矯林濤，于寧

?

結(jié)合光譜與森林紋理結(jié)構(gòu)基元的遙感森林植被分割算法

矯林濤，于寧

摘要：針對目前森林植被分割方法多特征利用的問題，提出了一種綜合利用光譜與其紋理特征構(gòu)建森林紋理結(jié)構(gòu)基元（SEFT）的分割方法。首先，探測森林植被典型區(qū)域的藍(lán)噪聲特征，計(jì)算森林植被紋理單元的尺度特征和灰度分布，之后通過歸一化植被指數(shù)（NDVI）計(jì)算其植被覆蓋度，然后，結(jié)合區(qū)域的灰度、形狀和其他紋理特征構(gòu)建不同尺度下森林紋理結(jié)構(gòu)基元（SEFT），利用結(jié)構(gòu)基元與圖像進(jìn)行匹配，最后，通過植被覆蓋度與匹配系數(shù)的加權(quán)獲取分割結(jié)果。實(shí)驗(yàn)結(jié)果表明，其算法能夠提高植被區(qū)域分割的準(zhǔn)確性，取得了較好的分割效果。

關(guān)鍵詞：森林紋理結(jié)構(gòu)基元;藍(lán)噪聲;多尺度;植被指數(shù);分割

0　引言

森林植被識別是森林資源遙感監(jiān)測的基礎(chǔ)工作，隨著遙感技術(shù)的迅速發(fā)展，遙感已成為GIS重要的數(shù)據(jù)源和數(shù)據(jù)更新手段。高分辨率影像不僅有光譜信息，而且還提供豐富的空間、紋理特征信息。針對高分辨率影像數(shù)據(jù)量巨大且地物類型多樣的特點(diǎn)，采用單一特征進(jìn)行分割具有較大的局限性，多特征結(jié)合的影像分割方法已經(jīng)成為當(dāng)前研究的熱點(diǎn)[1]。近年來，越來越多的研究結(jié)果表明，將空間信息與光譜信息共同用于遙感圖像的分類過程，既可以充分利用高空間分辨率圖像中豐富的空間信息，又可以提高信息圖提取的精度[2]。許多學(xué)者提出了結(jié)合光譜與紋理的分割方法[3]，如JSEG[4-5]、高斯混合模型[6-7]等。其中，王雷光等人[8]提出的光譜與紋理特征加權(quán)的高分辨率遙感紋理分割算法采用光譜與紋理信息加權(quán)實(shí)現(xiàn)了影像分割，但其未能有效結(jié)合紋理尺度信息，分割難以達(dá)到理想效果。

針對目前森林植被分割方法多特征利用的問題，提出一種綜合利用光譜與其紋理特征構(gòu)建森林紋理結(jié)構(gòu)基元（SEFT）的分割方法。該方法首先利用自然森林植被在特定尺度呈現(xiàn)高頻的隨機(jī)特性，針對樹冠大小特征的不同區(qū)域，進(jìn)行多次藍(lán)噪聲探測，計(jì)算出森林植被的多個(gè)尺度特征和灰度分布。然后利用歸一化植被指數(shù)（NDVI）計(jì)算其植被覆蓋度。再依據(jù)所獲取的灰度、尺度與形狀信息構(gòu)建不同尺度下結(jié)構(gòu)基元，使用各個(gè)尺度下的結(jié)構(gòu)基元，分別與原圖像進(jìn)行匹配，利用所獲取的匹配系數(shù)與植被覆蓋度的加權(quán)實(shí)現(xiàn)最終分割。實(shí)驗(yàn)結(jié)果表明，本文提出的算法能夠充分使用影像中的多種信息，實(shí)現(xiàn)準(zhǔn)確而高效的分割。

1　基于藍(lán)噪聲理論探測的改進(jìn)

