郭海濤，孫　磊，申家雙，陳小衛(wèi)，張宏偉

1. 信息工程大學(xué)地理空間信息學(xué)院,河南 鄭州 450052； 2. 海軍海洋測(cè)繪研究所,天津 300061

An Island and Coastal Image Segmentation Method Based on Quadtree and GAC Model

GUO Haitao1,2,SUN Lei1,SHEN Jiashuang2,CHEN Xiaowei1,ZHANG Hongwei1

1. Institute of Suveying and Mapping，Information Engineering University，Zhengzhou 450052， China； 2. Navey Institute of Hydrographic Surveying and Charting，Tianjin 300061, China

?

一種四叉樹(shù)和測(cè)地線活動(dòng)輪廓模型相結(jié)合的海陸影像分割方法

郭海濤1,2，孫磊1，申家雙2，陳小衛(wèi)1，張宏偉1

1. 信息工程大學(xué)地理空間信息學(xué)院,河南 鄭州 450052； 2. 海軍海洋測(cè)繪研究所,天津 300061

Foundation support： The National Natural Science Foundation of China(Nos.41101396；41001262)

摘要：海陸影像分割對(duì)于后續(xù)的海岸線提取、潮間帶地形反演、海岸演化狀況分析等都具有十分重要的意義。本文在分析了四叉樹(shù)、測(cè)地線活動(dòng)輪廓(GAC)模型和Canny邊緣檢測(cè)算子等在海陸影像分割中優(yōu)缺點(diǎn)的基礎(chǔ)上，提出了一種四叉樹(shù)、Canny算子和GAC模型相結(jié)合的海陸影像分割方法。該方法綜合利用上述各方法的優(yōu)點(diǎn)，將Canny算子邊緣檢測(cè)結(jié)果融入到基于四叉樹(shù)初分割的GAC模型中，重構(gòu)邊界停止函數(shù)，演化水平集方程，實(shí)現(xiàn)海陸影像分割。試驗(yàn)結(jié)果表明，該方法具有海陸影像分割速度快、精度高、可靠性強(qiáng)和自動(dòng)化程度高等優(yōu)點(diǎn)，對(duì)于弱邊緣以及嚴(yán)重凹陷邊緣，都能實(shí)現(xiàn)自動(dòng)和準(zhǔn)確分割。

關(guān)鍵詞：四叉樹(shù)；地測(cè)線活動(dòng)輪廓模型；Canny邊緣檢測(cè)；海陸影像分割；水邊線提取

海陸影像分割，即海岸帶及島(礁)影像水邊線提取，對(duì)后續(xù)的海岸線提取[1-7]、潮間帶地形反演[8]、海岸演化分析[9-10]、潮間帶性質(zhì)和分布信息提取[10-11]、航行方位物提取[12]等都具有十分重要的意義。海陸影像分割的方法較多，除了傳統(tǒng)的基于邊界檢測(cè)和基于區(qū)域提取的圖像分割方法[1-2]以外，還有基于小波變換[3]、神經(jīng)網(wǎng)絡(luò)[4]、數(shù)學(xué)形態(tài)學(xué)[13]、分形理論和模糊集理論等數(shù)學(xué)工具的新型分割方法。一般來(lái)說(shuō)，現(xiàn)有方法進(jìn)行海陸影像自動(dòng)分割主要存在以下3個(gè)問(wèn)題[6-7]：①潮濕的潮灘以及近岸水體的高含沙量使得遙感影像上水、陸交界處灰度和色度變化不明顯，即表現(xiàn)為“弱邊緣”，在這類(lèi)“弱邊緣”難以實(shí)現(xiàn)準(zhǔn)確分割；②潮灘表面復(fù)雜的微地形及大量潮溝的存在，造成海陸交界線形狀復(fù)雜，特別是會(huì)出現(xiàn)嚴(yán)重凹陷的情況，即表現(xiàn)為“嚴(yán)重凹陷邊緣”，這類(lèi)“嚴(yán)重凹陷邊緣”容易提前收斂，造成分割錯(cuò)誤；③需要人機(jī)交互，自動(dòng)化程度低，分割時(shí)間長(zhǎng)。

