一種高分辨率遙感影像碼頭輪廓提取方法

馬國銳，江滿珍，2，眭海剛

(1.武漢大學(xué)測繪遙感信息工程國家重點(diǎn)實(shí)驗(yàn)室，武漢 430079；2.福建省水利水電勘測設(shè)計(jì)研究院，福州 350001)

一種高分辨率遙感影像碼頭輪廓提取方法

馬國銳1，江滿珍1，2，眭海剛1

(1.武漢大學(xué)測繪遙感信息工程國家重點(diǎn)實(shí)驗(yàn)室，武漢 430079；2.福建省水利水電勘測設(shè)計(jì)研究院，福州 350001)

針對高分辨率遙感影像碼頭提取中靠岸艦船的干擾難題，提出了一種高分辨率遙感影像碼頭輪廓提取方法。該方法首先對碼頭區(qū)域影像進(jìn)行海陸分割分離出海域，然后利用碼頭輪廓的平直特性和艦船的形狀特征，在海陸圖像中的陸域進(jìn)行靠岸艦船和碼頭目標(biāo)的粘連分割，從而實(shí)現(xiàn)碼頭目標(biāo)輪廓信息的獲取。實(shí)驗(yàn)結(jié)果驗(yàn)證了該方法的有效性。

碼頭提??；海陸分割；岸艦分離；遙感影像；信息提取

0 引 言

港口作為交通運(yùn)輸樞紐、水陸聯(lián)運(yùn)的咽喉，通常是鐵路、公路、水路和管道幾種運(yùn)輸方式的匯集點(diǎn)，具有舉足輕重的地位[1]。而碼頭，作為港口的主要組成部份，是提供船舶停靠、裝卸貨物和上下旅客的水工建筑物，也是一種重要的人工地物目標(biāo)。從遙感影像中提取出的碼頭信息不僅可用于碼頭監(jiān)控，以便于碼頭的利用和管理[2]，而且在地理信息系統(tǒng)的數(shù)據(jù)更新和維護(hù)，城市規(guī)劃的指導(dǎo)與分析等也起著重要的作用[3]。因此，研究遙感影像的碼頭目標(biāo)提取技術(shù)，以便快速準(zhǔn)確地獲取碼頭目標(biāo)信息，具有重要的實(shí)用價值。

但是碼頭目標(biāo)的多樣性及其所處場景的復(fù)雜性使得碼頭提取技術(shù)難度較高。目前，已發(fā)表的與碼頭目標(biāo)提取直接相關(guān)的論文較少，多數(shù)相關(guān)論文在解決港口目標(biāo)的檢測、識別等問題時涉及碼頭目標(biāo)，而這只是實(shí)現(xiàn)港口目標(biāo)的檢測、識別的手段，而非目的。如趙波認(rèn)為碼頭是直線性目標(biāo)，先檢測出海岸線中的直線，再根據(jù)線的連續(xù)性連接檢測到的直線，最后從中找出最符合碼頭特點(diǎn)的平行直線組，即碼頭輪廓[4]。再如周靜，對紅外遙感影像上港口輪廓上直線的交點(diǎn)進(jìn)行檢測，并標(biāo)記出其中的角點(diǎn)，然后將最長且存在角點(diǎn)的曲線識別為港口輪廓線[5]。

總體而言，目前雖然在與碼頭提取相關(guān)的海岸線輪廓提取、海陸分割等方面已有了一些解決方法，但這些方法都較少考慮靠岸艦船對碼頭提取的干擾。碼頭提取還沒有一種成熟的實(shí)用方法，仍存在不少的困難有待深入的研究。

考慮到當(dāng)前實(shí)際應(yīng)用中大場景圖像處理的時效性需求，本文提出了一種碼頭半自動提取方法，即首先在大幅遙感影像上框選含碼頭目標(biāo)的感興趣區(qū)域，然后對感興趣區(qū)域影像進(jìn)行海陸分割分離出海域，進(jìn)而在海陸二值圖像上進(jìn)行靠岸艦船和碼頭目標(biāo)的粘連分割，從而提取出碼頭輪廓。

