鄭 麗 潘建平

(重慶交通大學(xué)土木建筑學(xué)院,重慶 400074)

圖像分割是從圖像處理到圖像分析轉(zhuǎn)變的關(guān)鍵,也是圖像自動分析的第一步,是進(jìn)一步進(jìn)行圖像識別、分析和理解的基礎(chǔ)[1]。遙感圖像分割是指對遙感圖像進(jìn)行處理、分析,按一定的規(guī)則將圖像分成更具特性的區(qū)域并提取出感興趣目標(biāo)的技術(shù)和過程。這些特性可以是灰度、顏色、紋理或幾何性質(zhì)等,目標(biāo)可以對應(yīng)單個區(qū)域,也可以對應(yīng)多個區(qū)域,其中每個區(qū)域都是由大致相同的像素組成。

在遙感圖像地物特征提取研究中,特征提取主要分為三類:點狀特征的提取、線狀特征的提取、面狀特征的提取。作為遙感圖像地物特征提取的技術(shù)前提,遙感圖像分割技術(shù)正日益受到關(guān)注。目前,在這三種特征提取中,對具有明顯邊界的線狀特征和面狀特征地物的提取展開的研究比較多。遙感圖像通常表現(xiàn)為:灰度級多、信息量大、邊界模糊、目標(biāo)結(jié)構(gòu)復(fù)雜等[2],由于遙感圖像本身信息的復(fù)雜性和隨機性,所以目前還沒有遙感圖像分割的理想方法,在一定程度上影響了其在遙感領(lǐng)域的廣泛應(yīng)用。圖像分割主要是基于光譜特征,后來發(fā)展為結(jié)合光譜特征、紋理特征、形狀特征、空間關(guān)系特征等綜合因素的計算機信息提取。其中,運用遙感進(jìn)行道路自動提取取得了一定的研究成效,常用的有閾值法、密度分割法、決策樹分類等,數(shù)學(xué)形態(tài)學(xué)等方法也被用于道路提取中。

本文主要以IKONOS影像為數(shù)據(jù)源,以IDL語言為開發(fā)平臺,結(jié)合ENVI現(xiàn)有的文件處理功能,選擇典型線狀目標(biāo)道路為研究對象,通過數(shù)學(xué)形態(tài)學(xué)有效地將高分辨遙感圖像中的道路分割出來,從而獲得道路目標(biāo)更為詳細(xì)的描述,證明了其在道路提取方面的有效性。

高分辨率遙感圖像提供了海量的數(shù)據(jù)和更豐富的地物信息,如何快速、自動識別和提取圖像上的地物特征,對推動高分辨率遙感圖像的應(yīng)用有著極其重要的作用。高分辨率遙感圖像的道路提取可以為更新道路信息提供信息資料,對地物特征提取有一定的參考價值。

1 數(shù)學(xué)形態(tài)學(xué)的基本原理

數(shù)學(xué)形態(tài)學(xué)的數(shù)學(xué)基礎(chǔ)和所用語言是集合論。數(shù)學(xué)形態(tài)學(xué)的應(yīng)用可以簡化圖像數(shù)據(jù),保持它們基本的形狀特性,并除去不相干的結(jié)構(gòu)。數(shù)學(xué)形態(tài)學(xué)的算法具有天然的并行實現(xiàn)的結(jié)構(gòu),它是一種非線性濾波方法,可以用于圖像信息提取方面,其基本思想是用具有一定形態(tài)的結(jié)構(gòu)元素去量度和提取圖像中的對應(yīng)形狀,以達(dá)到對圖像分析和識別的目的[3]。結(jié)構(gòu)元素是收集圖像信息的探針,可直接攜帶知識(形態(tài)、大小、甚至加入灰度和色度信息)來探測、研究圖像的結(jié)構(gòu)特點。它的選取直接影響圖像處理的效果和質(zhì)量。

數(shù)學(xué)形態(tài)學(xué)由一組形態(tài)學(xué)代數(shù)算子組成,以膨脹、腐蝕為基礎(chǔ),在處理圖像時可以根據(jù)需要,由這兩種運算組成各種復(fù)雜的運算,如先腐蝕再膨脹組成開運算,先膨脹再腐蝕組成閉運算;也可以由開運算、閉運算以及原圖組成各種復(fù)雜的運算,通過組合這些算子可以實現(xiàn)對圖像形狀、結(jié)構(gòu)的分析和處理。

在遙感圖像處理中,數(shù)學(xué)形態(tài)學(xué)主要用來從高分辨率圖像中提取幾何信息,對二值圖像最為有效[4]。在二值形態(tài)學(xué)中,其運算對象是集合。設(shè)A代表圖像集合,B為結(jié)構(gòu)元素,它本身實際上也是一個圖像集合,數(shù)學(xué)形態(tài)學(xué)運算是用B對A進(jìn)行操作。在下列運算中A、B均為 Z2中的集合,φ為空集,^B為B的映像。

