分水岭分割_基于方向分水岭变换的遥感影像多尺度分割
时间：2019-04-12 03:27:37 来源：柠檬阅读网 本文已影响 人 
摘要:传统分水岭变换通常对梯度影像进行变换,往往会出现过分割现象。本文针对传统分水岭变换算法的不足,提出了一个新的影像多尺度分割算法。其基本过程是:传统分水岭变换先对边缘影像进行区域提取,通过边缘方向的拟合并修正边缘的强弱,获取区域分割结果。最后,根据区域边界的强弱作为区域合并条件,获得多尺度的分割结果。本文利用航空影像进行验证,实验表明不同层次的分割结果能够较好地反映地物的尺度特性。
关键词:方向分水岭变换 多尺度分割 边缘方向
中图分类号:TP391.4 文献标识码:A 文章编号:1672-3791(2012)04(c)-0010-02
传统分水岭变换具有简单、速度快、能检测出弱边缘对象及能获得对象完整边界等诸多优点,被广泛的用于各种领域。但因其一般是在梯度影像进行变换,受暗噪声等因素的影响,存在大量伪局部极小值区域,会出现过分割现象[1]。高分辨率遥感影像在大气传递、成像过程容易产生噪声,特别是地物内部纹理丰富,利用传统分水岭方法分割时更容易出现过分割现象。同时,利用传统分水岭算法分割高分辨率影像区域时,在强边界附近易于造成交叉,使分割效果变差[2,3]。
基于上述问题,本文利用方向分水岭变换算法增强弧和初始方向边缘强度的信号之间的一致性,反映边缘的强弱,并将其作为区域合并条件,完成影像多尺度分割。
1 方向分水岭变换原理
方向分水岭变换算法的区域提取方法的主要思想:由传统分水岭变换对上述得到的边缘影像进行区域提取,通过边缘方向的拟合并修正边缘的强弱,获取区域分割结果。作为方向分水岭变换算法数据的输入,要先获得影像的边缘的方向和强度信息——边缘影像。为进一步提高边缘的定位精度,将影像的光谱信息特征和纹理特征相结合,提取不同尺度下影像的边缘。因此,根据影像的亮度和纹理特征,利用直方图差分方法分别得到影像多尺度的分割结果,通过对它们在不同方向下设置权重,获得不同尺度下影像的方向边缘强度[4]。
影像上每个像元(x,y),考虑在三个不同尺度——,获得的影像边缘,其中为像元的个数,本文设定=10。具体步骤如下。
(1)首先,在三个尺度下,根据灰度值和纹理基元特征分别计算八个方向的直方图的方向梯度,检测出灰度影像边缘和纹理区域边缘。
(2)找出八个方向的响应极大值,作为边界。
(3)将上述得到的多特征、多尺度得到的影像,设定权重以下公式形式组合起来,得到边缘强度mPb。
= (1)
其中,为直方图的方向梯度之间的距离;s为尺度的大小;i为特征通道数;为权重;为某个尺度和特征通道中的圆盘半径;为边缘方向。在中取8个相隔相同的角度。取八个方向的最大值作为区域边界强度的度量,得到影像区域的边界轮廓,其值为。
= (2)
2 方向分水岭变换影像多尺度分割算法
经过方向分水岭变换分割算法能够得到影像的初始分割结果,但是通常是过分割的结果,本文利用区域边缘的强度,逐步合并弱边缘的区域,获得影像的层次结构。在合并过程中,由于需要知道区域和边界的拓扑关系,因此多层次合并的方向分水岭算法分为以下两步。
第一步,利用分水岭方法得到过分割的影像,作为最细粒度的分割影像,并获取像元、边缘、区域和区域边界的相关信息。该步骤分为以下几个方面内容。
(1)计算影像所有像素点八个方向下的全局梯度的最大值。根据边界响应的极大值作为边缘,得到过分割图像。
(3)
