于旭宅，王瑞瑞，陳偉杰

(1.北京林業(yè)大學(xué)精準(zhǔn)林業(yè)北京市重點(diǎn)實(shí)驗(yàn)室,北京 100083；2.天津市靜海公路工程有限公司，天津，301600)

圖像分割廣泛應(yīng)用于軍事、氣象、遙感、醫(yī)學(xué)等多個(gè)領(lǐng)域，是圖像處理中的主要難點(diǎn)。圖像分割就是把圖像分割成若干特定的、具有獨(dú)特性質(zhì)的區(qū)域并提取出感興趣目標(biāo)的技術(shù)和過(guò)程，它是圖像處理到圖像分析的關(guān)鍵過(guò)程。近年來(lái)，對(duì)地觀測(cè)技術(shù)發(fā)展迅速，高空間分辨率遙感影像分辨率也不斷提高，高分辨率遙感影像目標(biāo)地物清晰、紋理和細(xì)節(jié)等信息明顯突出。因此，利用高分辨率遙感影像對(duì)目標(biāo)地物分割與識(shí)別稱為圖像處理的關(guān)鍵問(wèn)題之一。雖然通過(guò)目視解譯的方法可以對(duì)目標(biāo)地物進(jìn)行識(shí)別，但費(fèi)時(shí)費(fèi)力，并且解譯結(jié)果的好壞取決于專業(yè)人員的技術(shù)水平。對(duì)比目視解譯方法，運(yùn)用計(jì)算機(jī)對(duì)數(shù)字圖像進(jìn)行自動(dòng)處理，不僅效率高，而且節(jié)省了大量的時(shí)間，將有望代替人工目視解譯[1]。

基于高分辨率遙感影像分割的相關(guān)研究及應(yīng)用已有不少，謝凱等[2]以2010年湖北省襄樊市快鳥(niǎo)影像作為數(shù)據(jù)源，采用改進(jìn)灰度迭代閾值分割方法進(jìn)行實(shí)驗(yàn)，并與最大類間方差法進(jìn)行比較，結(jié)果表明通過(guò)對(duì)初始全局閾值T0進(jìn)行調(diào)整和對(duì)程序算法進(jìn)行優(yōu)化后的迭代閾值算法在分割結(jié)果及處理時(shí)間上都優(yōu)于最大類間方差法。李珀任等[3]提出了一種融合了光譜和紋理特征的綜合梯度的標(biāo)記分水嶺算法，并以北京某區(qū)空間分辨率為0.6 m的快鳥(niǎo)數(shù)據(jù)為數(shù)據(jù)源進(jìn)行分割實(shí)驗(yàn)，實(shí)驗(yàn)表明該方法能夠充分利用高分率遙感影像的特性信息，并能有效制止分水嶺過(guò)分割現(xiàn)象。丁曉峰等[4]提出了一種基于最大類間方差的改進(jìn)圖像分割算法，與傳統(tǒng)的方法相比，該方法計(jì)算量降低10倍以上，計(jì)算速度快，具有較高的效率和較好實(shí)用性。侯慧等[5]基于距離變換的改進(jìn)分水嶺算法對(duì)粘連白細(xì)胞圖像分割效果較好，分割位置較準(zhǔn)確。Ko等[6]采用主動(dòng)輪廓模型對(duì)白細(xì)胞的輪廓進(jìn)行收斂，但對(duì)初始輪廓的位置要求較高。Jiang等[7]使用分水嶺風(fēng)算法將圖像分割成若干區(qū)域，然后再利用經(jīng)驗(yàn)閾值進(jìn)行合并。

本文選取經(jīng)過(guò)正攝校正的安徽省池州市航拍遙感影像作為數(shù)據(jù)源，采用迭代式閾值法、最大類間方差法和分水嶺分割算法三種方法進(jìn)行樹(shù)冠分割，以確定最優(yōu)分割方法，為該地區(qū)林區(qū)樹(shù)冠提取提供基礎(chǔ)技術(shù)支持。

1 研究區(qū)概況

研究區(qū)位于安徽省池州市東北部，地理位置為117°48′—117°54′E， 30°40′—30°41′N，地跨池州市和青陽(yáng)縣，東西長(zhǎng)約9 500 m，南北長(zhǎng)約200 m，總面積約為190萬(wàn)m2。海拔在1.8～112.2 m之間，屬于亞熱帶季風(fēng)濕潤(rùn)氣候區(qū)，夏熱冬寒，春秋溫和，雨量充沛，日照時(shí)間長(zhǎng)，無(wú)霜期短，梅雨期40 d左右。年平均氣溫16 ℃；區(qū)內(nèi)的主要樹(shù)種有馬尾松、櫟樹(shù)、杉木、毛竹和雜木。

