解決了基于像元提取方法的不足［2］。面向?qū)ο笮畔⑻崛〉牡谝徊绞嵌喑叨确指?，它也是面向?qū)ο笮畔⑻崛〉年P(guān)鍵技術(shù)之一。由分割所得到的對(duì)象直接決定了分類提取的精度，而分割尺度又對(duì)影像對(duì)象的大小和數(shù)量起著決定性的作用，所以要慎重選擇分割尺度。選擇分割尺度的過(guò)程繁瑣而復(fù)雜，在分割遙感影像過(guò)程中往往通過(guò)工作者主觀判斷與觀察來(lái)確定最優(yōu)分割尺度，主觀性較強(qiáng)［3］。
為了解決面向?qū)ο筇崛∵^(guò)程中確定最優(yōu)分割尺度的問(wèn)題，本文提出了一種基于Roberts邊緣檢測(cè)的分割尺度估算方法。首先，通過(guò)Roberts邊緣檢測(cè)確定分割尺度的估值;然后，在估值的基礎(chǔ)上選擇臨近分割尺度進(jìn)行分割實(shí)驗(yàn)，選取分割效果最好的值作為最優(yōu)分割尺度;最后，根據(jù)分割得到的影像對(duì)象選取建筑物的特征組合成知識(shí)體系進(jìn)行分類提取。
2 Roberts尺度參數(shù)計(jì)算模型
2.1 分割尺度
尺度參數(shù)的設(shè)置在多尺度分割過(guò)程中非常關(guān)鍵，也是基礎(chǔ)性步驟。尺度參數(shù)決定了影像對(duì)象能夠允許異質(zhì)度的最大值。將尺度參數(shù)值固定后，異質(zhì)性大的影像數(shù)據(jù)分割后相對(duì)均質(zhì)的數(shù)目比影像對(duì)象的數(shù)目少［4］。尺度參數(shù)的均質(zhì)度亦被用作最小異質(zhì)度，有顏色、光滑度和緊致度作為其內(nèi)部計(jì)算的標(biāo)準(zhǔn)［5］。
為了創(chuàng)建有意義的影像對(duì)象，多數(shù)情況下最重要的計(jì)算標(biāo)準(zhǔn)是顏色標(biāo)準(zhǔn)。它通過(guò)形狀標(biāo)準(zhǔn)的修改被間接地定義，即通過(guò)對(duì)形狀標(biāo)準(zhǔn)值進(jìn)行降低，從而定義光譜值在影像層中對(duì)整體均質(zhì)的貢獻(xiàn)比例。形狀均質(zhì)標(biāo)準(zhǔn)與顏色標(biāo)準(zhǔn)互補(bǔ)。形狀標(biāo)準(zhǔn)的值間接定義了顏色標(biāo)準(zhǔn)，形狀標(biāo)準(zhǔn)≤0.9。
形狀標(biāo)準(zhǔn)由光滑度與緊致度兩個(gè)參數(shù)組成。光滑度標(biāo)準(zhǔn)的作用是將影像對(duì)象的邊界光滑度進(jìn)行優(yōu)化，在數(shù)據(jù)異質(zhì)性較高的情況下可防止對(duì)象邊緣的破碎，并且生成非緊致的對(duì)象。緊致度標(biāo)準(zhǔn)的作用是將影像對(duì)象的緊致度進(jìn)行優(yōu)化，當(dāng)影像數(shù)據(jù)光譜反差較弱并且需要將緊致對(duì)象與非緊致對(duì)象分開(kāi)時(shí)，需使用緊致度標(biāo)準(zhǔn)。光滑度標(biāo)準(zhǔn)與緊致度標(biāo)準(zhǔn)并不沖突，在具體應(yīng)用中可選擇恰當(dāng)?shù)臉?biāo)準(zhǔn)，例如有光滑邊界的影像對(duì)象需要用緊致度優(yōu)化等。
2.2 Roberts算法描述
