高 娟，王榮彬，馬 晶，曾 超，沈煥鋒

（1.武漢大學(xué)資源與環(huán)境科學(xué)學(xué)院，湖北武漢430079；

2.武漢大學(xué)測(cè)繪遙感信息工程國家重點(diǎn)實(shí)驗(yàn)室，湖北武漢430079；3.中國土地勘測(cè)規(guī)劃院，北京100035）

一種遙感影像邊界無效像元的檢測(cè)方法及應(yīng)用

高 娟1，王榮彬2，3，馬 晶1，曾 超2，沈煥鋒2

（1.武漢大學(xué)資源與環(huán)境科學(xué)學(xué)院，湖北武漢430079；

2.武漢大學(xué)測(cè)繪遙感信息工程國家重點(diǎn)實(shí)驗(yàn)室，湖北武漢430079；3.中國土地勘測(cè)規(guī)劃院，北京100035）

遙感數(shù)據(jù)在進(jìn)行幾何校正或投影變換后常常會(huì)在邊界形成一些無效像元，這些無效像元會(huì)對(duì)影像的輻射信息統(tǒng)計(jì)、質(zhì)量評(píng)價(jià)產(chǎn)生影響。提出了一種基于區(qū)域生長的影像邊界無效像元檢測(cè)方法，以4個(gè)頂點(diǎn)為種子點(diǎn)，考察種子點(diǎn)周圍的所有邊界來進(jìn)行區(qū)域增長，通過這些點(diǎn)的區(qū)域增長將與無效像元具有相同灰度值屬性的相鄰像素合并到此區(qū)域。以信息熵為例，闡述了該方法在影像統(tǒng)計(jì)與質(zhì)量評(píng)價(jià)中的應(yīng)用意義。

邊界無效像元；區(qū)域生長法；閾值法；信息熵

遙感成像的過程中，由于飛行器的姿態(tài)、高度、速度以及地球自轉(zhuǎn)等因素的影響，常造成影像相對(duì)于地面目標(biāo)發(fā)生幾何畸變。在遙感影像實(shí)際使用之前，針對(duì)這些幾何畸變必須進(jìn)行幾何校正；另外，在影像數(shù)據(jù)的使用過程中，出于實(shí)際需要經(jīng)常要將某一地圖投影系統(tǒng)下的遙感影像向另一個(gè)地圖投影系統(tǒng)進(jìn)行變換。遙感數(shù)據(jù)在上述變換后影像形狀會(huì)發(fā)生變化，成為一個(gè)不規(guī)則的近似四邊形，然而在數(shù)據(jù)的實(shí)際儲(chǔ)存和顯示過程中，都是以矩形的形式來處理，因此儲(chǔ)存和顯示出的影像數(shù)據(jù)周圍會(huì)被填充一些特定的值，比如 0 (顯示為黑邊)、255(顯示為白邊)或者是根據(jù)使用需要而定的其他值。由于這些黑邊或者白邊并不含有實(shí)際的信息，在影像的使用過程中可能會(huì)產(chǎn)生誤導(dǎo)，因此有必要將這些點(diǎn)和真實(shí)的數(shù)據(jù)區(qū)分開來。目前對(duì)于遙感影像邊界無效像元檢測(cè)的研究較少，主要是通過設(shè)定閾值進(jìn)行檢測(cè)[1]。閾值法是對(duì)輸入影像從第 1個(gè)像元點(diǎn)開始逐個(gè)進(jìn)行檢查，若像元的值與無效像元的灰度值相同，則將該點(diǎn)標(biāo)記為無效像元，否則該點(diǎn)為有效信息點(diǎn)，繼續(xù)判斷下一像素點(diǎn)，直至遍歷整幅影像。但是，閾值法容易將影像中間部分的信息誤認(rèn)為邊界無效像元，從而使檢測(cè)到的無效像元數(shù)超過實(shí)際值。本文提出一種基于區(qū)域生長法檢測(cè)遙感影像邊界無效像元的方法：對(duì)于有邊界無效像元的遙感影像，將影像的4個(gè)頂點(diǎn)作為種子點(diǎn)，采用區(qū)域生長法將初始的種子點(diǎn)進(jìn)行擴(kuò)展并得到整幅影像的邊界無效像元，計(jì)算無效像元占整幅影像的百分比，并輸出區(qū)分邊界無效像元與真實(shí)信息的二值圖像。