2 研究方法

林冠大小是提取森林各種參數(shù)的重要依據(jù)[8]，通過(guò)提取樹(shù)冠的直徑和面積，可估測(cè)林分郁閉度、蓄積量和生長(zhǎng)量等信息。因此，林冠提取對(duì)于研究森林的生長(zhǎng)情況和動(dòng)態(tài)變化具有重要意義[9]。本文分別對(duì)三種分割算法的理論和方法進(jìn)行概述，并對(duì)迭代式閾值法、最大類間方差法和分水嶺分割算法進(jìn)行比較。

2.1 迭代式閾值法

迭代式閾值法[10]的基本思想是：首先選擇一個(gè)閾值作為初始估計(jì)值，然后按閾值改進(jìn)策略不斷地改進(jìn)這一估計(jì)值，直至滿足設(shè)定的準(zhǔn)則為止，在迭代的過(guò)程中關(guān)鍵在于選擇什么樣的改進(jìn)策略顯得很重要。好的改進(jìn)策略應(yīng)具備如下兩個(gè)特征：一是快速收斂；二是每一次迭代后，新的閾值優(yōu)于上一次的閾值。本文采用的迭代閾值方法步驟如下：

步驟1：選擇整幅圖像的灰度中值作為初始的閾值T0；

步驟2：利用初始閾值T0將圖像分割為兩個(gè)區(qū)域，分別為R1和R2，利用下式計(jì)算區(qū)域R1和R2的灰度均值μ1和μ2，

步驟4：重復(fù)步驟2和步驟3，直至Ti+1和Ti的差值小于某個(gè)值。

2.2 最大類間方差法

Ostu閾值法又稱為最大類間方差法[11]，該方法是由日本人首次提出，是根據(jù)圖像的一維直方圖將目標(biāo)和背景的類間方差最大作為閾值的選取準(zhǔn)則。最大類間方差法算法簡(jiǎn)單，自適應(yīng)能力強(qiáng)，運(yùn)行速度快，在圖像分割上具有廣泛應(yīng)用。

其基本思想為：設(shè)圖像灰度級(jí)的取值范圍為[0,L-1]，灰度值為i的的象素點(diǎn)數(shù)為Ni，圖像總的像素點(diǎn)數(shù)為：N=N0+N1+N2+…+N(L-1)，灰度級(jí)為i的點(diǎn)出現(xiàn)的概率為：

取灰度值K為[0,L-1]中一個(gè)門(mén)限閾值，將圖像分為背景類和目標(biāo)類，分別用B和T表示，B由灰度值在[0,K]之間的像素組成，T由灰度值在[K+1，L-1]之間的像素組成。

由此可得到B和T兩區(qū)域類間方差表達(dá)式為：

δ2=PB(uB-uK)2+PT(uT-uK)2

令K遍歷[0,L-1]，計(jì)算K不同取值時(shí)δ2。當(dāng)δ2取最大值時(shí)對(duì)應(yīng)的K即為分割的最佳閾值。

2.3 分水嶺分割算法

分水嶺分割方法[12]，是一種基于拓?fù)淅碚摰臄?shù)學(xué)形態(tài)學(xué)的分割方法，其基本思想是把圖像看作是測(cè)地學(xué)上的拓?fù)涞孛?，圖像中每一點(diǎn)像素的灰度值表示該點(diǎn)的海拔高度，每一個(gè)局部極小值及其影響區(qū)域稱為集水盆，而集水盆的邊界則形成分水嶺。分水嶺的概念和形成可以通過(guò)模擬浸入過(guò)程來(lái)說(shuō)明。在每一個(gè)局部極小值表面，刺穿一個(gè)小孔，然后把整個(gè)模型慢慢浸入水中，隨著浸入的加深，每一個(gè)局部極小值的影響域慢慢向外擴(kuò)展，在兩個(gè)集水盆匯合處構(gòu)筑大壩，即形成分水嶺。

