基于改進(jìn)標(biāo)記分水嶺的高分辨率遙感影像海岸水邊線提取方法

欒奎峰，劉 帥，潘與佳，朱衛(wèi)東*，李丕學(xué),裘 誠，邱振戈，沈 蔚，3，王 潔，王振華

(1.上海海洋大學(xué) 海洋科學(xué)學(xué)院，上海 201306；2.上海市海洋監(jiān)測預(yù)報(bào)中心，上海 200062；3.上海河口海洋測繪工程技術(shù)研究中心，上海 201306)

0 引言

海岸線是海洋與陸地的分界線[1]。如何快速、準(zhǔn)確提取海岸線具有重要意義。遙感技術(shù)具有全天候、全天時(shí)、覆蓋面積廣和數(shù)據(jù)來源豐富等優(yōu)點(diǎn)，已成為海岸線提取的重要手段[2-3]?，F(xiàn)有基于遙感手段的海岸線提取方法主要有：閾值分割法[4]、邊緣檢測法[5]、活動(dòng)輪廓模型法[6]、面向?qū)ο蠓╗7]、區(qū)域生長法[8]和元胞自動(dòng)機(jī)法[9]等。分水嶺算法是一種基于形態(tài)學(xué)的圖像分割算法，定位準(zhǔn)確，適用于分割粘連的目標(biāo)，得到單個(gè)像素寬度和連續(xù)封閉分割邊緣，適用于海岸線的提取。VINCENT et al[10]最早提出一種比較經(jīng)典的分水嶺檢測算法，以梯度圖像作為輸入進(jìn)行分割；GAO et al[11]先采用數(shù)學(xué)形態(tài)學(xué)中的面積算子對圖像進(jìn)行簡化，然后再進(jìn)行分水嶺分割；NING et al[12]在Mean-Shift聚類分割后進(jìn)行分水嶺分割，并通過人工干預(yù)進(jìn)行區(qū)域合并得到分割結(jié)果；林振榮 等[13]先采用形態(tài)學(xué)濾波進(jìn)行降噪處理，然后在分水嶺分割后進(jìn)行區(qū)域合并；PUISSANT et al[14]基于形態(tài)學(xué)工具“擊中擊不中變換”定義模板，通過雙重閾值對結(jié)果進(jìn)行組合，再進(jìn)行標(biāo)記的分水嶺變換，得出準(zhǔn)確的海岸線。隨著國產(chǎn)高分辨率多光譜衛(wèi)星數(shù)據(jù)的發(fā)展，影像上像元的純凈度提高，地物更加清晰，但細(xì)節(jié)也被放大，噪聲變得更多，同物異譜和異物同譜現(xiàn)象大量存在，使影像中出現(xiàn)許多局部灰度極值區(qū)域，原有的標(biāo)記分水嶺算法存在過分割現(xiàn)象，產(chǎn)生許多無效數(shù)據(jù)。

針對分水嶺方法在高分辨率多光譜數(shù)據(jù)提取岸線中存在的過分割和局部極值問題，本文提出了基于擴(kuò)展極大值和極小值變換的標(biāo)記分水嶺水邊線提取方法，采用形態(tài)學(xué)重建和擴(kuò)展極值變換等方法抑制噪聲點(diǎn)的影響，以達(dá)到較好的水邊線提取效果。

1 改進(jìn)的擴(kuò)展極值變換標(biāo)記分水嶺水邊線提取方法

改進(jìn)的擴(kuò)展極值變換標(biāo)記分水嶺水邊線提取方法主要步驟如圖1所示：首先對待分割的高分辨率多光譜影像進(jìn)行輻射定標(biāo)和大氣校正等預(yù)處理，其次對預(yù)處理后的影像進(jìn)行歸一化水體指數(shù)(Normalized Difference Water Index，NDWI)計(jì)算和梯度圖像計(jì)算，并對NDWI計(jì)算后的影像進(jìn)行形態(tài)學(xué)重建。然后，使用本文提出的改進(jìn)的擴(kuò)展極值變換方法對圖像進(jìn)行變換，獲得前景和背景標(biāo)記，并對原梯度圖像進(jìn)行強(qiáng)制最小值標(biāo)定處理，修正梯度圖像。最后，對修正后的梯度圖像進(jìn)行分水嶺變換，完成水邊線的提取。

