基于并行預分割的高分辨率遙感影像多尺度分割

李維良，王紅平，范 鵬

（中國地質(zhì)大學（武漢）信息工程學院，湖北武漢 430074）

一、引 言

在遙感信息計算體系中，作為高空間分辨率遙感影像信息提取與目標識別的前提和基礎(chǔ)，多尺度影像分割方法是實現(xiàn)從數(shù)據(jù)到信息對象化提取的過渡環(huán)節(jié)和關(guān)鍵步驟，具有十分重要的地位［1］。但作為一種計算密集型算法，其存在計算時間較長、整體效率較低的問題。針對算法改進可以從計算機實現(xiàn)角度來進行，如將影像數(shù)據(jù)劃分為若干數(shù)據(jù)分塊進行數(shù)據(jù)并行化處理。在并行分割算法實現(xiàn)過程中，不管是采用均勻數(shù)據(jù)劃分方法，還是不均勻數(shù)據(jù)劃分方法［2-3］，合并分割結(jié)果時都會無法避免地產(chǎn)生“縫合線”［4］，使得分割結(jié)果不可靠。

針對這一問題，國內(nèi)外已有一些研究。胡曉東等在并行分割結(jié)束后將分隔線與其兩側(cè)分割塊輪廓的交點分為在分隔線交匯的a類交點與不在分隔線交匯的b類交點。兩個相鄰的a類交點間的線段稱為A類線，其他為B類線段。對A類線兩側(cè)的分割塊進行合并，對B類線兩側(cè)的分割塊進行次分割，以此來消除分隔線對結(jié)果的影響［5］，但分隔線兩側(cè)的分割對象受影像內(nèi)容的影響，大小具有不確定性。因此，分隔線消除過程對分割過程運行效率產(chǎn)生的影響也無法準確地估算，且直接合并A類線兩側(cè)的分割塊，在某些情況下也顯得主觀因素過重，值得商榷，因為分隔線兩側(cè)接邊能夠很好銜接的分割對象在現(xiàn)實中不屬于同一影像對象的情況是可能存在的。P.N.Happ等提出一種在并行分割過程中考慮各數(shù)據(jù)分區(qū)相鄰分割塊相互影響的方法［6］，但會導致分割過程中數(shù)據(jù)分區(qū)逐漸變得不規(guī)則，算法實施難度較大，且各計算節(jié)點會出現(xiàn)負載，會逐漸不均衡。

在總結(jié)前人研究的基礎(chǔ)上，本文對現(xiàn)有的研究成果進行綜合取舍，提出了一種基于并行預分割的高分辨率遙感影像多尺度分割方法，在保證分割結(jié)果準確性的前提之下避免了分隔線的產(chǎn)生，消除了分隔線所帶來的種種問題，同時使得分割效率有了顯著提升。

二、多尺度分割算法的并行處理

1.多尺度影像分割算法

多尺度分割算法是一種面向?qū)ο蟮母叻直媛蔬b感影像分割方法，其關(guān)鍵在于兩個影像對象異質(zhì)度的描述。對于一個d維的特征空間，設(shè)兩相鄰對象的特征值分別為f1d和f2d，則異質(zhì)度定義為［7］

影像對象的光譜特征及形狀特征都可以作為特征空間的一維。通過式（2）對每一維特征求標準差來進一步標準化特征空間距離

式中，σfd為對象特征的標準差［7］。

高分辨率遙感影像多尺度分割是一個迭代地將相鄰影像對象不斷合并形成更大影像對象的過程［8］。分割過程中同時對影像對象的光譜特征和形狀特征進行操作，具體步驟為［9］:首先設(shè)置分割參數(shù)，包括作為影像對象合并終止條件的尺度閾值及各個特征的權(quán)值；然后開始分割過程，每次進行分割時，搜尋鄰域影像對象，遵循異質(zhì)度最小的原則，把相鄰影像對象合并為一個較大的影像對象。第一次分割過程中，單個像元被看做最小的影像對象；第二次及以后的分割過程中，以前一次分割過程中生成的影像對象為基礎(chǔ)計算異質(zhì)度，判斷異質(zhì)度h與尺度閾值的關(guān)系，若h≤尺度閾值，則繼續(xù)進行第n（n＞2）次的分割，反之則分割結(jié)束。

2.傳統(tǒng)多尺度影像分割算法的并行化

傳統(tǒng)基于數(shù)據(jù)并行的多尺度分割，必須首先根據(jù)線程數(shù)對影像進行數(shù)據(jù)劃分，然后各數(shù)據(jù)分區(qū)開始并行進行分割，分割過程相互獨立，每一個計算單元對應(yīng)處理一個數(shù)據(jù)分塊。分割結(jié)束后，數(shù)據(jù)分區(qū)邊緣會出現(xiàn)分隔線，影響分割結(jié)果的精度，需要采取分區(qū)合并算法進行處理，基于多核計算機的并行分割處理流程如圖1所示。