1 結(jié)合灰度信息和邊緣信息的海陸分割

灰度閾值法是目前常用的海陸分割方法之一，閾值的選取方法有很多，如直方圖谷底法、Otsu法、最大熵法、自適應(yīng)閾值法等?；叶乳撝捣指钣?jì)算簡單、運(yùn)算效率高、速度快。但在實(shí)際應(yīng)用中，遙感影像可能由于云霧、強(qiáng)光反射、艦船、堆貨、建筑物及陰影等的影響，導(dǎo)致海面區(qū)域或碼頭區(qū)域灰度的不均勻分布，灰度閾值的分割效果并不穩(wěn)定[7]。

本文通過借鑒前人方法和結(jié)合碼頭遙感影像特點(diǎn)，提出了一種結(jié)合灰度信息和邊緣信息的海陸分割方法，通過引入基于周邊抑制的邊緣信息對二維Otsu分割結(jié)果進(jìn)行修正。該方法的流程圖如圖1所示。

圖1 海陸分割方法流程圖

考慮到水面經(jīng)常由于波浪的存在而形成了較多的細(xì)密水波，本文利用周邊抑制機(jī)理對碼頭目標(biāo)附近的背景紋理信息進(jìn)行抑制，以減少紋理邊緣的干擾。

基于周邊抑制機(jī)理的計(jì)算模型的原理是將圖像梯度與權(quán)重函數(shù)進(jìn)行卷積，得到各像素點(diǎn)的周邊加權(quán)抑制項(xiàng)，然后從原梯度中減去抑制部分，從而突出感興趣的輪廓邊緣和削弱無意義的紋理邊緣[8]。

考慮到小鄰域內(nèi)的有限差分容易受到圖像噪聲的干擾，而高斯平滑在消除噪聲和保持梯度之間能夠取得較好的平衡，在此采用高斯濾波對圖像進(jìn)行卷積，以獲得梯度影像Mσ。

由于DOG算子的模板是中央為正，周邊為負(fù)(或中央為負(fù)，周邊為正)的兩個同心圓，十分類似于周邊抑制機(jī)理，可用DOG算子來模擬各向同性的周邊抑制作用，定義權(quán)重函數(shù)ωσ為：

(1)

(2)

式中‖·‖1為L1范數(shù)。然后將梯度與權(quán)重函數(shù)進(jìn)行卷積，就可以得到各像素點(diǎn)的周邊加權(quán)抑制項(xiàng)，如下式所示：

Tσ(x,y)=(Mσ*ωσ)(x,y)

(3)

其中，*表示卷積運(yùn)算。再從原梯度圖中減去周邊加權(quán)抑制項(xiàng)，得到經(jīng)過周邊抑制的梯度圖Cσ(x,y)：

Cσ(x,y)=H(Mσ-αTσ(x,y))

(4)

(5)

式中，α是周邊抑制強(qiáng)度調(diào)節(jié)參數(shù)，α越大，周邊抑制強(qiáng)度越大。

最后，將經(jīng)過周邊抑制的梯度圖進(jìn)行二值化處理即可獲得邊緣圖像。

獲得邊緣圖像后，將Otsu分割圖像中標(biāo)記為背景而邊緣圖像中標(biāo)記為邊緣的像素也標(biāo)記為目標(biāo)，即獲得海陸二值圖像。但由于暗色水域中灰度值較高的目標(biāo)如艦船、波浪等和亮色陸域中灰度值較低的目標(biāo)如陰影、植被等的影響，造成二值圖像上的水域和陸域還存在一些小孔洞，還需要用數(shù)學(xué)形態(tài)學(xué)的開閉運(yùn)算來對二值圖像進(jìn)行后處理，以填充孔洞和平滑對象輪廓。經(jīng)過形態(tài)學(xué)處理后，計(jì)算二值圖像上各區(qū)域的面積，并將面積最大的連通區(qū)域標(biāo)記為陸域，其余區(qū)域標(biāo)記為水域，即獲得海陸二值圖像。

2 基于形狀特征的岸艦分離

海陸二值圖像中由于遙感影像中艦船的灰度特征相比海域的灰度而言與陸域的灰度更為接近，而艦船常?？吭诖a頭邊緣，因此靠岸艦船經(jīng)常被錯誤地劃分為陸域。在這種情況下，靠岸艦船會對碼頭輪廓的提取造成極大的干擾，因此要準(zhǔn)確提取出碼頭輪廓，不可避免地需要解決靠岸艦船的干擾問題。