1 影像邊界無效像元檢測(cè)方法

區(qū)域生長是把圖像分割為若干個(gè)小區(qū)域，比較相鄰區(qū)域特征的相似程度，若它們達(dá)到一定的相似度，則將其合并為同一區(qū)域。通過該方法將特征相似的小區(qū)域不斷合并，直到不能合并為止，最后將圖像劃分為特征不同的區(qū)域。區(qū)域生長根據(jù)選取的鄰域方式和相似性準(zhǔn)則的不同，產(chǎn)生了不同的區(qū)域擴(kuò)張方式，可以分為：?jiǎn)我恍停ㄏ袼嘏c像素）、質(zhì)心型（像素與區(qū)域）和混合型（區(qū)域與區(qū)域）3種。根據(jù)不同的影像分割目的，采用不同的區(qū)域生長法[2]。本文中采用單一型區(qū)域生長法進(jìn)行影像邊界無效像元檢測(cè)。

基于區(qū)域增長的方法是和一系列的種子點(diǎn)相關(guān)的。這個(gè)過程是從種子點(diǎn)集合出發(fā)，根據(jù)某一相似規(guī)則將相鄰的單元加入到這個(gè)種子點(diǎn)集合中去[3]。在影像邊界無效像元的檢測(cè)過程中，首先選取影像4個(gè)頂點(diǎn)作為種子點(diǎn)。從種子點(diǎn)的集合開始，考察“生長核”周圍的所有的邊界來進(jìn)行區(qū)域增長，通過這些點(diǎn)的區(qū)域增長將具有與無效像元具有相同灰度值屬性的相鄰像素合并到此區(qū)域[4]。它是一個(gè)迭代的過程，這里每個(gè)種子像素點(diǎn)都迭代生長，直到處理過每個(gè)像素，因此最后可以形成一些完整的區(qū)域。本文進(jìn)行影像邊界無效像元檢測(cè)過程中，以遙感影像4個(gè)頂點(diǎn)為種子點(diǎn)，設(shè)灰度差的閾值為0，用簡(jiǎn)單區(qū)域生長法將具有相同灰度的像元合并到同一區(qū)域。圖1是用區(qū)域生長法進(jìn)行黑邊檢測(cè)的流程圖。

圖1 黑邊檢測(cè)流程圖

下面以黑邊檢測(cè)為例，說明利用區(qū)域生長法進(jìn)行影像邊界無效像元檢測(cè)的具體步驟：

1）將輸入影像的4個(gè)頂點(diǎn)作為種子點(diǎn)進(jìn)行入隊(duì)列操作，并這4個(gè)頂點(diǎn)標(biāo)記為已訪問；

2）判斷隊(duì)列是否為空，若為空，檢測(cè)過程結(jié)束，不為空則繼續(xù)下面的步驟；

3）取隊(duì)首元素并判斷其是否屬于黑邊（灰度值為0），若為黑邊則標(biāo)記該點(diǎn)為黑邊，計(jì)數(shù)器加1，并將為訪問過四鄰域元素入隊(duì)列，標(biāo)記為已訪問；

4）繼續(xù)步驟2)，直到隊(duì)列為空；

5）通過統(tǒng)計(jì)檢測(cè)出的黑邊像元數(shù)，計(jì)算黑邊占整幅影像百分比；

6）輸出區(qū)分黑邊和有效信息的二值圖像。

2 影像邊界無效像元檢測(cè)的應(yīng)用

在遙感影像處理中，信息熵經(jīng)常被用來度量同一類地物影像亮度值分散程度和均勻程度[5,6]，對(duì)遙感影像質(zhì)量評(píng)價(jià)具有重要意義。假設(shè)一幅遙感影像的灰度范圍為 [1,n]，各灰度像素出現(xiàn)的概率為pi，各灰度像素具有的信息量為-log2pi，則該遙感影像的平均信息量（熵）數(shù)學(xué)表達(dá)式為[7]：

灰度頻率的計(jì)算式為：

影像邊界無效像元的存在一定程度上影響了影像的灰度分布情況，從而導(dǎo)致遙感影像灰度直方圖中，某一特定值的灰度值出現(xiàn)的概率大大增加。因此，影像信息量受到影像邊界無效像元的影響較大，降低了遙感影像信息的豐富程度。為了準(zhǔn)確計(jì)算影像的信息熵，必需剔除無效像元。在計(jì)算信息熵時(shí)，只統(tǒng)計(jì)和計(jì)算表示真實(shí)信息的像元即可，計(jì)算公式如下：