分水嶺算法的實(shí)現(xiàn)與圖像本身的相關(guān)性不大而與圖像的梯度有很大關(guān)系[13]。所以其算法過(guò)程一般是在梯度圖像上進(jìn)行。分水嶺分割算法先提取圖像的梯度圖像，然后在梯度圖像的基礎(chǔ)上進(jìn)行分水嶺分割。為得到梯度圖像，采用3×3模板的prewitt算子對(duì)圖像進(jìn)行梯度運(yùn)算，prewitt算子檢測(cè)兩種方向分別為水平邊緣和垂直邊緣。如果直接在此梯度圖像上進(jìn)行分水嶺分割算法得到的分割圖像會(huì)因樹(shù)冠內(nèi)部的偽局部極小值造成圖像的過(guò)分割，分割效果不理想，因此在進(jìn)行分水嶺分割前需要對(duì)梯度圖像進(jìn)行修正，首先采用擴(kuò)展最小變換[14](E-minima)提取樹(shù)冠頂點(diǎn)作為圖像的內(nèi)部標(biāo)記，擴(kuò)展最小變換首先確定一個(gè)高度閾值h，梯度值與h進(jìn)行逐一比較，將梯度值大于h的值標(biāo)記為1，梯度值小于h的值標(biāo)記為0，最終得到一幅二值標(biāo)記圖像。在外部標(biāo)記方面，本文采用距離變換進(jìn)行外部標(biāo)記，然后將內(nèi)部標(biāo)記和外部標(biāo)記同時(shí)強(qiáng)加到梯度圖像上來(lái)修正初始梯度圖像。最后再使用分水嶺分割方法進(jìn)行冠層圖像的分割。

3 結(jié)果與分析

3.1 實(shí)驗(yàn)結(jié)果對(duì)比

為了驗(yàn)證三種算法的分割效果，算法在Matlab中編程，實(shí)現(xiàn)對(duì)高分辨率航拍影像的分割。三種算法的分割結(jié)果如圖1所示。為了更清晰的看出分割效果將三種算法的分割結(jié)果在ARCGIS中轉(zhuǎn)成矢量結(jié)果并疊加大原始影像上，得到圖2。

(a)迭代式閾值法

(b)最大類間方差法

(c)分水嶺分割法

(a)迭代式閾值法

(b) 最大類間方差法

(c)分水嶺分割法

3.2 實(shí)驗(yàn)結(jié)果分析

針對(duì)高分辨率航空影像的圖像分割，本文分別基于迭代式閾值法分割、最大類間方差法分割及分水嶺分割法對(duì)兩幅不同目標(biāo)地物的影像進(jìn)行分割研究，同時(shí)采用圖像處理的時(shí)間及單個(gè)樹(shù)冠匹配率兩方面作為評(píng)價(jià)指標(biāo)。由于沒(méi)有野外調(diào)查數(shù)據(jù)所以本文采用人工目視解譯結(jié)果作為參考,其中目視解譯結(jié)果如圖3,目視解譯樹(shù)冠為133個(gè),并選取4個(gè)特征區(qū)域進(jìn)行對(duì)比分析，如圖4。

其中，匹配為分割樹(shù)冠和參考樹(shù)冠重疊面積占其中一方的80%以上，如圖5。

圖3 目視解譯結(jié)果

圖5 匹配

圖4 局部區(qū)域分布圖

從表1可看出原始影像上單個(gè)樹(shù)冠輪廓清晰明顯，通過(guò)人工目視解譯從裁剪出的局部區(qū)域1中可以看出由于樹(shù)冠之間的重疊遮擋，迭代式閾值分割法和最大類間方差法并沒(méi)有把單個(gè)樹(shù)冠分割開(kāi)，而分水嶺分割法把這種的區(qū)域分割開(kāi)，并得到較為準(zhǔn)確的樹(shù)冠輪廓線；從局部區(qū)域2和局部區(qū)域4中可以看出，迭代式閾值分割法和最大類間方差法造成單個(gè)樹(shù)冠過(guò)分割，這是由于單個(gè)樹(shù)冠內(nèi)部紋理的復(fù)雜性和差異性；從局部區(qū)域3中可以看出，迭代式閾值分割法和最大類間方差法分割得到的樹(shù)冠輪廓線凹凸彎曲較大，而分水嶺分割得到的單個(gè)樹(shù)冠的輪廓線較為平緩，幾乎與真實(shí)樹(shù)冠的輪廓相貼合。

