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(jìn)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(zhǔn)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?。换叶刃螒B(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(xì)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(hù)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(biāo)，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(jìn)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(jìn)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(qiáng)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(jìn)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(qiáng)，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(jìn)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(zhǔn)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(kuò)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(jìn)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(jìn)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(kuò)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(jìn)行相應(yīng)的預(yù)處理，即在進(jìn)行邊緣檢測與閾值分割前，需要對圖像進(jìn)行平滑濾波與去除亮暗細(xì)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(xì)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(jìn)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(xì)節(jié)及噪音。該預(yù)處理以原始圖像為掩膜，準(zhǔn)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(jìn)行腐蝕得到圖像f2，以f2為標(biāo)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(jìn)行腐蝕，得到圖像f4，然后以f4為標(biāo)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(jìn)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(qiáng)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(jìn)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(qiáng)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(jìn)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(rèn)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(jìn)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(jìn)行閾值提取，運用閾值進(jìn)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(xì)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(qiáng)后的影像采用區(qū)域生長算法進(jìn)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(xì)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(jìn)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(zhǔn)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(zhǔn)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(jìn)行研究區(qū)水邊線提取，輸出的南流江河口水邊線準(zhǔn)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(zhǔn)確還原河口地貌形態(tài)，精準(zhǔn)定位復(fù)雜河口水邊線位置，提取的水邊線準(zhǔn)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．?dāng)?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(zhǔn)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(jìn)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(jī)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）。