圖1 算法流程圖Fig.1 Algorithm flow chart

1.1 形態(tài)學(xué)重建濾波

分水嶺變換是利用圖像灰度梯度幅值作為分割函數(shù)，對每個(gè)像素點(diǎn)的灰度級進(jìn)行排序，然后按照由低到高的順序進(jìn)行處理[15]。為突出水體信息、增強(qiáng)水體與陸地部分像元灰度值的差異，采用NDWI計(jì)算方法，對高分辨率多光譜影像數(shù)據(jù)進(jìn)行波段運(yùn)算。之后，利用形態(tài)學(xué)重建濾波方法對處理后的影像進(jìn)行平滑，去除影像中的噪聲。形態(tài)學(xué)基本運(yùn)算包括腐蝕、膨脹、開運(yùn)算和閉運(yùn)算，開運(yùn)算是先腐蝕后膨脹，閉運(yùn)算是先膨脹后腐蝕。膨脹和腐蝕運(yùn)算定義如下

(g⊕l)(x,y)=max{g(x+i,y+j)-
l(i,j)|(x+i,y+j)∈Dg,(i,j)∈Dl}

(1)

(gΘl)(x,y)=min{g(x+i,y+j)-
l(i,j)|(x+i,y+j)∈Dg,(i,j)∈Dl}

(2)

式中：g為待處理圖像，l為結(jié)構(gòu)元素，(x,y)為待處理圖像中運(yùn)算的原點(diǎn)，(i,j)表示運(yùn)算過程中結(jié)構(gòu)元素范圍內(nèi)像元的位置，Dg表示待處理圖像的范圍，Dl表示結(jié)構(gòu)元素的范圍，⊕、Θ分別表示膨脹和腐蝕運(yùn)算。

(3)

(4)

結(jié)構(gòu)元素l的選取影響著影像形態(tài)學(xué)重建后的結(jié)果。在常用的結(jié)構(gòu)元素中，圓盤型結(jié)構(gòu)元素對各種地物的處理效果都比較均衡，具有各向同性，不會(huì)對圖像特征值造成畸變[17]。結(jié)構(gòu)元素大小m應(yīng)大于目標(biāo)區(qū)域內(nèi)部單體地物，同時(shí)小于目標(biāo)區(qū)域的最大內(nèi)切圓半徑，目的是使目標(biāo)區(qū)域內(nèi)部更為平滑，同時(shí)保持其整體的外形輪廓。通過先進(jìn)行開重建運(yùn)算再進(jìn)行閉重建運(yùn)算的二次重建濾波，可有效平滑圖像和削弱噪聲。

1.2 基于擴(kuò)展極值變換的形態(tài)學(xué)標(biāo)記

經(jīng)過形態(tài)學(xué)重建處理的多光譜影像數(shù)據(jù)，雖然大部分局部噪聲被去除，但仍存在一些對影像梯度修正的準(zhǔn)確性造成干擾的噪聲。擴(kuò)展極值變換[18]是一種形態(tài)學(xué)閾值算子，是通過設(shè)定閾值，限制灰度局部極值點(diǎn)的數(shù)量，提取出顯著的灰度極值區(qū)域，將大多數(shù)無關(guān)區(qū)域標(biāo)記為0。一般的研究是在影像分割過程中僅采用擴(kuò)展極小值變換對影像中的灰度極小值區(qū)域進(jìn)行限制，然后進(jìn)行標(biāo)記提取[17,19-20]。但由于高分辨多光譜衛(wèi)星影像細(xì)節(jié)豐富，同物異譜和異物同譜等因素，影像中不僅灰度極小值區(qū)域會(huì)對分割結(jié)果造成影響，過多的灰度極大值點(diǎn)和區(qū)域也會(huì)對分割結(jié)果造成一定程度的干擾。因此，本文提出了基于擴(kuò)展極小值和極大值變換的標(biāo)記分水嶺方法，以此對形態(tài)學(xué)重建后的圖像進(jìn)行重構(gòu)，從而解決高分辨多光譜數(shù)據(jù)的過分割問題。

