矢量圖約束的遙感影像分割算法

李亮， 梁彬， 薛鵬， 應國偉

(四川省第三測繪工程院，成都　610500)

?

矢量圖約束的遙感影像分割算法

李亮， 梁彬， 薛鵬， 應國偉

(四川省第三測繪工程院，成都610500)

摘要：為了解決矢量圖約束下的遙感影像分割問題，提出了一種基于標記分水嶺的帶約束的影像分割方法。該方法首先將約束矢量圖映射為影像中的邊緣，在帶邊緣的影像上提取標記區(qū)域； 然后采用面積約束法剔除偽標記區(qū)域，并利用優(yōu)先級隊列對未標記點進行泛洪； 最后依據(jù)相似性測度對影像中的邊緣點進行標號，將標號圖矢量化獲取影像分割結(jié)果。采用QuickBird影像進行了實驗，結(jié)果表明： 該方法能夠?qū)崿F(xiàn)矢量圖約束下的影像分割，當影像數(shù)據(jù)量較大時，比eCognition軟件中多尺度分割方法的運行效率高。

關鍵詞：矢量圖約束； 影像分割； 標記分水嶺； 優(yōu)先級隊列； 矢量化

0引言

影像分割是將影像劃分為若干個互不重疊的區(qū)域，各區(qū)域內(nèi)部具有勻質(zhì)性，而相鄰區(qū)域間具有異質(zhì)性。影像分割是面向?qū)ο笥跋穹治隼碚摰幕A，在土地利用變化檢測[1-2]、土地覆蓋分類[3-4]及專題信息提取[5-6]等領域應用廣泛。

影像分割方法可以劃分為區(qū)域增長法[7]、邊緣檢測法[8]及區(qū)域合并法[9-10]。區(qū)域增長法在種子點基礎上，依據(jù)一定相似性準則向外擴張形成同質(zhì)區(qū)域； 邊緣檢測法通過邊緣檢測提取邊緣像元，然后連接成閉合邊界； 區(qū)域合并法以像元為最小區(qū)域，采用一定的合并準則合并相鄰區(qū)域，重復合并過程直到無法合并為止。

標記分水嶺算法是一種區(qū)域增長法[11]，將遙感影像依據(jù)梯度值模擬成一張地形圖，梯度值越大則對應的高程越大。提取地形圖中的盆地區(qū)域作為標記區(qū)域，模擬洪水淹沒過程，在不同標記區(qū)域洪水的匯合處修筑大壩，大壩則對應影像中的邊緣點。標記分水嶺算法可以獲取連續(xù)的單像元邊緣，且分割效率高，成為影像分割的研究熱點[12-14]。但現(xiàn)有的影像分割算法大多是在無約束條件下劃分遙感影像，較少研究矢量圖約束下的影像分割，無法將作為先驗知識的邊界約束融入到影像分割中。

為此，本文研究了一種矢量圖約束下的遙感影像分割算法。該算法通過將矢量圖映射到遙感影像上形成邊緣像元，并在此基礎上利用標記分水嶺算法實現(xiàn)影像的快速分割。

1矢量圖約束的影像分割定義

2矢量圖約束的影像分割方法

本文將約束矢量圖的邊界視為人工建成的大壩，在此約束條件下進行標記分水嶺變換獲取影像分割結(jié)果。首先，將約束矢量圖中區(qū)域映射到遙感影像上形成閉合邊緣； 其次，提取影像中的標記區(qū)域； 然后，采用面積約束條件剔除偽標記區(qū)域，并在標記區(qū)域基礎上開始泛洪，泛洪時不同標記區(qū)域的交匯處為邊緣像元，對所有的邊緣像元依據(jù)一定準則進行標號； 最后，對標號圖進行矢量化。具體流程如圖1所示。

圖1　本文方法流程圖

2.1邊緣映射

邊緣映射將約束矢量圖中區(qū)域的邊界映射到遙感影像上形成閉合邊緣，從而在后續(xù)的泛洪過程中將洪水限制在約束區(qū)域內(nèi)部，是實現(xiàn)矢量圖約束下影像分割的關鍵。通過柵矢套合將矢量圖套合在遙感影像上，然后利用計算機圖形學中的直線光柵化算法——數(shù)值微分法(digitaldifferentialanalyzer，DDA)將矢量圖的邊界映射為由連續(xù)像元組成的閉合邊緣，并將閉合邊緣上的像元標記為邊緣像元。如圖2所示，圖中單元格表示柵格影像的像元。在無約束條件下進行影像分割時，可不進行邊緣映射，也可將影像四周邊界像元映射為邊緣像元。

