王佳欣，竇小磊

(河南工程學院 計算機學院，河南 鄭州 451191)

隨著遙感圖像處理技術的發(fā)展，可采用高分辨率的遙感圖像識別技術進行水體資源分析，建立高分辨率遙感水陸場景圖像模型，結合對地表湖泊、人工蓄水庫影像資料的分析，建立高分辨率遙感水陸場景圖像特征分割模型，以獲取地表的水體資源信息。通過對地表水體邊緣輪廓進行提取，經過高分辨率遙感影像水體特征分析，能夠在更大程度上實現對地表水資源的保護和建設，相關的遙感影像水體邊緣輪廓提取和識別方法受到了人們的極大重視[1-2]。

對遙感影像水體邊緣輪廓提取建立在圖像的信息增強和特征分割基礎上。采用像素信息增強方法，通過灰度像素特征分析技術，實現對遙感影像水體邊緣輪廓的提取和優(yōu)化分割。傳統(tǒng)方法主要有局部二值分割方法、小波多尺度特征分割方法和灰度像素特征分解方法等[3]。文獻[4]提出了基于局部二值模式的遙感影像水體邊緣輪廓提取方法，實現了局部區(qū)域遙感監(jiān)測下的水體資源分割，但該方法在進行水陸邊界分割時模糊度較大，算法的快速收斂性不好。文獻[5]提出了基于形態(tài)學濾波抑制的遙感影像水體邊緣提取方法，基于顏色特征進行水陸分離，該方法僅能反映水體的局部灰度分布特征。文獻[6]提出了基于紋理特征的水體和陸地分割方法，水體和陸地的灰度化圖像差別較大，特征分割的精度不高。

針對上述問題，本研究提出了基于細化分割的遙感影像水體邊緣輪廓提取識別方法，采用衛(wèi)星遙感技術進行高分辨率遙感水陸場景成像，采用形態(tài)學濾波方法進行遙感影像水體邊緣輪廓檢測過程中的細化分割和濾波，對水陸粗分離結果進行形態(tài)學閉運算處理以實現遙感影像水體邊緣輪廓提取，最后進行仿真測試，展示了本方法的優(yōu)越性能。

1 遙感水陸場景圖像成像和增強處理

1.1 遙感水陸場景成像處理

用灰度像素增強技術進行高分辨率遙感水陸場景圖像像素點的特征檢測，基于紋理特征進行水陸場景圖像檢測，結合灰度化的像素特征分解方法[7]，得到高分辨率遙感水陸場景圖像的模糊關聯(lián)特征量為

rk(1)=0，v=1，v(1)=0，p∈P，v=1。

(1)

根據水體和陸地的灰度化圖像檢測方法，得到遙感水陸場景圖像的像素特征分析模型，在深度光照強度分布環(huán)境下進行圖像增強處理，提取圖像的模糊隸屬度函數，得到高分辨率遙感水陸場景圖像的多種紋理特征值為

(2)

通過紋理特征差異檢測方法，進行圖像的優(yōu)化檢測和邊緣區(qū)域權重聚類[8]，得到高分辨率遙感水陸場景圖像的模糊相關性特征量為

(3)

采用形態(tài)學濾波方法，提取圖像的模糊度特征量，根據衛(wèi)星遙感監(jiān)測方法進行邊緣輪廓檢測。采用單幀向量融合方法，得到高分辨率遙感水陸場景圖像的模糊度函數為

(4)

基于模糊粗糙集理論，進行圖像的優(yōu)化分割和信息采集，采用模糊信息融合檢測方法[9]進行顯著性檢測，得到高分辨率遙感水陸場景圖像的灰度像素分布矩陣為

(5)

用Retinex算法進行圖像信息重構，結合模糊信息檢測方法，建立高分辨率遙感水陸場景圖像的超分辨率融合模型。

1.2 高分辨率遙感水陸場景圖像增強處理

在不同場景紋理中進行遙感影像空間像素特征重構，以中心像素的灰度值為閾值建立遙感影像陸地地物的空間結構特征辨識模型，采用小波域分塊特征匹配方法[10]，得到高分辨率遙感水陸場景圖像的水陸場景樣本分布集為

ikl(z)=bml(gkl·z+fkl)，

(6)

式中：l=1，2，…，R，并且k≠l。 使用超平面作為決策邊界，對高分辨率遙感水陸場景圖像進行亮區(qū)域權重匹配，得到空間自適應參數為

(7)

對影像進行水體特征檢測，然后進行增強處理，得到遙感水陸場景圖像的灰度特征量為

bnrβ(X)=RβX-RβX1。

(8)

構建圖像的模糊度檢測模型，構建遙感水陸場景圖像數據集，得到水陸粗分離結果為

Gnew=(1+μT)(1+λT)Gold，

(9)

(10)

式中：Gnew和Gold分別表示高分辨率遙感水陸場景圖像粗略區(qū)域的新、舊預測標簽值。

在式(7)的基礎上，通過灰度像素增強技術進行遙感影像空間分辨率增強處理，在不同場景紋理中進行遙感影像空間像素特征重構[11]：

(11)

式中：TC為高分辨率遙感水陸場景圖像的尺度特征分解式；Md(Ci)表示Ci中紋理信息分量。

2 遙感影像水體邊緣輪廓提取

2.1 遙感影像的水體邊界點分割

在構建高分辨率遙感水陸場景圖像視覺采樣模型的基礎上，采用模糊視覺信息重構方法進行檢測。模糊信息重構建立在衛(wèi)星遙感圖像灰度統(tǒng)計信息的基礎上，加入圖像的梯度信息，分別構造以高斯函數為核函數的局部二值灰度擬合模型進行信息重構和特征提取，實現對圖像模糊特征信息的重組。計算粗略區(qū)域的預測標簽值，得到高分辨率遙感水陸場景圖像的暗區(qū)域特征分量為