形態(tài)學(xué)重建濾波處理后的圖像，陸地范圍的像元灰度值低于水體像元的灰度值，則采用擴(kuò)展極小值變換標(biāo)記陸地，其公式為

If=Hmin(M|h1)

(5)

式中：If為擴(kuò)展極小值變換后的圖像，Hmin為形態(tài)學(xué)擴(kuò)展極小值變換運(yùn)算，M為形態(tài)學(xué)重建后的圖像，h1表示擴(kuò)展極小值變換運(yùn)算的灰度閾值。擴(kuò)展極小值變換后的圖像中陸地區(qū)域標(biāo)記為1，其余部分標(biāo)記為0，消除陸地部分低于閾值的局部灰度極小值區(qū)域，并與已標(biāo)記為陸地的區(qū)域合并。

為去除水體區(qū)域中存在的局部噪聲點(diǎn)，本文采用擴(kuò)展極大值變換的方法，對圖像進(jìn)行擴(kuò)展極值變換，其公式為

Ib=Hmax(M|h2)

(6)

式中：Ib為擴(kuò)展極大值變換后的圖像，Hmax表示形態(tài)學(xué)的擴(kuò)展極大值變換運(yùn)算，h2為擴(kuò)展極大值變換運(yùn)算的灰度閾值。擴(kuò)展極大值變換后的圖像中水體區(qū)域標(biāo)記為1，其余部分標(biāo)記為0，消除水域部分高于閾值的局部灰度極大值區(qū)域，并與已標(biāo)記為水域部分的區(qū)域進(jìn)行合并。

擴(kuò)展極小值和極大值變換過程中，h1和h2的設(shè)定是擴(kuò)展極值變換的關(guān)鍵，閾值過小則處理后的圖像仍會(huì)存在過分割現(xiàn)象，閾值過大會(huì)使得最終的結(jié)果出現(xiàn)錯(cuò)誤分割。本文采用基于最大類間方差法[21]設(shè)定上述兩個(gè)閾值的初值，其公式為

h1=t-Imin

(7)

h2=Imax-t

(8)

式中：t為采用最大類間方差法計(jì)算的圖像分割閾值，Imin和Imax分別為全圖像中像元灰度的最小值和最大值。由于高分辨率多光譜數(shù)據(jù)的差異，h1和h2的值在實(shí)際計(jì)算中需要根據(jù)標(biāo)記計(jì)算的效果再進(jìn)行細(xì)微調(diào)整。

本文對擴(kuò)展極值變換后的圖像進(jìn)行形態(tài)學(xué)開、閉運(yùn)算和腐蝕運(yùn)算的處理，基于前景和背景標(biāo)記的結(jié)果，采用形態(tài)學(xué)強(qiáng)制最小值標(biāo)定的方法修正原始梯度圖像。修正后的梯度圖像f1為[20]

f1=IMmin(f|I)

(9)

式中：IMmin表示形態(tài)學(xué)強(qiáng)制最小值標(biāo)定運(yùn)算，f表示原始梯度圖像，I表示前景和背景標(biāo)記圖像。f1對應(yīng)于標(biāo)記圖像I中為1的點(diǎn)，均被標(biāo)定為0，其余像元點(diǎn)的灰度值與原始梯度圖像保持不變。修正后的梯度圖像中保留邊緣輪廓信息，其余區(qū)域均標(biāo)記為0，完成局部噪聲的去除。在此基礎(chǔ)上再開展分水嶺變換的處理，得到單像素寬的準(zhǔn)確水邊線[22]。