(a) 約束區(qū)域與影像套合結(jié)果 (b) 邊緣映射

圖2邊緣映射圖

Fig.2Edgemap

2.2標記區(qū)域的提取及偽標記的去除

經(jīng)過邊緣映射后，影像像元劃分為邊緣像元及非邊緣像元2種。標記區(qū)域是非邊緣像元中一系列梯度值較小、空間上相鄰像元的集合，對應著影像中的內(nèi)部區(qū)域。標記區(qū)域提取的關鍵在于標記點的提取。標記點是影像中的內(nèi)部點，梯度值較??； 未標記點是影像中邊緣及其附近的點，梯度值較大； 因此可以通過設定一定閾值，依據(jù)

(1)

將二者區(qū)分開。式中： h和l分別為像元的行號和列號； g(h,l)為像元的梯度值； T(h,l)為像元對應的閾值，可以是與位置無關的全局閾值，也可為與位置相關的局部閾值。m(h,l)取值為1時表示標記點，取值為0時表示未標記點。標記點提取后，采用聚類的方法獲取標記區(qū)域，并且對其依次進行標號。受噪聲及暗紋理的影響，影像中會存在較多偽標記區(qū)域，導致過分割現(xiàn)象嚴重，因此需要對偽標記區(qū)域進行剔除。由于偽標記區(qū)域通常具有較小的面積，因此可以通過最小面積約束來剔除。

區(qū)域的層次關系在面向?qū)ο蟮挠跋穹治鲋惺株P鍵，因此需要記錄包含標記區(qū)域的約束區(qū)域，即“父區(qū)域”。受邊緣像元的約束，標記區(qū)域會被某約束區(qū)域包含。在標記區(qū)域中任選一個像元點，利用點在多邊形內(nèi)部算法即可獲取包含該點的約束區(qū)域，這個區(qū)域即為標記區(qū)域的父區(qū)域。

2.3泛洪

標記區(qū)域提取后，影像像元劃分為標號點、未標號點及邊緣點3種。泛洪是在標記區(qū)域基礎上，對未標號點進行標號的過程。Meyer提出了一種基于不同優(yōu)先級隊列的標記分水嶺算法[15]，其不需要對原始梯度圖進行修正，直接在原始梯度圖上利用隊列數(shù)組進行泛洪。Meyer方法的分割速度較快，且空間占用率低，因此本文采用Meyer方法進行泛洪。

Meyer方法的核心思想是利用不同優(yōu)先級的隊列來模擬洪水淹沒的過程。像元的梯度值越小，對應的優(yōu)先級越高。令梯度影像的量化等級為L，泛洪的實現(xiàn)過程為： ①開辟1個大小為L的隊列數(shù)組，初始時為空； ②遍歷影像，將與標記區(qū)域相鄰的未標號像元依據(jù)其梯度值添加到對應的隊列后端中，設置優(yōu)先級為0的隊列為當前隊列； ③取出當前隊列前端的像元，遍歷其鄰域，考察其鄰域已標號的像元，若只有1種標號，則將該標號賦值給當前像元； 若有2種及以上的標號，則該像元為分水嶺，標記為邊緣像元； ④經(jīng)過步驟③，若該像元已經(jīng)被標號，則將其鄰域的未標號像元依據(jù)梯度值添加到對應的隊列后端中,若梯度值小于當前處理隊列的優(yōu)先級，則添加到當前處理隊列的后端； ⑤依次從當前隊列取出前端的像元，迭代執(zhí)行③④兩步，當前隊列為空時，移動到下一個隊列迭代執(zhí)行③④，所有的

隊列均為空時算法結(jié)束。泛洪結(jié)束后，遙感影像中的像元除邊緣像元外均已被標號。

2.4邊緣像元的標號

為了獲取完整的影像標號圖，需要對邊緣像元進行標號。遍歷邊緣像元鄰域內(nèi)的像元，尋找與邊緣像元光譜特征最相似的已標號像元，將其標號值賦值給邊緣像元。2個像元點p和q的相似性測度d的計算公式為

