李亮， 梁彬， 薛鵬， 應(yīng)國偉

(四川省第三測繪工程院，成都　610500)

?

矢量圖約束的遙感影像分割算法

李亮， 梁彬， 薛鵬， 應(yīng)國偉

(四川省第三測繪工程院，成都610500)

摘要：為了解決矢量圖約束下的遙感影像分割問題，提出了一種基于標(biāo)記分水嶺的帶約束的影像分割方法。該方法首先將約束矢量圖映射為影像中的邊緣，在帶邊緣的影像上提取標(biāo)記區(qū)域； 然后采用面積約束法剔除偽標(biāo)記區(qū)域，并利用優(yōu)先級隊列對未標(biāo)記點進(jìn)行泛洪； 最后依據(jù)相似性測度對影像中的邊緣點進(jìn)行標(biāo)號，將標(biāo)號圖矢量化獲取影像分割結(jié)果。采用QuickBird影像進(jìn)行了實驗，結(jié)果表明： 該方法能夠?qū)崿F(xiàn)矢量圖約束下的影像分割，當(dāng)影像數(shù)據(jù)量較大時，比eCognition軟件中多尺度分割方法的運行效率高。

關(guān)鍵詞：矢量圖約束； 影像分割； 標(biāo)記分水嶺； 優(yōu)先級隊列； 矢量化

0引言

影像分割是將影像劃分為若干個互不重疊的區(qū)域，各區(qū)域內(nèi)部具有勻質(zhì)性，而相鄰區(qū)域間具有異質(zhì)性。影像分割是面向?qū)ο笥跋穹治隼碚摰幕A(chǔ)，在土地利用變化檢測[1-2]、土地覆蓋分類[3-4]及專題信息提取[5-6]等領(lǐng)域應(yīng)用廣泛。

影像分割方法可以劃分為區(qū)域增長法[7]、邊緣檢測法[8]及區(qū)域合并法[9-10]。區(qū)域增長法在種子點基礎(chǔ)上，依據(jù)一定相似性準(zhǔn)則向外擴(kuò)張形成同質(zhì)區(qū)域； 邊緣檢測法通過邊緣檢測提取邊緣像元，然后連接成閉合邊界； 區(qū)域合并法以像元為最小區(qū)域，采用一定的合并準(zhǔn)則合并相鄰區(qū)域，重復(fù)合并過程直到無法合并為止。

標(biāo)記分水嶺算法是一種區(qū)域增長法[11]，將遙感影像依據(jù)梯度值模擬成一張地形圖，梯度值越大則對應(yīng)的高程越大。提取地形圖中的盆地區(qū)域作為標(biāo)記區(qū)域，模擬洪水淹沒過程，在不同標(biāo)記區(qū)域洪水的匯合處修筑大壩，大壩則對應(yīng)影像中的邊緣點。標(biāo)記分水嶺算法可以獲取連續(xù)的單像元邊緣，且分割效率高，成為影像分割的研究熱點[12-14]。但現(xiàn)有的影像分割算法大多是在無約束條件下劃分遙感影像，較少研究矢量圖約束下的影像分割，無法將作為先驗知識的邊界約束融入到影像分割中。

為此，本文研究了一種矢量圖約束下的遙感影像分割算法。該算法通過將矢量圖映射到遙感影像上形成邊緣像元，并在此基礎(chǔ)上利用標(biāo)記分水嶺算法實現(xiàn)影像的快速分割。

1矢量圖約束的影像分割定義

2矢量圖約束的影像分割方法

本文將約束矢量圖的邊界視為人工建成的大壩，在此約束條件下進(jìn)行標(biāo)記分水嶺變換獲取影像分割結(jié)果。首先，將約束矢量圖中區(qū)域映射到遙感影像上形成閉合邊緣； 其次，提取影像中的標(biāo)記區(qū)域； 然后，采用面積約束條件剔除偽標(biāo)記區(qū)域，并在標(biāo)記區(qū)域基礎(chǔ)上開始泛洪，泛洪時不同標(biāo)記區(qū)域的交匯處為邊緣像元，對所有的邊緣像元依據(jù)一定準(zhǔn)則進(jìn)行標(biāo)號； 最后，對標(biāo)號圖進(jìn)行矢量化。具體流程如圖1所示。