2 實(shí)驗(yàn)與結(jié)果分析

2.1 研究區(qū)概況及數(shù)據(jù)源

本文選取南海海域的南薰島和鴻庥島作為2種岸線類型的研究區(qū)(圖2)。南薰島是吹沙填海而來的人工島，島嶼面積約為0.18 km2，岸線類型主要為人工岸線。鴻庥島為自然形成的小島嶼，面積約為0.08 km2，外觀呈橢圓形，岸線類型主要為沙質(zhì)岸線。兩個(gè)島嶼海岸線類型特征明顯。

圖2 研究區(qū)地理位置示意圖Fig.2 Geographical position of the study area

遙感數(shù)據(jù)選用GF-2衛(wèi)星遙感影像，2個(gè)島嶼的衛(wèi)星影像獲取時(shí)間分別為2017年5月29日和2017年3月21日。高分二號全色影像空間分辨率為1 m，多光譜影像空間分辨率為4 m。其中全色影像波段為450～900 nm；多光譜影像分為4個(gè)波段，分別是450～520 nm(藍(lán)波段)、520～590 nm(綠波段)、630～690 nm(紅波段)、770～890 nm(近紅外波段)[23]。本文使用其多光譜影像數(shù)據(jù)進(jìn)行實(shí)驗(yàn)。

2.2 實(shí)驗(yàn)結(jié)果與分析

2.2.1 數(shù)據(jù)處理

實(shí)驗(yàn)首先對南薰島原始遙感圖像進(jìn)行輻射定標(biāo)、大氣校正等預(yù)處理(圖3a)，再進(jìn)行NDWI運(yùn)算，并建立Sobel梯度圖像(圖3b)，圖像邊緣信息得到了加強(qiáng)和突出，但由于存在過多的噪聲點(diǎn)，會(huì)出現(xiàn)嚴(yán)重的過分割現(xiàn)象(圖3c)。在NDWI運(yùn)算后進(jìn)行形態(tài)學(xué)重建濾波(圖3d)，圖像中海陸像元灰度值對比差異顯著，噪聲在一定程度上得到消除，同時(shí)邊緣輪廓信息也能得到較好的保留。其次，針對陸地部分的噪聲，在形態(tài)學(xué)重建后進(jìn)行擴(kuò)展極小值變換運(yùn)算，為保證能得到分割結(jié)果，再進(jìn)行形態(tài)學(xué)開、閉運(yùn)算和腐蝕運(yùn)算來收縮邊緣，得到陸地標(biāo)記結(jié)果(圖3e)，圖像中陸地部分的灰度極小值點(diǎn)被消除，但水體部分由于存在過多的灰度極大值點(diǎn)，會(huì)對分割結(jié)果造成干擾。針對水體部分存在過多的灰度極大值點(diǎn)，采用本文提出的擴(kuò)展極大值變換運(yùn)算方法，在形態(tài)學(xué)重建后進(jìn)行擴(kuò)展極大值變換運(yùn)算，同時(shí)收縮邊緣，得到水體標(biāo)記結(jié)果(圖3f)，可發(fā)現(xiàn)圖像中水體部分的灰度極大值點(diǎn)和區(qū)域得到有效的去除，水體部分過分割現(xiàn)象基本消除。結(jié)合前景(陸地)、背景(水體)標(biāo)記，采用形態(tài)學(xué)強(qiáng)制最小值標(biāo)定方法對圖3b進(jìn)行修正，得到修正后梯度圖像(圖3g)，并在此基礎(chǔ)上進(jìn)行分水嶺變換，圖3h為分割結(jié)果，中間單像素寬的分割線即為水邊線，疊加在原圖上如圖3i所示。

(a)預(yù)處理后圖像

(d)形態(tài)學(xué)重建圖像

(g)修正后梯度圖像

對比本文方法提取的水邊線和圖像中的水邊線，輪廓封閉，形狀較為規(guī)則，對于伸向海洋的碼頭邊緣定位也較準(zhǔn)確，兩者基本重合，說明本文所用算法對南薰島的陸地與海水部分能夠較為準(zhǔn)確地分割與提取。

