用于農作物種植信息提取的圖像分割技術研究進展

黃 祥，王克曉，李 波，吳 園

（重慶市農業(yè)科學院，重慶 401329）

農作物種植面積是制定農業(yè)政策和優(yōu)化農作物種植結構的重要依據(jù)，快捷、準確地獲取農作物種植面積對保障糧食安全和國家經濟發(fā)展具有重要意義[1-2]。傳統(tǒng)的農作物種植面積監(jiān)測方法大多依賴于現(xiàn)場目視解譯，監(jiān)測時效性和精確性較差。遙感技術憑借其快速、無損、大范圍等優(yōu)點已廣泛應用于農作物種植信息監(jiān)測。隨著傳感器技術的快速進步，無人機遙感得以飛速發(fā)展，高光譜、高分辨率遙感影像獲取成本大大降低，在農田信息監(jiān)測領域表現(xiàn)出巨大的應用潛力。為了能夠更好地分析農田種植信息，本文對常見的圖像分割方法進行了比較分析。

1 圖像分割概述

圖像分割是基于圖像灰度、顏色、形狀和紋理等特征，將圖像劃分成具有獨特性質的子區(qū)域。同一子區(qū)域的像素點被認為是同類，即是對圖片中有相同性質的像素賦予相同標簽的過程[3]。根據(jù)分割機理可以分為連續(xù)分割和非連續(xù)分割，連續(xù)分割是指將具有相同特征的像素劃分為同一區(qū)域，常見的連續(xù)分割方法有閾值分割、區(qū)域生成及聚類分割等。非連續(xù)分割是利用像素值突變特性所呈現(xiàn)的不同邊界，常見的分割方法有邊緣分割。近年來，隨著深度學習的飛速發(fā)展，計算機視覺實現(xiàn)了巨大突破，其中，圖像分割作為計算機視覺領域的重要技術，也取得了突破性進展。本文以深度學習是否引入分割算法為依據(jù)，將圖像分割分為傳統(tǒng)分割方法和基于深度學習的分割方法，并根據(jù)類別分別簡述其經典算法。

2 傳統(tǒng)圖像分割方法

傳統(tǒng)的圖像分割方法大多基于光譜、紋理等淺層次特征進行區(qū)域劃分，簡單且易操作，分析效率高。本節(jié)對農作物種植信息提取中常用的經典圖像分割算法進行闡述，包括閾值分割法、分水嶺分割法、聚類分割法、邊緣分割法和多尺度分割法，并簡要描述其優(yōu)缺點及在丘陵山區(qū)農作物遙感監(jiān)測中的應用潛力。

2.1 閾值分割法

最早的圖像分割方法是基于閾值的圖像分割方法，通過設定不同的灰度閾值，將同類劃分在同一灰度范圍內，進行粗糙的像素級別分割。這種分割方法，對于背景和目標區(qū)別明顯的簡單場景有效。根據(jù)不同的分割規(guī)則，可將閾值分割分為：局部閾值分割方法[4]、基于點的全局閾值分割方法[5]、基于區(qū)域的全局閾值分割方法[6]。閾值分割方法簡單易實現(xiàn)，并且耗時較短，能迅速完成分割。然而，該類方法只考慮到光譜信息，未考慮空間信息。對于同物異譜或異物同譜等現(xiàn)象，閾值分割并不能取得理想的分割效果。因此，對于種植結構復雜、地形起伏較大的丘陵山區(qū)，閾值分割的應用潛力較小。

2.2 分水嶺分割法

分水嶺分割算法是一種基于區(qū)域生長的圖像分割方法，通過像素的相似性特征對像素點進行分類并構成區(qū)域[7]。分水嶺分割是將圖像特征看作地理上的地貌特征，將圖像的邊緣輪廓轉換為“山脈”，將均勻區(qū)域轉換為“山谷”。算法過程如下：1）以局部最小值作為谷底，局部最高值作為山峰。2）通過谷底向外慢慢生長，直至覆蓋所有區(qū)域。類似于向各個孤立的山谷中注入不同顏色的水，每一種顏色代表一個類別[8]。3）當水漲起來后，為了避免不同山谷間的水開始合并，在合并處建立障礙，連同山峰構成分水嶺，完成圖像分割。分水嶺分割算法適用于大部分應用場景，其核心在于種子點和生長原則的選取，將直接影響分割效果。通常以局部極小值點作為種子點，并圍繞種子點向外生長，由于圖像中存在噪聲像元和像元缺失等情況，出現(xiàn)局部種子點過多，易導致分割結果出現(xiàn)過度分割現(xiàn)象，同時，該方法相對復雜，耗時較長。