近年來(lái)隨著活動(dòng)輪廓模型在圖像分割領(lǐng)域得到廣泛應(yīng)用[14-20]，一些學(xué)者[19-20]也將其應(yīng)用于海陸影像分割中來(lái)解決上述問(wèn)題。特別是測(cè)地線活動(dòng)輪廓(geodesic active contour，GAC)模型用于影像分割的諸多優(yōu)勢(shì)引起了國(guó)內(nèi)外學(xué)者的廣泛關(guān)注，并在一系列圖像中驗(yàn)證了其有效性[6-7,15-18]，逐漸成為最有生機(jī)和最成功的圖像分割技術(shù)之一。學(xué)者們針對(duì)上述海陸影像自動(dòng)分割方面存在的問(wèn)題進(jìn)行了積極的探索。文獻(xiàn)[20]將光譜特性引進(jìn)偏微分方程活動(dòng)輪廓模型，保證了水、陸區(qū)域分割的精度，但自動(dòng)化程度低，并且高光譜自身數(shù)據(jù)量大，算法運(yùn)算時(shí)間長(zhǎng)；文獻(xiàn)[2]提出了一種基于四叉樹(shù)和幾何活動(dòng)輪廓模型的海陸影像分割方法，實(shí)現(xiàn)海陸影像的自動(dòng)快速分割，但分割的準(zhǔn)確度不夠高，特別是在上述“弱邊緣”處不能準(zhǔn)確分割；文獻(xiàn)[6—7]研究了基于測(cè)地線活動(dòng)輪廓模型的影像水邊線提取方法，提高了海陸影像分割的可靠性，但仍然需要人工在影像上選擇種子區(qū)域，自動(dòng)化程度較低，提取時(shí)間較長(zhǎng)，還不能很好地滿(mǎn)足后續(xù)研究或者自動(dòng)測(cè)圖的需求。

綜合考慮上述各方法的優(yōu)勢(shì)和不足，在對(duì)四叉樹(shù)影像分割、Canny邊緣檢測(cè)和GAC模型影像分割原理進(jìn)行分析的基礎(chǔ)上，本文提出了一種基于四叉樹(shù)、Canny算子和GAC模型相結(jié)合的海陸影像分割方法，既實(shí)現(xiàn)了包括“弱邊緣”和“嚴(yán)重凹陷邊緣”在內(nèi)的水邊線準(zhǔn)確提取，又無(wú)須人工確定初始邊界。

1四叉樹(shù)和GAC模型相結(jié)合的海陸影像分割原理

1.1基于四叉樹(shù)的海陸影像分割

四叉樹(shù)分割的基本思想是將方形的原始影像分成4個(gè)相同大小的方塊，如圖1所示，判斷每個(gè)方塊是否滿(mǎn)足一致性測(cè)度，如灰度是否均勻；如果滿(mǎn)足就不再繼續(xù)分裂，如果不滿(mǎn)足就再分成4個(gè)方塊，并對(duì)得到的方塊繼續(xù)應(yīng)用一致性檢驗(yàn)；迭代直到所有的方塊都滿(mǎn)足一致性測(cè)度；最后還要對(duì)相同性質(zhì)的鄰近區(qū)域進(jìn)行合并，同時(shí)在合并的過(guò)程中完成對(duì)像素的標(biāo)記?；谒牟鏄?shù)的圖像分割方法，實(shí)質(zhì)是區(qū)域的分裂與合并技術(shù)采用四叉樹(shù)的結(jié)構(gòu)進(jìn)行圖像分割，其分割速度較快，且分割過(guò)程是全自動(dòng)的[21]，這是基于四叉樹(shù)的圖像分割的明顯優(yōu)勢(shì)。

圖1　四叉樹(shù)分割Fig.1　Quadtree Segmentation

海岸帶、海島(礁)影像的海域部分像素的灰度值具有一定的均勻特性，采用四叉樹(shù)的方法進(jìn)行海島礁分割比較適合。由于海域部分的梯度相對(duì)較小，而海陸分界處的梯度相對(duì)較大，構(gòu)建梯度圖后更有利于分割。為提高運(yùn)算效率，采用簡(jiǎn)單的梯度算子，如式(1)進(jìn)行梯度圖構(gòu)建

(1)

海岸帶、海島(礁)區(qū)域在整體上呈現(xiàn)出灰度分布的不均勻性，但在區(qū)域內(nèi)部可能存在一些灰度值比較均勻的局部區(qū)域，這樣基于四叉樹(shù)方法分割結(jié)束并進(jìn)行二值化處理后可能會(huì)產(chǎn)生孔洞，這時(shí)需要對(duì)孔洞進(jìn)行填充。具體的填充方法是根據(jù)圖像的連通性確定陸地邊界，對(duì)陸地邊界內(nèi)的背景像素進(jìn)行填充操作，如圖2所示。