本文充分利用碼頭輪廓的平直特性和艦船呈“米粒狀”的形狀特征，提出了一種結(jié)合Hough變換和粘連分割的岸艦分離方法。Hough變換具有抗噪能力強(qiáng)，其檢測結(jié)果具有全局性的優(yōu)點(diǎn)，但同時計(jì)算量和內(nèi)存占用大，本文通過碼頭區(qū)域的幾何主軸方向的計(jì)算，只需在較小的角度范圍內(nèi)做Hough變換，大大減少了其計(jì)算空間、時間的開銷。粘連分割則充分利用靠岸艦船的形狀特征，識別出靠岸艦船，從而實(shí)現(xiàn)靠岸艦船和碼頭目標(biāo)的分離。該方法的簡要流程如圖2所示。

圖2 岸艦分離流程圖

2.1 改進(jìn)的Hough變換

由Hough變換的原理可知，Hough變換是在極角-90°～90°范圍之間做變換，但在大多數(shù)情況下，突堤碼頭具有明確的“走向”，即幾何主軸方向。二值海陸圖像上需要檢測出的碼頭輪廓處直線的角度只有兩個，即碼頭區(qū)域的幾何主軸方向和與垂直幾何主軸的方向，這導(dǎo)致大量的Hough運(yùn)算是無效的。因此，本文通過在Hough變換時引入碼頭區(qū)域的幾何主軸方向，只在較小的角度范圍內(nèi)做Hough變換，這樣就可以有效地提高變換速度、降低內(nèi)存占用量。這里參考文獻(xiàn)[9]中求幾何主軸方向的方法，其原理如下。

假設(shè)二值圖像中的某區(qū)域的灰度分布為f(x,y)，其(p+q)階原點(diǎn)矩mpq和中心矩upq分別定義為：

(6)

(7)

其中，i0=m10/m00，j0=m01/m00。

區(qū)域主軸的“取向”α為：

(8)

該區(qū)域的主軸即是通過(i0,j0)與X軸夾角為α的直線。

2.2 粘連分割

在少數(shù)情況下，遙感影像上可能會出現(xiàn)艦船十分密集地?？吭诖a頭邊緣以致其輪廓基本被遮擋的現(xiàn)象，或碼頭不屬于長直線目標(biāo)的情況，這都可能會導(dǎo)致Hough直線檢測失效。因此，本文還利用?？颗灤氏蚝Ｓ蛲怀龅慕咏霗E圓或橢圓的形狀特征，設(shè)計(jì)了一種分離碼頭目標(biāo)和靠岸艦船區(qū)域的粘連分割方法。

首先，利用Harris角點(diǎn)檢測算法來檢測碼頭輪廓上曲率極大值點(diǎn)作為預(yù)分割點(diǎn)。獲得Harris角點(diǎn)后，利用兩點(diǎn)之間的封閉性測度篩選出預(yù)選分割點(diǎn)對。碼頭特征點(diǎn)Fi和Fj之間的疑似艦船線Rij的封閉性度量Closure(i,j)定義為[10]：

(9)

顯然，封閉性測度是一個相對量，因而具有旋轉(zhuǎn)、尺度、平移不變性。本文實(shí)驗(yàn)中取封閉性測度大于1.5且兩點(diǎn)之間互為封閉性最大的點(diǎn)對為預(yù)選分割點(diǎn)對。

獲得預(yù)選分割點(diǎn)對后，對該點(diǎn)對構(gòu)成的直線方向與碼頭幾何主軸進(jìn)行比較，若其在一定偏差范圍內(nèi)與碼頭幾何主軸方向平行或垂直，則認(rèn)為該點(diǎn)對為分割點(diǎn)對，這兩點(diǎn)構(gòu)成的直線段即為粘連區(qū)域的一條分割線。若該預(yù)選點(diǎn)對不滿足上述條件，則計(jì)算其分割出的區(qū)域的緊致度，若其在預(yù)設(shè)范圍內(nèi)，則判定該區(qū)域?yàn)榕灤瑓^(qū)域，將其從碼頭區(qū)域分割出來。

