丁海勇，王雨軒，毛宇瓊，許亞慧

(1. 南京信息工程大學(xué)地理與遙感學(xué)院，江蘇 南京 210044; 2. 南京信息工程大學(xué)濱江學(xué)院，江蘇 南京 210044)

?

基于動(dòng)態(tài)閾值區(qū)域分裂合并算法的高分辨率遙感圖像分割研究

丁海勇1，王雨軒2，毛宇瓊2，許亞慧2

(1. 南京信息工程大學(xué)地理與遙感學(xué)院，江蘇 南京 210044; 2. 南京信息工程大學(xué)濱江學(xué)院，江蘇 南京 210044)

遙感圖像分割是10多年前提出的一種圖像處理算法，其目的是利用圖像中的多種特征，如光譜特征、紋理特征、幾何特征、上下文特征等，在一個(gè)特定的尺度上采取一定的標(biāo)準(zhǔn)對(duì)圖像中的不同地理對(duì)象進(jìn)行提取，常見(jiàn)的算法包括：分水嶺分割算法、多尺度分割算法、均值漂移算法、四叉樹(shù)分割算法等。

一、基于動(dòng)態(tài)閾值的區(qū)域分裂合并算法

圖像分割算法可分成灰度閾值法、基于邊緣檢測(cè)的分割、基于區(qū)域的分割等6類，同時(shí)又有各自的優(yōu)缺點(diǎn)。這些分割算法一般基于亮度值的不連續(xù)性和相似性。在區(qū)域分裂合并過(guò)程中，如果依賴于固定閾值，將會(huì)導(dǎo)致多分割或分割過(guò)大；如果以動(dòng)態(tài)閾值為參數(shù)來(lái)調(diào)整區(qū)域分裂的層數(shù)，就可以更好地模擬人對(duì)地表物體的識(shí)別過(guò)程。基于動(dòng)態(tài)閾值的四叉樹(shù)分裂—相鄰?fù)|(zhì)區(qū)域歸并算法是以區(qū)域分裂合并算法為基礎(chǔ)，融合四叉樹(shù)分割算法，結(jié)合動(dòng)態(tài)閾值優(yōu)勢(shì)改進(jìn)后的圖像分割算法。

1) 區(qū)域分裂：動(dòng)態(tài)閾值的四叉樹(shù)分裂；

2) 區(qū)域合并：相鄰?fù)|(zhì)區(qū)域歸并算法。

以待分割遙感影像的標(biāo)準(zhǔn)差為基礎(chǔ)閾值Tbasic與人為設(shè)定一非負(fù)且小于1的系數(shù)k(本文稱為歸一化閾值)的乘積作為分裂和合并的閾值T(T=k·Tbasic)。分裂的歸一化閾值(記為k1)與歸并的歸一化閾值(記為k2)根據(jù)計(jì)算量、分割效果選擇，二者可以不同，也可相同。

均勻測(cè)度或同質(zhì)度是描述圖斑內(nèi)部是否同質(zhì)的參數(shù)。均勻測(cè)度測(cè)試，即一種判斷圖斑內(nèi)部是否同質(zhì)的算法、運(yùn)算和操作。該算法以圖斑內(nèi)部所有像元各波段標(biāo)準(zhǔn)差的加權(quán)平均值與給定閾值作關(guān)系運(yùn)算，為均勻測(cè)度測(cè)試。

1. 基于動(dòng)態(tài)閾值的四叉樹(shù)分裂

傳統(tǒng)四叉樹(shù)分裂算法采用全局閾值，圖像局部區(qū)域不可改動(dòng)閾值。計(jì)算過(guò)程中對(duì)待分割圖像作均勻測(cè)度測(cè)試，如果判定為同質(zhì)，則不分裂；否則等分為左上、右上、左下、右下4塊，對(duì)每一塊照此辦法繼續(xù)分裂。四叉樹(shù)分裂算法本質(zhì)上是一種遞歸算法。對(duì)于遞歸算法，程序執(zhí)行效率低，因此有必要采用必要的數(shù)據(jù)結(jié)構(gòu)將其轉(zhuǎn)換為循環(huán)算法。結(jié)合數(shù)據(jù)結(jié)構(gòu)基本理論，采用常見(jiàn)的堆棧數(shù)據(jù)結(jié)構(gòu)進(jìn)行運(yùn)算。

2. 相鄰?fù)|(zhì)區(qū)域歸并算法

此算法具體流程與傳統(tǒng)區(qū)域生長(zhǎng)算法類似，不再詳細(xì)說(shuō)明。關(guān)于尋找某區(qū)域的相鄰區(qū)域，核心問(wèn)題是如何判斷兩區(qū)域是否相鄰。考慮到四叉樹(shù)分裂后形成的各區(qū)域均為橫向或縱向的方形區(qū)域，可將問(wèn)題抽象為如下簡(jiǎn)單數(shù)學(xué)問(wèn)題：在xOy平面內(nèi)，任意兩橫向或縱向互不重疊的正方形，滿足何種條件，兩正方形(或矩形)才相鄰(有公共邊或公共點(diǎn)，也稱為鄰接)。

