郭 攀

(陜西天地地質(zhì)有限責(zé)任公司，陜西 西安 710054)

?

基于色彩和紋理特征的航空RGB影像水域范圍提取

郭 攀

(陜西天地地質(zhì)有限責(zé)任公司，陜西 西安 710054)

簡(jiǎn)述了一種綜合水體顏色和紋理特征的影像分割方法，并介紹了其具體的研究方法及方案，從紋理和色彩特征在提取中的對(duì)比、不同提取條件效率對(duì)比兩方面，對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行了分析，為今后類(lèi)似研究提供參考。

遙感影像，RGB航空影像，紋理，色彩，水域

1 研究?jī)?nèi)容

多光譜信息航空影像，利用不同的波段信息有效地實(shí)現(xiàn)水體的提取，而對(duì)于RGB航空影像，水域的提取研究并不成熟，此類(lèi)現(xiàn)有的提取方法主要依據(jù)彩色遙感影像中面狀地物(湖泊,海洋)其影像的顏色特征在影像上分布比較均勻,通過(guò)區(qū)域分割、邊緣檢測(cè)提取出水體區(qū)域。基于數(shù)學(xué)形態(tài)學(xué)色差的RGB圖像水體提取也得到了應(yīng)用，但這些方法中普遍缺少對(duì)水體區(qū)域識(shí)別且適應(yīng)性較差。本文提出了一種綜合水體顏色和紋理特征的影像分割方法用以提取水體，意在通過(guò)兩種關(guān)鍵信息的結(jié)合達(dá)到較好的分割效果，水體的顏色和紋理特征是借助人工采樣獲取，然后設(shè)計(jì)滑動(dòng)窗口依次將影像中的像素信息和水體特征信息進(jìn)行比較，只保留足夠相似的象元像素值，從而達(dá)到對(duì)非水體像素的有效抑制，然后對(duì)分割后的圖像進(jìn)行多通道的邊緣檢測(cè)，留在封閉邊緣內(nèi)的部分即為所提取的水體區(qū)域。

2 研究方法和方案

2.1 CIELAB色度空間介紹

彩色遙感影像是由不同灰度特征的R，G，B三個(gè)分量組合構(gòu)成，但是由于是三個(gè)分量之間的相關(guān)性較高，直接利用起來(lái)需要三個(gè)分量的有效結(jié)合，所以通常采取轉(zhuǎn)換色彩空間的方法，可以有效地降低各分量的相關(guān)性更加有利于彩色圖像的分割[1]，本文中采用將其轉(zhuǎn)換到CIELAB空間處理。

2.2 RGB到CIELAB色度空間的轉(zhuǎn)換

從RGB到CIELAB的轉(zhuǎn)換需要分兩步進(jìn)行：

1)完成RGB到色彩空間CIEXYZ的轉(zhuǎn)換，其轉(zhuǎn)換公式如下：

(1)

2)通過(guò)數(shù)學(xué)方法轉(zhuǎn)換到CIELAB，各分量的計(jì)算如下：

(2)

CIEXYZ彩色系統(tǒng)中所有顏色定義在一個(gè)X+Y+Z=1的平面上,互相垂直的X,Y,Z三個(gè)坐標(biāo)軸分別對(duì)應(yīng)紅、綠、藍(lán)三種顏色,三個(gè)坐標(biāo)值的變化范圍都是從0到1。式(2)中:

(Wx,Wy,Wz)=(0.312 779,0.329 184,0.358 037)

(3)

對(duì)應(yīng)于該系統(tǒng)中色彩平面上一個(gè)純白點(diǎn)。F(p)的計(jì)算方法為:如果p>0.008 856,則有F(p)=p1/3；否則F(p)=7.787p+16/116。

利用顏色的圖像分割是通過(guò)控制CIELAB空間中的a和b的取值來(lái)實(shí)現(xiàn)的，通過(guò)對(duì)目標(biāo)影像的采樣獲得典型水體區(qū)域a,b的平均值a1,a2,通過(guò)依次對(duì)影像中的象元(i,j)做|a(i,j)-a1|

2.3 紋理信息的提取應(yīng)用

紋理特征是一種非光譜信息，紋理分析的方法結(jié)合常規(guī)的分類(lèi)方法,有助于提高分類(lèi)精度，從而更好地理解遙感影像,從遙感數(shù)據(jù)中提取各種有用的專(zhuān)題信息[2]。紋理分割就是找到不同紋理區(qū)域之間邊界的過(guò)程。從分割的角度來(lái)說(shuō),紋理分割可分為基于邊界和基于區(qū)域的兩種分割方法,也可將兩者結(jié)合起來(lái)用[3]。

灰度共生矩陣算法是基于圖像中某一灰度級(jí)結(jié)構(gòu)重復(fù)出現(xiàn)的概率情況來(lái)描述紋理信息,反映圖像灰度關(guān)于方向、相鄰間隔、變化幅度的綜合信息,是分析圖像的局部模式和排列規(guī)則的基礎(chǔ)[4]。用數(shù)學(xué)公式表示則為:

P(i,j,δ,θ)={[(x,y),(x+Δx,y+Δy)]|f(x,y)=

i，f(x+Δx,y+Δy)=j；

x=0,1,2,…,Nx-1；y=0,1,2,…,Ny-1}

(4)

其中,i,j=0,1,2,…,L-1;x,y均為影像中的像素坐標(biāo);L為影像的灰度級(jí)數(shù);Nx,Ny均為影像的行列數(shù)[5]。Haralick等人用灰度共生矩陣提取了14種特征值[6]。為簡(jiǎn)便起見(jiàn),一般采用4個(gè)最常用的特征值來(lái)提取影像的紋理特征：角二階矩、對(duì)比度、相關(guān)和熵。其數(shù)學(xué)表示如下：

(5)

(6)

(7)

(8)

在進(jìn)行紋理分析的時(shí)候不同波段的特征一致[5]，故可以任選其中的G分量進(jìn)行實(shí)驗(yàn)，實(shí)際應(yīng)用中一般將灰度圖像從256量化到8或者16級(jí),我們將遙感影像壓縮為16個(gè)灰度級(jí)。計(jì)算特征值角二階矩的時(shí)候選取5×5或者7×7的滑動(dòng)窗口進(jìn)行計(jì)算，計(jì)算的步距選擇d=1，即逐個(gè)象元的進(jìn)行，通常計(jì)算灰度共生矩陣的方向取0°，45°，90°，135°四個(gè)方向。根據(jù)以上設(shè)置，步距d=1，對(duì)四個(gè)特征值進(jìn)行計(jì)算,然后對(duì)該計(jì)算取其平均值,把結(jié)果賦給中心像素。通過(guò)對(duì)目標(biāo)影像的采樣獲得水體區(qū)域的5×5的窗口的角二階矩(ASM)均值A(chǔ)SM1，假設(shè)一個(gè)滑動(dòng)窗體的中心像素位置為(i,j),類(lèi)似的通過(guò)構(gòu)造算式|ASM(i,j)-ASM1|

2.4 采樣模板及采樣值的確定

一般航空影像中河流、湖泊的顏色為藍(lán)黑色，不過(guò)有的水域受到嚴(yán)重的污染而使水體呈現(xiàn)出黑色，或者藻類(lèi)過(guò)剩呈現(xiàn)出墨綠色，所以一張航空影片里面水體可能呈現(xiàn)出不止一種顏色，但是超過(guò)三種顏色的可能性很小，所以針對(duì)這些顏色差異明顯的水域，分別進(jìn)行采樣變得很有必要，本文設(shè)計(jì)的采樣最多可以針對(duì)三種顏色的水域進(jìn)行采樣，獲得各自不同的顏色和紋理信息。

3 實(shí)驗(yàn)結(jié)果及分析

3.1 紋理和色彩特征在提取中的對(duì)比

圖1為珠海市RGB航攝影像的部分截圖，圖中的深色均勻的像素部分為水體區(qū)域，該實(shí)驗(yàn)影像寬度為406像素，高度為387像素。采樣點(diǎn)坐標(biāo)為(60,310),采樣窗口大小為15×15像素，滑動(dòng)窗口為25×25像素。

表1 實(shí)驗(yàn)圖像色彩特征閾值(a,b)和紋理特征閾值(ASM)

表1給出了下面各個(gè)實(shí)驗(yàn)圖像對(duì)應(yīng)的提取閾值，包括不同的色彩特征閾值和紋理特征閾值，例如圖2的提取閾值是a=25,b=6,ASM=0.2。表格中“—”表示該值沒(méi)有參與提取過(guò)程的判斷，例如圖3僅利用色彩閾值a,b提取得到，并沒(méi)有使用紋理閾值A(chǔ)SM。圖2是經(jīng)過(guò)反復(fù)實(shí)驗(yàn)獲得的較好的提取效果圖，該圖中結(jié)合紋理和色彩信息，其中,a=25,b=6，ASM=0.2。通過(guò)目視判讀可以得知大部分水體都被成功提取，黑色方框中的水體沒(méi)有被提取出來(lái)，這主要是因?yàn)楝F(xiàn)在僅限于一次采樣，采樣選取在水體的中心部位，水體邊緣部分的顏色和采樣值的差別大于所給的閾值，被自動(dòng)判斷為非水體區(qū)域。

圖3是僅利用色彩特征作為判斷條件獲得的提取結(jié)果，其閾值見(jiàn)表1。圖中除了水域被提取出來(lái)之外，一些非水部分由于和采樣水域的色彩特征相近也得以保留,可見(jiàn)僅僅利用色彩作為判斷條件所得的提取結(jié)果存在較大偏差。圖4是僅利用采樣的紋理特征作為判斷條件獲得的提取結(jié)果，其閾值設(shè)置見(jiàn)表1。通過(guò)人眼的判斷，僅使用紋理提取水域的結(jié)果優(yōu)于僅使用色彩的提取效果，很好的抑制了影像中的植被和山體部分。但是由于紋理特征獲取的過(guò)程中計(jì)算量很大，所以提取的效率降低了很多。圖5是僅應(yīng)用色彩特征值的水域提取效果，其中,a,b均取6，對(duì)比可知a的閾值太小導(dǎo)致提取效果很差，不能有效的判斷出水體像素。圖6是僅應(yīng)用紋理特征值的水域提取效果，其中,a=25,b=6，ASM=0.4，根據(jù)目視判斷只提取了部分的水體，根據(jù)對(duì)比可知紋理的閾值A(chǔ)SM太小導(dǎo)致提取效果較差，不能有效的判斷出水體像素。