多尺度分割采用的是一種基于區(qū)域合并的分割方式，分割結(jié)果表現(xiàn)在不同的層面上，這些層面的信息由選擇的尺度參數(shù)所決定，但在原始的遙感影像中對(duì)地物形狀的觀察并不適合，而地物的空間信息在邊緣檢測(cè)所得到的影像結(jié)果中同樣可以體現(xiàn)出來(lái)，同時(shí)生成了每個(gè)地物對(duì)象的多邊形邊界，因此分割尺度的確定可以借助Roberts邊緣檢測(cè)所生成多邊形的異質(zhì)性特征。
Roberts邊緣檢測(cè)算子［6］為:
它是下面兩個(gè)模板(2×2)作用的結(jié)果:
影像對(duì)象的邊緣可以通過(guò)提取模板對(duì)它的處理得到。選取邊緣影像中要分割的地物對(duì)象的代表，利用異質(zhì)性計(jì)算公式得到f的值，從而大致確定分割尺度。
式中，wcolor為光譜信息權(quán)重，取值范圍［0，1］;(1－wcolor)為形狀信息權(quán)重，取值范圍［0，1］;hcolor與 hshape分別為光譜與形狀異質(zhì)性的值;hsmooth為光滑度，等于多邊形周長(zhǎng)l與最小外接矩形周長(zhǎng)b的比值;hcmpct為緊致度，n為影像內(nèi)像元的總個(gè)數(shù);C為具體波段，ωc為各波段的權(quán)重;σc為C波段的光譜標(biāo)準(zhǔn)差。
3 實(shí)驗(yàn)
3.1 特征分析
本實(shí)驗(yàn)選取了東港市高分辨率遙感影像數(shù)據(jù)，影像的分辨率為 0.5 m，由紅、綠、藍(lán)三個(gè)波段組成。如圖1所示。通過(guò)觀察可以看出建筑物在本實(shí)驗(yàn)區(qū)內(nèi)的若干特征:①影像中基本上以建筑物屋頂?shù)男问奖憩F(xiàn)出建筑物輪廓;②建筑物方向以左右方向?yàn)橹?③建筑物屋頂顏色以白色為主;④建筑物多為長(zhǎng)方形，長(zhǎng)寬比相對(duì)較大;⑤建筑物的樓層較高，陰影較多;⑥建筑物背景多以灰色路面與黑色陰影為主。
圖1 東港市某地區(qū)高分辨率遙感影像圖
充分了解了實(shí)驗(yàn)區(qū)內(nèi)建筑物的特征，依據(jù)上述特征組合建筑物分類提取的知識(shí)體系，進(jìn)行建筑物的提取。
3.2 影像分割
遙感影像經(jīng)過(guò)Roberts邊緣檢測(cè)得到了如圖2所示的邊緣影像，選取可作為分割尺度估算的樣本對(duì)象。
圖2 經(jīng)過(guò)Roberts邊緣檢測(cè)得到的邊緣影像及樣本
利用樣本對(duì)象估算分割參數(shù)，設(shè)置光譜因子的值為 0.9，分割尺度 f=0.9·hcolor+(1－0.9)·hshape，此時(shí)形狀因子為0.1，它的影響可忽略不計(jì)，則分割尺度f(wàn)=0.9×48.06=43.254，經(jīng)過(guò)計(jì)算得到分割尺度的估值為43，對(duì)影像利用分割尺度為43進(jìn)行分割的效果如圖3所示。
圖3 尺度為43的分割結(jié)果
從圖3顯示的分割結(jié)果證明了該方法的可行性:能夠依據(jù)提取的邊緣影像，充分利用光譜信息與空間信息;能夠快速地估計(jì)邊緣提取結(jié)果中感興趣地物的分割尺度;能夠指導(dǎo)并且定量描述多尺度分割尺度設(shè)置，極大地減小的尺度設(shè)置的盲目性。但是這種方法也有一些缺陷:只對(duì)邊緣完整、形狀明顯的地物適用;邊緣影像中地物對(duì)象的選取具有很大的主觀性，這將直接影響分割尺度的估值;某些地物的邊緣利用Roberts邊緣檢測(cè)不能很好地提取，從而也不能進(jìn)行有效的分析;計(jì)算得到的分割尺度只具有估值的意義，并不精確，需要在此估值的基礎(chǔ)上選取不同的分割尺度進(jìn)行實(shí)驗(yàn)比較，人工選取分割效果最佳的尺度參數(shù)作為精確值。