本文采用的藍(lán)噪聲探測方法是基于劉小丹等人[9]提出的基于藍(lán)噪聲理論的遙感圖像森林植被紋理測量。該方法利用森林植被基礎(chǔ)特征快速選擇圖像的探測區(qū)域，結(jié)合自然森林植被在特定尺度呈現(xiàn)高頻隨機(jī)特性，即藍(lán)噪聲特性，通過快速傅里葉變換探測區(qū)域在不同尺度下的藍(lán)噪聲特征，當(dāng)探測到藍(lán)噪聲特征時(shí)，根據(jù)當(dāng)前區(qū)域尺寸和原區(qū)域尺寸，計(jì)算樹冠紋理尺度，即樹冠直徑的像素個(gè)數(shù)。

不同地物具有不同的最優(yōu)尺度空間，天然森林植被存在生長不規(guī)律現(xiàn)象，即使同幅影像中的森林植被也存在樹冠大小區(qū)別。因此，針對不同樹木具有不同尺度問題，本文在基于上述方法中只針對某片典型區(qū)域進(jìn)行藍(lán)噪聲探測的基礎(chǔ)上，選取多個(gè)典型區(qū)域進(jìn)行藍(lán)噪聲探測，獲取多個(gè)尺度值。

根據(jù)文獻(xiàn)[9]中藍(lán)噪聲探測方法結(jié)果如圖1所示：

圖1　原方案植被紋理尺度探測頻譜響應(yīng)

圖1（a）是區(qū)域?qū)?yīng)的512×512多光譜圖像，圖1（b）是區(qū)域的全色圖像經(jīng)過增強(qiáng)處理，圖1（c）是區(qū)域縮放到64×64多光譜圖像，圖1（d）是對應(yīng)的64×64區(qū)域增強(qiáng)處理圖像，圖1（e）是區(qū)域頻譜響應(yīng)圖。根據(jù)尺度計(jì)算公式（1）：

但在典型森林植被區(qū)域（圖1（a））中，在兩處標(biāo)記區(qū)域處的樹冠大小有明顯的不同。若對此區(qū)域只做一次藍(lán)噪聲探測，必然會出現(xiàn)尺度偏差。因此，在將遙感圖像N等分，根據(jù)各區(qū)域基礎(chǔ)特征快速篩選最合適區(qū)域的基礎(chǔ)上，再將合適區(qū)域進(jìn)行等分，分別探測等分之后圖像藍(lán)噪聲特征，統(tǒng)計(jì)其尺度特征，如圖2所示：

圖2　多區(qū)域藍(lán)噪聲探測

經(jīng)試驗(yàn)測試，圖2（a）在縮放到68×68時(shí)，藍(lán)噪聲特征明顯，圖2（b）68×68區(qū)域圖像，圖2（c）在62×62出現(xiàn)藍(lán)噪聲特征最明顯，圖2（d）62×62區(qū)域圖像。根據(jù)尺度計(jì)算公式（1），可得出兩個(gè)不同尺度。

2　歸一化植被指數(shù)

歸一化植被指數(shù)NDVI（Normalized Difference Vegeta -tion Index），又稱標(biāo)準(zhǔn)化植被指數(shù)，在使用遙感圖像進(jìn)行植被研究以及植物武侯研究中得到廣泛應(yīng)用，它是植物生長狀態(tài)以及植被空間分布密度的最佳指示因子，與植被密度呈線性相關(guān)。實(shí)驗(yàn)表明，它是單位像元內(nèi)的植被類型、覆蓋形態(tài)、生長狀況等的綜合反映，其大小取決于植被覆蓋度和葉面積指數(shù)等要素；NDVI對植被覆蓋度的檢測幅度較寬，有較好的相對和空間適應(yīng)性，因此應(yīng)用較廣。

NDVI被定義為近紅外波段和可見光紅光波段數(shù)值之差和這2個(gè)波段數(shù)值之和的比值。其計(jì)算如公式（2）：

式中sr3和sr4分別為第三和第四波段的光譜反射率。ND VI的值被限定在[-1,1]范圍內(nèi)，非植被區(qū)沙漠、水體的NDVI值很低或?yàn)樨?fù)值，一般認(rèn)為其值小于0.1時(shí)植被已很稀少。