式中，f'i為表示真實(shí)信息的各灰度值出現(xiàn)的頻數(shù)；N'為不包括無效像元在內(nèi)的像素總數(shù)。

3 實(shí)驗(yàn)及結(jié)果分析

3.1 閾值法和區(qū)域生長法有效性比較

為了定量比較和驗(yàn)證基于閾值法和區(qū)域生長法這2種方法進(jìn)行邊界無效像元檢測(cè)的有效性，利用模擬實(shí)驗(yàn)對(duì)閾值法和區(qū)域生長法檢測(cè)影像邊界無效像元結(jié)果進(jìn)行了對(duì)比。本文采用L and sat-7獲取的武漢市2000年12月26日的 ETM+影像進(jìn)行實(shí)驗(yàn)。圖2 a)是對(duì)上述ETM+影像截取一部分并旋轉(zhuǎn)5°得到的圖像，邊界無效像元灰度值為0；圖2 b)是用閾值法對(duì)圖2 a)進(jìn)行邊界無效像元檢測(cè)得到的二值圖像，并可計(jì)算出無效像元所占百分比為16.36%；圖2 c)是用區(qū)域生長法對(duì)圖2 a)進(jìn)行邊界無效像元檢測(cè)得到的二值圖像，并可計(jì)算出無效像元所占百分比為 14.74%。由圖 2可知：閾值法將影像中間部分的信息誤認(rèn)為無效像元，從而使檢測(cè)出的無效像元百分比大于實(shí)際值；而區(qū)域生長法則能夠準(zhǔn)確地檢查出影像無效像元。圖中，黑色表示無效像元，白色表示有用信息。

圖2 閾值法與區(qū)域生長法進(jìn)行邊界無效像元檢測(cè)結(jié)果對(duì)比

通過上述 2種方法對(duì)比可以發(fā)現(xiàn)，對(duì)于中間部分的實(shí)際信息，閾值法無法進(jìn)行識(shí)別，容易將其誤認(rèn)為無效像元；而區(qū)域生長法則能有效地排除中間部分的實(shí)際信息，從而將真正的非實(shí)際信息，即影像邊界無效像元提取出來。因此，采用區(qū)域生長法進(jìn)行影像邊界無效像元檢測(cè)優(yōu)于閾值法。

3.2 影像邊界無效像元檢測(cè)的應(yīng)用實(shí)驗(yàn)

為了定量驗(yàn)證基于區(qū)域生長法進(jìn)行影像邊界無效像元檢測(cè)方法在信息量計(jì)算的應(yīng)用，通過單波段灰度影像和多光譜影像實(shí)驗(yàn)，分別計(jì)算有邊界無效像元影像和無邊界無效像元影像的信息熵。通過對(duì)比分析，驗(yàn)證影像邊界無效像元檢測(cè)在信息量計(jì)算的應(yīng)用。

1）單波段灰度影像實(shí)驗(yàn)。

圖3 單波段灰度影像實(shí)驗(yàn)影像圖

圖3a)為L and sat-7獲取的武漢市2000年12月26日的ETM+真實(shí)遙感影像（局部圖），圖3b)、圖3c)和圖3d)分別為對(duì)圖3a)進(jìn)行順時(shí)針旋轉(zhuǎn)5°、10°、15°，并加上邊界無效像元（無效像元灰度值為0）的結(jié)果圖。分別對(duì)圖3a)、圖3b)、圖3c)和圖3d)進(jìn)行邊界無效像元檢測(cè)和影像信息熵計(jì)算，另外，對(duì)上述4幅影像計(jì)算剔除無效像元的信息熵，得到表1所示結(jié)果。

表1 灰度影像模擬實(shí)驗(yàn)結(jié)果對(duì)比

從表1可以看出，影像信息熵隨著無效像元的增加而減小，并且減小值有一定的線性規(guī)律；而剔除無效像元計(jì)算得到的影像信息熵則與原始圖像基本相同且保持穩(wěn)定。

2）多光譜影像實(shí)驗(yàn)。

圖4 多光譜影像實(shí)驗(yàn)影像圖

圖4 a)為L and sat 4/5獲取的長江中游2003年4月14日的 TM影像（局部圖），圖4 b)、圖4 c)和圖4 d)分別為對(duì)圖4 a)進(jìn)行順時(shí)針旋轉(zhuǎn)8°、16°、24°，并加上邊界無效像元（無效像元灰度值為0）的結(jié)果圖。分別對(duì)圖4 a)、圖4 b)、圖4 c)和圖4 d)進(jìn)行邊界無效像元檢測(cè)和影像信息熵計(jì)算，另外，對(duì)上述4幅影像計(jì)算剔除無效像元的信息熵，得到表2所示結(jié)果。

