1 緒論 

隨著人類(lèi)活動(dòng)的進(jìn)步，傳統(tǒng)的地理信息獲取手段已經(jīng)很難滿足人類(lèi)對(duì)于地理信息的日益增長(zhǎng)的需求。衛(wèi)星遙感作為對(duì)地觀測(cè)技術(shù)的重要手段，為人類(lèi)提供了海量、豐富的地理信息影像數(shù)據(jù)。近年來(lái)隨著傳感器技術(shù)的不斷發(fā)展，遙感影像的分辨率得到了極大的提高，影像中地物尺寸差異以及地物內(nèi)部像元之間的差異越來(lái)越大，對(duì)傳統(tǒng)的基于像元的影像分割方法提出了一大新的挑戰(zhàn)，面向?qū)ο笥跋穹指罘椒ǖ奶岢�，使得高分辨率影像分割的分割得到了極大的發(fā)展。本文在通過(guò)對(duì)待分割影像中地物內(nèi)部的梯度和紋理特征進(jìn)行分析的基礎(chǔ)上，利用紋理和梯度特征圖像的閾值分割來(lái)獲取標(biāo)記分水嶺變換中的標(biāo)記圖像，并通過(guò)對(duì)待分割的影像進(jìn)行強(qiáng)制最小變化來(lái)標(biāo)定待分割影像中的種子點(diǎn)區(qū)域（即“涌水區(qū)域”），有效的解決了分水嶺分割中的過(guò)分割現(xiàn)象。  

1.1 研究的目的與意義 
在全國(guó)地理國(guó)情普查中，高分辨率遙感影像成為了主要的數(shù)據(jù)源[1]。但傳統(tǒng)的作業(yè)方式自動(dòng)化程度不高，需要過(guò)多的人工干預(yù)，這大大影響了生產(chǎn)的效率，隨著分辨率的提高，影像中的紋理及邊緣等細(xì)節(jié)信息更為豐富，這給作業(yè)人員的能力也帶來(lái)了極大的挑戰(zhàn)，需要作業(yè)人員較強(qiáng)的專(zhuān)業(yè)知識(shí)及較嚴(yán)謹(jǐn)?shù)墓ぷ髯黠L(fēng)，由于手動(dòng)作業(yè)效率低下，作業(yè)周期長(zhǎng)，消耗大量人力物力的同時(shí)也喪失了遙感圖像應(yīng)用的實(shí)時(shí)性。因此如何利用計(jì)算機(jī)進(jìn)行高效精確的影像自動(dòng)分割的問(wèn)題再次浮出水面。 衛(wèi)星遙感具有不接觸地物目標(biāo)，快速實(shí)時(shí)等特點(diǎn)，成為了人類(lèi)對(duì)地觀測(cè)的重要技術(shù)手段，同時(shí)也成為了國(guó)際對(duì)地觀測(cè)技術(shù)的競(jìng)爭(zhēng)熱點(diǎn)，也得到了我國(guó)政府的大力支持與發(fā)展，并制定了相關(guān)中長(zhǎng)期發(fā)展規(guī)劃。近十幾年以來(lái)，在軌運(yùn)行的衛(wèi)星數(shù)據(jù)急劇增長(zhǎng)。大量的在軌衛(wèi)星為我們提供了海量豐富的遙感影像數(shù)據(jù)（表 1.1列出了近十幾年來(lái)國(guó)際上發(fā)射的一些高分辨率衛(wèi)星）。這些寶貴的地面影像數(shù)據(jù)成為我們獲取空間數(shù)據(jù)的重要信息源，具有重大的經(jīng)濟(jì)與軍事價(jià)值。 
..........