圖1　本文方法流程圖

2.1邊緣映射

邊緣映射將約束矢量圖中區(qū)域的邊界映射到遙感影像上形成閉合邊緣，從而在后續(xù)的泛洪過程中將洪水限制在約束區(qū)域內(nèi)部，是實現(xiàn)矢量圖約束下影像分割的關(guān)鍵。通過柵矢套合將矢量圖套合在遙感影像上，然后利用計算機(jī)圖形學(xué)中的直線光柵化算法——數(shù)值微分法(digitaldifferentialanalyzer，DDA)將矢量圖的邊界映射為由連續(xù)像元組成的閉合邊緣，并將閉合邊緣上的像元標(biāo)記為邊緣像元。如圖2所示，圖中單元格表示柵格影像的像元。在無約束條件下進(jìn)行影像分割時，可不進(jìn)行邊緣映射，也可將影像四周邊界像元映射為邊緣像元。

(a) 約束區(qū)域與影像套合結(jié)果 (b) 邊緣映射

圖2邊緣映射圖

Fig.2Edgemap

2.2標(biāo)記區(qū)域的提取及偽標(biāo)記的去除

經(jīng)過邊緣映射后，影像像元劃分為邊緣像元及非邊緣像元2種。標(biāo)記區(qū)域是非邊緣像元中一系列梯度值較小、空間上相鄰像元的集合，對應(yīng)著影像中的內(nèi)部區(qū)域。標(biāo)記區(qū)域提取的關(guān)鍵在于標(biāo)記點的提取。標(biāo)記點是影像中的內(nèi)部點，梯度值較?。?未標(biāo)記點是影像中邊緣及其附近的點，梯度值較大； 因此可以通過設(shè)定一定閾值，依據(jù)

(1)

將二者區(qū)分開。式中： h和l分別為像元的行號和列號； g(h,l)為像元的梯度值； T(h,l)為像元對應(yīng)的閾值，可以是與位置無關(guān)的全局閾值，也可為與位置相關(guān)的局部閾值。m(h,l)取值為1時表示標(biāo)記點，取值為0時表示未標(biāo)記點。標(biāo)記點提取后，采用聚類的方法獲取標(biāo)記區(qū)域，并且對其依次進(jìn)行標(biāo)號。受噪聲及暗紋理的影響，影像中會存在較多偽標(biāo)記區(qū)域，導(dǎo)致過分割現(xiàn)象嚴(yán)重，因此需要對偽標(biāo)記區(qū)域進(jìn)行剔除。由于偽標(biāo)記區(qū)域通常具有較小的面積，因此可以通過最小面積約束來剔除。

區(qū)域的層次關(guān)系在面向?qū)ο蟮挠跋穹治鲋惺株P(guān)鍵，因此需要記錄包含標(biāo)記區(qū)域的約束區(qū)域，即“父區(qū)域”。受邊緣像元的約束，標(biāo)記區(qū)域會被某約束區(qū)域包含。在標(biāo)記區(qū)域中任選一個像元點，利用點在多邊形內(nèi)部算法即可獲取包含該點的約束區(qū)域，這個區(qū)域即為標(biāo)記區(qū)域的父區(qū)域。

2.3泛洪

標(biāo)記區(qū)域提取后，影像像元劃分為標(biāo)號點、未標(biāo)號點及邊緣點3種。泛洪是在標(biāo)記區(qū)域基礎(chǔ)上，對未標(biāo)號點進(jìn)行標(biāo)號的過程。Meyer提出了一種基于不同優(yōu)先級隊列的標(biāo)記分水嶺算法[15]，其不需要對原始梯度圖進(jìn)行修正，直接在原始梯度圖上利用隊列數(shù)組進(jìn)行泛洪。Meyer方法的分割速度較快，且空間占用率低，因此本文采用Meyer方法進(jìn)行泛洪。