(1)膨脹與腐蝕運算

A被B膨脹,記為A⊕B,可以用數(shù)學(xué)符號表示為:A⊕B={x|[(^B)x]∩A≠?}

A被B腐蝕,記為AΘB,可以用數(shù)學(xué)符號表示為:AΘB={x|(B)x?A}

(2)開運算和閉運算

開運算可以用數(shù)學(xué)符號表示為:A·B=(AΘB)⊕B

閉運算可以用數(shù)學(xué)符號表示為:A·B=(A⊕B)ΘB

2 基于數(shù)學(xué)形態(tài)學(xué)的道路提取

實驗流程如圖1所示。

2.1 實驗區(qū)數(shù)據(jù)介紹

本文實驗采用某地區(qū)IKONOS影像為數(shù)據(jù)源,分辨率為4m,道路在影像中呈現(xiàn)高亮度的光譜特征。實驗區(qū)影像主要包含了建筑物和道路以及其他地物信息(如圖2),其大小為550像素 ×550像素。

圖2 原始圖像

2.2 圖像增強處理

遙感圖像以提取信息為主要目標(biāo),增強處理是為了提高圖像信息的提取能力。高分辨率遙感圖像道路表現(xiàn)為連續(xù)的、灰度變化、寬度變化緩慢的狹長區(qū)域,其光譜特征和其他地物有著明顯的區(qū)別,道路的DN值明顯高于其他地物。由于圖像分割主要是基于光譜特征的,這就為道路的自動提取創(chuàng)造了條件,但建筑物、路面噪聲(如汽車、非均一材質(zhì)、綠化帶以及陰影等)、停車場等對道路提取帶來了很大干擾。為了取得預(yù)期提取效果,我們首先進(jìn)行增強處理。

這里,我們通過BYSTCL()函數(shù)來實現(xiàn)對比度拉伸從而得到更多的內(nèi)在信息并利用HIST_EQUAL()函數(shù)進(jìn)行直方圖均衡化,繪制原始圖像和直方圖均衡化后圖像的直方圖(如圖3、圖4)。

圖3 原始圖像的灰度直方圖

圖4 直方圖均衡化

研究遙感圖像中的道路時,由于道路在空間位置上具有一定延伸方向的特點,要突出道路的主干部分時宜選擇低通濾波處理。本文選用均值低通濾波處理,利用SMOOTH()函數(shù)來實現(xiàn)圖像平滑,消除背景區(qū)域中細(xì)小的噪聲(如圖5),為后續(xù)的道路提取奠定了基礎(chǔ)。

圖5 平滑處理后圖像

2.3 閾值分割處理

首先采用閾值分割算法對IKONOS圖像進(jìn)行分割,灰度閾值法是一種最常見的也是最簡單的分割算法。一般選擇直方圖的谷對應(yīng)的灰度值作為閾值,記為t0,并且將所有灰度值高于t0的像素標(biāo)記為物體像素,將所有灰度值低于t0的像素標(biāo)記為背景像素。本文根據(jù)繪制的直方圖均衡化后直方圖(圖4)選取閾值t0=230。確定閾值后,可以很明顯的從背景中區(qū)別出道路等線性特征,得到包含道路基本信息的二值圖像(如圖6)。從圖中我們可以看出,二值圖像上存在多種噪聲,在空間上表現(xiàn)為大小不一的圖斑。

2.4 形態(tài)學(xué)處理

(1)開閉運算去噪

由于開運算可以去除比結(jié)構(gòu)元素更小的明亮細(xì)節(jié),對于平滑輪廓、清除狹窄的延長部分以及斷開薄弱的連接是非常有用的處理方法。閉運算可以去除比結(jié)構(gòu)元素更小的暗色細(xì)節(jié),對于連續(xù)狹窄的區(qū)域、填充小的縫隙或者孔隙是非常有用的處理方法。所以將二者組合在一起可以用來平滑圖像并去除或減弱亮區(qū)和暗區(qū)的各類噪聲,改善圖像的質(zhì)量。

一般而言,灰度值較高的圖像針對亮細(xì)節(jié)較多的特點應(yīng)采用先開后閉的方式,反之亦然。由于實驗區(qū)遙感圖像依據(jù)所繪制的直方圖可以看出灰度值偏高,故采用先開后閉的方式。在充分分析道路的幾何特征基礎(chǔ)上,采用3×3正方形結(jié)構(gòu)元素如下其中*代表結(jié)構(gòu)元素的原點,下文同。形態(tài)開閉去噪結(jié)果(如圖7)。

圖6 閾值化圖像

圖7 開閉運算去噪后圖像

(2)方向濾波

形態(tài)開閉運算后,由于受綠化帶、陰影等影響,道路中間存在空洞,實驗中選擇上述正方形結(jié)構(gòu)元素進(jìn)行相同次數(shù)的膨脹和腐蝕運算將空洞填好。因為去噪和填補空洞都使用的是單一的結(jié)構(gòu)元素,所以無法顧及遙感圖像中不同方向上的道路信息。多結(jié)構(gòu)元素形態(tài)濾波能在濾除噪聲的同時,很好的保護圖像中道路信息。本文考慮道路的幾何特征具有一定的方向性。使用了不同方向特征(0°,45°,90°,135°)的復(fù)合結(jié)構(gòu)元素的形態(tài)濾波。其結(jié)構(gòu)元素如下45°、90°、135 °的旋轉(zhuǎn)形式和為剔除更多單點噪聲 ,加入十字形結(jié)構(gòu)元素實驗證明,采用多結(jié)構(gòu)元素刪除經(jīng)過其方向上的噪聲圖斑時,接連幾次膨脹后,利用相同的結(jié)構(gòu)元素加上相同次數(shù)的腐蝕,才可以得到期望的效果(如圖8)。

