劉 鑫

（1.國土資源部海底礦產(chǎn)資源重點實驗室，廣東 廣州 510075；2. 廣州海洋地質(zhì)調(diào)查局，廣東 廣州 510075）

基于灰度形態(tài)學(xué)和圖像分割的河口水邊線提取

劉 鑫1,2

（1.國土資源部海底礦產(chǎn)資源重點實驗室，廣東 廣州 510075；2. 廣州海洋地質(zhì)調(diào)查局，廣東 廣州 510075）

基于灰度形態(tài)學(xué)理論，利用圖像分割技術(shù)在MATLAB平臺對南流江河口水邊線進行提取的方法作對比研究。實驗結(jié)果表明，直接邊緣檢測法、閾值分割法以及單值種子點區(qū)域生長法都不能有效跟蹤汊道、潮灘、沙洲發(fā)育的河口水邊線，存在水邊線破碎、不連續(xù)等問題，而多種子點區(qū)域生長法能精準跟蹤復(fù)雜的河口水邊界，獲得理想的水邊線信息。該方法可快速、自動提取河口水邊線，為河口海岸蝕淤、水下灘涂資源監(jiān)測提供可靠的技術(shù)支撐。

水邊線提??；灰度形態(tài)學(xué)；圖像分割；南流江河口

遙感影像上的水邊線是水體與陸地之間的分界線[1]，其位置的變化為海岸線侵蝕淤積的監(jiān)測和模擬研究以及臺風(fēng)和洪水等自然災(zāi)害的預(yù)測提供了最基本的信息。如何獲得海岸線的精確位置是眾多海岸帶研究中亟需解決的問題[2]。然而，受周期性漲落潮水位的影響，水邊線時刻處于變化之中，傳統(tǒng)的人工地面采樣測量較為困難，目視解譯的方法由于受到判讀者解譯經(jīng)驗和地學(xué)知識的影響，水邊線提取的精度難以保證。穩(wěn)定的衛(wèi)星遙感平臺對捕捉不同潮情條件下的水邊線非常有效，是目前提取水邊線或岸線最有效的途徑[3]。

南流江河口（圖1）具有典型的潮汐三角洲特征[4]，其水下三角洲前緣淺灘可細分為河口沙壩、潮間淺灘和三角洲前緣淺灘[5]。開展河口水邊線位置變化研究對南流江河口水下淺灘穩(wěn)定性監(jiān)測和灘涂資源保護有著重要的意義。

圖1 南流江河口示意圖

本文以自動獲取河口水下三角洲前緣淺灘水邊線為目標，結(jié)合灰度形態(tài)學(xué)理論，利用高分辨率遙感影像數(shù)據(jù)的波譜特征，通過邊緣檢測、閾值分割與區(qū)域生長法3種不同圖像分割技術(shù)對河口水邊線進行提取。

1 圖像分割技術(shù)

圖像分割技術(shù)主要包括（點、線）邊緣檢測、閾值處理與基于區(qū)域的圖像分割等[6]。

1.1 邊緣檢測法

邊緣像素是指圖像中灰度發(fā)生突變的像素，而邊緣是連續(xù)的邊緣像素的集合[6]。邊緣檢測通過檢測每個像素與其鄰域的狀態(tài)來決定該像素是否處于一個物體的邊界。主要思想是先檢測出圖像中的邊緣點，然后再按一定策略連接成水邊線輪廓[7]。邊緣檢測算子通過檢查每個像元的鄰域并對其灰度級進行量化來確定邊界，大多基于方向?qū)?shù)掩膜求卷積方法，其中最常用的有Roberts算子、Prewitt算子、Sobel算子、Laplace-Gauss算子和Canny算子。

1.2 閾值分割法

閾值處理法（閾值分割）是圖像分割領(lǐng)域廣泛使用的一種技術(shù)，其原理是根據(jù)灰度值將一幅數(shù)字圖像分割成不同的區(qū)域，是一種簡單有效的圖像分割方法。該方法適用于要分割的物體與背景有強烈對比的圖像，主要用于可見光和紅外影像的信息提取，在海陸背景灰度值有明顯差異的情況下，影像直方圖分布通常呈現(xiàn)雙鋒形式，取直方圖谷底作為圖像的分割閾值，將水體和陸地分割成2部分，可以取得較好的效果[7-10]。

單波段閾值法是運用需要區(qū)分的地物在某個波段上的反射率與其他地物之間的差異來對地物進行分類[11]。由于水體的反射率較低，從可見光到中紅外波段逐漸減弱，在近紅外和中紅外波長范圍內(nèi)吸收性最強，幾乎無反射[12]，其他地物如陸地、植被、道路和房屋等在近紅外和中紅外波長范圍都具有相對較高的反射率，所以可根據(jù)這一特性對影像進行單波段閾值分割，從而提取水邊線。