(2)

采用柵格矢量化的方法將標號圖轉(zhuǎn)化為矢量數(shù)據(jù)，用來存儲影像分割結(jié)果。矢量數(shù)據(jù)不僅能存儲影像分割所得區(qū)域的邊界，還能存儲區(qū)域的屬性，如父區(qū)域和特征等。本文方法的示意圖如圖3所示。

(a) 原始影像及約束 (b) 梯度影像、標記點及邊緣像元 (c) 泛洪過程(洪水淹沒高度=2)

(約束矢量圖中包含2個區(qū)域： 0和1)

(d) 泛洪過程(洪水淹沒高度=3) (e) 泛洪過程(洪水淹沒高度=4) (f) 邊緣像元進行標號

(g) 泛洪過程中隊列數(shù)組的動態(tài)變化

3實驗及分析

文中實驗數(shù)據(jù)為武漢地區(qū)2002年土地利用矢量圖及2005年QuickBird遙感影像。土地利用矢量圖采用高斯-克呂格投影，包含220個多邊形。遙感影像大小為3 492像元×2 818像元，包含藍、綠、紅及近紅外4個波段，空間分辨率為2.4m。以2002年土地利用矢量圖為約束，對2005年遙感影像進行二次分割。圖4為2002年土地利用矢量圖套合在2005年遙感影像上的結(jié)果。

圖4　2002年土地利用矢量圖與2005年QuickBird

3.1影像分割實驗

文中采用文獻[14]中的自適應方法提取標記。全局比例系數(shù)α與調(diào)整系數(shù)coef是自適應標記提取方法的關鍵。對地物類型單一、分布簡單的影像，設定較大的α值，否則設定較小的α值； coef通常取值0.6～0.8。不同的影像對應的最優(yōu)分割參數(shù)也不同，文中采用反復嘗試法，設定標記的全局比例系數(shù)α=0.4，調(diào)整系數(shù)coef=0.7，面積閾值=300。圖5為2002年矢量圖約束下2005年影像的分割結(jié)果圖，其中包含區(qū)域1 634個。

圖5　影像二次分割圖

在矢量圖約束下進行影像分割，可以充分利用已有的邊界先驗知識，從而有效抑制影像欠分割現(xiàn)象。圖6為有約束及無約束2種條件下的影像分割結(jié)果。

(a) 約束矢量圖 (b) 有約束條件下的影像分割 (c) 無約束條件下的影像分割

圖6不同分割結(jié)果對比圖

Fig.6Comparisonwithdifferentsegmentationresults

對比圖6(b)(c)可以看出，無約束分割時，由于道路及其兩邊房屋的反射率均較強，在遙感影像上具有較高的亮度值，光譜特征相似，因此分割時容易將二者合并在一起，欠分割較為嚴重，導致道路的邊緣定位精度較差； 有約束分割時，道路的邊緣則可得到較好的控制。

3.2分割效率實驗

本實驗中分割耗時情況見表1，總耗時11.4s。

表1　分割耗時表

從表1可以看出，標記區(qū)域提取在本文方法中耗時最長，達到4.3s。這是因為標記區(qū)域提取中包含梯度影像生成及高斯濾波、標記區(qū)域聚類與標號等操作，因此耗時較長； 影像中的邊緣像元及標記像元不需要進行泛洪，參與泛洪的像元數(shù)相對整幅影像較少，因此泛洪在本文方法中耗時較短，僅為1.1s。

為了驗證本文方法的運行效率，將其與eCognition軟件進行對比。在eCognition軟件的多尺度分割模塊中，設定約束矢量圖為專題圖，遙感影像為待分割數(shù)據(jù)。針對不同大小的影像，2種方法的分割耗時如圖7所示?？梢钥闯?，當影像較小時，本文方法與eCognition軟件分割方法的效率相差不大； 然而當影像增大到3 492像元×2 818像元后，eCognition軟件分割方法耗時大幅提升，而本文方法的耗時保持平緩增長。這表明本文方法的分割效率優(yōu)于eCognition軟件的分割效率，適用于大數(shù)據(jù)量遙感影像的分割。