(2)对上一步结果进行分水岭变换。根据的极小值得到种子位置,为分水岭进行同质区分割做准备,接着,运用分水岭算法得到分割区域。
(3)提取边界和邻接区域信息。内容包括:提取边界两侧的区域、创建顶点-边缘映射图、提取顶点坐标、提取边缘的端点、提取边缘上各个像元的坐标、提取封闭边缘的标识以及边界拟合。因此,得到相应折线段上的像元的方向。
第二步,将区域之间边界的Pb均值作为区域的不相似性。
使用作为每段折线上像元的强度。最后,每个初始弧段的权重等于拟合它的多个折线上像元强度的均值。将区域之间边界的Pb均值作为区域的不相似性,实现区域之间的层次合并。对层次合并的过程详细描述如下。
(1)逐弧段计算权重,即邻接区域间的合并条件。
(2)搜索权重最小的弧段,合并其邻接区域,并将弧段融入合并后的区域中。
(3)局部调整拓扑邻接关系,即调整合并后区域的边界弧段信息以及边界弧段的临界区域信息。
(4)局部调整弧段权重,修改合并后区域边界弧段的权重。
(5)判断是否满足合并终止条件,若不满足,则返回(2);若满足,则合并终止。通过建立拓扑邻接关系,可快速查询弧段与区域、区域与区域之间空间关系,及时局部调整以应对合并产生的变化。
3 实验与分析
为验证本文提出方法的有效性,选用航空影像进行分割实验。图1(a)中航空影像的大小为509×368,影像上主要包含居民地、道路、树木、水体及耕地等。图1(b～d)是图1(a)的层次分割结果,图1(b)是最底层的分割,获得区域数最多,得到影像的过分割结果。k是区域之间的边界强度,k的取值范围为[0,255]。k=0的情况对应图1(b),当k=255时,区域个数为1,即整幅影像。
图1中,(b)上明显存在着过分割现象。随着区域的合并,某些区域的过分割现象逐渐消失。如k=50时耕地被分割为完整一块,finest、k=30上裸地也被分为完整的一块,finest、k=30上房屋过分割现象得以消除。但是,随着区域合并的增加,有些地方也出现了欠分割的现象。如k=50上,右下角的地块与相邻的小路被划分为一块。随着k的取值由小变大,较小区域之间逐渐合并,过分割现象慢慢减少;当分割尺度达到某一值时,某些地方会出现欠分割现象。
上述实验结果,随着区域合并的增加,分割结果中斑块的尺寸也在增大,而且大尺度上斑块是小尺度上斑块的集合。可知,区域合并初期,最底层影像的区域对象内部相似性较强。但是,随着区域合并,区域变大,区域之间的异质性增强。因此,基于方向分水岭变换方法可以获得同质性最强的分割结果,这为以区域对象为节点的尺度综合提供了较理想的分割结果。
4 结语
本文提出了一种方向分水岭高分辨率遥感影像分割方法,先由传统分水岭变换对上述得到的边缘影像进行区域提取,通过边缘方向的拟合并修正边缘的强弱,获取区域分割结果。接着,提出对方向分水岭高分辨率遥感影像分割结果进行区域之间的合并,根据区域边界的强弱作为区域合并条件,从而获得多尺度的分割结果。实验表明不同层次的分割结果能够较好地反映地物的尺度特性。
参考文献
[1] 章毓晋.图像分割[M].北京:科学出版社,2001:10～17.
[2] 梅天灿,李德仁,秦前清.分水岭变换在遥感影像现状特征提取中的应用[J].武汉大学学报(信息科学版),2004,29(4):338～341.
[3] 宫鹏,黎夏,徐冰.高分辨率影像解译理论与应用方法中的一些研究问题[J].遥感学报,2006,10(1):1～5.
[4] 程杰.一种基于直方图的分割方法[J],华中理工大学学报,1999,27(1):84～86.