在分割尺度為43的基礎(chǔ)上，作者分別選取了30、40、50、60、70五個(gè)尺度參數(shù)進(jìn)行了分割實(shí)驗(yàn)。通過(guò)對(duì)比五個(gè)不同尺度下的分割效果，當(dāng)分割尺度為50時(shí)，如圖4所示，此時(shí)建筑物的分割效果較理想，建筑物大多能夠以一個(gè)或幾個(gè)多邊形表示，與周圍的背景區(qū)分較好且獨(dú)立性較好。
圖4 尺度為50的分割結(jié)果
3.3 分類提取
影像分割后的基本單元是多邊形對(duì)象，這些對(duì)象都是由同質(zhì)像元組成的。每個(gè)多邊形對(duì)象都具有光譜特征、紋理特征、形狀特征及上下文關(guān)系?；诿嫦?qū)ο筇崛〉姆椒ㄖ兴x用對(duì)象的特征越接近實(shí)際地物的真實(shí)描述，分類的精度就越高，選用的目標(biāo)對(duì)象特征要盡量地綜合描述在不同角度下區(qū)別于其他對(duì)象的特征。
將要分類的影像對(duì)象通過(guò)分割已經(jīng)得到，接著就要選取建筑物的特征組合成知識(shí)體系進(jìn)行分類提取。本實(shí)驗(yàn)影像的光譜與空間信息都比較豐富，這對(duì)信息提取的特征選擇非常有利。本實(shí)驗(yàn)區(qū)中的建筑物與周圍背景的光譜信息有較為明顯的差別，但僅僅使用光譜信息提取精度得不到保障。實(shí)驗(yàn)中選用亮度、長(zhǎng)度、緊致度、矩形特征、主方向進(jìn)行特征參數(shù)的設(shè)置，如表1所示。
具體的特征參數(shù)設(shè)置 表1
本實(shí)驗(yàn)區(qū)的建筑物通過(guò)屋頂表現(xiàn)出來(lái)，相對(duì)于街道、陰影、地面等背景其亮度較大;建筑物呈長(zhǎng)條狀，長(zhǎng)度特征比周圍零散的噪聲地物相對(duì)較長(zhǎng);影像中建筑物的緊致度也在一定的變化范圍內(nèi)，可作為區(qū)分其他地物特征;建筑物的矩形特征較明顯，可以通過(guò)尋找與矩形特征相似度較高的影像對(duì)象確定建筑物;建筑物的主方向基本為左右稍斜方向，有一個(gè)基本的變動(dòng)范圍。通過(guò)分割得到的對(duì)象、特征參數(shù)設(shè)置，就可以分類提取出如圖5所示的建筑物信息。
圖5 建筑物提取結(jié)果
3.4 實(shí)驗(yàn)結(jié)果分析與評(píng)價(jià)
為了更好、更直觀地對(duì)建筑物提取結(jié)果進(jìn)行評(píng)價(jià)分析，現(xiàn)將上面建筑物提取的結(jié)果與原始實(shí)驗(yàn)圖像相疊加，效果如圖6所示。
圖6 建筑物提取結(jié)果附著在原圖上
從圖中的疊加結(jié)果可以看出提取出的建筑物信息與原始影像上的建筑物重疊在一起，對(duì)原始建筑物位置、方向、形狀等表示精度較高，雖然存在如左上角建筑物受到陰影遮蔽的影響未能完整提取出來(lái)的情況，但提取出的部分與原始圖像中的位置、大小、形狀基本吻合，提取精度較高，提取出的建筑物信息具有很好的獨(dú)立性、真實(shí)性、完整性、類別一致性。