圖7　不同影像大小的影像分割效率

4結(jié)論

本文提出一種基于標記分水嶺的帶約束影像分割方法，實現(xiàn)了矢量圖約束下的影像分割。該方法將約束矢量圖邊界映射到遙感影像上形成邊緣，提取影像中標記區(qū)域，利用帶有優(yōu)先級的隊列數(shù)據(jù)進行快速泛洪，對邊緣像元進行標號，矢量化標號圖得到分割結(jié)果。在QuickBird遙感影像上的實驗驗證了本文方法的有效性及高效性，同時得出以下結(jié)論：

1)本文方法適用于大數(shù)據(jù)量遙感影像的二次分割，其耗時隨著影像數(shù)據(jù)量的增大而平穩(wěn)增大，因此當影像數(shù)據(jù)量較大時，其分割效率依然較高。

2)本文方法適用于無約束遙感影像的分割。無約束條件下進行影像分割，可以視為在影像外接矩形約束下的影像分割。

3)如何快速準確地提取標記區(qū)域是下步研究工作的重點。

參考文獻(References)：

[1]ImJ,JensenJR,TullisJA.Object-basedchangedetectionusingcorrelationimageanalysisandimagesegmentation[J].InternationalJournalofRemoteSensing,2008,29(2):399-423.

[2]ChenG,HayGJ,CarvalhoLMT,etal.Object-basedchangedetection[J].InternationalJournalofRemoteSensing,2012,33(14):4434-4457.

[3]LizarazoI,ElsnerP.Fuzzysegmentationforobject-basedimageclassification[J].InternationalJournalofRemoteSensing,2009,30(6):1643-1649.

[4]蔡銀橋,毛政元.基于多特征對象的高分辨率遙感影像分類方法及其應用[J].國土資源遙感,2007,19(1):77-81.doi:10.6046/gtzyyg.2007.01.17.

CaiYQ,MaoZY.Amethodforclassificationofhighresolutionremotelysensedimagesbasedonmulti-featureobjectanditsapplication[J].RemoteSensingforLandandResources,2007,19(1):77-81.doi:10.6046/gtzyyg.2007.01.17.

[5]曹凱,江南,呂恒,等.面向?qū)ο蟮腟POT5影像城區(qū)水體信息提取研究[J].國土資源遙感,2007,19(2):27-30.doi:10.6046/gtzyyg.2007.02.07.

CaoK,JiangN,LyuH,etal.TheextractionofwaterinformationinurbanareasbasedonSPOT5imageusingobject-orientedmethod[J].RemoteSensingforLandandResources,2007,19(2):27-30.doi:10.6046/gtzyyg.2007.02.07.

[6]孫永軍,童慶禧,秦其明.利用面向?qū)ο蠓椒ㄌ崛竦匦畔J].國土資源遙感,2008,20(1):79-82.doi:10.6046/gtzyyg.2008.01.18.

SunYJ,TongQX,QinQM.Theobject-orientedmethodforwetlandinformationextraction[J].RemoteSensingforLandandResources,2008,20(1):79-82.doi:10.6046/gtzyyg.2008.01.18.

[7]張志禹,孟令輝,雷濤.自適應梯度重建分水嶺分割算法[J].中國圖象圖形學報,2014,19(10):1430-1437.

ZhangZY,MengLH,LeiT.Adaptivegradientreconstructionforwatershedbasedimagesegmentation[J].JournalofImageandGraphics,2014,19(10):1430-1437.

[8]黃亮,左小清,馮沖,等.基于Canny算法的面向?qū)ο笥跋穹指頪J].國土資源遙感,2011,23(4):26-30.doi:10.6046/gtzyyg.2011.04.05.

HuangL,ZuoXQ,FengC,etal.Object-orientedimagesegmentationbasedoncannyalgorithm[J].RemoteSensingforLandandResources,2011,23(4):26-30.doi:10.6046/gtzyyg.2011.04.05.

[9]HarisK,EfstratiadisSN,MaglaverasN,etal.Hybridimagesegmentationusingwatershedsandfastregionmerging[J].IEEETransactionsonImageProcessing,1998,7(12):1684-1699.

[10]王學松,周明全,樊亞春,等.彩色圖像色度距離權(quán)值的圖論分割算法[J].中國圖象圖形學報,2011,16(2):221-226.

WangXS,ZhouMQ,FanYC,etal.ThealgorithmofgraphcutusingHSIweightsincolorimagesegmentation[J].JournalofImageandGraphics,2011,16(2):221-226.