2.3 聚類分割法

基于像素的聚類分割是將具有特征相似性的像素點聚集到同一區(qū)域[9]，反復迭代聚類結果至收斂，以實現(xiàn)分割，代表方法有K-means 聚類[10]、譜聚類[11]（Spectral Clustering,SC）和簡單線性迭代聚類[12]（simple linear iterative Clustering，SLIC）等。K-means聚類是最著名的聚類分割算法，于20 世紀60 年代提出，算法過程如下：1）首先從數(shù)據(jù)庫中隨機選取K個數(shù)據(jù)樣本作為聚類中心。2）依次測量每個樣本到每個聚類中心的距離，并把它歸到最近的聚類中心的類。3）重新計算已經得到的各個類的聚類中心。4）迭代2～3 步，直至新的聚類中心與原聚類中心相等或小于指定閾值。目前，基于K-means 聚類算法已經發(fā)展出大量不同的改進算法。Achanta 等在2010 年提出SLIC算法，該算法是一種易于實現(xiàn)的圖像分割算法。SLIC 算法通過構造像素點距離度量標準，來衡量顏色和空間相似度，對圖像進行聚類。SLIC 算法可以將圖像中的像素劃分為超像素塊，因此也被稱為超像素分割、在運算速度、物體輪廓保持等方面具有較高的綜合評價，被廣泛應用于多種圖像分割場景。

聚類分割算法基于特征相似性原則，包括光譜、紋理等特征，需滿足同一聚類中的對象特征相似度較高，而不同聚類中的對象特征相似度較小，更適用于目標地物特征差異明顯的應用場景。在農作物種植信息提取中，超像素分割法是應用較廣的聚類分割算法，相對其他聚類分割算法，對地物邊界的還原度更好，但是也存在耗時較長的問題。

2.4 邊緣分割法

基于邊緣檢測的圖像分割方法[13]，本質上是利用像元灰度值不連續(xù)進行圖像分割，其基礎是邊緣檢測。通過邊緣檢測并連接邊界處像素點，形成邊緣輪廓，從而將圖像劃分成不同的區(qū)域。邊緣檢測通常借助微分算子，將待分割圖像與微分算子卷積，完成邊緣像元提取，獲取地物輪廓信息。根據(jù)采用的微分算子，可以區(qū)分不同的邊緣檢測算法，常用的微分算子有Canny[14]、Roberts[15]等?；谶吘墮z測的圖像分割方法，過程簡單易操作，耗時較短，性能相對優(yōu)良，對像元灰度值具有明顯突變的影像分割效果較好，但該算法易受圖像噪聲和像元缺失的影響，邊界特征無法被完整描述。因此，邊緣檢測后，對于斷開的邊緣輪廓，需要通過相似性準則搜索并連接相鄰邊緣點，以完整描述邊界信息，形成有意義的邊界。

2.5 多尺度分割法

針對傳統(tǒng)單一尺度分割出現(xiàn)過分割或欠分割情況，比如，地物面積大而分割尺度小，必然導致分割結果過于破碎，反之分割尺度大而地物面積小，則分割結果不完全。Bruzzone和Carlin等[16]提出了多尺度分割算法，該算法的核心分割模型仍然是傳統(tǒng)的單一尺度圖像分割模型，比如閾值分割、區(qū)域生長和邊緣分割等，區(qū)別在于利用分割模型去處理多種尺度圖像，再將各尺度下的分割結果進行融合。具體算法過程如下：1）進行尺度變換，采用小波變換或金字塔變換將原始圖像變換為不同分辨率的新圖像。2）對變換后的不同尺度新圖像，借助傳統(tǒng)分割模型，逐一進行單一尺度分割。3）對不同尺度分割結果進行融合，得到多尺度分割結果。多尺度分割算法通過像素級的加權平均或區(qū)域級的合并等方式進行分割結果融合，使得融合后的分割邊界較為平滑，符合農作物種植信息提取要求。特別是丘陵山區(qū)，地形復雜，地塊破碎，單一尺度分割精度不夠理想，更適合采用多尺度分割算法。當然，多尺度分割的“尺度”數(shù)量較單一尺度多，尤其分割尺度太小時，運行效率極慢。