圖2　孔洞填充結(jié)果Fig.2　The result of holes filled

基于四叉樹(shù)海陸影像分割的缺陷是當(dāng)海域和陸地的界限不明顯時(shí)，往往導(dǎo)致分割錯(cuò)誤或分割精度不高，特別是對(duì)于上述“弱邊緣”和“嚴(yán)重凹陷邊緣”不能準(zhǔn)確地完成分割。但該分割方法的優(yōu)勢(shì)可以考慮在海陸影像分割中加以利用，提高分割的效率，實(shí)現(xiàn)全自動(dòng)海陸影像分割。

1.2Canny算子邊緣檢測(cè)

邊緣檢測(cè)是影像分割常用的一類(lèi)方法，Canny提出了優(yōu)良的邊緣檢測(cè)算子應(yīng)滿(mǎn)足的3個(gè)準(zhǔn)則：信噪比好、定位性能好、單邊緣響應(yīng)。Canny算子[22]就是基于3個(gè)最優(yōu)準(zhǔn)則提出的，能在噪聲抑制和邊緣檢測(cè)之間取得較好的平衡，且對(duì)受白噪聲影響的階躍型邊緣的響應(yīng)是最優(yōu)的，特別是檢測(cè)的精度很高，因此適合于海陸影像的分割。

但是包括Canny算子在內(nèi)的邊緣檢測(cè)算子存在著一些不足，主要表現(xiàn)在檢測(cè)的邊緣往往是不連續(xù)的，邊緣點(diǎn)之間出現(xiàn)斷裂，如圖3所示，不利于后續(xù)邊緣跟蹤和精化處理，這樣利用Canny算子進(jìn)行海陸影像分割就難以得到一條完整、理想的水陸交界線。但Canny算子邊緣檢測(cè)精度高，對(duì)弱邊緣也有響應(yīng)的優(yōu)點(diǎn)，可以在海陸影像分割中加以利用。

圖3　Canny算子檢測(cè)結(jié)果Fig.3　Edge detection results of Canny operator

1.3GAC模型及其改進(jìn)

GAC模型的基本思想是使用連續(xù)曲線來(lái)表達(dá)目標(biāo)邊緣，并定義一個(gè)能量泛函使其自變量包括邊緣曲線，因此分割過(guò)程就轉(zhuǎn)變?yōu)榍蠼饽芰糠汉钚≈档倪^(guò)程，一般通過(guò)求解函數(shù)對(duì)應(yīng)的歐拉方程來(lái)實(shí)現(xiàn)，能量達(dá)到最小時(shí)的曲線位置就是目標(biāo)的輪廓所在。GAC模型的基礎(chǔ)是水平集方法，即把n維描述視為有n維變量的水平集函數(shù)f的水平集，避免了對(duì)閉合曲線演化過(guò)程的跟蹤，將曲線的演化轉(zhuǎn)化成一個(gè)純粹的偏微分方程求解問(wèn)題。

GAC模型的能量泛函為

(2)

(3)

(4)

基于曲線演化理論和水平集方法的GAC模型不僅能夠自適應(yīng)地處理拓?fù)浣Y(jié)構(gòu)變化、提供高精度的閉合分割曲線，而且對(duì)初始條件不敏感、數(shù)值實(shí)現(xiàn)簡(jiǎn)單，這些優(yōu)點(diǎn)都有利于海陸影像分割。但基于GAC模型的影像分割方法也存在一些缺點(diǎn)，主要表現(xiàn)為需要人工選取初始輪廓、水平集方程演化速度較慢、對(duì)嚴(yán)重凹陷邊緣的提取容易陷入局部極小值而提前停止演變、弱邊緣分割可靠性差等問(wèn)題。

經(jīng)過(guò)距離正則化，得到的梯度流演化方程為[17]

(5)