緊致度是描述目標(biāo)像素空間分布的聚合程度的度量，定義為[11]：

(10)

式中，Lp為目標(biāo)區(qū)域的周長，Sa為疑似艦船區(qū)域的面積。由上式可見，緊致度是相對量，對尺度、旋轉(zhuǎn)變換不敏感。緊致度越大，說明區(qū)域形狀越不緊湊。合理選擇該參數(shù)，能夠判定呈“米?！睜畹呐灤瑓^(qū)域。

3 實(shí)驗(yàn)與分析

通過分辨率遙感影像的碼頭提取實(shí)驗(yàn)，以驗(yàn)證該方法的有效性。仿真實(shí)驗(yàn)在Matlab7.11環(huán)境下，在Intel2.2GHz微處理器上進(jìn)行。實(shí)驗(yàn)所用碼頭遙感影像空間分辨率為0.27m。下面給出部分實(shí)驗(yàn)結(jié)果。

從海陸分割結(jié)果可以看出，在多數(shù)情況下，影像上海域灰度較低且分布較均勻，陸域灰度相對較高且方差較大，這時能夠取得良好的海陸分割效果，如圖3(b)中的碼頭除了因陰影的干擾而造成局部區(qū)域的灰度接近海域灰度，導(dǎo)致其被錯分為海域外，碼頭主體實(shí)現(xiàn)了比較完整的分割。但是，由于碼頭邊緣常?？颗灤?，而靠岸艦船灰度相對海域來說更接近陸域，因此在海陸分割時靠岸艦船經(jīng)常被錯分為陸域。

圖3 ANCONA港碼頭半自動提取結(jié)果

圖4 AUCKLAND港碼頭半自動提取結(jié)果

圖5 AUGUSTA港碼頭半自動提取結(jié)果

如圖3(c)、圖5(c)所示，改進(jìn)后的Hough直線檢測方法在多數(shù)情況下能夠較精確穩(wěn)定地檢測出碼頭直線邊緣。這樣，如果艦船停靠在碼頭長直線邊緣就可以很好地實(shí)現(xiàn)其與碼頭的分離。但是，Hough變換在短直線邊緣處容易失效，當(dāng)碼頭邊緣十分密集地?？恐灤灾缕漭喞颈徽趽鯐r，也會造成Hough變換檢測效果的不穩(wěn)定。

所以本文在岸艦分離時引入了粘連分割，以彌補(bǔ)Hough變換的缺陷。圖3(d)、圖4(d)、圖5(d)顯示的是剔除小曲率點(diǎn)后的Harris角點(diǎn)，可以看出，提取出的角點(diǎn)數(shù)目較少，且大多數(shù)分布在輪廓的形狀變化處，能夠較好地表達(dá)碼頭輪廓形狀。從最終的粘連分割結(jié)果來看，大多數(shù)的艦船區(qū)域均可以被分割出來，但也存在少數(shù)海陸分割時分割效果較差的艦船區(qū)域，或者是在碼頭邊緣并排尾靠的艦船區(qū)域無法分離出來(圖3(e))。究其原因是這些艦船區(qū)域的幾何特征與分割較為完整的艦船區(qū)域相差較大，導(dǎo)致其被判定為非艦船區(qū)域。

實(shí)驗(yàn)采用像素分類正確性度量來對分割結(jié)果進(jìn)行評價。像素分類正確率的計(jì)算以人工提取結(jié)果作為分類參考數(shù)據(jù)。設(shè)正確分類面積為ST，漏分面積為SL，錯分面積為SF，其中面積均按像素?cái)?shù)目計(jì)算。定義像素分類正確率PCR、像素分類錯誤率PCE如下[12]：

PCR=ST/(ST+SL)

(11)

PCE=SF/(ST+SF)

(12)

表1為多幅遙感影像的碼頭目標(biāo)提取精度評價表。

表1 碼頭目標(biāo)提取精度評價表

從表中可以看出，碼頭遙感影像的圖幅一般較大，如果直接對影像進(jìn)行處理，既低效耗時，也沒有必要，正是基于這點(diǎn)考慮，本文采用了半自動提取碼頭的思路，在提取前，先框選出含碼頭目標(biāo)的感興趣區(qū)域，然后只在感興趣區(qū)域中進(jìn)行碼頭提取處理。表中的碼頭目標(biāo)較為穩(wěn)定的低分類錯誤率和高分類正確率充分驗(yàn)證本文提出的岸艦分離方法的有效性，這也是和碼頭目標(biāo)提取結(jié)果中多數(shù)艦船均能很好地從碼頭目標(biāo)中分離出來這一目視效果相一致的。