Meyer方法的核心思想是利用不同優(yōu)先級的隊列來模擬洪水淹沒的過程。像元的梯度值越小，對應(yīng)的優(yōu)先級越高。令梯度影像的量化等級為L，泛洪的實現(xiàn)過程為： ①開辟1個大小為L的隊列數(shù)組，初始時為空； ②遍歷影像，將與標(biāo)記區(qū)域相鄰的未標(biāo)號像元依據(jù)其梯度值添加到對應(yīng)的隊列后端中，設(shè)置優(yōu)先級為0的隊列為當(dāng)前隊列； ③取出當(dāng)前隊列前端的像元，遍歷其鄰域，考察其鄰域已標(biāo)號的像元，若只有1種標(biāo)號，則將該標(biāo)號賦值給當(dāng)前像元； 若有2種及以上的標(biāo)號，則該像元為分水嶺，標(biāo)記為邊緣像元； ④經(jīng)過步驟③，若該像元已經(jīng)被標(biāo)號，則將其鄰域的未標(biāo)號像元依據(jù)梯度值添加到對應(yīng)的隊列后端中,若梯度值小于當(dāng)前處理隊列的優(yōu)先級，則添加到當(dāng)前處理隊列的后端； ⑤依次從當(dāng)前隊列取出前端的像元，迭代執(zhí)行③④兩步，當(dāng)前隊列為空時，移動到下一個隊列迭代執(zhí)行③④，所有的

隊列均為空時算法結(jié)束。泛洪結(jié)束后，遙感影像中的像元除邊緣像元外均已被標(biāo)號。

2.4邊緣像元的標(biāo)號

為了獲取完整的影像標(biāo)號圖，需要對邊緣像元進(jìn)行標(biāo)號。遍歷邊緣像元鄰域內(nèi)的像元，尋找與邊緣像元光譜特征最相似的已標(biāo)號像元，將其標(biāo)號值賦值給邊緣像元。2個像元點p和q的相似性測度d的計算公式為

(2)

采用柵格矢量化的方法將標(biāo)號圖轉(zhuǎn)化為矢量數(shù)據(jù)，用來存儲影像分割結(jié)果。矢量數(shù)據(jù)不僅能存儲影像分割所得區(qū)域的邊界，還能存儲區(qū)域的屬性，如父區(qū)域和特征等。本文方法的示意圖如圖3所示。

(a) 原始影像及約束 (b) 梯度影像、標(biāo)記點及邊緣像元 (c) 泛洪過程(洪水淹沒高度=2)

(約束矢量圖中包含2個區(qū)域： 0和1)

(d) 泛洪過程(洪水淹沒高度=3) (e) 泛洪過程(洪水淹沒高度=4) (f) 邊緣像元進(jìn)行標(biāo)號

(g) 泛洪過程中隊列數(shù)組的動態(tài)變化

3實驗及分析

文中實驗數(shù)據(jù)為武漢地區(qū)2002年土地利用矢量圖及2005年QuickBird遙感影像。土地利用矢量圖采用高斯-克呂格投影，包含220個多邊形。遙感影像大小為3 492像元×2 818像元，包含藍(lán)、綠、紅及近紅外4個波段，空間分辨率為2.4m。以2002年土地利用矢量圖為約束，對2005年遙感影像進(jìn)行二次分割。圖4為2002年土地利用矢量圖套合在2005年遙感影像上的結(jié)果。

