歐陽(yáng)平

(1.漳州市測(cè)繪設(shè)計(jì)研究院，福建漳州 363000； 2.漳州市城鄉(xiāng)規(guī)劃局，福建漳州 363000)

基于區(qū)域標(biāo)記的遙感影像植被邊緣檢測(cè)算法

歐陽(yáng)平1，2?

(1.漳州市測(cè)繪設(shè)計(jì)研究院，福建漳州 363000； 2.漳州市城鄉(xiāng)規(guī)劃局，福建漳州 363000)

植被是遙感影像中重要的地形要素之一，本文在植被影像特征的基礎(chǔ)上，提出了一種基于形態(tài)學(xué)區(qū)域標(biāo)記的遙感影像植被邊緣檢測(cè)算法。試驗(yàn)結(jié)果表明，該方法能很好檢測(cè)出植被的邊緣，精度及邊緣連續(xù)性均比傳統(tǒng)的Canny算子邊緣檢測(cè)有很大的提高。

區(qū)域標(biāo)記；全方位邊緣檢測(cè)；區(qū)域生長(zhǎng)；區(qū)域填充

1 引 言

隨著經(jīng)濟(jì)的發(fā)展，人口的增多，植被、綠地越來(lái)越小，為了保護(hù)生態(tài)環(huán)境，保護(hù)地球之肺—植被，我們要防止森林被砍伐、綠地被占用，就要定期檢查其邊緣、面積有無(wú)變化，從而更好地保護(hù)、利用植被。人工檢測(cè)植被邊緣，統(tǒng)計(jì)其面積勞時(shí)費(fèi)力，精度不高，且不具有現(xiàn)勢(shì)性，而遙感技術(shù)的發(fā)展為植被邊緣、面積的快速、現(xiàn)勢(shì)獲取提供了新的途徑。本文提出了一種基于數(shù)學(xué)形態(tài)學(xué)區(qū)域標(biāo)記的遙感影像植被邊緣檢測(cè)算法能夠快速、準(zhǔn)確地檢測(cè)出植被邊緣。

2 數(shù)學(xué)形態(tài)學(xué)的基本原理

2.1 形態(tài)學(xué)開(kāi)閉運(yùn)算

定義一:設(shè)A為輸入圖像，B為結(jié)構(gòu)元素，則圖像B對(duì)圖像A作開(kāi)運(yùn)算定義為:

開(kāi)運(yùn)算具有消除比結(jié)構(gòu)元素小的散點(diǎn)和“毛刺”，切斷細(xì)長(zhǎng)搭接而起到分離作用，即對(duì)圖像進(jìn)行平滑的作用，也可以起到低通濾波的作用。但開(kāi)濾波器僅能通過(guò)與結(jié)構(gòu)元素形狀一致的圖像部分[1]。

定義二:閉運(yùn)算是開(kāi)運(yùn)算的對(duì)偶運(yùn)算，定義為先作膨脹后做腐蝕。B對(duì)A作閉運(yùn)算表示為A·B，其定義為:

閉運(yùn)算可以把比結(jié)構(gòu)元素小的缺口或孔洞填充上，搭接短的間斷而起到連通作用。對(duì)圖像的外部作濾波，可磨光凸向圖像內(nèi)部的尖角。

2.2 形態(tài)學(xué)梯度邊緣檢測(cè)

在邊緣檢測(cè)圖像處理中有很多種梯度，其邊緣檢測(cè)的基本原理皆基于下面的考慮:如果在某一點(diǎn)處的梯度值大，則表示在該點(diǎn)處圖像的明暗變化迅速，從而可能有邊緣存在。在形態(tài)學(xué)圖像處理中也提出了幾種梯度，最基本的形態(tài)學(xué)梯度可定義如下[2，3]:

其中f為輸入圖像，g為結(jié)構(gòu)元素，⊕代表膨脹運(yùn)算，Θ代表腐蝕運(yùn)算。

2.3 區(qū)域標(biāo)記

區(qū)域標(biāo)記的原理是對(duì)輸入的一幅二值圖像，從左到右，從上到下逐個(gè)像素掃描，如果發(fā)現(xiàn)某像素點(diǎn)像素值為0，則依次檢測(cè)該點(diǎn)的右上、正上、左上及左前點(diǎn)共4個(gè)點(diǎn)的像素值，根據(jù)一定的準(zhǔn)則進(jìn)行連通性的判斷，并標(biāo)識(shí)物體，將物體的像素值改為標(biāo)號(hào)，依次逐行檢測(cè)至掃描結(jié)束。最后得到的就是一幅標(biāo)記了區(qū)域的圖像。然后求各種標(biāo)號(hào)的總和，即求得不同區(qū)域的面積數(shù)目。最后根據(jù)我們的需要，去掉小于一定閾值的區(qū)域。

3 算法實(shí)現(xiàn)

3.1 邊緣檢測(cè)

此步驟我們采用的結(jié)構(gòu)元素要稍微大一點(diǎn)，這樣檢測(cè)的邊緣比較明顯，使灰度拉開(kāi)一定距離，以方便后面的閾值選擇比較容易進(jìn)行。

3.2 區(qū)域生長(zhǎng)

區(qū)域生長(zhǎng)法是一種串行區(qū)域分割的方法，它是根據(jù)預(yù)先定義的生長(zhǎng)準(zhǔn)則來(lái)把像素或子區(qū)域集合成較大區(qū)域的處理方法?；舅枷胧菍⒕哂邢嗨菩再|(zhì)的像素集合起來(lái)構(gòu)成區(qū)域。具體先對(duì)每個(gè)需要分割的區(qū)域找一個(gè)種子像素作為生長(zhǎng)的起點(diǎn)，然后將種子像素周?chē)徲蛑信c種子像素有相同或相似性質(zhì)的像素(根據(jù)某種事先確定的生長(zhǎng)或相似準(zhǔn)則來(lái)判定)合并到種子像素所在的區(qū)域內(nèi)。將這些新像素當(dāng)做新的種子像素繼續(xù)進(jìn)行上面的過(guò)程，直到再?zèng)]有滿(mǎn)足條件的像素可包括進(jìn)來(lái)。這樣一個(gè)區(qū)域就長(zhǎng)成了。用數(shù)學(xué)公式表達(dá)即是當(dāng)｜s(x，y)－g(x，y)｜

3.3 區(qū)域標(biāo)記

經(jīng)過(guò)區(qū)域生長(zhǎng)后得到的圖像是二值圖像，而且經(jīng)過(guò)區(qū)域填充后仍然有部分小區(qū)域沒(méi)有填充，這對(duì)我們下一步進(jìn)行邊緣檢測(cè)有很大的影響，會(huì)使檢測(cè)的邊緣不唯一。如何去掉這些小區(qū)域呢，采用二值圖像區(qū)域標(biāo)記，然后進(jìn)行面積測(cè)量，去掉小于一定數(shù)值的區(qū)域，保留我們所需的區(qū)域。

3.4 全方位邊緣檢測(cè)

此時(shí)采用的結(jié)構(gòu)元素為:

全方位邊緣檢測(cè)流程圖如圖1所示。

圖1 全方位邊緣檢測(cè)流程圖

4 試驗(yàn)及結(jié)果分析

本文試驗(yàn)中采用的圖像的大小為336×248像素的彩色圖像，進(jìn)行邊緣檢測(cè)前先要轉(zhuǎn)化成灰度圖像。第一次邊緣檢測(cè)采用的是半徑為2的圓盤(pán)形結(jié)構(gòu)元素。區(qū)域生長(zhǎng)時(shí)，根據(jù)得到的梯度邊緣圖的灰度直方圖，令種子點(diǎn)S＝250，全局閾值T＝30，然后進(jìn)行區(qū)域填充。區(qū)域標(biāo)記時(shí)采用8鄰域?qū)D像進(jìn)行標(biāo)記，得到有4個(gè)區(qū)域，然后統(tǒng)計(jì)出其面積分別為54356、18、32、27424。通過(guò)原圖得知，我們所要的區(qū)域是圖像中面積最大的部分，所以保留面積最大的而去掉其他的。最后進(jìn)行邊緣檢測(cè)。