4 結(jié)論
本文提出了一種基于Roberts邊緣檢測(cè)的分割尺度估算方法應(yīng)用在面向?qū)ο蟮慕ㄖ锾崛≈小＿@種方法實(shí)現(xiàn)過(guò)程簡(jiǎn)單，利用Roberts邊緣檢測(cè)得到邊緣影像并選取樣本，計(jì)算出分割尺度參數(shù)估值，最后人工確定最優(yōu)分割尺度，有效地解決了分割尺度參數(shù)確定的盲目性和主觀性，從而大大提高了建筑物提取的效率。
［1］汪祖進(jìn)，王丹.關(guān)于數(shù)字城市規(guī)劃建設(shè)的幾點(diǎn)認(rèn)識(shí)［J］.中國(guó)測(cè)繪，2002，3(1):32 ～36
［2］薄樹(shù)奎，聶榮，丁琳.基于面向?qū)ο蠓椒ǖ倪b感影像橋梁提?。跩］.計(jì)算機(jī)工程與應(yīng)用，2008，44(26):200～202
［3］韓鵬，龔健雅.遙感尺度選擇問(wèn)題研究進(jìn)展［J］.遙感信息，2008，10(1):96 ～99
［4］周春艷.面向?qū)ο蟮母叻直媛蔬b感影像信息提取技術(shù)［D］.青島:山東科技大學(xué)，2006
［5］付卓，胡吉平，譚衢霖等.遙感應(yīng)用分析中影像分割方法［J］.遙感技術(shù)與應(yīng)用，2006，21(5):456 ～462
［6］高勇鋼.一種改進(jìn)Roberts算子邊緣檢測(cè)［J］.巢湖學(xué)院學(xué)報(bào)，2009，11(6):31 ～33
猜你喜歡
挖藕 假如悲傷有形狀……中學(xué)生天地(A版)(2022年11期)2022-11-25 07:43:16 財(cái)產(chǎn)的五大尺度和五重應(yīng)對(duì)內(nèi)蒙古民族大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版)(2020年2期)2020-11-06 09:08:52 你的形狀新世紀(jì)智能(英語(yǔ)備考)(2018年11期)2018-12-29 10:56:52 面向?qū)ο蟮挠?jì)算機(jī)網(wǎng)絡(luò)設(shè)計(jì)軟件系統(tǒng)的開(kāi)發(fā)電子測(cè)試(2018年15期)2018-09-26 06:01:34 面向?qū)ο蟮臄?shù)據(jù)交換協(xié)議研究與應(yīng)用電測(cè)與儀表(2017年24期)2017-12-19 05:15:24 看到的是什么形狀小學(xué)生學(xué)習(xí)指導(dǎo)(低年級(jí))(2016年10期)2016-12-01 06:10:42 宇宙的尺度太空探索(2016年5期)2016-07-12 15:17:55 面向?qū)ο骔eb開(kāi)發(fā)編程語(yǔ)言的的評(píng)估方法現(xiàn)代計(jì)算機(jī)(2016年12期)2016-02-28 18:35:25 9時(shí)代英語(yǔ)·高三(2014年5期)2014-08-26 17:01:17 面向?qū)ο笮畔⑻崛≈杏跋穹指顓?shù)的選擇河南科技(2014年10期)2014-02-27 14:09:03
趙月云，王波
(徐州市市政設(shè)計(jì)院有限公司，江蘇徐州 221002)
1 引言