[11]LiDR,ZhangGF,WuZC,etal.Anedgeembeddedmarker-basedwatershedalgorithmforhighspatialresolutionremotesensingimagesegmentation[J].IEEETransactionsonImageProcessing,2010,19(10):2781-2787.

[12]高麗,楊樹元,李海強.一種基于標記的分水嶺圖像分割新算法[J].中國圖象圖形學報,2007,12(6):1025-1032.

GaoL,YangSY,LiHQ.Newunsupervisedimagesegmentationviamarker-basedwatershed[J].JournalofImageandGraphics,2007,12(6):1025-1032.

[13]陳波,張友靜,陳亮.標記分水嶺算法及區(qū)域合并的遙感圖像分割[J].國土資源遙感,2007,19(2):35-38.doi:10.6046/gtzyyg.2007.02.09.

ChenB,ZhangYJ,ChenL.Segmentationoftheremotesensingimagebasedonmethodoflabelingwatershedalgorithmandregionalmerging[J].RemoteSensingforLandandResources,2007,19(2):35-38.doi:10.6046/gtzyyg.2007.02.09.

[14]巫兆聰,胡忠文,歐陽群東.一種區(qū)域自適應的遙感影像分水嶺分割算法[J].武漢大學學報:信息科學版,2011,36(3):293-296.

WuZC,HuZW,OuyangQD.Aregionaladaptivesegmentationalgorithmforremotesensingimage[J].GeomaticsandInformationScienceofWuhanUniversity,2011,36(3):293-296.

[15]MeyerF.Colorimagesegmentation[C]//IEEEinternationalconferenceonimageprocessinganditsapplications.Maastricht:IET,1992.

(責任編輯： 邢宇)

Remote sensing image segmentation under vector map constraints

LI Liang， LIANG Bin， XUE Peng， YING Guowei

(The Third Academy of Engineering of Surveying and Mapping, Chengdu 610500, China)

Abstract:Inordertosolvetheproblemofremotesensingimagesegmentationundervectormapconstraints,thispaperproposesamarker-basedwatershedmethodforremotesensingimagesegmentationundervectormapconstraints.Firstly,theconstrainedvectormapismappedtotheedgeoftheimage.Themarkersareextractedintheimagewithedge.Secondly,thepseudomarkedareasareeliminatedbyareaconstraint.Thefloodforunmarkedpixelsisimplementedbyapriorityqueuearrow.Lastly,theedgepixelsintheimagearelabeledbyasimilaritymeasurement.Thelabelimageisusedforvectorizationtogetthesegmentationresult.TheexperimentalresultontheQuickBirdimageshowsthattheproposedmethodcanrealizeimagesegmentationundervectormapconstraints.ComparedwithmultiresolutionsegmentationmethodineCognitionsoftware,theproposedmethodismoreefficientwhentheremotesensingimageislarge.

Keywords:vectormapconstraints;imagesegmentation;marker-basedwatershed;priorityqueue;vectorization

doi:10.6046/gtzyyg.2016.03.13

收稿日期：2015-04-22；

修訂日期：2015-06-02

基金項目：測繪地理信息公益性行業(yè)科研專項項目“衛(wèi)星遙感與地面?zhèn)鞲芯W(wǎng)一體化的湖泊流域地理國情監(jiān)測關鍵技術(shù)研究”(編號: 201512026)、數(shù)字制圖與國土信息應用工程國家測繪地理信息局重點實驗室開放基金項目"基于遙感影像的矢量圖更新關鍵技術(shù)研究"(編號：DM2016SC04)及四川省地理國情監(jiān)測工程技術(shù)研究中心項目“川南經(jīng)濟區(qū)交通網(wǎng)絡綜合研究——以瀘州市為例”(編號:GC201509)共同資助。

中圖法分類號：TP751.1

文獻標志碼：A

文章編號：1001-070X(2016)03-0080-06

第一作者簡介：李亮(1987-)，男，博士，主要從事遙感影像的智能化解譯研究。Email：liliang1987wuda@163.com。

引用格式： 李亮，梁彬，薛鵬,等.矢量圖約束的遙感影像分割算法[J].國土資源遙感,2016,28(3):80-85.(LiL，LiangB，XueP，etal.Remotesensingimagesegmentationundervectormapconstraints[J].RemoteSensingforLandandResources,2016,28(3):80-85.)