表2 多光譜影像實(shí)驗(yàn)結(jié)果對(duì)比

多光譜影像信息熵計(jì)算方法是分波段計(jì)算信息熵，然后對(duì)每個(gè)波段取平均值。由于多光譜影像各波段邊界無效像元百分比基本相同，因此多光譜影像的邊界無效像元檢測(cè)只需檢測(cè)第一波段。從表2可以看出，多光譜影像實(shí)驗(yàn)結(jié)果與灰度圖像實(shí)驗(yàn)結(jié)果大致相同，但影像信息熵的減小值的線性規(guī)律性沒有灰度影像明顯。在一定的無效影像百分比范圍內(nèi)，影像邊界無效像元越多，影像信息熵越少，而剔除無效像元計(jì)算得到的影像信息熵則與原始圖像相差不大且較為穩(wěn)定。

3）實(shí)驗(yàn)結(jié)果分析。通過對(duì)單波段灰度影像和多光譜影像的實(shí)驗(yàn)發(fā)現(xiàn)：一般情況下，原始影像的信息熵大于帶有無效像元影像的信息熵，說明不受無效像元影響的影像信息量更加豐富；此外，剔除無效像元計(jì)算得到的信息熵與原始影像信息熵基本相同，說明了邊界無效像元的存在對(duì)計(jì)算信息熵是有影響的，無效像元越多，影像信息量越小，信息越不豐富。因此，通過遙感影像邊界無效像元的檢測(cè)，能夠剔除無效像元從而更加準(zhǔn)確地計(jì)算影像的信息熵。

4 結(jié) 語

本文通過將使用閾值法和區(qū)域生長法檢測(cè)遙感影像邊界無效像元進(jìn)行對(duì)比，證明采用區(qū)域生長法檢測(cè)遙感影像邊界無效像元更加有效?；趨^(qū)域生長法檢測(cè)遙感影像邊界無效像元的方法是以4個(gè)頂點(diǎn)為種子點(diǎn)，考察種子點(diǎn)周圍的所有的邊界來進(jìn)行區(qū)域增長，通過這些點(diǎn)的區(qū)域增長將與無效像元具有相同灰度值屬性的相鄰像素合并到此區(qū)域，該方法能夠有效地檢測(cè)遙感影像邊界無效像元。此外，通過實(shí)驗(yàn)證明，邊界無效像元的檢測(cè)對(duì)于剔除無效像元進(jìn)行影像信息熵的計(jì)算具有實(shí)際意義。

[1] 楊暉.圖像分割的閾值法研究[J].遼寧大學(xué)學(xué)報(bào)：自然科學(xué)版，2006，33(2):135-137

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

[3] 程?hào)|旭,秦新強(qiáng),張?zhí)l(fā)，等.基于區(qū)域增長的輪廓線提取算法[J].西安理工大學(xué)學(xué)報(bào),2005,21(4)：413-416

[4] 陳方昕.基于區(qū)域生長法的圖像分割技術(shù)[J].科技信息(科學(xué)教研),2008（15）：58-59

[5] 鄭學(xué)芬,林宗堅(jiān),范麗，等.遙感影像信息量的計(jì)算方法研究[J].山東科技大學(xué)學(xué)報(bào)：自然科學(xué)版,2008,27(1)：80-83

[6] 王占宏,杜道生.利用馬爾可夫信源原理計(jì)算遙感影像信息量[J].遙感信息,2008(3):26-30

[7] 王占宏.遙感影像信息量及質(zhì)量度量模型的研究[D].武漢：武漢大學(xué)，2004

Implementation of a Method for Detecting the Invalid Boundary Pixels of Remote Sensing Image

by GAO Juan

During geometric correction or after the projection transformation，remote sensing data often form invalid pixels in the boundary. These invalid pixels would affect the radiation information statistics and quality evaluation of the image.A method based on region growing was proposedto detect remote sensing imagewhich had invalid boundary pixels.With four vertices as seed points,examining all the boundaries aroundthe seedpointand mergingtheadjacentpixels which hadthe same gray value with the invalid pixels into this area through regional growth of these points.Using information entropy as an example,the significance of the application of this method in image statistics and quality evaluation is described.

invalid boundary pixels，region growing，Threshold Method，entropy

2011-08-01

項(xiàng)目來源：國家973計(jì)劃資助項(xiàng)目（2011CB707103）；國家自然科學(xué)基金資助項(xiàng)目（41071269）；中國土地勘測(cè)規(guī)劃院資助項(xiàng)目（20101709369）。

P237

B

1672-4623(2012)02-0012-04

高娟，主要研究方向?yàn)檫b感影像質(zhì)量評(píng)價(jià)。