“數(shù)字城市”建設(shè)隨著我國(guó)城市化進(jìn)程的加快越來(lái)越受到人們的重視，城市基礎(chǔ)建設(shè)的更新速度也較先前有了很大的提高。高分辨率遙感影像可以為城市提供較為豐富、細(xì)致的數(shù)據(jù)，它為“數(shù)字城市”信息數(shù)據(jù)庫(kù)的更新提供了依據(jù)［1］。高分辨率遙感影像城市信息數(shù)據(jù)中絕大多數(shù)是包括建筑物在內(nèi)的人工地物。建筑物的提取成為“數(shù)字城市”建設(shè)不可或缺的關(guān)鍵部分，是“數(shù)字城市”建設(shè)的基礎(chǔ)環(huán)節(jié)。近年來(lái)提出的基于面向?qū)ο蟮姆椒ㄌ崛〗ㄖ铮紫葘⒂跋穹指畛捎赏|(zhì)像元組成的影像對(duì)象，利用對(duì)象的光譜特征及空間特征進(jìn)行分類提取，這種方法有效解決了基于像元提取方法的不足［2］。面向?qū)ο笮畔⑻崛〉牡谝徊绞嵌喑叨确指?，它也是面向?qū)ο笮畔⑻崛〉年P(guān)鍵技術(shù)之一。由分割所得到的對(duì)象直接決定了分類提取的精度，而分割尺度又對(duì)影像對(duì)象的大小和數(shù)量起著決定性的作用，所以要慎重選擇分割尺度。選擇分割尺度的過(guò)程繁瑣而復(fù)雜，在分割遙感影像過(guò)程中往往通過(guò)工作者主觀判斷與觀察來(lái)確定最優(yōu)分割尺度，主觀性較強(qiáng)［3］。
為了解決面向?qū)ο筇崛∵^(guò)程中確定最優(yōu)分割尺度的問(wèn)題，本文提出了一種基于Roberts邊緣檢測(cè)的分割尺度估算方法。首先，通過(guò)Roberts邊緣檢測(cè)確定分割尺度的估值;然后，在估值的基礎(chǔ)上選擇臨近分割尺度進(jìn)行分割實(shí)驗(yàn)，選取分割效果最好的值作為最優(yōu)分割尺度;最后，根據(jù)分割得到的影像對(duì)象選取建筑物的特征組合成知識(shí)體系進(jìn)行分類提取。
2 Roberts尺度參數(shù)計(jì)算模型
2.1 分割尺度
尺度參數(shù)的設(shè)置在多尺度分割過(guò)程中非常關(guān)鍵，也是基礎(chǔ)性步驟。尺度參數(shù)決定了影像對(duì)象能夠允許異質(zhì)度的最大值。將尺度參數(shù)值固定后，異質(zhì)性大的影像數(shù)據(jù)分割后相對(duì)均質(zhì)的數(shù)目比影像對(duì)象的數(shù)目少［4］。尺度參數(shù)的均質(zhì)度亦被用作最小異質(zhì)度，有顏色、光滑度和緊致度作為其內(nèi)部計(jì)算的標(biāo)準(zhǔn)［5］。
為了創(chuàng)建有意義的影像對(duì)象，多數(shù)情況下最重要的計(jì)算標(biāo)準(zhǔn)是顏色標(biāo)準(zhǔn)。它通過(guò)形狀標(biāo)準(zhǔn)的修改被間接地定義，即通過(guò)對(duì)形狀標(biāo)準(zhǔn)值進(jìn)行降低，從而定義光譜值在影像層中對(duì)整體均質(zhì)的貢獻(xiàn)比例。形狀均質(zhì)標(biāo)準(zhǔn)與顏色標(biāo)準(zhǔn)互補(bǔ)。形狀標(biāo)準(zhǔn)的值間接定義了顏色標(biāo)準(zhǔn)，形狀標(biāo)準(zhǔn)≤0.9。