NDVI雖然可以直觀地反映區(qū)域的植被變化情況，但在生態(tài)評價(jià)等方面其依然是一個(gè)間接變量。通常植被覆蓋度是最直接可用的、也便于區(qū)域之間數(shù)量對比的植被因子。植被覆蓋度f的計(jì)算是基于NDVI的。其計(jì)算如公式（3）：

式中NDVI為NDVI圖上某像元的NDVI實(shí)際值；

3　森林紋理結(jié)構(gòu)基元（SEFT）

森林紋理結(jié)構(gòu)基元SEFT(Structure Element of Forest Tex -ture)，簡稱結(jié)構(gòu)基元，是描述森林紋理結(jié)構(gòu)的一種模板，是一個(gè)多值矩陣，用于森林植被分割。森林紋理，遙感圖像中，其微觀形態(tài)表現(xiàn)為樹冠單元。

本文基于形態(tài)學(xué)結(jié)構(gòu)元素和特征基元思想，特征基元是指遙感影像上相互連通的一系列具有相同或相似特征的像元所組成的區(qū)域，這些特征包括光譜、紋理、空間組合關(guān)系等[12-13]，通過對典型植被（喬木）紋理微觀結(jié)構(gòu)形態(tài)分析，自然狀態(tài)生長的森林植被在色調(diào)、樹冠尺寸、高光與陰影對比度等方面的特性構(gòu)成區(qū)別于其他植物，因此，利用所獲取的灰度、形狀、尺度以及其他紋理信息構(gòu)造描述樹冠單元的結(jié)構(gòu)元。

樹冠結(jié)構(gòu)形狀隨植物種類有一定變化，但在較大尺度上趨于圓形；中心與周圍對比度明顯，灰度過度平滑，中間灰度的像素居多；陽光照射角度以及地面坡度變化，會引起對比度的反相?；谝陨咸攸c(diǎn)，構(gòu)建樹冠結(jié)構(gòu)元的本質(zhì)思想是：首先，根據(jù)樹冠形狀特性，所設(shè)計(jì)的樹冠應(yīng)當(dāng)趨于圓形，根據(jù)之前所獲取的不同尺度值，可作為圓形的直徑，設(shè)計(jì)出不同尺度的圓形結(jié)構(gòu)元；之后，結(jié)構(gòu)元的灰度范圍應(yīng)當(dāng)滿足之前提取的灰度范圍，根據(jù)樹冠的自然生長特性，樹冠中心部分灰度值應(yīng)大于周圍值且過渡平滑到周圍。設(shè)探測樹冠尺度為d,則樹冠半徑r=d/2。

根據(jù)樹冠灰度分布特點(diǎn)，定義結(jié)構(gòu)元灰度分布如公式（4）、（5）：

4　森林植被分割

首先，利用探測典型區(qū)域時(shí)的色調(diào)信息以及灰度范圍，對圖像進(jìn)行預(yù)處理。在一幅遙感圖像中，大部分的森林植被以綠色色調(diào)為主，并且物體的灰度信息和色調(diào)信息是一致的，對于森林植被其色調(diào)和灰度也是固定在某個(gè)范圍，不會因?yàn)闀r(shí)間和位置的不同引起太大的差異。因此，利用統(tǒng)計(jì)所得的灰度和色調(diào)范圍，將圖像中色調(diào)以及灰度范圍外的像素過濾。

4.1結(jié)構(gòu)基元的匹配系數(shù)

圖3　結(jié)構(gòu)元與原圖像被選區(qū)域

4.2植被覆蓋度與結(jié)構(gòu)基元加權(quán)

光譜特征與紋理特征的組合是實(shí)現(xiàn)光譜紋理分割的關(guān)鍵之一，最為常用的便是加權(quán)組合方式。fc和C(i,j)分別為植被覆蓋度和結(jié)構(gòu)基元匹配系數(shù)，設(shè)Wf和Wc為對應(yīng)的權(quán)重，則植被覆蓋度與匹配度加權(quán)組合形式如公式（7）：