圖1 基于多核計算機的并行分割流程

三、影像并行分割結(jié)果拼接策略

基于數(shù)據(jù)并行的影像分割結(jié)束后合并各數(shù)據(jù)分區(qū)結(jié)果時，存在接邊無法很好地銜接、數(shù)據(jù)分區(qū)之間存在明顯分隔線的問題。分隔線往往會將本屬于同一分割對象的像元集合分成兩個對象，有時這兩個分割對象的接邊不能很好地銜接。更有甚者，即使是分隔線兩側(cè)接邊能夠很好銜接的分割對象在現(xiàn)實中也可能不屬于同一影像對象。總之，分隔線的存在使得分割結(jié)果不可靠。

遙感影像多尺度分割算法運行時間較長，整體效率較低，但是算法的計算量主要集中在初始影像對象形成及后續(xù)若干次迭代分割過程中［10］。當分割過程進行若干次迭代后，隨著影像對象的數(shù)量減少到一定程度，后續(xù)計算在整個計算過程中所占用的時間會越來越低，對整體分割效率的影響不大。因此，提升影像的分割效率的關(guān)鍵在于提升形成初始對象及后續(xù)的若干次迭代分割過程的運行效率。

基于上述思想，可以對現(xiàn)有的影像多尺度分割并行化方法進行改進，即只對形成初始對象及后續(xù)的若干次迭代分割過程進行并行化處理，當影像對象數(shù)量減少到指定閾值后，后續(xù)分割過程通過串行方式進行處理，如圖2所示。在本文中，將形成初始對象及后續(xù)的若干次迭代分割過程稱為影像的預分割過程。

這種方式與圖2所示的處理方式相比，由于后續(xù)分割過程采用串行處理方式進行，分割過程不會產(chǎn)生分隔線，省去了并行分割結(jié)束后的分隔線消除處理，算法較為簡單易行。閾值的設(shè)置既可以按照迭代分割的次數(shù)來進行，也可以按照影像對象數(shù)量的減少程度來進行。

圖2 并行預分割過程與串行預分割過程對比

值得注意的是，通過合理設(shè)置閾值，經(jīng)過并行預分割所形成的影像對象內(nèi)部各個像素光譜特征基本一致，相鄰影像對象之間的光譜特征和形狀特征有較為顯著的差異，在一定程度上保證了所得到影像對象的準確性，為后續(xù)的串行再分割提供了有利條件?；诓⑿蓄A分割的多尺度分割流程如圖3所示。

圖3 基于并行預分割的多尺度分割流程

四、試驗結(jié)果與分析

根據(jù)上述研究思路，筆者實現(xiàn)了基于并行預分割的遙感影像分割算法。試驗基于多核CPU進行，硬件環(huán)境為:Intel i5雙核CPU，2 GB內(nèi)存；軟件環(huán)境為:Windows 7操作系統(tǒng)，VC++2005編譯器。預分割過程中，線程數(shù)量采用2，與CPU核數(shù)一致。

首先，為了驗證所改進的分隔線消除算法的最終效果，對GeoEye-1全色影像與相應(yīng)多光譜影像進行融合，取融合結(jié)果的真彩色合成影像作為試驗影像進行分割，影像尺寸為600像素×600像素。試驗中，尺度閾值設(shè)為5500，光譜特征權(quán)值設(shè)置為0.7，形狀特征權(quán)值設(shè)置為0.3。

圖4（a）、圖4（b）、圖4（c）、圖4（d）分別為試驗影像原圖、串行分割結(jié)果、分隔線未消除情況下的并行分割結(jié)果，以及分隔線消除后的并行分割結(jié)果。從圖4（c）可以看出，并行預分割過程所形成的影像對象的光譜特征和形狀特征基本一致；由于各個數(shù)據(jù)分塊之間獨立進行并行預分割過程，數(shù)據(jù)分塊之間存在分隔線，不過通過合理設(shè)置預分割迭代次數(shù)，使得分隔線兩側(cè)所形成的預分割影像對象基本準確。將圖4（c）和圖4（d）對比后可知，分隔線兩側(cè)所形成的準確的預分割影像對象，為后續(xù)的串行分割過程創(chuàng)造了有利條件，分隔線經(jīng)過后續(xù)串行分割處理之后被完全消除，其兩側(cè)最終分割結(jié)果可信度得到較大提高，最終取得了理想的結(jié)果。