形狀標(biāo)準(zhǔn)由光滑度與緊致度兩個(gè)參數(shù)組成。光滑度標(biāo)準(zhǔn)的作用是將影像對(duì)象的邊界光滑度進(jìn)行優(yōu)化，在數(shù)據(jù)異質(zhì)性較高的情況下可防止對(duì)象邊緣的破碎，并且生成非緊致的對(duì)象。緊致度標(biāo)準(zhǔn)的作用是將影像對(duì)象的緊致度進(jìn)行優(yōu)化，當(dāng)影像數(shù)據(jù)光譜反差較弱并且需要將緊致對(duì)象與非緊致對(duì)象分開(kāi)時(shí)，需使用緊致度標(biāo)準(zhǔn)。光滑度標(biāo)準(zhǔn)與緊致度標(biāo)準(zhǔn)并不沖突，在具體應(yīng)用中可選擇恰當(dāng)?shù)臉?biāo)準(zhǔn)，例如有光滑邊界的影像對(duì)象需要用緊致度優(yōu)化等。
2.2 Roberts算法描述
多尺度分割采用的是一種基于區(qū)域合并的分割方式，分割結(jié)果表現(xiàn)在不同的層面上，這些層面的信息由選擇的尺度參數(shù)所決定，但在原始的遙感影像中對(duì)地物形狀的觀察并不適合，而地物的空間信息在邊緣檢測(cè)所得到的影像結(jié)果中同樣可以體現(xiàn)出來(lái)，同時(shí)生成了每個(gè)地物對(duì)象的多邊形邊界，因此分割尺度的確定可以借助Roberts邊緣檢測(cè)所生成多邊形的異質(zhì)性特征。
Roberts邊緣檢測(cè)算子［6］為:
它是下面兩個(gè)模板(2×2)作用的結(jié)果:
影像對(duì)象的邊緣可以通過(guò)提取模板對(duì)它的處理得到。選取邊緣影像中要分割的地物對(duì)象的代表，利用異質(zhì)性計(jì)算公式得到f的值，從而大致確定分割尺度。
式中，wcolor為光譜信息權(quán)重，取值范圍［0，1］;(1－wcolor)為形狀信息權(quán)重，取值范圍［0，1］;hcolor與 hshape分別為光譜與形狀異質(zhì)性的值;hsmooth為光滑度，等于多邊形周長(zhǎng)l與最小外接矩形周長(zhǎng)b的比值;hcmpct為緊致度，n為影像內(nèi)像元的總個(gè)數(shù);C為具體波段，ωc為各波段的權(quán)重;σc為C波段的光譜標(biāo)準(zhǔn)差。
3 實(shí)驗(yàn)
3.1 特征分析
本實(shí)驗(yàn)選取了東港市高分辨率遙感影像數(shù)據(jù)，影像的分辨率為 0.5 m，由紅、綠、藍(lán)三個(gè)波段組成。如圖1所示。通過(guò)觀察可以看出建筑物在本實(shí)驗(yàn)區(qū)內(nèi)的若干特征:①影像中基本上以建筑物屋頂?shù)男问奖憩F(xiàn)出建筑物輪廓;②建筑物方向以左右方向?yàn)橹?③建筑物屋頂顏色以白色為主;④建筑物多為長(zhǎng)方形，長(zhǎng)寬比相對(duì)較大;⑤建筑物的樓層較高，陰影較多;⑥建筑物背景多以灰色路面與黑色陰影為主。
圖1 東港市某地區(qū)高分辨率遙感影像圖
充分了解了實(shí)驗(yàn)區(qū)內(nèi)建筑物的特征，依據(jù)上述特征組合建筑物分類提取的知識(shí)體系，進(jìn)行建筑物的提取。
3.2 影像分割
遙感影像經(jīng)過(guò)Roberts邊緣檢測(cè)得到了如圖2所示的邊緣影像，選取可作為分割尺度估算的樣本對(duì)象。
圖2 經(jīng)過(guò)Roberts邊緣檢測(cè)得到的邊緣影像及樣本