1.3 區(qū)域生長法

區(qū)域生長法是根據(jù)預(yù)先定義的生長準則將像素或子區(qū)域發(fā)展成較大區(qū)域的處理方法。其處理方法是從一組“種子”點開始來形成區(qū)域，即將那些預(yù)定義屬于類似種子的領(lǐng)域像素附加到每個種子上[6]。

區(qū)域生長法圖像分割水邊線的具體做法是給定一個典型的種子點，然后以該點為中心在各個方向上向外擴張，得到所有與該點連通且灰度值近似的像素點，對包含這些像素點的連通區(qū)域進行輪廓跟蹤，從而得到水邊線。要實現(xiàn)自動提取水邊線，如何選擇合適的種子生長點是問題的關(guān)鍵[13-15]。

2 灰度形態(tài)學(xué)圖像預(yù)處理

2.1 數(shù)據(jù)說明

研究采用的影像是從衛(wèi)星影像數(shù)據(jù)服務(wù)平臺（北京攬宇方圓信息技術(shù)有限公司）獲取的 SPOT5多光譜影像，時間為2009-01-31。根據(jù)前文提到的水體光譜特征[12]，選取SPOT5近紅外波段數(shù)據(jù)來進行水邊線提取研究可優(yōu)于其他單波段及波段組合。

影響河口地物反射光譜的因素很多[3]，存在大量噪聲干擾水邊線的提?。煌瑫r由于南流江河口河流汊道多，沙洲與潮灘廣泛發(fā)育，水邊線特征復(fù)雜，若不作合適的預(yù)處理就直接提取水邊線將會形成大量的碎邊緣片段，從而難以獲得連續(xù)、清晰的水邊線。

2.2 形態(tài)學(xué)圖像預(yù)處理

數(shù)學(xué)形態(tài)學(xué)是分析幾何形狀和結(jié)構(gòu)的數(shù)學(xué)方法，是建立在集合代數(shù)的基礎(chǔ)上，用集合論方法定量描述幾何結(jié)構(gòu)的科學(xué)?；叶刃螒B(tài)學(xué)是數(shù)學(xué)形態(tài)學(xué)的一個分支，主要由腐蝕、膨脹、開操作和閉操作4個基本操作組成；灰度形態(tài)學(xué)是二值形態(tài)學(xué)對灰度圖像的自然擴展，其結(jié)構(gòu)元所執(zhí)行的基本功能與二值形態(tài)學(xué)中所對應(yīng)的功能相同，二值形態(tài)學(xué)所用到的交、并運算分別用極大、極小極值代替就是灰度形態(tài)學(xué)的相應(yīng)運算[6,16-17]。

原始圖像經(jīng)幾何校正后，運用形態(tài)學(xué)理論進行相應(yīng)的預(yù)處理，即在進行邊緣檢測與閾值分割前，需要對圖像進行平滑濾波與去除亮暗細節(jié)的預(yù)處理?？紤]到形態(tài)學(xué)開、閉操作的交替順序，形態(tài)濾波可分別抑制比結(jié)構(gòu)元素小的亮、暗細節(jié)，起到圖像平滑和噪聲去除的作用。而開-閉操作運算中的后一步膨脹/腐蝕操作用于還原圖像原有的形態(tài)，但這種還原的精度取決于形態(tài)和結(jié)構(gòu)元素的相似性。實驗發(fā)現(xiàn)，由于圖像中存在部分河口沙洲離岸較近的情況，難以選擇大小合適的結(jié)構(gòu)元素進行開-閉操作，從而將近岸沙洲與海岸分離，因而采用閉-開操作的圖像重構(gòu)交替順序來平滑濾波，清理影像細節(jié)及噪音。該預(yù)處理以原始圖像為掩膜，準確地還原了原始對象的形態(tài)，避免過度依賴結(jié)構(gòu)元素的選擇。MATLAB平臺中的實現(xiàn)步驟為：①閉操作圖像重構(gòu)。先將圖像f取反得到圖像f1，創(chuàng)建R為5的平坦圓盤結(jié)構(gòu)元素對f1進行腐蝕得到圖像f2，以f2為標記、f1為掩膜作圖像重構(gòu)，再取反得到圖像f3。②開操作重構(gòu)。創(chuàng)建R為3的平坦圓盤結(jié)構(gòu)元素對圖像f3進行腐蝕，得到圖像f4，然后以f4為標記，f3為掩膜，作圖像重構(gòu)操作得到圖像f5。