圖4 數(shù)據(jù)分區(qū)合并結(jié)果

此外，為了驗證并行預分割策略對提升最終分割效率的有效性，采用了多幅不同尺寸的遙感影像進行分割試驗，這些影像的基本信息見表1。試驗中預分割迭代次數(shù)可以根據(jù)影像數(shù)據(jù)的實際情況來設(shè)置，本文設(shè)置為分割全過程總迭代次數(shù)的1/3。試驗結(jié)果見表2。

表1 影像基本信息

從表2可知，串行影像分割算法的計算量主要集中在初始影像對象形成及后續(xù)若干次迭代分割過程中，盡管預分割過程的迭代次數(shù)只占分割全過程迭代次數(shù)的1/3，其用時占整個分割過程用時的比例卻達到了70%以上。因此，預分割過程的運行效率在很大程度上影響了整個分割過程的運行效率。

對比表2中串行預分割用時與并行預分割用時可知，通過對預分割過程進行并行化處理，該過程的運行效率有了顯著提升。盡管預分割過程運算效率的提升會降低該過程用時在整個影像分割過程中所占的比例，使得后續(xù)分割過程對分割算法運行效率的影響有所增加，但是，由于預分割過程所用時間在整個分割過程中的決定性作用，針對多種尺寸與數(shù)據(jù)量的高分辨率遙感影像，基于并行預分割的影像分割相對于串行分割在效率上仍有顯著提升。

表2 影像分割效率對照

五、結(jié)束語

基于數(shù)據(jù)并行的遙感影像多尺度分割由于各數(shù)據(jù)分塊在并行處理過程中獨立運行，沒有考慮彼此之間的影響，因此，在并行分割結(jié)束后，各數(shù)據(jù)分塊接邊不能很好地吻合，存在明顯的“分隔線”，使得分割結(jié)果不可靠。在總結(jié)前人研究的基礎(chǔ)之上，本文提出了一種基于并行預分割的影像分割策略，在保證分割結(jié)果準確性的前提下，避免了分隔線的產(chǎn)生，消除了分隔線所帶來的種種弊端。

本文重點從方法的角度論證了采用并行預分割策略來消除分隔線所帶來的種種弊端的可行性與有效性，而對于策略實施過程中某些關(guān)鍵細節(jié)，如并行預分割結(jié)束閾值對最終分割結(jié)果的影響及如何合理地設(shè)置，則沒有詳細涉及。為進一步提升算法運行效率與結(jié)果的準確性，這些有待后續(xù)研究與探討。

［1］ 駱劍承，周成虎，沈占鋒.遙感信息計算研究進展［J］.遙感學報，2009，13（S0）:1-6.

［2］ 黃國滿，郭建峰.分布式并行遙感圖像處理中的數(shù)據(jù)劃分［J］.遙感信息，2001（2）:9-12.

［3］ 沈占鋒，駱劍承，陳秋曉，等.高分辨率遙感影像并行處理數(shù)據(jù)分配策略研究［J］.哈爾濱工業(yè)大學學報，2006，38（11）:1968-1971.

［4］ 沈占鋒，駱劍承，吳煒，等.遙感影像均值漂移分割算法的并行化實現(xiàn)［J］.哈爾濱工業(yè)大學學報，2010，42（5）:811-815.

［5］ HU Xiaodong，LUO Jiancheng，SHEN Zhanfeng，et al.Data Sewing Algorithm for Parallel Segmentation of High-Resolution Remotely Sensed Image［J］.Journal of Remote Sensing，2010，14（5）:922-935.

［6］ HAPP P H，F(xiàn)ERREIRA R S，BENTES C，et al.Multiresolution Segmentation:a Parallel Approach for High Resolution Image Segmentation in Multicore Architectures［C］∥Proceedings of 3rd International Conference on GeographicObject-based Image Analysis.Ghent:［s.n.］，2010.

［7］ BAATZ M，SCHAPE A.Multi-resolution Segmentation:an Optimization Approach for High Quality Multi-scale Image Segmentation［EB/OL］.［2000-04-13］.http:∥ www.ecognition.com/sites/default/files/405_baatz_fp_12.pdf.

［8］ 譚衢霖，劉正軍，沈偉.一種面向?qū)ο蟮倪b感影像多尺度分割方法［J］.北京交通大學學報，2007，31（4）:111-114.

［9］ 陳啟浩.面向?qū)ο蟮亩嘣催b感數(shù)據(jù)分類技術(shù)研究與實現(xiàn)［D］.武漢:中國地質(zhì)大學，2007.

［10］ 高偉，劉修國，彭攀，等.一種改進的高分辨率遙感影像分割方法［J］.地球科學:中國地質(zhì)大學學報，2010，35（3）:421-425.