式(5)第1項(xiàng)是為了保持水平集函數(shù)為距離符號(hào)函數(shù)；第2項(xiàng)保證演變的輪廓曲線的平滑性；第3項(xiàng)的常系數(shù)α是為了增加輪廓法方向上的演變速度，提高演變效率。GAC模型主要依靠邊界停止函數(shù)實(shí)現(xiàn)圖像分割，實(shí)際影像邊界處梯度值有界，根據(jù)式(4)可知邊界停止函數(shù)在邊界處的值并不為零，由式(3)可知此時(shí)輪廓法方向上的演變速度不為零，這會(huì)造成分割越界，尤其是在水陸界限不明顯的“弱邊緣”處。針對(duì)“嚴(yán)重凹陷邊緣”局部極小值問(wèn)題加入常系數(shù)α，雖然這能夠使得能量函數(shù)收斂于深度凹陷的邊界，而且提高了輪廓演化的效率，但是也帶來(lái)了一些問(wèn)題：α過(guò)小時(shí)，分割曲線未到達(dá)凹陷邊緣處便提前停止演變，如圖4所示；但α過(guò)大時(shí)，輪廓法方向上的演變速度線性放大，輪廓越過(guò)非“嚴(yán)重凹陷邊緣”以及“弱邊緣”的可能性又會(huì)增加。因此，即使改進(jìn)后的GAC模型也難以實(shí)現(xiàn)“弱邊緣”和“嚴(yán)重凹陷邊緣”的同時(shí)提取。

圖4　GAC模型的局部極小值問(wèn)題Fig.4　Local minimum value problem of GAC model

1.4Canny算子、四叉樹(shù)和GAC模型相結(jié)合的海陸影像分割

由以上分析可以看出，如果邊界停止函數(shù)在邊界處的值為零，輪廓法方向上的演變速度則為零，這樣即使α較大，輪廓法方向上的演變速度線性放大，也不可能發(fā)生演化輪廓越過(guò)非凹陷邊緣以及弱邊緣的問(wèn)題，同時(shí)凹陷邊緣也能準(zhǔn)確提取。考慮到Canny算子能準(zhǔn)確地檢測(cè)出包括海陸界限不明顯的“弱邊緣”在內(nèi)的目標(biāo)邊界，因此對(duì)邊界停止函數(shù)進(jìn)行如下重構(gòu)：e為Canny算子邊緣檢測(cè)結(jié)果，e(x,y)=1表示該點(diǎn)為邊緣點(diǎn)，e(x,y)=0表示該點(diǎn)為非邊緣點(diǎn)，則

(6)

這樣就既可以實(shí)現(xiàn)對(duì)包括海陸界限不明顯的“弱邊緣”的準(zhǔn)確提取，不至于越過(guò)弱邊緣；又可以實(shí)現(xiàn)對(duì)“嚴(yán)重凹陷邊緣”的準(zhǔn)確提取，不至于提前停止演變。

但這樣改進(jìn)后的方法仍然需要人工確定種子區(qū)域，自動(dòng)化程度低、速度慢?？紤]到上述基于四叉樹(shù)的海陸影像分割方法在這些方面具有的優(yōu)勢(shì)，這里將基于四叉樹(shù)的海陸影像分割方法和上述改進(jìn)后的海陸影像分割方法進(jìn)行結(jié)合：首先利用Canny算子進(jìn)行海陸影像邊緣檢測(cè)，檢測(cè)得到水邊線上的邊緣點(diǎn)，接著利用四叉樹(shù)方法實(shí)現(xiàn)海陸影像初分割，然后利用此初分割獲取的輪廓作為GAC模型海陸影像分割的初始輪廓，最后將Canny邊緣檢測(cè)結(jié)果作為判別條件融入到GAC模型重構(gòu)的邊界停止函數(shù)中，演化水平集方程，最終實(shí)現(xiàn)海陸影像的自動(dòng)、快速和精確分割。

初始輪廓對(duì)比如圖5所示，圖5(a)為人工選取初始輪廓，圖5(c)為基于四叉樹(shù)初分割自動(dòng)獲取的初始輪廓，孔洞的填充使得初始輪廓均位于海域，其與目標(biāo)邊界又比較接近，為全自動(dòng)進(jìn)行海陸影像分割，減少后續(xù)輪廓演化的迭代次數(shù)、縮短影像分割時(shí)間提供了條件。

2基于四叉樹(shù)和GAC模型的海陸影像分割算法流程

基于四叉樹(shù)和GAC模型的海陸影像分割算法流程如圖6所示，過(guò)程如下。

圖5　初始輪廓對(duì)比Fig.5　Comparison of initial contours

圖6　海陸影像分割流程圖Fig.6　Flowchart for image segmentation of island and coastal

(1) 對(duì)海岸帶遙感影像進(jìn)行平滑處理，全色影像以亮度為處理域，彩色影像以HSV空間的色度空間為處理域，色度空間能夠減小由于波浪的鏡面反射對(duì)提取結(jié)果的影響。