為了驗(yàn)證本文方法的有效性和適用性，采用了兩種檢測(cè)(Canny算子檢測(cè)，基于區(qū)域標(biāo)記的邊緣檢測(cè))方法進(jìn)行了對(duì)比試驗(yàn)。

圖2 原圖

圖3 Canny算子檢測(cè)的邊緣

圖4 區(qū)域標(biāo)記邊緣檢測(cè)

圖5 與原圖疊加效果圖

圖2 為原始遙感影像圖，圖3為采用傳統(tǒng)的Canny檢測(cè)算子得到的邊緣。圖4(a)為區(qū)域標(biāo)記前得到的圖像，其上方有幾處小的區(qū)域，無(wú)法通過(guò)區(qū)域填充消去，那么檢測(cè)的植被邊緣就存在偽邊緣，為了去除這些小區(qū)域，采用區(qū)域標(biāo)記的方法，對(duì)圖像中的區(qū)域進(jìn)行標(biāo)記，通過(guò)面積量算得到只有植被的部分圖4(b)，然后進(jìn)行邊緣檢測(cè)圖4(c)。圖5為兩種檢測(cè)方法檢測(cè)出來(lái)的邊緣與原圖的疊加圖。對(duì)比圖5(a)和圖5(b)，可以看出后者得到的邊緣單一，連續(xù)，基于區(qū)域標(biāo)記的遙感影像植被邊緣檢測(cè)定位精度比傳統(tǒng)的Canny檢測(cè)高且連續(xù)、無(wú)端點(diǎn)、無(wú)偽邊緣。

5 結(jié) 論

由試驗(yàn)結(jié)果可以看出，本文算法能很好地檢測(cè)出植被邊緣，達(dá)到了預(yù)期目的。采用本文算法進(jìn)行植被邊緣檢測(cè)定位精確高，檢測(cè)的邊緣與原圖疊加很吻合；檢測(cè)的邊緣不僅連續(xù)而且平滑單一，沒(méi)有斷點(diǎn)和偽邊緣。

由此可見(jiàn)基于區(qū)域標(biāo)記算法比經(jīng)典算法有優(yōu)勢(shì)。但它也存在一些不足之處:

(1)適合色調(diào)比較均勻的植被，而對(duì)于由于光照等原因而色調(diào)不均勻或邊緣有陰影的情況，則不能很好的提取出邊緣。

(2)閾值選擇很關(guān)鍵，選擇不當(dāng)，會(huì)產(chǎn)生過(guò)分割或少分割現(xiàn)象，選擇合適的閾值對(duì)后續(xù)植被邊緣定位的精度影響很大。

[1] 崔屹.圖像處理與分析－數(shù)學(xué)形態(tài)學(xué)方法及應(yīng)用[M].北京:科學(xué)出版社，2000

[2] 董保根.遙感影像上目標(biāo)的數(shù)學(xué)形態(tài)學(xué)方法研究[D].解放軍信息工程大學(xué)碩士論文，2005.6

[3] 文華.基于數(shù)學(xué)形態(tài)學(xué)的圖像處理算法的研究[D].哈爾濱工程大學(xué)碩士論文，2007.3

[4] 翟輝琴.基于數(shù)學(xué)形態(tài)學(xué)的遙感影像面狀目標(biāo)提取研究[D].信息工程大學(xué)碩士論文，2005.6

[5] 岡薩雷斯.數(shù)字圖像處理[M].北京:電子工業(yè)出版社，2005

Vegetation of Remote Sensing Edge Detection Method Based on Area Label

Ou YangPing1，2
(1.Zhangzhou Institute of Surveying and Mapping，Zhangzhou 363000，China；2.Zhangzhou Institute of Surveying and Mapping，Urban Planning Buruan of Zhangzhou 363000，China)

Vegetation area of Remote Sensing Image is one of the important topographical elements.On the basis of the vegetation area features，this paper brings forward one edge detection algorithm which is based on the morphology Area mark.This method can detect the vegetation area edge well and has been greatly improved compared to the traditional Canny operator in precision and continuum.

Area mark；All－direction edge detecting；Area growth；Area filling

1672－8262(2011)02－115－03

P237

B

2010—08—02

歐陽(yáng)平(1978—)，男，工程師，主要從事測(cè)繪生產(chǎn)與科研工作。