3.2 不同提取條件效率對(duì)比

為了檢驗(yàn)在最佳的色彩特征值和紋理特征值下，不同的滑動(dòng)窗口的大小對(duì)提取效果和執(zhí)行速度的影像，做以下對(duì)比實(shí)驗(yàn)：其中控制采樣特征值a=25,b=6,ASM=0.2不變，采樣模板固定為15×15像素，僅改變滑動(dòng)窗口的大小并且記錄不同滑動(dòng)窗口在提取過(guò)程中所占用的執(zhí)行時(shí)間。

表2 不同滑動(dòng)窗口信息對(duì)比 ms

表2提供了不同的滑動(dòng)窗口在判斷的過(guò)程中所需的執(zhí)行時(shí)間，該數(shù)據(jù)在VC平臺(tái)中獲得，單位為毫秒。編號(hào)部分和下面給出的圖像一一對(duì)應(yīng)，執(zhí)行時(shí)間的長(zhǎng)短可以很直觀(guān)的反映提取的效率。

通過(guò)控制滑動(dòng)窗口的大小進(jìn)行水體范圍的提取，可以有效的發(fā)現(xiàn)隨著滑動(dòng)窗口的增大，運(yùn)行速度也會(huì)大幅增加，并且窗口太小和太大時(shí)的提取效果都不是最好的，在窗口選取25×25附近時(shí)得到最好的提取效果。圖7～圖10中右邊緣和下邊緣都存在沒(méi)有被提取到的像素，呈條帶狀分布，并且隨著滑動(dòng)窗口的增大而變寬，這是由滑動(dòng)窗口的采樣過(guò)程決定的，可以通過(guò)對(duì)采樣過(guò)程的優(yōu)化解決。

4 結(jié)論及展望

由以上的對(duì)比可知，利用水體的紋理和色彩特征可以有效的獲得RGB航空影像中的水體范圍，提取的結(jié)果優(yōu)于只利用紋理特征的提取結(jié)果，也優(yōu)于只利用色彩特征的提取結(jié)果，兩者的結(jié)合雖然提高了水體范圍的提取精度，卻降低了提取的速度。這主要是由于紋理特征的統(tǒng)計(jì)和比較需要很大的計(jì)算量。

通過(guò)以上實(shí)驗(yàn)，同時(shí)發(fā)現(xiàn)水體的自動(dòng)提取依然面臨著很多考驗(yàn)和困難：1)采樣還局限在一次，距離多次采樣的計(jì)劃還有一定距離。2)采樣的實(shí)驗(yàn)影像比較小，航空影像的數(shù)據(jù)量很大，這對(duì)我們的程序是一個(gè)很大的考驗(yàn)。3)紋理特征的計(jì)算和比較過(guò)程需要消耗大量時(shí)間，還需要進(jìn)一步的探索和改進(jìn)。

[1] 張 慧,王宏琦,孫 顯.結(jié)合顏色和紋理特征的樹(shù)冠提取方法[J].光學(xué)技術(shù),2008(4)：613-616.

[2] 劉龍飛,陳云浩,李 京.遙感影像紋理分析方法綜述與展望[J].遙感技術(shù)與應(yīng)用,2003(6)：441-447.

[3] 薛聯(lián)鳳,劉云飛.紋理圖像的局部區(qū)域提取方法[J].計(jì)算機(jī)應(yīng)用研究,2006(6)：153-155.

[4] 謝 菲,陳雷霆,邱 航.基于紋理特征提取的圖像分類(lèi)方法研究及系統(tǒng)實(shí)現(xiàn)[J].計(jì)算機(jī)應(yīng)用研究,2009(7):2767-2770.

[5] 馮建輝,楊玉靜.基于灰度共生矩陣提取紋理特征圖像的研究[J].北京測(cè)繪,2007(3):19-22.

[6] C.S.Lu,P.C.Chung,C.F.Chen.Unsupervised texture segmentation via wavelet transform[J].Pattern Recognition,1997(5):124-127.

Aerial RGB image waters extraction on the basis of color and texture characteristics

Guo Pan

(ShannxiTiandiGeologyCo.,Ltd,Xi’an710054,China)

The paper puts forward a kind of image segmentation method by combining comprehensive waters color with texture characteristics, introduces its specific research methods and scheme, and carries out an analysis for the experimental results through comparing texture and color characteristics extraction and different extracting conditions efficiency, which has provided some guidance for similar research in future.

remote sensing image, RGB aerial image, texture, color, waters

1009-6825(2017)17-0188-03

2017-03-17

郭 攀(1982- )，男，工程師

TP702

A