(2) 利用Canny算子進(jìn)行影像邊緣檢測(cè)。

(3) 利用四叉樹(shù)對(duì)原始影像進(jìn)行初分割，利用Canny算子的邊緣檢測(cè)結(jié)果防止初始輪廓邊界越過(guò)真正邊界，孔洞填充，得到初始輪廓C0，影像定義為S，邊界為?C0。對(duì)水平集函數(shù)進(jìn)行如下初始化

(7)

式中，c0為大于0的常數(shù)。

(4) 利用Canny算子邊緣檢測(cè)結(jié)果重構(gòu)邊界停止函數(shù)(利用式(6))。

(8)

(6) 當(dāng)輪廓不再發(fā)生變化時(shí)停止演變，否則返回步驟(5)繼續(xù)迭代，進(jìn)行演化。

3試驗(yàn)及結(jié)果分析

對(duì)上述算法進(jìn)行了多組試驗(yàn)驗(yàn)證，下面列出3組試驗(yàn)結(jié)果，硬件環(huán)境為Inter(R) Core(TM) i5-3570 3.40 GHz，4.00 GB RAM。試驗(yàn)1是本文提出的海陸影像分割方法與文獻(xiàn)[2]、文獻(xiàn)[7]方法分別進(jìn)行海陸影像分割，并進(jìn)行試驗(yàn)結(jié)果對(duì)比；試驗(yàn)2和3分別是針對(duì)“弱邊緣”和“嚴(yán)重凹陷邊緣”水邊線的海陸影像分割。

試驗(yàn)1結(jié)果如圖7所示：(a)為天繪一號(hào)衛(wèi)星影像(部分影像)，分辨率2 m，影像尺寸為498×427像素；(b)為Canny算子邊緣檢測(cè)結(jié)果；(c)為基于四叉樹(shù)初分割獲取的初始輪廓；(d)為文獻(xiàn)[2]方法分割結(jié)果；(e)為文獻(xiàn)[7]方法分割結(jié)果；(f)為本文提出方法分割結(jié)果。

從圖7可以看出，Canny算子邊緣檢測(cè)的精度很高，為后續(xù)水邊線精確提取打下了基礎(chǔ)；基于四叉樹(shù)分割獲取的初始輪廓均位于海域，與實(shí)際水邊線比較接近，為減少后續(xù)算法迭代次數(shù)、提高計(jì)算效率提供了條件；文獻(xiàn)[2]方法海陸影像分割結(jié)果不夠準(zhǔn)確，有較多地方越過(guò)水邊線(如選區(qū)中的影像)；本文提出的方法和文獻(xiàn)[7]方法在本試驗(yàn)中的分割結(jié)果一致，與真實(shí)海陸交界線吻合較好。試驗(yàn)過(guò)程中，為了定量分析3種方法水邊線提取的效率，從迭代次數(shù)和運(yùn)行時(shí)間兩方面進(jìn)行說(shuō)明，結(jié)果見(jiàn)表1。

表1試驗(yàn)1中各算法迭代次數(shù)及運(yùn)行時(shí)間

Tab.1Iterationtimesandoperationtimeofalgorithmsinexperiment1

方法迭代次數(shù)/次時(shí)間/s文獻(xiàn)[2]方法14012.6文獻(xiàn)[7]方法5600751本文方法15013.5

通過(guò)圖7和表1可以看出，本文提出的方法繼承了基于四叉樹(shù)的海陸影像分割(文獻(xiàn)[2])方法的優(yōu)勢(shì)，并且精度和可靠性更高，其較基于GAC模型的水邊線提取方法(文獻(xiàn)[7])，效率有明顯提高，并且實(shí)現(xiàn)了分割過(guò)程的全自動(dòng)。

圖7　試驗(yàn)1結(jié)果Fig.7　Results of experiment 1

試驗(yàn)2結(jié)果如圖8所示，為針對(duì)“弱邊緣”水邊線的海陸影像分割試驗(yàn)結(jié)果。原始影像為天繪衛(wèi)星影像(部分影像)，分辨率2 m，如圖8(a)，影像尺寸為859×710像素，退潮后露出的灘涂、礁石區(qū)域由于之前在水下,使得影像選區(qū)存在水陸界限很不明顯的弱邊緣水邊線，如圖8(d)。從圖8(b)、(e)可以看出,文獻(xiàn)[2]算法分割時(shí)越過(guò)了弱邊界；從圖8(c)、(f)可以看出，本文提出的算法分割精細(xì)，能夠?qū)崿F(xiàn)對(duì)水陸界限不明顯的“弱邊緣”水邊線的準(zhǔn)確提取。各算法迭代次數(shù)及運(yùn)行時(shí)間見(jiàn)表2。