Mi， j=med(…，Xi-1， j-1，Xi， j，Xi+1， j+1，…)，

(12)

(13)

建立高分辨率遙感水陸場景圖像的超分辨率重建模型，分析遙感影像的自適應尋優(yōu)模型，得到高分辨率遙感水陸場景圖像像素空間聚類分布值為

(14)

構造相似度特征分辨模型，結合邊緣輪廓特征檢測方法進行圖像的景深重建，得到圖像的邊緣像素集為M×N。采用多模態(tài)特征分解方法，得到高分辨率遙感水陸場景圖像，圖像邊緣狀態(tài)特征分布集為

(15)

式中：η表示高分辨率遙感水陸場景圖像的分塊匹配量化集；φ表示稀疏特征分量；R表示高分辨率遙感水陸場景圖像的模板匹配系數。

采用細化分割方法進行遙感影像的水體邊界點分割處理。假定待分割圖像的邊緣輪廓被分為內部和外部兩個同質區(qū)域(即目標和背景)，可通過二值圖像來逼近。假設定義域為Ω的灰度圖像I(x，y)被輪廓曲線C劃分為互不重疊的兩個區(qū)域R1和R2，通過最小化能量Ecv來獲得圖像的分割輪廓線，引入一個核函數用以定義局部二值擬合能量函數進行細化分割，構建高分辨率遙感水陸場景圖像的多維直方圖結構模型，采用邊緣輪廓檢測方法，得到高分辨率遙感水陸場景最鄰近的k個樣本像素特征量為

s(k)=φ·s(k-1)+w(k)，

(16)

(17)

提取高分辨率遙感水陸場景圖像的空間視覺特征分布值，計算圖像分割的R、G、B分量，基于 KNN 的水陸區(qū)域粗分離方法，在不同場景紋理中進行遙感影像空間像素特征重構。以中心像素的灰度值為閾值建立遙感影像陸地地物的空間結構特征辨識模型，實現遙感影像的水體邊界點分割[12]。

2.2 遙感影像水體邊緣輪廓檢測

(18)

式中：r和θ為每個細致分區(qū)的水體邊緣輪廓分布系數。當相關性變量滿足ηm(x，y)∈{-1，0，1}時，采用重疊粗略分區(qū)的方法，得到高分辨率遙感水陸場景分區(qū)特征分量為

(19)

式中：r為高分辨率遙感水陸場景圖像紋理特征匹配值，0≤r≤1。計算測試圖像每個粗略分區(qū)區(qū)域塊半徑ri內的LBP特征，采用形態(tài)學濾波方法進行遙感影像水體邊緣輪廓檢測過程中的細化分割和濾波，對水陸粗分離結果進行形態(tài)學閉運算處理，得出邊緣輪廓特征分布為

(20)

(21)

式中：c、r分別為高分辨率遙感水陸場景圖像灰度像素分布的列數和行數。根據細化分割結果進行水體邊界平滑處理，實現了對遙感影像水體邊緣輪廓的提取。

3 仿真實驗與結果分析

為了驗證本方法在遙感影像水體邊緣輪廓特征提取中的應用性能，進行實驗分析。采用MATLAB 2016a仿真工具進行程序設計，測試樣本集來自 Google Earth衛(wèi)星地圖2019年的遙感影像，給出訓練圖像的大小為2 000 mm×2 000 mm，水體邊界平滑系數為0.83，遙感影像的粗分系數為0.45，對3組測試樣本采用本方法得到的測試結果如圖1、圖2和圖3所示。

圖1 遙感影像測試樣本1Fig.1 Remote sensing image test sample 1

圖2 遙感影像測試樣本2Fig.2 Remote sensing image test sample 2

圖3 遙感影像測試樣本3Fig.3 Remote sensing image test sample 3

分析上述仿真結果得知，采用本方法能有效實現對遙感影像水體邊緣輪廓的提取，水體邊界平滑性較好，輪廓特征的辨識度較高。測試輸出的峰值信噪比越高，遙感影像水體邊緣輪廓提取的精度越高，得到的對比結果如圖4所示。分析圖4得知，使用本方法進行遙感影像水體邊緣輪廓提取的峰值信噪比較高。

以文獻[4]和文獻[6]為例，測試用不同方法進行遙感影像水體邊緣輪廓提取的準確率，得到的對比結果見表1。分析表1得知，使用本方法進行遙感影像水體邊緣輪廓提取的準確率較高。

圖4 峰值信噪比對比Fig.4 Comparison of peak SNR

測試圖像文獻[4]方法文獻[6]方法本方法圖像10.8340.9230.997圖像20.8940.9010.993圖像30.9130.9360.982平均準確率0.8800.9200.991

4 結語

本研究提出了基于細化分割的遙感影像水體邊緣輪廓提取識別方法。以中心像素的灰度值為閾值建立遙感影像陸地地物的空間結構特征辨識模型，對影像進行水體特征檢測，通過灰度像素增強技術進行遙感影像空間分辨率增強處理，建立高分辨率遙感水陸場景圖像的超分辨率重建模型，采用重疊粗略分區(qū)的方法，得到水陸場景分區(qū)特征，根據細化分割結果進行水體邊界平滑處理，實現了對遙感影像水體邊緣輪廓的提取。通過仿真實驗可知，采用本方法進行遙感圖像水體分割的邊界平滑性較好，特征提取精度較高。