在基于區(qū)域生長法分割前，需要進行形態(tài)學(xué)頂、底帽變換和加、減法運算的預(yù)處理來增強圖像的對比度，突出邊緣。MATLAB平臺實現(xiàn)步驟為：首先創(chuàng)建R為3的平坦圓盤結(jié)構(gòu)元素對圖像g分別進行頂、底帽變換得到圖像g1、g2，然后對圖像g與頂帽變換后的圖像g1作加法運算得到圖像g3，最后對過程圖像g3與底帽變換后的圖像g2作減法運算，得到對比度增強的圖像g4。

3 水邊線提取研究

預(yù)處理后的遙感數(shù)據(jù)直接在MATLAB平臺進行水邊線提取，從而實現(xiàn)上述圖像分割算法。

3.1 直接邊緣檢測

對預(yù)處理后的圖像直接運用邊緣檢測算法來提取水邊線后發(fā)現(xiàn)，Roberts、Prewitt、Sobel這3種算子雖能檢測出邊緣信息，但由于受到噪聲影響，提取的邊緣非常破碎，效果較差（圖2）； Laplace-Gauss 、Canny算子較之其他幾種算子定位精度相對較高，也可以剔除假邊緣信息，但對于地物類型多樣的河口影像數(shù)據(jù)的潮灘邊緣也無法提取完整的水邊線，圖中右邊河流汊道中潮灘邊緣水邊線不連續(xù)。因此可以認為，針對河口地貌，直接邊緣檢測算法無法提取理想的水邊線。

圖2 水邊線提取邊緣檢測算法效果圖

3.2 閾值分割法

對平滑預(yù)處理后的單波段影像數(shù)據(jù)進行直方圖分析，其直方圖呈現(xiàn)雙峰形態(tài)，采用最大類間方差法（OTSU算法）進行閾值提取，運用閾值進行二值圖像變換，整體效果良好，海陸邊界清晰，輪廓圓潤，但在部分細節(jié)岸段水邊線出現(xiàn)了合并現(xiàn)象（圖3中a區(qū)域）。在南干江（左邊河流汊道）中段西岸與河口沙洲之間，由于距離較小，影像中該段距離間的灰度值變化非常小，故導(dǎo)致了錯誤分割產(chǎn)生；在潮汐汊道上架設(shè)的橋梁因錯誤分割被刪除（圖3中b區(qū)域）。因此，閾值分割法也不適合提取河口水邊線信息。

圖3 最大類間方差法閾值分割后的二值圖像

3.3 區(qū)域生長法

在MATLAB平臺，將對比度增強后的影像采用區(qū)域生長算法進行水邊線提取，在經(jīng)反復(fù)實驗后發(fā)現(xiàn)，由于河口海岸地貌類型多樣，沙洲、潮灘分布離散，無論怎樣選擇單一灰度值種子點，區(qū)域生長結(jié)果都會出現(xiàn)被水域隔離的沙洲、潮灘被錯誤地分為海域，或者水陸分界失真（圖4子圖a～d）。但多值種子點可避免這種情況的發(fā)生。實驗表明，將圖像灰度值區(qū)間在[0．4，1]上的點作為種子，可較好地得到海陸分界二值圖像（圖4e）。再利用MATLAB中的bwareaopen（）函數(shù)和imfill（）函數(shù)作相應(yīng)的處理，去除海域離散斑點和填充陸域含水區(qū)塊，就可以得到較精確的水邊線信息。

圖4 基于區(qū)域生長的圖像分割二值圖像（a～d單值種子生長，e多值種子生長）

4 提取結(jié)果比較分析

4.1 細節(jié)效果圖比較

選取處理過的二值圖像中的一塊區(qū)域（淺灘）（圖5），進行常用邊緣檢測算子的水邊線提取效果分析比較。實驗表明，前面討論的5種邊緣檢測算法對陸域相對平直的水邊線都能準確地定位，但對于曲折并發(fā)育潮溝的沙洲及潮灘，Roberts、Prewitt、Sobel及Canny算子都存在不足，不能準確跟蹤水邊線，或者出現(xiàn)斷裂不連續(xù)的問題，而LOG算法提取的水邊線則比較清晰、光滑、連貫，與實際情況一致，效果良好（見圖5）。

圖5 邊緣檢測算法效果圖

4.2 結(jié)果圖輸出

基于MATLAB軟件平臺，選用LOG邊緣檢測算法進行研究區(qū)水邊線提取，輸出的南流江河口水邊線準確、清晰、連續(xù)流暢（圖6）。說明該方法對河流汊道眾多、河口沙洲、潮間淺灘發(fā)育的河口水邊線信息提取具有優(yōu)勢。