圖8　“弱邊緣”水邊線提取試驗(yàn)結(jié)果Fig.8　Experimental results of waterline extraction for weak edges

試驗(yàn)3結(jié)果如圖9所示，為“嚴(yán)重凹陷邊緣”水邊線提取結(jié)果。原始影像為天繪衛(wèi)星影像(部分影像)，分辨率2 m，如圖9(a)，影像尺寸為811×639像素，影像中存在著“嚴(yán)重凹陷邊緣”(圖9(a)中的選區(qū)內(nèi))。從圖9(b)、(e)可以看出，文獻(xiàn)[2]算法不能實(shí)現(xiàn)“嚴(yán)重凹陷邊緣”的提取，分割效果較差；從圖9(c)、(f)可以看出，本文提出的算法演化輪廓能夠較好地收斂于凹陷邊界處，實(shí)現(xiàn)對(duì)“嚴(yán)重凹陷邊緣”的準(zhǔn)確提取。各算法迭代次數(shù)及運(yùn)行時(shí)間見(jiàn)表3。

表2試驗(yàn)2中各算法迭代次數(shù)及運(yùn)行時(shí)間

Tab.2Iteration times and operation time of algorithms in experiment 2

方法迭代次數(shù)/次時(shí)間/s文獻(xiàn)[2]方法1040221.19文獻(xiàn)[7]方法3060438.53本文方法1040226.71

圖9　“嚴(yán)重凹陷邊緣”水邊線提取試驗(yàn)結(jié)果Fig.9　Experimental results of waterline extraction for serious concave edges

Tab.3Iteration times and operation time of algorithms in experiment 3

方法迭代次數(shù)/次時(shí)間/s文獻(xiàn)[2]方法1560231.97文獻(xiàn)[7]方法2880347.43本文方法1420245.00

試驗(yàn)2和試驗(yàn)3中，文獻(xiàn)[7]算法也能實(shí)現(xiàn)“弱邊緣”和“嚴(yán)重凹陷邊緣”水邊線的準(zhǔn)確提取(結(jié)果與本文方法相似，未列出)，但從表2和表3可以看出，迭代次數(shù)明顯比本文提出的算法多，提取時(shí)間長(zhǎng)，由于還需要人工選取初始輪廓，自動(dòng)化程度低。從試驗(yàn)2和試驗(yàn)3可以看出，本文方法很好地解決了“弱邊緣”和“嚴(yán)重凹陷邊緣”水邊線提取的技術(shù)難題，海陸影像分割可靠性強(qiáng)，精度高，速度快。

4結(jié)論

針對(duì)海陸影像自動(dòng)分割，特別是“弱邊緣”和“嚴(yán)重凹陷邊緣”水邊線的提取問(wèn)題，本文提出了一種四叉樹(shù)、Canny算子和GAC模型相結(jié)合的海陸影像分割方法。試驗(yàn)結(jié)果表明，該方法具有以下特點(diǎn)：①自動(dòng)化程度高，不需要人機(jī)交互選取初始輪廓，為后續(xù)自動(dòng)化測(cè)圖打下基礎(chǔ)；②海陸影像分割速度快，迭代次數(shù)少，效率高；③精度高，利用Canny算子的邊緣檢測(cè)結(jié)果重構(gòu)邊界停止函數(shù)，繼承了Canny算子高精度的優(yōu)點(diǎn)；④能夠提供閉合的分割邊界且可靠性強(qiáng),對(duì)于水陸界限不明顯的“弱邊緣”和“嚴(yán)重凹陷邊緣”的水邊線都能得到較好地提取。

參考文獻(xiàn)：

[1]LIU H, JEZEK K C. Automated Extraction of Coastline from Satellite Imagery by Integrating Canny Edge Detection and Locally Adaptive Thresholding Methods[J]. International Journal of Remote Sensing, 2004, 25(5): 937-958.

[2]ZHANG Hongwei,ZHANG Baoming,GUO Haitao,et al. An Automatic Coastline Extraction Method Based on Active Contour Model[C]∥Proceedings of the 21st International Conference on Geoinformatics. Kaifeng: IEEE, 2013: 111-115.

[3]NIEDERMEIER A, ROMANEESSEN E, LEHNER S. Detection of Coastlines in SAR Images Using Wavelet Methods[J]. IEEE Transactions on Geoscience and Remote Sensing, 2000, 38(5): 2270-2281.