4 結(jié)束語

本文面向高分辨率遙感影像，充分利用碼頭遙感影像特征，提出了一種碼頭輪廓的半自動提取方法。實(shí)驗(yàn)結(jié)果表明該方法能有效地提取出碼頭輪廓。本文碼頭提取方法仍需框選感興趣區(qū)域這一交互過程，如何實(shí)現(xiàn)在大幅遙感影像上快速檢測并提取出碼頭目標(biāo)是下一步研究的方向。

[1] 洪承禮.港口規(guī)劃與布置[M].北京：人民交通出版社，1999.

[2] 張永梅，周易，姜明.一種基于多元特征的海上目標(biāo)分割方法[J].計(jì)算機(jī)應(yīng)用與軟件，2013，30(7)：90-93.

[3] 方曉芙.遙感圖像中戰(zhàn)略目標(biāo)識別方法研究[D].西安：西北工業(yè)大學(xué)，2004.

[4] 趙波.遙感圖像目標(biāo)識別算法研究[D].長沙：國防科技大學(xué)，2004.

[5] 周靜.典型地海背景下目標(biāo)識別方法研究[D].武漢：華中科技大學(xué)，2005.

[6] 韓理安.港口水工建筑物(I)[M].北京：人民交通出版社，2000.

[7] 王彥情，馬雷，田原.光學(xué)遙感圖像艦船目標(biāo)檢測與識別綜述[J].自動化學(xué)報(bào)，2011，37(9)：1029-1039.

[8] 曾文靜，萬磊，張鐵棟，等.復(fù)雜海空背景下弱小目標(biāo)的快速自動檢測[J].光學(xué)精密工程，2012，20(2)：403-412.

[9] 焦春雨，常文革.基于幾何主軸和Hough變換的超寬帶SAR二值邊緣圖像細(xì)化方法[J].遙感信息，2013，28(4)：24-28.

[10] 陳琪.SAR圖像港口目標(biāo)提取方法研究[D].長沙：國防科技大學(xué)，2011.

[11] 陳海亮.基于特征的光學(xué)遙感圖像艦船目標(biāo)檢測技術(shù)研究[D].長沙：國防科技大學(xué)，2010.

[12] 翟輝琴.基于數(shù)學(xué)形態(tài)學(xué)的遙感影像水域提取方法[J].測繪科學(xué)，2006，31(1)：22-24.

A Wharf Contour Extraction Method for High-resolution Remote Sensing Imagery

MA Guo-rui1，JIANG Man-zhen1，2，SUI Hai-gang1

(1.StateKeyLaboratoryofRemoteSensingandInformationEngineering，WuhanUniversity，Wuhan430079；2.FujianSurveyandDesignInstituteofWaterConservancyandHydropower，F(xiàn)uzhou350001)

This paper proposes a wharf contour extraction method for high-resolution remote sensing imagery.Firstly，it separates the sea area from the wharf images by sea-land segmentation.And then，based on the straight characteristic of wharf contour and the shape feature of inshore ships，it applies adhesion segmentation on the sea-land image to separate the inshore ships and wharf object to attain wharf object contour information.The experimental results show the effectiveness of the proposed method.

wharf extraction；sea-land segmentation；shore-ship separation；remote sensing imagery；information extraction

2014-07-15

2015-02-02

國家自然科學(xué)基金(61001187)；國家863計(jì)劃(2013AA122301)；江蘇省資源環(huán)境信息工程重點(diǎn)實(shí)驗(yàn)室開放基金(JS201302)。

馬國銳(1979—)，男，博士，主要從事遙感圖像變化檢測、目標(biāo)要素提取的應(yīng)用基礎(chǔ)研究。

E-mail：mgr@whu.edu.cn

10.3969/j.issn.1000-3177.2015.05.004

TP751

A

1000-3177(2015)141-0026-05