Wf和Wc的確定便成為植被覆蓋度與紋理組合的關(guān)鍵問題。基于本文算法針對森林喬木，并不包括草地等其他植被在內(nèi)，因此樹冠結(jié)構(gòu)基元的匹配系數(shù)應(yīng)為關(guān)鍵，經(jīng)試驗(yàn)表明，植被覆蓋度取0.3時(shí)效果最好。

4.3數(shù)學(xué)形態(tài)學(xué)后處理

數(shù)學(xué)形態(tài)學(xué)是針對圖像內(nèi)在結(jié)構(gòu)運(yùn)算。腐蝕和膨脹是最基本的數(shù)學(xué)形態(tài)學(xué)運(yùn)算，其組合形成開運(yùn)算和閉運(yùn)算，可以有效地消除特定尺寸的雜波，并將某些相連的圖像進(jìn)行分割。在所得到的分割圖像中會出現(xiàn)一些小的誤判區(qū)域，因此，采用數(shù)學(xué)形態(tài)學(xué)的開運(yùn)算來消除散點(diǎn)和毛刺，對圖像進(jìn)行平滑處理。

5　實(shí)驗(yàn)結(jié)果與分析

本文采用MATLAB進(jìn)行實(shí)驗(yàn)。實(shí)驗(yàn)所用遙感圖像為Qucick Bird衛(wèi)星（全色+多光譜）捆綁數(shù)據(jù)，本文算法對遙感圖像全色分辨率的要求是高于1.5米，以保證樹冠紋理單元有足夠的像素用于尺寸縮小處理以及分割。

實(shí)驗(yàn)1選取城市與森林植被的遙感圖像進(jìn)行，如圖4所示：

圖4　城市森林植被區(qū)域圖像及分割結(jié)果

如圖4（a）、圖4（b）為文獻(xiàn)[10]算法得到的分割結(jié)果。實(shí)驗(yàn)根據(jù)標(biāo)記兩處分別進(jìn)行藍(lán)噪聲探測，根據(jù)公式(1)，得到兩處尺度分別為9和11，灰度范圍60-140，對應(yīng)的結(jié)構(gòu)基元如圖5所示：

圖5　結(jié)構(gòu)元

經(jīng)過兩個(gè)尺度的結(jié)構(gòu)元提取后，最終分割效果如圖4（c）。

實(shí)驗(yàn)2的場景中有森林和空地，如圖6所示：

圖6　空地和森林植被區(qū)域圖像及分割結(jié)果

如圖6（a）所示。圖6（b）為文獻(xiàn)[10]算法得到的分割結(jié)果。圖6（c）為本文算法。

實(shí)驗(yàn)3的場景為森林道路郊區(qū)圖像，如圖7所示：

圖7　道路郊區(qū)區(qū)域圖像及分割結(jié)果

如圖7（a）所示。圖7（b）為文獻(xiàn)[10]算法得到的分割結(jié)果。圖7（c）為本文算法。

實(shí)驗(yàn)結(jié)果表明，相比于參考文獻(xiàn)[10]本文分割效果更加清晰、準(zhǔn)確。3幅圖像中文獻(xiàn)[10]對于紋理相對細(xì)密地區(qū)存在欠分割現(xiàn)象，以箭頭指示，而本文算法減少了區(qū)域內(nèi)的像素錯(cuò)分，提高了正確分割率，得到了較好的分割效果。

6　總結(jié)

本文提出的基于藍(lán)噪聲理論的多尺度遙感森立植被分割方法，實(shí)現(xiàn)了利用藍(lán)噪聲特征進(jìn)行多尺度的探測，并結(jié)合其他有效特征構(gòu)造結(jié)構(gòu)元實(shí)現(xiàn)植被分割。但本文所用方法中，

構(gòu)造結(jié)構(gòu)元結(jié)構(gòu)的構(gòu)建建立在較充分的先驗(yàn)知識的基礎(chǔ)上，結(jié)構(gòu)元的準(zhǔn)確性將直接影響到分割效果。為進(jìn)一步提高分割效果，在本文的基礎(chǔ)上，對樹冠結(jié)構(gòu)元的優(yōu)化以及結(jié)構(gòu)元與原圖像區(qū)域的運(yùn)算有待進(jìn)一步研究。

參考文獻(xiàn)

[1] 巫兆聰,胡忠文,張謙,等..結(jié)合光譜、紋理與形狀結(jié)構(gòu)信息的遙感影像分割方法[J].測繪學(xué)報(bào),2013,42(1):44-45.