圖4　2002年土地利用矢量圖與2005年QuickBird

3.1影像分割實驗

文中采用文獻(xiàn)[14]中的自適應(yīng)方法提取標(biāo)記。全局比例系數(shù)α與調(diào)整系數(shù)coef是自適應(yīng)標(biāo)記提取方法的關(guān)鍵。對地物類型單一、分布簡單的影像，設(shè)定較大的α值，否則設(shè)定較小的α值； coef通常取值0.6～0.8。不同的影像對應(yīng)的最優(yōu)分割參數(shù)也不同，文中采用反復(fù)嘗試法，設(shè)定標(biāo)記的全局比例系數(shù)α=0.4，調(diào)整系數(shù)coef=0.7，面積閾值=300。圖5為2002年矢量圖約束下2005年影像的分割結(jié)果圖，其中包含區(qū)域1 634個。

圖5　影像二次分割圖

在矢量圖約束下進(jìn)行影像分割，可以充分利用已有的邊界先驗知識，從而有效抑制影像欠分割現(xiàn)象。圖6為有約束及無約束2種條件下的影像分割結(jié)果。

(a) 約束矢量圖 (b) 有約束條件下的影像分割 (c) 無約束條件下的影像分割

圖6不同分割結(jié)果對比圖

Fig.6Comparisonwithdifferentsegmentationresults

對比圖6(b)(c)可以看出，無約束分割時，由于道路及其兩邊房屋的反射率均較強(qiáng)，在遙感影像上具有較高的亮度值，光譜特征相似，因此分割時容易將二者合并在一起，欠分割較為嚴(yán)重，導(dǎo)致道路的邊緣定位精度較差； 有約束分割時，道路的邊緣則可得到較好的控制。

3.2分割效率實驗

本實驗中分割耗時情況見表1，總耗時11.4s。

表1　分割耗時表

從表1可以看出，標(biāo)記區(qū)域提取在本文方法中耗時最長，達(dá)到4.3s。這是因為標(biāo)記區(qū)域提取中包含梯度影像生成及高斯濾波、標(biāo)記區(qū)域聚類與標(biāo)號等操作，因此耗時較長； 影像中的邊緣像元及標(biāo)記像元不需要進(jìn)行泛洪，參與泛洪的像元數(shù)相對整幅影像較少，因此泛洪在本文方法中耗時較短，僅為1.1s。

為了驗證本文方法的運行效率，將其與eCognition軟件進(jìn)行對比。在eCognition軟件的多尺度分割模塊中，設(shè)定約束矢量圖為專題圖，遙感影像為待分割數(shù)據(jù)。針對不同大小的影像，2種方法的分割耗時如圖7所示。可以看出，當(dāng)影像較小時，本文方法與eCognition軟件分割方法的效率相差不大； 然而當(dāng)影像增大到3 492像元×2 818像元后，eCognition軟件分割方法耗時大幅提升，而本文方法的耗時保持平緩增長。這表明本文方法的分割效率優(yōu)于eCognition軟件的分割效率，適用于大數(shù)據(jù)量遙感影像的分割。

圖7　不同影像大小的影像分割效率

4結(jié)論

本文提出一種基于標(biāo)記分水嶺的帶約束影像分割方法，實現(xiàn)了矢量圖約束下的影像分割。該方法將約束矢量圖邊界映射到遙感影像上形成邊緣，提取影像中標(biāo)記區(qū)域，利用帶有優(yōu)先級的隊列數(shù)據(jù)進(jìn)行快速泛洪，對邊緣像元進(jìn)行標(biāo)號，矢量化標(biāo)號圖得到分割結(jié)果。在QuickBird遙感影像上的實驗驗證了本文方法的有效性及高效性，同時得出以下結(jié)論：

1)本文方法適用于大數(shù)據(jù)量遙感影像的二次分割，其耗時隨著影像數(shù)據(jù)量的增大而平穩(wěn)增大，因此當(dāng)影像數(shù)據(jù)量較大時，其分割效率依然較高。

2)本文方法適用于無約束遙感影像的分割。無約束條件下進(jìn)行影像分割，可以視為在影像外接矩形約束下的影像分割。

3)如何快速準(zhǔn)確地提取標(biāo)記區(qū)域是下步研究工作的重點。

參考文獻(xiàn)(References)：

[1]ImJ,JensenJR,TullisJA.Object-basedchangedetectionusingcorrelationimageanalysisandimagesegmentation[J].InternationalJournalofRemoteSensing,2008,29(2):399-423.

