賈永紅，馮在梅，沈庭樂

(武漢大學(xué)遙感信息工程學(xué)院，湖北武漢 430079)

基于標記分水嶺分割的高分辨率影像水體信息提取

賈永紅，馮在梅，沈庭樂

(武漢大學(xué)遙感信息工程學(xué)院，湖北武漢 430079)

提出一種基于標記分水嶺分割提取高分辨率衛(wèi)星融合影像水體信息的方法。首先采用Pansharpening融合法獲得光譜扭曲小的高分辨率衛(wèi)星融合影像；其次利用標記分水嶺算法對高分辨率衛(wèi)星融合影像進行分割；最后在分割基礎(chǔ)上利用水體指數(shù)模型提取水體信息。采用QuickBird高分辨率遙感影像數(shù)據(jù)進行試驗，并與eCognition多尺度分割提取水體方法的結(jié)果相比，表明本文方法更快速有效，具有實用推廣價值。

影像融合；標記分水嶺算法；水體信息提取

一、引 言

目前，應(yīng)用遙感技術(shù)獲取地表水體信息主要有兩類方法：基于像素的遙感影像水體提取方法和面向?qū)ο蟮倪b感影像水體提取方法?；谙袼氐倪b感影像水體提取方法適用于早期中低分辨率的遙感影像，多采用基于光譜的統(tǒng)計特征進行研究[1]。已有的研究表明，基于像元的高分辨率遙感影像的信息提取存在明顯不足，面向?qū)ο蟮母叻直媛蔬b感影像分析可以克服基于像元的傳統(tǒng)信息提取方法的缺點，是近年來遙感和地理信息系統(tǒng)學(xué)科發(fā)展的重要趨勢[2]。因此本文研究面向?qū)ο蟮倪b感影像水體信息提取方法，提出了基于標記分水嶺分割提取高分辨率遙感影像水體的算法，以提高高分辨率遙感影像中的水體信息提取精度。

二、基于標記分水嶺分割提取水體信息的方法

分水嶺算法是一種基于區(qū)域的圖像分割方法，它是從影像中檢測到局部極小值點，然后進行區(qū)域增長實現(xiàn)對圖像的分割[3]。但由于影像中會存在偽局部極小值點，導(dǎo)致分水嶺算法產(chǎn)生過分割問題[4-5]。為此提出標記分水嶺算法抑制噪聲和細紋理而產(chǎn)生的偽標記，改善分割效果。圖1給出了基于標記分水嶺分割提取水體信息的流程，各步驟處理技術(shù)介紹如下。

圖1 基于標記分水嶺提取高分辨率衛(wèi)星影像水體信息流程

1.高分辨率遙感影像融合

高分辨率衛(wèi)星全色影像與多光譜影像融合有利于水體信息提取[6]，本文采用Pansharpening融合法，獲得光譜扭曲小的高分辨率衛(wèi)星融合影像。

2.中值濾波

采用中值濾波去除孤立噪聲，有利于分水嶺分割中避免產(chǎn)生過多極小值點。

3.形態(tài)學(xué)梯度影像

形態(tài)梯度影像是由原始高分辨率影像膨脹變換后的影像減去腐蝕變換后的影像得到的，公式為

式中，ΔI為梯度影像；f為原始影像；b為結(jié)構(gòu)元素；⊕、Θ分別表示數(shù)學(xué)形態(tài)學(xué)中的膨脹和腐蝕運算。顯然，結(jié)構(gòu)元素的大小對梯度影像是有一定影響的，本文采用3×3結(jié)構(gòu)元素來求取梯度影像。

4.影像標記

影像頻譜分析表明，影像的低頻成分對應(yīng)影像中的基本內(nèi)容，而高頻成分對應(yīng)影像中的邊緣、紋理細節(jié)和噪聲等信息，在低頻成分中提取局部極小值點作為標記點，可以有效地消除圖像中的噪聲干擾。因此影像標記步驟具體如下：

1)使用二階Butterworth濾波器對梯度影像ΔI進行濾波，得到濾波后的影像ΔIBLP式中，M、N表示影像的寬度和高度；參數(shù)D0是截止頻率；GBLF(ΔI)(u，v)表示經(jīng)過二階Butterworth低通濾波獲得的低頻部分；ΔIBLP是通過傅里葉逆變換獲得梯度影像ΔI的低頻成分。

2)計算ΔI與ΔIBLP的差值影像DG＝ΔIΔIBLP。

3)計算差值影像DG的中位數(shù)T，以中位數(shù)T為閾值將影像二值化，形成標記影像BW，其中BW＝{DG＜T}，即對影像DG中灰度值小于T的像素作為標記像素。

4)在標記影像BW中，每個連通區(qū)域?qū)?yīng)一個對象。由于所需關(guān)注的對象是水體，其連通區(qū)域中所包含的像素較多，而標記的像素是對象的內(nèi)部像素，因此它的面積不應(yīng)太小，可以先設(shè)置區(qū)域面積閾值(像素個數(shù))，刪除一些偽標記區(qū)域，它的連通區(qū)域中包含的像素比較少，得到最終的標記影像。偽標記區(qū)域是造成分水嶺算法過分割的主要原因。

5.分水嶺變換

分水嶺變換是自下而上的基于浸沒式的分水嶺算法[2]而實現(xiàn)的，將圖像看成是地形表面，在表面的積水盆地處開一個小孔，開始整個地形的浸沒過程。顯然，該方法首要關(guān)鍵點即是尋找影像的積水盆地，即合理的極小值點，否則很有可能會造成過分割現(xiàn)象。而對影像進行標記，將影像中所有的像素已經(jīng)劃分為標記像素和待標記像素，使得標記像素作為極小值點，可以有效地解決這個問題。在標記影像的基礎(chǔ)上進行分水嶺變換的具體算法如下：