圖6 水邊線提取結(jié)果

5 結(jié) 語

將經(jīng)典邊緣檢測算法、閾值分割法、區(qū)域生長法應(yīng)用于經(jīng)灰度形態(tài)學(xué)預(yù)處理過的遙感影像水邊線提取上。通過研究區(qū)的實驗比較， 結(jié)果表明，對于河口復(fù)雜的水邊線區(qū)域，基于多值種子點的區(qū)域生長法圖像分割優(yōu)于直接邊緣檢測法與閾值分割法。該方法可準確還原河口地貌形態(tài)，精準定位復(fù)雜河口水邊線位置，提取的水邊線準確、清晰、連續(xù)，效果理想，且計算速度快，大大縮短了以往目視解譯水邊線提取的時間，可為自動提取復(fù)雜河口區(qū)遙感影像水邊線提供技術(shù)參考。

[1] MASON DC,HILL D,DAVENPORT I,et al． Improving Inter-Tidal Digital Elevation Models Constructed by the Waterline Technique[A]．Proceedings Third ERS Symposium[C]．Florence:ESA Publications Division,1997:1 079-1 082

[2] 沈琦,汪承義,趙斌．幾何活動輪廓模型用于高分辨率遙感影像海岸線自動提取[J]．復(fù)旦學(xué)報（自然科學(xué)版）, 2012,51(1):77-82

[3] RYU JH,WON JS MIN KD．Waterline Extraction from Landsat TM Data in a Tidal Flat[J]．Remote Sensing of Environment,2002(83):442-456

[4] 莫永杰．南流江河口動力過程與地貌發(fā)育[J]．海洋通報,1988,7(3):41-46

[5] 陳波,邱紹芳,劉敬合,等． 廉州灣南流江水下三角洲大淺灘及潮流深槽形成原因分析[J]．廣西科學(xué)院學(xué)報,2007,23(2):102-105

[6] 岡薩雷斯,伍茲．數(shù)字圖像處理（第三版 ）[M]．北京:電子工業(yè)出版社,2011

[7] 申家雙．海岸帶等水位線信息提取與垂直基準轉(zhuǎn)換技術(shù)研究[D]．鄭州:解放軍信息工程大學(xué),2011

[8] 張明,蔣雪中,張俊儒,等．遙感影像海岸線特征提取研究進展[J]．人民黃河,2008,30(6):7-9

[9] 韓思奇,王蕾．圖像分割的閾值法綜述[J]．系統(tǒng)工程與電子技術(shù),2002,24(6):92-94

[10] 瞿繼雙,王超,王正志．一種基于多閾值的形態(tài)學(xué)提取遙感圖象海岸線特征方法[J]．中國圖像圖形學(xué)報,2003,8(7):805-809

[11] 王海君,許捍衛(wèi),金文韜．基于Landsat-8 遙感影像的鄱陽湖水邊線提取方法研究[J]．測繪與空間地理信息,2016,39(1):144-146

[12] 梅安新,彭望琭,秦其明,等．遙感導(dǎo)論[M]．北京:高等教育出版社,2001

[13] 陳景光,佘江峰,黃海濤．基于形態(tài)學(xué)的多尺度遙感圖像分割方法[J]．地理與地理信息科學(xué),2012,28(4):22-24

[14] 陳忠,趙忠明．基于區(qū)域生長的多尺度遙感圖像分割算法[J]．計算機工程與應(yīng)用,2005(35):7-9

[15] 蘇騰飛,李洪玉．一種兩階段區(qū)域生長的遙感圖像分割算法[J]．遙感技術(shù)與應(yīng)用,2015,30(3):476-485

[16] 崔屹．圖像處理與分析:基于形態(tài)學(xué)方法及應(yīng)用[M]．北京:科學(xué)出版社,2002

[17] 唐常青,呂宏伯,黃錚,等． 數(shù)學(xué)形態(tài)學(xué)原理與應(yīng)用[M]．北京:科學(xué)出版社,1990

[18] 郭永飛．長江口水邊線和潮溝遙感信息提取研究[D]． 上海:上海海洋大學(xué),2011

P237

B

1672-4623（2016）12-0072-03

10.3969/j.issn.1672-4623.2016.12.023

劉鑫，碩士研究生，工程師，主要從事海岸帶GIS與遙感研究

2016-06-16。

項目來源：國土資源部海底礦產(chǎn)資源重點實驗室開放基金資助項目（No.KLMMR-2015-A-08）。