3 基于深度學習的分割方法

近年來，深度學習發(fā)展迅猛，卷積神經網絡（Convolutional Neural Networks，CNN）被廣泛應用于圖像分類、識別等計算機視覺領域，基于卷積神經網絡框架的圖像分割技術發(fā)展迅速，并取得了突破性進展[17]，成功構建了多種圖像分割模型。隨著圖像分割場景日益復雜化，傳統(tǒng)的圖像分割方法難以滿足實際要求，基于深度學習的圖像分割方法實現(xiàn)了更加高效和精準的分割。本節(jié)重點介紹幾種經典的基于深度學習的分割方法，包括：FCN[18]、DeepLab[19]、SegNet[20]等。

3.1 完全卷積網絡

完全卷積網絡[18]（Fully Convolution Networks，F(xiàn)CN）由Jonathan Long 等學者于2015 年提出，是首個端到端的深度學習分割模型，在圖像分割領域具有重要意義。FCN 基于傳統(tǒng)的卷積改進而來，采用卷積層替換網絡中的全連接層。FCN 的網絡架構采用編碼-解碼結構，編碼部分采用經典的CNN 網絡，如VGG、ResNet 等，用于特征提取；解碼部分，由于卷積和池化操作會導致圖像尺寸變小，使用上采樣方式對圖像尺寸進行恢復，得到輸入圖像尺寸大小的分割圖像。此外，通過跳躍連接，將淺層輸出和深層輸出進行聯(lián)合，減少底層的圖像信息丟失，同時避免網絡退化及梯度爆炸等問題。

3.2 DeepLab網絡

DeepLab[19]是Chen 等學者基于FCN 提出的一系列圖像分割模型，最新版本為DeepLab-v3+[21]?！癉eepLab-v3+”采用編碼-解碼結構。編碼器由深度卷積神經網絡（Deep Convolutional Neural Network，DCNN）模型及ASPP 模塊構成，將圖像輸入DCNN 進行處理，輸出中淺層特征圖和經過ASPP 融合卷積后的特征圖，并將兩者作為解碼器的輸入。解碼部分，對輸入的中淺層特征圖進行卷積，再與經過上采樣的ASPP 特征圖進行融合，然后經過上采樣操作輸出原始尺寸大小的分割圖，實現(xiàn)端到端的語義分割。DCNN 網絡是一種采用深度可分離卷積層的卷積神經網絡，將通道之間分開處理，減少光譜和空間相關性干擾。ASPP 模塊將空洞卷積和特征金字塔池化結合在一起，在相同的計算代價下增大卷積核的感受野，挖掘多尺度上下文信息，以更好地捕捉地塊邊界。

3.3 SegNet網絡

SegNet 是在FCN 基礎上改進而來，由一個編碼器網絡、一個相應的解碼器網絡和一個逐像素分類層組成，其特點在于編碼階段，進行池化時，保留最大值的位置信息，然后，在解碼階段，利用最大池化索引進行非線性上采樣，將低分辨率編碼器輸出特征映射到原始輸入圖像分辨率特征圖，避免在編碼階段保存特征圖，從而節(jié)省內存空間。同時，消除了學習上采樣的需要，減少了訓練參數(shù)，從而節(jié)約了計算時間。

4 結語

本文著重介紹了幾類常用的傳統(tǒng)圖像分割方法和幾種深度學習圖像分割方法，傳統(tǒng)的圖像分割方法在簡單場景下應用效果較好，而基于深度學習的圖像分割方法在復雜場景下效果更好。不同分割算法的優(yōu)缺點不同，需要根據(jù)應用場景靈活選擇，甚至將多種分割方法結合使用，以獲得最佳分割效果。圖像分割作為計算機視覺領域的一項基礎技術，是圖像理解的重要一環(huán)，至今仍受到工業(yè)界與學術界的高度重視，但仍然存在一些難題：1）樣本標注工作繁重，海量樣本數(shù)據(jù)集構建難度大；2）小尺寸或復雜形狀目標分割精度不夠；3）基于深度學習的分割網絡對計算資源的消耗嚴重，使得模型收斂速度非常慢，在計算能力有限的情況下，模型訓練耗時長久；4）采用編碼-解碼結構的卷積神經網絡框架，運用卷積和池化操作，會降低圖像分辨率，深層次特征對細節(jié)信息表達不夠充分，導致目標地物輪廓分割得不夠細致，即使采用跳躍連接技術，將淺層特征和深層特征融合，也只在一定程度上緩解了上述問題。這些問題具有重要的研究價值，若能較好地解決，對于促進圖像分割技術落地、應用和推廣具有重要意義。