[4] RYU J H, WON J S. Application of Neural Networks to Waterline Extraction in Tidal Flat from Optic Satellite Images[C]∥Proceedings of IEEE International Geoscience and Remote Sensing Symposium (IGARSS). Toronto: IEEE, 2002, 4: 2026-2028.

[5]DING Xianwen, NUNZIATA F, LI Xiaofeng, et al. Performance Analysis and Validation of Waterline Extraction Approaches Using Single-and Dual-polarimetric SAR Data[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2015, 8(3): 1019-1027.

[6]沈琦, 汪承義, 趙斌. 幾何活動(dòng)輪廓模型用于高分辨率遙感影像海岸線自動(dòng)提取. 復(fù)旦學(xué)報(bào)(自然科學(xué)版), 2012, 51(1): 77-82, 104.

SHEN Qi, WANG Chengyi, ZHAO Bin. Automatic Waterline Extraction in VHR Imagery Using Geometric Active Contour Model[J]. Journal of Fudan University (Natural Science),2012, 51(1): 77-82, 104.

[7]申家雙, 郭海濤, 李海濱, 等. 基于Canny算子和GAC模型相結(jié)合的影像水邊線提取方法[J]. 測(cè)繪科學(xué)技術(shù)學(xué)報(bào), 2013, 30(3): 264-268.

SHEN Jiashuang, GUO Haitao, LI Haibin, et al. A Water Edge Extraction Method from Images Based on Canny Operator and GAC Model[J]. Journal of Geomatics Science and Technology, 2013, 30(3): 264-268.

[8]沈芳, 郜昂, 吳建平, 等. 淤泥質(zhì)潮灘水邊線提取的遙感研究及DEM構(gòu)建——以長(zhǎng)江口九段沙為例[J]. 測(cè)繪學(xué)報(bào), 2008, 37(1): 102-107.

SHEN Fang, GAO Ang, WU Jianping, et al.A Remotely Sensed Approach on Waterline Extraction of Silty Tidal Flat for DEM Construction： A Case Study in Jiuduansha Shoal of Yangtze River[J]. Acta Geodaetica et Cartographica Sinica, 2008, 37(1): 102-107.

[9]NOAA, Shoreline Mapping. Silver Spring, MD, USA: NOAA, 1997[EB/OL]. [2015-05-03]http:∥anchor.ncd.noaa.gov/psn/shoreline.html.

[10]ZHANG Suoping, ZHANG Chuntian. Image Analysis for Wave Swash Using Color Feature Extraction[C]∥Proceedings of the 2nd International Congress on Image and Signal Processing (CISP). Tianjin: IEEE, 2009: 1-4.

[11]QIN Ping. Waterline Information Extraction from Radial Sand Ridge of South Yellow Sea[C]∥Proceedings of the 6th International Congress on Image and Signal Processing (CISP). Hangzhou: IEEE, 2013: 459-463.

[12]LI Heng, WANG Xinyu. Automatic Recognition of Ship Types from Infrared Images Using Support Vector Machines[C]∥Proceedings of International Conference on Computer Science and Software Engineering. Wuhan: IEEE, 2008, 6: 483-486.

[13]BAGLI S, SOILE P. Morphological Automatic Extraction of Pan-European Coastline from Landsat ETM+ Images[C]∥Proceedings of the 5th International Symposim on GIS and Computer Cartography for Coastal Zone Management. Genova: [s.n.], 2003.

[14]孔丁科. 幾何活動(dòng)輪廓圖像分割模型的研究[D]. 杭州: 浙江大學(xué), 2010.

KONG Dingke. Research on Geometric Active Contour Models for Image Segmentation[D]. Hangzhou: Zhejiang University, 2010.

[15]孫穎, 張新長(zhǎng), 康停軍, 等. 改進(jìn)GAC模型在點(diǎn)云和影像自動(dòng)提取建筑物邊界中的應(yīng)用[J]. 測(cè)繪學(xué)報(bào), 2013, 42(3): 337-340, 350.

SUN Ying, ZHANG Xinchang, KANG Tingjun,et al. Improved GAC Model for Automatic Building Extraction from LiDAR Point Clouds and Aerial Image[J]. Acta Geodaetica et Cartographica Sinica, 2013, 42(3): 337-343, 350.

[16]戚世樂(lè), 王美清. 自適應(yīng)分割弱邊緣的活動(dòng)輪廓模型[J]. 山東大學(xué)學(xué)報(bào)(工學(xué)版), 2013, 43(6): 17-20.