表1 3種分割方法分割結(jié)果局部對(duì)比分割算法局部區(qū)域編號(hào)1234迭代式閾值分割最大類間方差法分割分水嶺分割法

表2表明，從與目視解譯匹配率上看，分水嶺分割法的匹配率最高，其次是迭代式閾值法的匹配率高于最大類間方差法，原因是分水嶺分割算法可以得到單像素的封閉的樹(shù)冠邊界如圖2(c)，而迭代式閾值法和最大類間方差法由于樹(shù)冠的重疊和內(nèi)部紋理的差異導(dǎo)致很多樹(shù)冠沒(méi)有被分割開(kāi)，如圖2(a)和(b)，所以分水嶺分割法的分割效果最好；從處理時(shí)間上看，迭代式閾值法>分水嶺分割法>最大類間方差法，迭代式閾值分割的出來(lái)時(shí)間主要取決于迭代次數(shù)的多少，而最大類間方差法的處理時(shí)間是對(duì)圖像進(jìn)行多次遍歷，分水嶺分割法的處理時(shí)間主要取決于分割過(guò)程中對(duì)每個(gè)像素進(jìn)行灰度排序及淹沒(méi)過(guò)程。

表2 3種分割方法效率及精度對(duì)比分割算法與目視解譯匹配率/%處理時(shí)間/s迭代式閾值法60.151.279最大類間方差法59.40.012分水嶺分割法66.160.615

4 結(jié)論

全面分析了利用迭代式閾值法、最大類間方差法和分水嶺分割算法提取高分辨率遙感影像上單木樹(shù)冠的理論和方法，并對(duì)國(guó)內(nèi)外研究狀況和相關(guān)領(lǐng)域中已有的研究成果進(jìn)行了分析和總結(jié)。本文采用這三種常見(jiàn)分割算法對(duì)研究區(qū)圖像進(jìn)行處理，并將結(jié)果與原圖像進(jìn)行疊加對(duì)比分析，對(duì)比得出分水嶺分割算法在樹(shù)冠之間有遮擋重疊時(shí)分割效果較好；在單個(gè)樹(shù)冠內(nèi)部紋理結(jié)構(gòu)有差異時(shí)分割效果也較好。在圖像處理時(shí)間和單個(gè)樹(shù)冠匹配率兩個(gè)方面進(jìn)行精度評(píng)價(jià)中，分水嶺分割法處理時(shí)間適中，單個(gè)樹(shù)冠匹配率精度最高。

參考文獻(xiàn)：

[1] 劉曉雙.高空間分辨率遙感的單木樹(shù)冠自動(dòng)提取方法與應(yīng)用[J].浙江林學(xué)院學(xué)報(bào),2010,27(1):126-133.

[2]謝凱，王新生.基于灰度迭代閾值的高分辨率影像分割研究[J].湖北大學(xué)學(xué)報(bào)：自然科學(xué)版,2013,35(2):0252-0257.

[3]李珀任.一種基于標(biāo)記分水嶺的高分辨率遙感影像分割方法[J].地理與地理信息科學(xué),2012,28(5):10-15.

[4]丁曉峰,何凱霖.基于最大類間方差的改進(jìn)圖像分割算法[J].計(jì)算機(jī)工程與設(shè)計(jì),2015,36(10):2765-2768.

[5]侯慧，石躍祥.基于距離變化的改進(jìn)分水嶺算法在白細(xì)胞圖像分割中的應(yīng)用[J].計(jì)算機(jī)技術(shù)與自動(dòng)化,2016,35(3):0081-0084.

[6]KO BC,GIM JW,NAM JY.Automatic while blood cell segmentation using stepwise merging rules and gradient vector fow snake[J].Micron,2011,42(7):695-705.

[7]JIANG K,LIAO QM,XIONG Y.A novel white blood cell segmentation scheme based on feature space clustering[J].Soft Computer,2006,10(1):12-19.

[8]Song Conghe, Band LE.MVP：a model to simulate the spatial patterns of photosynthetically active radiation under discrete forest canopies[J].Can J For Res,2004,34:1192-1203.

[9]覃先林,李增元,易浩若.高空間分辨率衛(wèi)星遙感影像樹(shù)冠信息提取方法研究[J].遙感技術(shù)與應(yīng)用，2005,20(2):228-232.

[10] 黑光月.基于迭代式閾值的女書(shū)分割算法研究[J].軟件導(dǎo)刊,2011,9(10):61-63.

[11]鄧林華,許俊,程向明.基于迭代閾值的太陽(yáng)像分割算法的應(yīng)用研究[J].計(jì)算機(jī)與現(xiàn)代化,2010,10:72-74.

[12]李江波,彭彥昆,黃文倩,等.桃子表面缺陷分水嶺分割方法研究[J].農(nóng)業(yè)機(jī)械學(xué)報(bào),2014,45(8):288-293.

[13]韋宇春.遙感數(shù)字圖像處理教程[M].北京:科學(xué)出版社,2014.

[14]SOILLE P. Morphological Image Analysis: Principle and Applications[M].Berlin：Springer-Verlag,2003.