同樣，用本文算法對以沙質(zhì)岸線為主的鴻庥島進(jìn)行實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果如圖4所示。在對預(yù)處理后圖像進(jìn)行NDWI運(yùn)算和形態(tài)學(xué)重建后，圖像上的大部分噪聲點(diǎn)已經(jīng)消除，但依舊存在部分灰度極值區(qū)域?qū)τ跋裉荻刃拚臏?zhǔn)確性造成干擾。采用擴(kuò)展極小值變換對陸地部分的灰度極小值區(qū)域進(jìn)行限制，同時(shí)采用擴(kuò)展極大值變換對水體部分的灰度極大值區(qū)域進(jìn)行限制，完成了前景和背景標(biāo)記，圖像中陸地和水體內(nèi)部的灰度極值區(qū)域分別得到有效的去除。然后，采用形態(tài)學(xué)強(qiáng)制最小值標(biāo)定方法和分水嶺變換后得到單像素寬的水邊線。從結(jié)果中發(fā)現(xiàn)，沙質(zhì)岸線同樣可以得到較為準(zhǔn)確的海陸分割和水邊線提取結(jié)果，對沙灘能夠進(jìn)行準(zhǔn)確識別，水邊線提取結(jié)果與圖像中的水邊線基本吻合。

(a)預(yù)處理后圖像

(c)過分割圖像

(e)擴(kuò)展極小值變換后陸地標(biāo)記

(g)修正后梯度圖像

(h)分割結(jié)果疊加圖像

擴(kuò)展極值變換運(yùn)算中，對于h1和h2的設(shè)定是變換的關(guān)鍵所在。根據(jù)公式(7)和(8)的閾值確定方法，南薰島影像的h1和h2值分別為55和60。在上述閾值基礎(chǔ)上，分別設(shè)定過小和過大的閾值進(jìn)行實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果如圖5所示。從結(jié)果中發(fā)現(xiàn)，當(dāng)h1和h2均設(shè)定過小時(shí)(圖5a)，圖像中仍會(huì)存在過多的灰度極值區(qū)域，最終結(jié)果會(huì)出現(xiàn)過分割現(xiàn)象；當(dāng)h1設(shè)定過小、h2設(shè)定過大(圖5b)或h1設(shè)定過大、h2設(shè)定過小(圖5c)時(shí)，會(huì)使得圖像中的灰度極值區(qū)域被過分消除或合并，最終均會(huì)出現(xiàn)錯(cuò)誤分割的結(jié)果；當(dāng)h1和h2均設(shè)定過大時(shí)，會(huì)使得圖像中的灰度極值區(qū)域被完全消除，最終無法得到分割結(jié)果，使整幅影像呈現(xiàn)單一灰度值。由此說明擴(kuò)展極值變換閾值設(shè)定得過大或過小均會(huì)使得最終結(jié)果出現(xiàn)過分割、錯(cuò)誤分割現(xiàn)象，甚至無法得到分割結(jié)果。

在以上實(shí)驗(yàn)過程中，由于部分水陸邊緣光譜信息較復(fù)雜，水陸差異對比不顯著，導(dǎo)致分水嶺變換時(shí)部分海陸邊界定位不夠準(zhǔn)確，對水邊線的提取精度存在一定影響。

2.2.2 精度評價(jià)

為定量評價(jià)本文方法提取水邊線的精度和可靠性，以目視解譯提取的水邊線作為參考，采用緩沖區(qū)分析法[24]開展精度驗(yàn)證。該方法中，先對參考水邊線以一定的像素寬度建立緩沖區(qū)，提取出的水邊線如果落入到該緩沖區(qū)內(nèi)，則認(rèn)為該段水邊線提取結(jié)果與參考水邊線相匹配，其長度記為TP1；如若不在緩沖區(qū)內(nèi)，則認(rèn)為不相匹配，長度記為FP。對采用本文方法提取出的水邊線也建立相同像素寬度的緩沖區(qū)，如果參考水邊線落入到緩沖區(qū)內(nèi)，則認(rèn)為二者相匹配，記其長度為TP2；如果不在緩沖區(qū)內(nèi)，記其長度為FN?；谏鲜龇治?，建立完整度(Complete)、正確度(Correct)和質(zhì)量(Quality)這三個(gè)評價(jià)指標(biāo)：