1)以影像中的最低灰度為“起始水位”，按一個灰度級的增幅漸次提高“水位”，直到最大灰度為止。

2)對于標記影像上的各區(qū)域，采取同一區(qū)域中各像素標記號相同，不同區(qū)域中標記號不同的原則對標記影像上各標記像素進行標記(像素標記實際上指的是給該像素賦予唯一的標記號)。像素標記的優(yōu)先級由灰度值決定，灰度值越大優(yōu)先級越低，反之則越高。

3)對于未標記的像素，假設(shè)已經(jīng)處理到了k級，此時，每一個不大于k的像素都已經(jīng)被分配了唯一的集水盆地標記。以灰度為k＋1但未被標號的像元為基礎(chǔ)形成新的集水盆地，并賦予新的標記號。

6.水體信息提取

在分水嶺分割的基礎(chǔ)上，根據(jù)水體指數(shù)NDWI模型提取水體信息，即

式中，NDWI表示分水嶺分割之后的每一個對象的平均灰度值計算所得的歸一化水體指數(shù)值；h是針對試驗影像采取樣本獲取的閾值。當NDWI≥h時，T為1，表示該對象為水體；反之為非水體。

三、水體信息提取試驗與分析

以QuickBird衛(wèi)星所獲的高分辨率影像作為試驗數(shù)據(jù)，選取覆蓋武漢南湖的融合影像，分辨率為2.4 m，大小是3493像素×2818像素，如圖2所示。

圖2 真彩色融合影像

分別對該試驗數(shù)據(jù)采用eCognition多分辨率分割法和標記分水嶺分割法提取水體，結(jié)果如圖3—圖6所示。

圖3 eCognition分類結(jié)果

圖4 eCognition提取的水體信息

采用eCognition多分辨率分割方法首先對影像進行分割，通過反復(fù)的參數(shù)調(diào)整試驗，最終確定尺度參數(shù)為95，形狀參數(shù)為0.1，緊致度為0.5，獲得較為滿意的分割結(jié)果影像；然后對分割影像選取樣本進行分層分類，選取的類別有長江、南湖、河流及非水體等，最終獲得分類影像如圖3所示，圖4為最終獲取的試驗區(qū)域水體信息。從圖4可以看出，除了河流有一定的漏提之外，其余水體的提取效果都很滿意，而且沒有過多的噪聲。

根據(jù)本文方法分割圖像如圖5所示，獲得的分割影像的分割線更接近真實地物的邊界。

圖5 分水嶺算法分割影像

考慮陰影與水體在近紅外波段波譜特性差異性，水體信息提取模型修正為

圖6為利用式(4)對標記分水嶺分割圖像提取的水體信息，從圖中可以看出提取的水體信息比較“干凈”，產(chǎn)生的噪聲點不多。

為了定量對本文方法進行評價，將eCognition多分辨率分割法、標記分水嶺分割法提取的水體與人工提取的水體面積(參考面積)進行了比較，結(jié)果見表1。

圖6 水體信息提取結(jié)果

表1 提取的水體面積

由表1可以看出，基于標記分水嶺分割提取水體算法優(yōu)于eCognition多分辨率分割法。

四、結(jié)束語

通過分析與比較，在面向?qū)ο蟮姆诸惙椒ㄖ?，以eCognition軟件為平臺的面向?qū)ο蟮姆诸愄幚碇行枰^多的人工干預(yù)，如分割尺度的參數(shù)選取、類層次的構(gòu)建等，且易造成過分割現(xiàn)象；基于標記分水嶺分割提取高分辨率衛(wèi)星影像水體信息的方法與之相比，可有效地解決過分割的問題，提高高分辨率衛(wèi)星影像水體信息精度和效率。

[1] MCFEETERS S K.The Use of the Normalized Difference Water Index(NDWI)in the Delineation of Open Water Features[J].International Journal of Remote Sensing，1996，17(7)：1425-1432.

[2] BLASCHKE T.Object Based Image Analysis for Remote Sensing[J].ISPRS Journal of Photogrammetry and Remote Sensing，2010，65(1)：2-16.

[3] VINCENT L，SOILLE P.Watersheds in Digital Spaces：An Efficient Algorithm Based on Immersion Simulations [J].IEEE Transactions on Pattern Analysis and Machine Intelligence，1991，13(6)：583-598.

[4] MEINEL G，NEUBERT M.A Comparison of Segmentation Programs for High Resolution Remote Sensing Data [J].International Archives of Photogrammetry and Remote Sensing，2004，35(B)：1097-1105.

[5] NEUBERT M，HEROLD H，MEINEL G.Evaluation of Remote Sensing Image Segmentation Quality——Further Results and Concepts[J].International Archives of Photogrammetry，Remote Sensing and Spatial Information Sciences，2006，36(4)：1097-1102.

[6] 趙紅，賈永紅，張曉萍，等.遙感影像融合方法在ALOS影像水體信息提取中的應(yīng)用研究[J].水資源與水工程學(xué)報，2010，31(3)：56-58.

A Water Information Extraction Method Based on Marking Watershed Segmentation for High Resolution Remote Sensing Image

JIA Yonghong，F(xiàn)ENG Zaimei，SHEN Tingle

P236

B

0494-0911(2014)09-0031-03

2013-08-01

國家科技支撐計劃(2011BAB01B05)

賈永紅(1966—)，男，湖北仙桃人，教授，研究方向為遙感圖像分析與應(yīng)用、航天攝影測量、空間信息管理與更新等。引文格式:賈永紅，馮在梅，沈庭樂.基于標記分水嶺分割的高分辨率影像水體信息提取[J].測繪通報，2014(9)：31-33.

10.13474/j.cnki. 11-2246.2014.0287