[2]ChenG,HayGJ,CarvalhoLMT,etal.Object-basedchangedetection[J].InternationalJournalofRemoteSensing,2012,33(14):4434-4457.

[3]LizarazoI,ElsnerP.Fuzzysegmentationforobject-basedimageclassification[J].InternationalJournalofRemoteSensing,2009,30(6):1643-1649.

[4]蔡銀橋,毛政元.基于多特征對象的高分辨率遙感影像分類方法及其應(yīng)用[J].國土資源遙感,2007,19(1):77-81.doi:10.6046/gtzyyg.2007.01.17.

CaiYQ,MaoZY.Amethodforclassificationofhighresolutionremotelysensedimagesbasedonmulti-featureobjectanditsapplication[J].RemoteSensingforLandandResources,2007,19(1):77-81.doi:10.6046/gtzyyg.2007.01.17.

[5]曹凱,江南,呂恒,等.面向?qū)ο蟮腟POT5影像城區(qū)水體信息提取研究[J].國土資源遙感,2007,19(2):27-30.doi:10.6046/gtzyyg.2007.02.07.

CaoK,JiangN,LyuH,etal.TheextractionofwaterinformationinurbanareasbasedonSPOT5imageusingobject-orientedmethod[J].RemoteSensingforLandandResources,2007,19(2):27-30.doi:10.6046/gtzyyg.2007.02.07.

[6]孫永軍,童慶禧,秦其明.利用面向?qū)ο蠓椒ㄌ崛竦匦畔J].國土資源遙感,2008,20(1):79-82.doi:10.6046/gtzyyg.2008.01.18.

SunYJ,TongQX,QinQM.Theobject-orientedmethodforwetlandinformationextraction[J].RemoteSensingforLandandResources,2008,20(1):79-82.doi:10.6046/gtzyyg.2008.01.18.

[7]張志禹,孟令輝,雷濤.自適應(yīng)梯度重建分水嶺分割算法[J].中國圖象圖形學(xué)報,2014,19(10):1430-1437.

ZhangZY,MengLH,LeiT.Adaptivegradientreconstructionforwatershedbasedimagesegmentation[J].JournalofImageandGraphics,2014,19(10):1430-1437.

[8]黃亮,左小清,馮沖,等.基于Canny算法的面向?qū)ο笥跋穹指頪J].國土資源遙感,2011,23(4):26-30.doi:10.6046/gtzyyg.2011.04.05.

HuangL,ZuoXQ,FengC,etal.Object-orientedimagesegmentationbasedoncannyalgorithm[J].RemoteSensingforLandandResources,2011,23(4):26-30.doi:10.6046/gtzyyg.2011.04.05.

[9]HarisK,EfstratiadisSN,MaglaverasN,etal.Hybridimagesegmentationusingwatershedsandfastregionmerging[J].IEEETransactionsonImageProcessing,1998,7(12):1684-1699.

[10]王學(xué)松,周明全,樊亞春,等.彩色圖像色度距離權(quán)值的圖論分割算法[J].中國圖象圖形學(xué)報,2011,16(2):221-226.

WangXS,ZhouMQ,FanYC,etal.ThealgorithmofgraphcutusingHSIweightsincolorimagesegmentation[J].JournalofImageandGraphics,2011,16(2):221-226.

[11]LiDR,ZhangGF,WuZC,etal.Anedgeembeddedmarker-basedwatershedalgorithmforhighspatialresolutionremotesensingimagesegmentation[J].IEEETransactionsonImageProcessing,2010,19(10):2781-2787.

[12]高麗,楊樹元,李海強(qiáng).一種基于標(biāo)記的分水嶺圖像分割新算法[J].中國圖象圖形學(xué)報,2007,12(6):1025-1032.

GaoL,YangSY,LiHQ.Newunsupervisedimagesegmentationviamarker-basedwatershed[J].JournalofImageandGraphics,2007,12(6):1025-1032.