1.2 影像分割的發(fā)展歷史及研究現(xiàn)狀
上世紀(jì) 60 年代開(kāi)始，影像分割的研究工作便開(kāi)始大范圍的展開(kāi)，新的理論不斷地被應(yīng)用到影像分割領(lǐng)域，截至目前人們已經(jīng)提出了近千種具有不同使用范圍的影像分割算法。傳統(tǒng)的圖像分割算法一般在空域中對(duì)影像進(jìn)行分割，這些空域中的影像分割方法往往基于影像亮度值的兩個(gè)基本特征：不連續(xù)性和相似性。不連續(xù)性一般對(duì)應(yīng)不同地物的邊緣信息，同時(shí)，同一地物內(nèi)部具有較為相似的亮度分布。相應(yīng)的，影像分割方法分為:基于邊緣的分割和基于區(qū)域的分割。基于邊緣的分割包括邊緣檢測(cè)和邊緣生長(zhǎng)等，而基于區(qū)域的分割主要包括閾值分割（分為全局閾值分割、局部閾值分割及自適應(yīng)閾值分割）、區(qū)域生長(zhǎng)及區(qū)域分裂-合并等[5]�？v觀近年來(lái)影像分割算法的研究成果，我們可以總結(jié)出遙感影像分割領(lǐng)域的兩個(gè)明顯特點(diǎn)： ①不存在通用性好的影像分割算法，每一種影像分割算法往往都具有特定的使用范圍[6]；②效果較好的分割算法，往往更多的依賴于先驗(yàn)知識(shí)，增大工作量的同時(shí)，對(duì)于實(shí)驗(yàn)所需的數(shù)據(jù)也提出了更高的要求，當(dāng)我們沒(méi)有足夠的數(shù)據(jù)來(lái)獲取較精確的先驗(yàn)知識(shí)時(shí)，往往不能得到令人滿意的效果。 圖像分割在計(jì)算機(jī)視覺(jué)領(lǐng)域一直是備受關(guān)注的課題，然而影像分割技術(shù)進(jìn)入遙感影像分析的領(lǐng)域時(shí)間卻比較晚。遙感影像中的內(nèi)容比計(jì)算機(jī)視覺(jué)領(lǐng)域的研究圖像承載的信息要復(fù)雜的多，因此，將計(jì)算機(jī)視覺(jué)領(lǐng)域的圖像分割技術(shù)直接應(yīng)用與遙感影像的分割往往不能得到令人滿意的效果。相對(duì)于計(jì)算機(jī)視覺(jué)領(lǐng)域的圖像而言，遙感影像表現(xiàn)出一些獨(dú)有的特性： （1）遙感影像往往是多波段的，甚至是高光譜的，與傳統(tǒng)的計(jì)算機(jī)視覺(jué)領(lǐng)域研究的圖像比要復(fù)雜很多。 （2）同時(shí)作為地理信息的重要數(shù)據(jù)源，我們往往需要從遙感影像中提取更多的附屬地理信息，例如 DEM，DLG 等。 
.........

2 分水嶺變換原理及圖像梯度特征的提取

2.1 影像分割的定義 
影像分割是根據(jù)影像中像元的性質(zhì)及像元之間的關(guān)系將具有相似性質(zhì)的鄰接像元?jiǎng)澐譃橐幌盗械倪B通區(qū)域。影像分割一般以影像中像元的亮度值為依據(jù)，根據(jù)像元亮度值的不連續(xù)性（對(duì)應(yīng)于圖像的邊緣）及相似性（對(duì)應(yīng)于區(qū)域的內(nèi)部）將影像劃分為一個(gè)個(gè)具有某種同質(zhì)性的區(qū)域，因此，相應(yīng)的影像分割方法分為基于邊界（邊界兩側(cè)的像元具有性質(zhì)上的不連續(xù)性）的方法及基于區(qū)域的方法�；谶吔绲姆椒ㄖ饕ㄟ吘墮z測(cè)、邊緣生長(zhǎng)等。基于區(qū)域的方法包括閾值分割，區(qū)域生長(zhǎng)、區(qū)域分裂合并等。關(guān)于影像分割的定義人們從不同角度給出了各種各樣的說(shuō)法，本文采用 Gonzalez 和 Woods 在 2002 年提出的基于集合論的影像分割的定義[14]: 條件(1)表明分割后各個(gè)區(qū)域的并集為整幅圖像，及圖像被完全分割，每一個(gè)像元都被劃分到特定區(qū)域，條件(2)表明，每一個(gè)劃分的同質(zhì)子區(qū)域都是必須閉合的，條件(3)表明不同的子區(qū)域之間沒(méi)有交集，即每一個(gè)像元都被劃分到特定的一個(gè)區(qū)域，不存在不確定的像元分類(lèi)，條件(4)表明了所劃分的每個(gè)區(qū)域內(nèi)部的同質(zhì)性，及在同一子區(qū)域內(nèi)的像元具有相似的特定性質(zhì)，，這種相似的性質(zhì)對(duì)應(yīng)于區(qū)域生長(zhǎng)中對(duì)于生長(zhǎng)規(guī)則的判定（對(duì)應(yīng)于相似性），條件(5)表明不同的子區(qū)域具有不同的特征（對(duì)應(yīng)于不連續(xù)性），即在選定的特征空間內(nèi)，不同的子區(qū)域具有良好的區(qū)分性。 由以上定義可以看出，如何選擇合適的特征來(lái)區(qū)分不同類(lèi)型的像元，對(duì)于影像的分割結(jié)果至關(guān)重要，在實(shí)際的影像分割中根據(jù)分割目的的不同，所選擇的特征也有所差異。 
........