利用樣本對(duì)象估算分割參數(shù)，設(shè)置光譜因子的值為 0.9，分割尺度 f=0.9·hcolor+(1－0.9)·hshape，此時(shí)形狀因子為0.1，它的影響可忽略不計(jì)，則分割尺度f(wàn)=0.9×48.06=43.254，經(jīng)過(guò)計(jì)算得到分割尺度的估值為43，對(duì)影像利用分割尺度為43進(jìn)行分割的效果如圖3所示。
圖3 尺度為43的分割結(jié)果
從圖3顯示的分割結(jié)果證明了該方法的可行性:能夠依據(jù)提取的邊緣影像，充分利用光譜信息與空間信息;能夠快速地估計(jì)邊緣提取結(jié)果中感興趣地物的分割尺度;能夠指導(dǎo)并且定量描述多尺度分割尺度設(shè)置，極大地減小的尺度設(shè)置的盲目性。但是這種方法也有一些缺陷:只對(duì)邊緣完整、形狀明顯的地物適用;邊緣影像中地物對(duì)象的選取具有很大的主觀性，這將直接影響分割尺度的估值;某些地物的邊緣利用Roberts邊緣檢測(cè)不能很好地提取，從而也不能進(jìn)行有效的分析;計(jì)算得到的分割尺度只具有估值的意義，并不精確，需要在此估值的基礎(chǔ)上選取不同的分割尺度進(jìn)行實(shí)驗(yàn)比較，人工選取分割效果最佳的尺度參數(shù)作為精確值。
在分割尺度為43的基礎(chǔ)上，作者分別選取了30、40、50、60、70五個(gè)尺度參數(shù)進(jìn)行了分割實(shí)驗(yàn)。通過(guò)對(duì)比五個(gè)不同尺度下的分割效果，當(dāng)分割尺度為50時(shí)，如圖4所示，此時(shí)建筑物的分割效果較理想，建筑物大多能夠以一個(gè)或幾個(gè)多邊形表示，與周圍的背景區(qū)分較好且獨(dú)立性較好。
圖4 尺度為50的分割結(jié)果
3.3 分類提取
影像分割后的基本單元是多邊形對(duì)象，這些對(duì)象都是由同質(zhì)像元組成的。每個(gè)多邊形對(duì)象都具有光譜特征、紋理特征、形狀特征及上下文關(guān)系?；诿嫦?qū)ο筇崛〉姆椒ㄖ兴x用對(duì)象的特征越接近實(shí)際地物的真實(shí)描述，分類的精度就越高，選用的目標(biāo)對(duì)象特征要盡量地綜合描述在不同角度下區(qū)別于其他對(duì)象的特征。
將要分類的影像對(duì)象通過(guò)分割已經(jīng)得到，接著就要選取建筑物的特征組合成知識(shí)體系進(jìn)行分類提取。本實(shí)驗(yàn)影像的光譜與空間信息都比較豐富，這對(duì)信息提取的特征選擇非常有利。本實(shí)驗(yàn)區(qū)中的建筑物與周圍背景的光譜信息有較為明顯的差別，但僅僅使用光譜信息提取精度得不到保障。實(shí)驗(yàn)中選用亮度、長(zhǎng)度、緊致度、矩形特征、主方向進(jìn)行特征參數(shù)的設(shè)置，如表1所示。
具體的特征參數(shù)設(shè)置 表1
本實(shí)驗(yàn)區(qū)的建筑物通過(guò)屋頂表現(xiàn)出來(lái)，相對(duì)于街道、陰影、地面等背景其亮度較大;建筑物呈長(zhǎng)條狀，長(zhǎng)度特征比周圍零散的噪聲地物相對(duì)較長(zhǎng);影像中建筑物的緊致度也在一定的變化范圍內(nèi)，可作為區(qū)分其他地物特征;建筑物的矩形特征較明顯，可以通過(guò)尋找與矩形特征相似度較高的影像對(duì)象確定建筑物;建筑物的主方向基本為左右稍斜方向，有一個(gè)基本的變動(dòng)范圍。通過(guò)分割得到的對(duì)象、特征參數(shù)設(shè)置，就可以分類提取出如圖5所示的建筑物信息。