[2] 黃立賢,沈志學(xué),等.基于光譜與紋理特征的高空間分辨率圖像分類算法[J].光電技術(shù)應(yīng)用,2014,29(3):34-37.

[3] 張學(xué)良,肖鵬峰,馮學(xué)智..基于圖像內(nèi)容層次表征的遙感 圖 像 分 割 方 法 [J]. 中 國 圖 象 圖 學(xué)報(bào),2012,17(1):142-149.

[4] TRIAS-SANZR, STAMONG, LOUCHETJ.Using Colour,Texture andHierarchicalSegmentation for High-resolution Remote Sensing[J].ISPRS Journal of Photogrammetry and Remote Sensing,2008,63:156-168.

[5] LIUTT,ZHANGLP,LIPX, et al. Region Segmentation of Multi-spectral Remote Sensing Images Using Improved JSEG Algorithm[J]. Joumal of Remote Sensing,2009,13(1):30-34.

[6] DENGY,MANJUNATHBS.Unsupervised Segmentationof Color-texture Regions in Image and Video[J] . IEEE Trans-actions on Pattern Analysis and Machine Intelligence,2001,23(8):800-810.

[7] CARSON,BELONGIE C,GREENSPAN S H,et al.Blobworld :Image Segmentation Using Expectation maximizationandPatternAnalysis and Machine Intelligence,2002,24(8):1026-1038[C].

[8] PERMUTER,FRANCOS H,JERMYN J I,A Study of Gaussian MixtureModelsof Color and Texture Features for Image Classification and Segmenta -tion[J].Pattern Recognition.,2006,39:695-706.

[9] 王雷光,劉國英,等.一種光譜與紋理特征加權(quán)的高分辨率遙感紋理分割算法[J].光學(xué)學(xué)報(bào),2009,29(11):10-17.

[10] 劉小丹,楊燊.基于藍(lán)噪聲理論的遙感圖像森林植被紋理測量[J].國土資源遙感, 2015,27 (2): 63-68.

[11] 陳晉,陳云浩.基于土地覆蓋分類的植被覆蓋率估算像元模型與應(yīng)用[J].遙感學(xué)報(bào),2001,5(6):416-422.

[12] 李紅,李德江,等.快速城市化背景下上海崇明植被覆蓋度景觀格局分析[J].華東師范大學(xué)學(xué)報(bào)(自然科學(xué)版),2009,(6):89-100.

[13] MAURO C,EUFEMIA T.Accuracy assessment of per-field classification integrating very fine spatial resolution satellite imagery with topographic data[J]. Journal of Geospatial Engineering, 2001,3(2):127-134.

[14] BENZU,HOFMANNP,WILLHAUCK G,et al. Multiresoluting,object-oriented fuzzy analysis of remote sensingdataforGIS-ready information[J]. ISPRS JournalofPhotogrammetry&RemoteSensing, 2004(58):239-258.

收稿日期：（2015.04.07）

作者簡介：矯林濤（1989-），男，遼寧師范大學(xué)，計(jì)算機(jī)與信息技術(shù)學(xué)院，碩士研究生，研究方向：圖像處理，大連，116029 于寧（1990-），女，遼寧師范大學(xué)，計(jì)算機(jī)與信息技術(shù)學(xué)院，碩士研究生，研究方向：圖像處理，大連，116029

文章編號：1007-757X(2015)12-0041-03

中圖分類號：TP751

文獻(xiàn)標(biāo)志碼：A