[13]陳波,張友靜,陳亮.標(biāo)記分水嶺算法及區(qū)域合并的遙感圖像分割[J].國土資源遙感,2007,19(2):35-38.doi:10.6046/gtzyyg.2007.02.09.

ChenB,ZhangYJ,ChenL.Segmentationoftheremotesensingimagebasedonmethodoflabelingwatershedalgorithmandregionalmerging[J].RemoteSensingforLandandResources,2007,19(2):35-38.doi:10.6046/gtzyyg.2007.02.09.

[14]巫兆聰,胡忠文,歐陽群東.一種區(qū)域自適應(yīng)的遙感影像分水嶺分割算法[J].武漢大學(xué)學(xué)報:信息科學(xué)版,2011,36(3):293-296.

WuZC,HuZW,OuyangQD.Aregionaladaptivesegmentationalgorithmforremotesensingimage[J].GeomaticsandInformationScienceofWuhanUniversity,2011,36(3):293-296.

[15]MeyerF.Colorimagesegmentation[C]//IEEEinternationalconferenceonimageprocessinganditsapplications.Maastricht:IET,1992.

(責(zé)任編輯： 邢宇)

Remote sensing image segmentation under vector map constraints

LI Liang， LIANG Bin， XUE Peng， YING Guowei

(The Third Academy of Engineering of Surveying and Mapping, Chengdu 610500, China)

Abstract:Inordertosolvetheproblemofremotesensingimagesegmentationundervectormapconstraints,thispaperproposesamarker-basedwatershedmethodforremotesensingimagesegmentationundervectormapconstraints.Firstly,theconstrainedvectormapismappedtotheedgeoftheimage.Themarkersareextractedintheimagewithedge.Secondly,thepseudomarkedareasareeliminatedbyareaconstraint.Thefloodforunmarkedpixelsisimplementedbyapriorityqueuearrow.Lastly,theedgepixelsintheimagearelabeledbyasimilaritymeasurement.Thelabelimageisusedforvectorizationtogetthesegmentationresult.TheexperimentalresultontheQuickBirdimageshowsthattheproposedmethodcanrealizeimagesegmentationundervectormapconstraints.ComparedwithmultiresolutionsegmentationmethodineCognitionsoftware,theproposedmethodismoreefficientwhentheremotesensingimageislarge.

Keywords:vectormapconstraints;imagesegmentation;marker-basedwatershed;priorityqueue;vectorization

doi:10.6046/gtzyyg.2016.03.13

收稿日期：2015-04-22；

修訂日期：2015-06-02

基金項目：測繪地理信息公益性行業(yè)科研專項項目“衛(wèi)星遙感與地面?zhèn)鞲芯W(wǎng)一體化的湖泊流域地理國情監(jiān)測關(guān)鍵技術(shù)研究”(編號: 201512026)、數(shù)字制圖與國土信息應(yīng)用工程國家測繪地理信息局重點實驗室開放基金項目"基于遙感影像的矢量圖更新關(guān)鍵技術(shù)研究"(編號：DM2016SC04)及四川省地理國情監(jiān)測工程技術(shù)研究中心項目“川南經(jīng)濟(jì)區(qū)交通網(wǎng)絡(luò)綜合研究——以瀘州市為例”(編號:GC201509)共同資助。

中圖法分類號：TP751.1

文獻(xiàn)標(biāo)志碼：A

文章編號：1001-070X(2016)03-0080-06

第一作者簡介：李亮(1987-)，男，博士，主要從事遙感影像的智能化解譯研究。Email：liliang1987wuda@163.com。

引用格式： 李亮，梁彬，薛鵬,等.矢量圖約束的遙感影像分割算法[J].國土資源遙感,2016,28(3):80-85.(LiL，LiangB，XueP，etal.Remotesensingimagesegmentationundervectormapconstraints[J].RemoteSensingforLandandResources,2016,28(3):80-85.)