圖5 建筑物提取結(jié)果
3.4 實(shí)驗(yàn)結(jié)果分析與評(píng)價(jià)
為了更好、更直觀地對(duì)建筑物提取結(jié)果進(jìn)行評(píng)價(jià)分析，現(xiàn)將上面建筑物提取的結(jié)果與原始實(shí)驗(yàn)圖像相疊加，效果如圖6所示。
圖6 建筑物提取結(jié)果附著在原圖上
從圖中的疊加結(jié)果可以看出提取出的建筑物信息與原始影像上的建筑物重疊在一起，對(duì)原始建筑物位置、方向、形狀等表示精度較高，雖然存在如左上角建筑物受到陰影遮蔽的影響未能完整提取出來(lái)的情況，但提取出的部分與原始圖像中的位置、大小、形狀基本吻合，提取精度較高，提取出的建筑物信息具有很好的獨(dú)立性、真實(shí)性、完整性、類別一致性。
4 結(jié)論
本文提出了一種基于Roberts邊緣檢測(cè)的分割尺度估算方法應(yīng)用在面向?qū)ο蟮慕ㄖ锾崛≈小＿@種方法實(shí)現(xiàn)過(guò)程簡(jiǎn)單，利用Roberts邊緣檢測(cè)得到邊緣影像并選取樣本，計(jì)算出分割尺度參數(shù)估值，最后人工確定最優(yōu)分割尺度，有效地解決了分割尺度參數(shù)確定的盲目性和主觀性，從而大大提高了建筑物提取的效率。
［1］汪祖進(jìn)，王丹.關(guān)于數(shù)字城市規(guī)劃建設(shè)的幾點(diǎn)認(rèn)識(shí)［J］.中國(guó)測(cè)繪，2002，3(1):32 ～36
［2］薄樹(shù)奎，聶榮，丁琳.基于面向?qū)ο蠓椒ǖ倪b感影像橋梁提?。跩］.計(jì)算機(jī)工程與應(yīng)用，2008，44(26):200～202
［3］韓鵬，龔健雅.遙感尺度選擇問(wèn)題研究進(jìn)展［J］.遙感信息，2008，10(1):96 ～99
［4］周春艷.面向?qū)ο蟮母叻直媛蔬b感影像信息提取技術(shù)［D］.青島:山東科技大學(xué)，2006
［5］付卓，胡吉平，譚衢霖等.遙感應(yīng)用分析中影像分割方法［J］.遙感技術(shù)與應(yīng)用，2006，21(5):456 ～462
［6］高勇鋼.一種改進(jìn)Roberts算子邊緣檢測(cè)［J］.巢湖學(xué)院學(xué)報(bào)，2009，11(6):31 ～33
猜你喜歡
中學(xué)生天地(A版)(2022年11期)2022-11-25 07:43:16
內(nèi)蒙古民族大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版)(2020年2期)2020-11-06 09:08:52
新世紀(jì)智能(英語(yǔ)備考)(2018年11期)2018-12-29 10:56:52
電子測(cè)試(2018年15期)2018-09-26 06:01:34
電測(cè)與儀表(2017年24期)2017-12-19 05:15:24
小學(xué)生學(xué)習(xí)指導(dǎo)(低年級(jí))(2016年10期)2016-12-01 06:10:42
太空探索(2016年5期)2016-07-12 15:17:55
現(xiàn)代計(jì)算機(jī)(2016年12期)2016-02-28 18:35:25
時(shí)代英語(yǔ)·高三(2014年5期)2014-08-26 17:01:17
河南科技(2014年10期)2014-02-27 14:09:03