圖8 方向濾波后圖像

(3)后期處理

經(jīng)過方向濾波處理后,從圖8中可以看出只剩下少數(shù)較大的孤立圖斑,局部道路有斷開現(xiàn)象。再次使用形態(tài)學(xué)運算進(jìn)行后期濾波處理,使用下述5×5的水平和垂直方向的結(jié)構(gòu)元素和十字形結(jié)構(gòu)元素進(jìn)行多次膨脹和腐蝕運算,直到孤立的點被有效去除為止,然而道路卻沒有完全連接。鑒于此,在實驗中還使用3×3正方形結(jié)構(gòu)元素(同上)進(jìn)行了一次腐蝕膨脹運算,將斷開的道路連接上,最終得到的道路提取結(jié)果如圖9。采用的5×5結(jié)構(gòu)元素如下

圖9 道路提取結(jié)果

3 實驗結(jié)果與分析

從目視結(jié)果可以看出,基本上能較好的提取出道路,保持了圖像的特定細(xì)節(jié),實現(xiàn)了道路空間幾何形態(tài)特征的表達(dá)。從實驗過程來看,可以得到以下的結(jié)論:

(1)借助ENVI基本文件處理功能,以IDL語言為平臺編程能夠完成圖像的輸入、處理以及輸出功能。

(2)對遙感圖像進(jìn)行增強處理后有利于提高道路信息提取能力,圖像平滑處理易于剔除圖像上細(xì)小噪聲。

(3)使用灰度閾值法分割圖像時,其閾值選取是依據(jù)所繪制的直方圖,并最終得到了包含道路基本信息的二值圖像。

(4)在形態(tài)學(xué)開閉運算去噪后,運用多結(jié)構(gòu)元素進(jìn)行形態(tài)學(xué)方向濾波處理有利于顧及所提取道路的幾何特征。

(5)實踐證明,數(shù)學(xué)形態(tài)學(xué)作為一種非線性濾波器,能夠從高分辨率遙感圖像中提取出較為完整的道路信息。

5 結(jié)束語

本文針對高分辨率遙感圖像應(yīng)用數(shù)學(xué)形態(tài)學(xué)方法實現(xiàn)了道路提取。在使用單一結(jié)構(gòu)元素去噪和填充空洞基礎(chǔ)上,考慮道路的方向性運用了多結(jié)構(gòu)元素進(jìn)行方向濾波,最終較好的將道路目標(biāo)提取出來,保持圖像的特定細(xì)節(jié)和幾何特征。將提取到的道路圖與原始圖像進(jìn)行對比分析,提取結(jié)果與道路實際分布相吻合。

在本文實驗中,根據(jù)道路的幾何特征,均通過多次嘗試選擇了各處理環(huán)節(jié)中的結(jié)構(gòu)元素。如何根據(jù)地物幾何特征,靈活高效的選擇結(jié)構(gòu)元素進(jìn)行形態(tài)學(xué)處理是接下來研究的重點。

對高分辨率遙感圖像道路提取來說,基于數(shù)學(xué)形態(tài)學(xué)的方法仍是一種非常有效的信息提取方法,對從遙感圖像中地物特征提取具有一定的參考意義。

[1]李朝暉.數(shù)字圖像處理及應(yīng)用[M].北京:機械工業(yè)出版社,2004

[2]章毓晉.圖像分割[M].北京:科學(xué)出版社,2001

[3]張洪剛,陳光,郭 軍.圖像處理與識別[M].北京:北京郵電大學(xué)出版社,2006

[4]韋玉春,湯國安,楊 昕,等.遙感數(shù)字圖像處理教程[M].北京:科學(xué)出版社,2007

[5]潘建平,鄔明權(quán).基于數(shù)學(xué)形態(tài)學(xué)的道路提取[J].計算機工程與應(yīng)用,2008,44(11):232-240

[6]胡海旭,王文,何厚軍.基于紋理特征與數(shù)學(xué)形態(tài)學(xué)的高分辨率影像城市道路提取[J].地理與地理信息科學(xué),2008,24(6):46-49

[7]陳秋芳,王建國.數(shù)學(xué)形態(tài)學(xué)在SAR圖像增強中的應(yīng)用[J].現(xiàn)代電子技術(shù),2008(14):99-104

[8]安如,馮學(xué)智,王慧麟.基于數(shù)學(xué)形態(tài)學(xué)的道路遙感影像特征提取及網(wǎng)絡(luò)分析[J].中國圖形圖像學(xué)報,2003(7):798-804