2.2 分水嶺變換的基本原理
分水嶺變換是一種新提出來(lái)的圖像分割方法，它將待變換影像視為三維地形，將變換影像的像素值當(dāng)做地面的高程來(lái)進(jìn)行漲水或者降水過(guò)程的模擬。Beucher 等人最先將地學(xué)中的分水嶺理論其應(yīng)用到影像分割領(lǐng)域[16]。在分水嶺變換中，主要分析待分割影像中三種類(lèi)型的點(diǎn)： （1）局部最小值點(diǎn)； （2）當(dāng)一滴水放在某一點(diǎn)上時(shí)，水滴會(huì)落到特定的最小值點(diǎn)； （3）某點(diǎn)位置處的水滴會(huì)等概率的流向周?chē)亩鄠�(gè)局部最小值點(diǎn)。 對(duì)于一個(gè)特定的區(qū)域最小值，滿足條件(2)的點(diǎn)的集合稱(chēng)為這個(gè)最小值的“匯水盆地”，而滿足條件(3)的點(diǎn)的集合組成地形表面的峰線，稱(chēng)為“分水線”[17]。分水嶺變化的目的，就在于找出這些分水線，代表最終的地物邊緣。 由于分水嶺變具有嚴(yán)密的理論基礎(chǔ)，并且能夠提取出連通且閉合的但像素寬的地物邊緣，因此受到了國(guó)內(nèi)外學(xué)者的廣泛關(guān)注與深入研究。其中代表性較好的有基于浸水模型的分水嶺變換算法和基于降水模型的分水嶺變換算法。其中，基于浸水模型的分水嶺分割算法的實(shí)現(xiàn)步驟為： （1）將圖像視為三維地形； （2）將每一個(gè)局部最小值點(diǎn)視為一個(gè)涌水點(diǎn)，模擬漲水過(guò)程； （3）在漲水過(guò)程中地形中的所有點(diǎn)的水位（即像元的值）要保持一致； （4）當(dāng)不同盆地內(nèi)的水相遇時(shí)構(gòu)建堤壩。 （5）直到水位達(dá)到地形中的最高點(diǎn)時(shí)，所有的像元都被劃分到了特定的區(qū)域，終止生長(zhǎng)過(guò)程。 在漲水過(guò)程中構(gòu)筑的堤壩，即為最終得到的區(qū)域邊緣，顯而易見(jiàn)，構(gòu)筑的堤壩是連續(xù)的，即代表生成的區(qū)域邊緣必然是連通的。 
..........

3 分水嶺變換中標(biāo)記圖像的獲取方法研究與改進(jìn).........25
3.1 閾值分割..........25
3.2 基于擴(kuò)展最小變換的標(biāo)記圖像的獲取.....2
3.3 基于影像梯度特征閾值分割的標(biāo)記圖像的獲取..........34
3.4 基于影像紋理特征閾值分割的標(biāo)記圖像的獲取..........37
3.4.1 影像紋理特征的獲取.......37
3.4.2 基于影像紋理特征的標(biāo)記圖像的獲取及參數(shù)設(shè)置........43
本章小結(jié)....454 標(biāo)記分水嶺變換的實(shí)驗(yàn)及結(jié)果分析.......47
4.1 梯度圖像的直接分水嶺變換.......47
4.2 基于擴(kuò)展最小標(biāo)記的分水嶺變換及結(jié)果分析........48
4.3 基于梯度影像閾值分割的標(biāo)記分水嶺變換....51
4.4 基于紋理特征標(biāo)記的分水嶺變換......54
4.5 基于多光譜圖像的標(biāo)記分水嶺變換..........57
4.6 加入已有邊緣信息的標(biāo)記分水嶺分割.....59
本章小結(jié)....60
5 總結(jié)及展望....63
5.1 論文所做的主要工作......63
5.2 研究展望.....64