Complete=TP2/(TP2+FN)

(10)

Correct=TP1/(TP1+FP)

(11)

(12)

長度相對誤差也常用于評價(jià)海岸線提取精度，其計(jì)算方法為：(提取的海岸線長度—參考海岸線長度)/參考海岸線長度。該值越低，說明長度誤差越小，精度越高。

通過以上4個(gè)評價(jià)指標(biāo)驗(yàn)證本方法提取水邊線的精度，其結(jié)果如表1和表2所示。

表1 南薰島提取結(jié)果精度分析Tab.1 Accuracy analysis of Nanxun Dao extraction results

表2 鴻庥島提取結(jié)果精度分析Tab.2 Accuracy analysis of Hongxiu Dao extraction results

從上述結(jié)果可以發(fā)現(xiàn)，南薰島的長度相對誤差為0.57%，鴻庥島的長度相對誤差為-1.09%，說明兩個(gè)島嶼水邊線提取結(jié)果的長度精度均較高。對于南薰島，當(dāng)緩沖半徑為0.5個(gè)像素時(shí)，完整度為92.08%，正確度為91.55%，質(zhì)量為84.87%，提取效果良好；當(dāng)緩沖半徑為1個(gè)像素時(shí)，完整度為96.67%，正確度為96.00%，質(zhì)量為92.93%，提取的準(zhǔn)確性較好，定位精度較高，說明該方法對于人工岸線的提取精度能夠達(dá)到1個(gè)像素。對于鴻庥島，當(dāng)緩沖半徑為0.5個(gè)像素時(shí)，質(zhì)量僅有69.09%，提取效果較差；當(dāng)緩沖半徑為1個(gè)像素時(shí)，正確度達(dá)到90%以上，說明提取結(jié)果較為準(zhǔn)確；當(dāng)緩沖半徑為1.5個(gè)像素時(shí)，完整度、正確度和質(zhì)量均在90%以上，此時(shí)提取效果較好，說明該方法提取沙質(zhì)岸線的精度能達(dá)到1.5個(gè)像素。

3 結(jié)論

針對分水嶺變換方法在高分辨率多光譜衛(wèi)星影像數(shù)據(jù)應(yīng)用中存在同物異譜和異物同譜等因素引起過分割的問題，本文提出了一種基于擴(kuò)展極值變換標(biāo)記分水嶺的海島水邊線提取算法，并采用高分二號衛(wèi)星多光譜影像，在南海海域的南薰島和鴻庥島進(jìn)行了水邊線提取的方法驗(yàn)證，在現(xiàn)有的標(biāo)記分水嶺算法基礎(chǔ)上，增加了擴(kuò)展極大值變換的影像數(shù)據(jù)背景標(biāo)記，再經(jīng)過強(qiáng)制最小值標(biāo)定和分水嶺變換后提取海島水邊線信息。實(shí)驗(yàn)中，人工岸線為主的海島水邊線提取精度在1個(gè)像素之內(nèi)高于90%，沙質(zhì)岸線為主的海島水邊線提取精度在1.5個(gè)像素之內(nèi)高于90%。實(shí)驗(yàn)結(jié)果表明：本文所用的改進(jìn)算法能夠較好抑制過分割現(xiàn)象，對于人工和沙質(zhì)岸線提取的精度均較高，對于面積較小的島嶼也能準(zhǔn)確提取出其水邊線信息。部分區(qū)域受自然因素和影像光譜信息影響，使得分水嶺變換后定位不準(zhǔn)確，存在水邊線提取結(jié)果出現(xiàn)細(xì)微偏差的現(xiàn)象。同時(shí)，本研究缺少海島的多期觀測數(shù)據(jù)和潮汐數(shù)據(jù)，未對其提取的結(jié)果進(jìn)行潮汐改正計(jì)算，僅為海島水邊線。