韓東升

【摘 要】航空遙感測(cè)繪工作的一項(xiàng)重要內(nèi)容是航測(cè)圖像的解譯。由于人工的遙感圖像判讀需要消耗較多的時(shí)間和精力，發(fā)展自動(dòng)的航測(cè)遙感影像處理算法變得十分重要。在航空遙感測(cè)繪中，遙感影像的邊界信息提取對(duì)于地物識(shí)別和判讀具有重要意義。為了快速、準(zhǔn)確地從遙感影像中提取邊界強(qiáng)度信息，本文探索了一種矢量梯度的方法。經(jīng)過實(shí)驗(yàn)證明，該方法可有效獲得遙感圖像中的邊界信息，具有一定的實(shí)用價(jià)值。

【關(guān)鍵詞】邊界提取 高分遙感影像 矢量梯度

1 引言

航空遙感測(cè)繪工作的一項(xiàng)重要內(nèi)容是航測(cè)圖像的解譯。由于人工的遙感圖像判讀需要消耗較多的時(shí)間和精力，發(fā)展自動(dòng)的航測(cè)遙感影像處理算法變得十分重要。邊界信息是遙感影像中不可忽視的內(nèi)容，特別是對(duì)于線性地物，如河流、建筑、道路[1]等，邊界信息可極大提高地物的識(shí)別精度。本文嘗試將一種矢量梯度的方法應(yīng)用于高分遙感影像的邊界提取中。通過OrbView3高分遙感影像的實(shí)驗(yàn)，證明了該方法的邊界信息提精度是較為令人滿意的。

2 基于適量梯度的邊界提取算法

該方法包含三個(gè)步驟：（1）高分遙感影像各個(gè)波段在水平、豎直方向的梯度計(jì)算；（2）利用所提取的梯度信息，構(gòu)建矩陣；（3）計(jì)算矩陣的最大特征值。

對(duì)于第一步矢量梯度的計(jì)算，本文利用了一種高斯差分濾波器來實(shí)現(xiàn)。高斯差分濾波器的核函數(shù)為：

（1）

其中腳標(biāo)h、v分別代表水平、豎直方向，x、y表示濾波器核函數(shù)網(wǎng)格的橫、縱坐標(biāo)。利用（1）式濾波器對(duì)多波段圖像進(jìn)行濾波運(yùn)算，就可以得到每一個(gè)波段在水平、豎直方向的梯度。

在第二步，需要對(duì)每個(gè)像素構(gòu)建矩陣，如公式（2）所示：

（2）

其中，i、j表示圖像中像素的橫、縱坐標(biāo)，?gh，1（i，j）表示水平方向高斯差分濾波器在第一個(gè)波段、像素（i，j）的輸出，同理?gv，B（i，j）表示豎直方向高斯差分濾波器在波段B、像素（i，j）的輸出。顯然，向量GB（i，j）包含了一個(gè)像素在所有波段、所有濾波器方向的梯度信息，其維度是B×2，B是高分遙感影像所包含的波段數(shù)。之后，為每一個(gè)像素構(gòu)建矩陣GBT·GB，得到2×2維的矩陣G。

第三步是計(jì)算出矩陣G的最大特征值λmax，作為原始邊界強(qiáng)度。經(jīng)過這三步，所得邊界強(qiáng)度是一個(gè)單波段的圖像。

3 算法對(duì)比實(shí)驗(yàn)

數(shù)據(jù)介紹；為了考察矢量梯度方法在遙感影像邊界提取中的效果，采用了一景OrbView3高分辨率遙感影像進(jìn)行了邊界提取實(shí)驗(yàn)。OrbView3是美國(guó)GeoEye公司研發(fā)的一顆高分辨率遙感衛(wèi)星。圖1顯示了實(shí)驗(yàn)所用的數(shù)據(jù)，其獲取日期為2006年6月15日，中心經(jīng)緯度：N38°11′45″， W121°25′36″。

圖1 實(shí)驗(yàn)所用的OrbView3影像數(shù)據(jù) 圖2 邊界提取結(jié)果

圖2是本文方法提取的邊界強(qiáng)度，可見，農(nóng)田邊界都被很好地提取了出來，這對(duì)于后續(xù)圖像解譯具有十分重要的幫助。

4 結(jié)語

本文將一種矢量梯度的算法應(yīng)用于高分遙感影像的邊界提取中。利用一景OrbView3多光譜影像進(jìn)行了邊界提取實(shí)驗(yàn)，說明本文方法可以有效提取邊界信息。

參考文獻(xiàn)：

[1] 蘇騰飛，李洪玉，屈忠義.高分辨率遙感圖像道路分割算法[J].國(guó)土資源遙感，2015（3）：1-6.