4 標(biāo)記分水嶺變換的實(shí)驗(yàn)及結(jié)果分析

文章的上一章節(jié)從分水嶺變換的基本原理出發(fā)，分析了分水嶺變換中過(guò)分割現(xiàn)象產(chǎn)生的根本原因，并針對(duì)分水嶺變換中產(chǎn)生過(guò)分割的原因，進(jìn)行了待變換影像標(biāo)記圖像的獲取。本章將在標(biāo)記圖像獲取的基礎(chǔ)上，進(jìn)一步分析探討基于標(biāo)記圖像強(qiáng)制最小變換的分水嶺分割。  

4.1 梯度圖像的直接分水嶺變換 

分水嶺變換的操作對(duì)象一般為影像的梯度特征圖像，由于噪聲以及致密紋理等的影響，使得影像梯度圖像中的出現(xiàn)了很多無(wú)意義的局部極小值區(qū)域，這是導(dǎo)致分水嶺變換中過(guò)分割現(xiàn)象產(chǎn)生的根本原因。下面我們以選取的實(shí)驗(yàn)圖像為例，對(duì)選取的影像的梯度圖像進(jìn)行了直接分水嶺變換。如下所示： 以上實(shí)驗(yàn)中，相位一致梯度圖像的局部最小值區(qū)域的數(shù)目為 2158，Sobel 梯度圖像中局部最小值區(qū)域的數(shù)目為 7836，可以看到，對(duì)待分割影像的梯度圖像直接進(jìn)行分水嶺變換，均出現(xiàn)了嚴(yán)重的過(guò)分割現(xiàn)象，尤其是是 Sobel 梯度圖像的直接分水嶺變換幾乎得到了毫無(wú)意義的分割結(jié)果，因此，為了得到有意義的分割結(jié)果，必須在梯度圖像的分水嶺變換中，必須采取一定的措施對(duì)梯度圖像中的“涌水區(qū)域”進(jìn)行標(biāo)定。在以下的影像分割實(shí)驗(yàn)中，我們采用上一章中介紹方法獲取待分割影像梯度圖像的標(biāo)記圖像，并通過(guò)標(biāo)記圖像對(duì)待變換的梯度圖像進(jìn)行局部最小值的標(biāo)定，然后進(jìn)行分水嶺變換才能得到有意義的分割結(jié)果。 

.........

結(jié)論

（1）分析了影像分割的研究現(xiàn)狀，并根據(jù)高分辨率遙感影像的特點(diǎn)，分析了高分辨率遙感影像分割的難點(diǎn)。 
（2）基于分水嶺變換的基本原理，分析了分水嶺變換中過(guò)分割現(xiàn)象的根本原因。 
（3）分水嶺變換的操作對(duì)象一般為影像的梯度特征對(duì)圖像，因此，精確的提取影像的梯度特征對(duì)于分水嶺變換的結(jié)果至關(guān)重要，本文研究分析了空域中影像梯度特征求解的基本原理與方法，針對(duì)空域中影像梯度特征求解方法的不足，探討了頻域中影像梯度特征的求解，并采用改進(jìn)的相位一致算法進(jìn)行了影像梯度特征的提取。 
（4）針對(duì)直接分水嶺變換中的過(guò)分割現(xiàn)象，探討了通過(guò)擴(kuò)展最小變換、梯度圖像的閾值分割和紋理能量特征圖像的閾值分割進(jìn)行標(biāo)記分水嶺分割方法中的標(biāo)記圖像的獲取的可行性和有效性，并針對(duì)梯度圖像擴(kuò)展最小變換中“深度閾值”設(shè)置難以把握的情況，在梯度圖像的閾值分割中結(jié)合了文獻(xiàn)[10]中提出的“最大區(qū)域數(shù)”法，探討了標(biāo)記分水嶺分割中標(biāo)記圖像獲取方法的參數(shù)設(shè)置的問(wèn)題，并通過(guò)實(shí)驗(yàn)證明了該方法具有較好的適應(yīng)性。探討了多光譜影像中個(gè)波段梯度特征的綜合方法。并針對(duì)生產(chǎn)活動(dòng)中的一種特殊情況，通過(guò)實(shí)驗(yàn)探討了結(jié)合早期的矢量數(shù)據(jù)來(lái)進(jìn)一步改進(jìn)標(biāo)記分水嶺變換的可行性。 
.........
參考文獻(xiàn)(略)

本文編號(hào)：55483