3. 分割算法的預(yù)處理及后處理

由于空間分辨率大大提高，數(shù)據(jù)量較大，并且存在數(shù)據(jù)冗余的問(wèn)題，同時(shí)區(qū)域分裂-合并的圖像分割算法本身計(jì)算量很大，為了能夠在有限的時(shí)間完成圖像分割，有必要對(duì)圖像作預(yù)處理及后處理。

在預(yù)處理中，利用尺度參數(shù)，對(duì)圖像重采樣，以改變圖像的大小(即改變圖像行、列數(shù))。由于預(yù)處理改變了圖像大小，故完成圖像分割后，需對(duì)分割結(jié)果作后處理，將圖像分割結(jié)果恢復(fù)成原圖大小，以及對(duì)分割結(jié)果里各圖斑提取矢量或柵格形式的邊界。

二、試驗(yàn)與結(jié)果分析

1. 試驗(yàn)數(shù)據(jù)

本文以一幅航拍高分辨率遙感影像為試驗(yàn)數(shù)據(jù)，空間分辨率為0.3m。選擇原影像中地物豐富區(qū)域作試驗(yàn)區(qū)，影像尺寸為500×500像素。利用本文算法編程實(shí)現(xiàn)不同分割參數(shù)及其組合的圖像分割，以驗(yàn)證算法的有效性，并結(jié)合eCognition軟件的分割結(jié)果作對(duì)比和分析。

2. 不同分割參數(shù)及其組合試驗(yàn)結(jié)果對(duì)比

經(jīng)過(guò)試驗(yàn)，本文選擇以下3組分割參數(shù)組合對(duì)試驗(yàn)圖像進(jìn)行分割，結(jié)果如圖1所示。3組試驗(yàn)的閾值參數(shù)和尺度參數(shù)分別為：①k1=0.54，k2=0.18，scale=6;②k1=0.36，k2=0.16，scale=6; ③k1=0.48，k2=0.18，scale=10。

圖1　利用不同參數(shù)進(jìn)行分割結(jié)果

經(jīng)過(guò)對(duì)比，可得以下結(jié)論：

1) 尺度參數(shù)越小，分裂及歸并的歸一化閾值越小，圖斑數(shù)量增加，分割結(jié)果越精細(xì)，過(guò)分割現(xiàn)象越嚴(yán)重，計(jì)算量越大。

2) 分裂及歸并的歸一化閾值之比也是影響圖像分割效果的重要因素之一。分裂的歸一化閾值應(yīng)較大于歸并的歸一化閾值，否則分割出的圖斑可能較少甚至沒(méi)有。為了取得較好的分割效果，在適當(dāng)減小分裂及歸并的歸一化閾值的同時(shí)，有必要將分裂歸一化閾值與歸并歸一化閾值之比保持在一固定范圍內(nèi)。

3. 與eCognition分割結(jié)果的對(duì)比

與eCognition分割結(jié)果的對(duì)比如圖2、圖3所示。

圖2　本文算法分割結(jié)果

從圖2、圖3可以看出，本文算法分割圖斑數(shù)量少于eCognition多尺度分割的圖斑數(shù)量，對(duì)復(fù)雜地物分割效果不如eCognition多尺度分割效果，部分圖斑內(nèi)部不均一、多種地物混合。但本文算法對(duì)內(nèi)部較均質(zhì)的人工建筑，分割效果明顯優(yōu)于eCognition軟件，在這些區(qū)域里，也沒(méi)有嚴(yán)重的過(guò)分割現(xiàn)象。

三、結(jié)束語(yǔ)

高分辨率遙感影像中地物幾何特征信息非常豐富，為了有效提取這些特征信息，本文提出和闡釋了一種基于動(dòng)態(tài)閾值的區(qū)域分裂-合并圖像分割算法，并通過(guò)試驗(yàn)驗(yàn)證了其有效性。理論上，如果地物內(nèi)部絕對(duì)同質(zhì)，且所選圖像分割參數(shù)合適，本文所提算法將能夠有效提取地物幾何特征信息，而無(wú)需過(guò)多人工干預(yù)。對(duì)于真實(shí)地物，雖整體分割效果不好，但容易編程實(shí)現(xiàn)，基本可滿足圖像分割要求，能較好地分割出內(nèi)部較同質(zhì)的地物。由于本文所提算法計(jì)算量大，均勻測(cè)度測(cè)試僅考慮光譜特征，分割參數(shù)對(duì)分割效果影響較大，因此如何優(yōu)化分割算法，如何將其他學(xué)科相關(guān)理論合理引入圖像分割算法，如何選取最優(yōu)分割參數(shù)將是今后值得關(guān)注的重要方向。

江蘇省大學(xué)生創(chuàng)新項(xiàng)目(201513982016X;201510300067)

天寶測(cè)繪解決方案專欄