QI Shile,WANG Meiqing. Adaptive Active Contour Model for Weak Boundary Extraction[J]. Journal of Shandong University (Engineering Science), 2013, 43(6): 17-20.

[17]LI Chunming, XU Chenyang, GUI Changfeng, et al. Distance Regularized Level Set Evolution and Its Application to Image Segmentation[J]. IEEE Transactions on Image Processing, 2010, 19(12): 3243-3254.

[18]CASELLES V, CATTéF, COLL T et al. A Geometric Model for Active Contours in Image Processing[J]. Numerische Mathematik, 1993, 66(1): 1-31.

[19]歐陽(yáng)越, 種勁松. 基于改進(jìn)水平集算法的SAR圖像海岸線檢測(cè)[J]. 遙感技術(shù)與應(yīng)用, 2004, 19(6): 456-460.

OUYANG Yue, CHONG Jinsong. Coastline Detection Method in SAR Images Based on an Improved Level Set Algorithm[J]. Remote Sensing Technology and Application, 2004, 19(6): 456-460.

[20]王相海, 金弋博. 高光譜海岸帶區(qū)域分割的活動(dòng)輪廓模型[J]. 中國(guó)圖象圖形學(xué)報(bào), 2013, 18(8): 1031-1037.

WANG Xianghai, JIN Yibo. The Active Contour Model for Segmentation of Coastal Hyperspectral Remote Sensing Image[J]. Journal of Image and Graphics, 2013, 18(8): 1031-1037.

[21]朱述龍. 四叉樹(shù)結(jié)構(gòu)在數(shù)字圖像分割中的應(yīng)用[J]. 測(cè)繪學(xué)院學(xué)報(bào), 1994, 11(1): 21-24.

ZHU Shulong. The Application of Quadtree to Digital Picture Segmentation[J]. Journal of Institute of Surveying and Mapping, 1994, 11(1): 21-24.

[22]CANNY J. A Computational Approach to Edge Detection[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 1986, 8(6): 679-698.

(責(zé)任編輯：張艷玲)

修回日期： 2015-09-17

First author： GUO Haitao(1976—)，male，PhD，associate professor，majors in digital photogrammetry and oceanographical remote sensing.

E-mail： ghtgjp2002@163.com

An Island and Coastal Image Segmentation Method Based on Quadtree and GAC Model

GUO Haitao1,2,SUN Lei1,SHEN Jiashuang2,CHEN Xiaowei1,ZHANG Hongwei1

1. Institute of Suveying and Mapping，Information Engineering University，Zhengzhou 450052， China； 2. Navey Institute of Hydrographic Surveying and Charting，Tianjin 300061, China

Abstract：Island and coastal image segmentation is of great importance for the subsequent coastline extraction, terrain inversion for intertidal zone, analysis of the situation for shore evolution, and so on. Firstly, the advantages and disadvantages of quadtree, geodesic active contour (GAC) model and Canny edge detector used in the island and coastal image segmentation are analyzed. Secondly, an island and coastal image segmentation method is proposed by integrating quadtree, GAC model and Canny edge detector. The advantages of these three kinds of method are taken in the method proposed in this paper. The method introduces the results of Canny edge detector into edge indicator function of geodesic active contour model based on quadtree segmentation, evolutes the level set equation, and realizes island and coastal image segmentation.The experimental results show that the method proposed in this paper is of high speed, precision, reliability and automation for island and coastal image segmentation, even in the weak edges and serious concave edges.

Key words：quadtree; GAC model; Canny edge detector; island and coastal image segmentation; waterline extraction

作者簡(jiǎn)介：第一 郭海濤(1976—)，男，博士，副教授，研究方向?yàn)閿?shù)字?jǐn)z影測(cè)量、海洋遙感。

收稿日期：2015-05-14

基金項(xiàng)目：國(guó)家自然科學(xué)基金(41101396；41001262)

中圖分類(lèi)號(hào)：P237

文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1001-1595(2016)01-0065-08

引文格式：郭海濤，孫磊，申家雙，等.一種四叉樹(shù)和測(cè)地線活動(dòng)輪廓模型相結(jié)合的海陸影像分割方法[J].測(cè)繪學(xué)報(bào)，2016,45(1)：65-72.DOI:10.11947/j.AGCS.2016.20150240.

GUO Haitao, SUN Lei, SHEN Jiashuang, et al.An Island and Coastal Image Segmentation Method Based on Quadtree and GAC Model[J]. Acta Geodaetica et Cartographica Sinica,2016,45(1):65-72.DOI:10.11947/j.AGCS.2016.20150240.