基于标记分水岭分割的高分辨率影像水体信息提取

贾永红，冯在梅，沈庭乐

(武汉大学遥感信息工程学院，湖北武汉 430079)

基于标记分水岭分割的高分辨率影像水体信息提取

贾永红，冯在梅，沈庭乐

(武汉大学遥感信息工程学院，湖北武汉 430079)

提出一种基于标记分水岭分割提取高分辨率卫星融合影像水体信息的方法。首先采用Pansharpening融合法获得光谱扭曲小的高分辨率卫星融合影像；其次利用标记分水岭算法对高分辨率卫星融合影像进行分割；最后在分割基础上利用水体指数模型提取水体信息。采用QuickBird高分辨率遥感影像数据进行试验，并与eCognition多尺度分割提取水体方法的结果相比，表明本文方法更快速有效，具有实用推广价值。

影像融合；标记分水岭算法；水体信息提取

一、引 言

目前，应用遥感技术获取地表水体信息主要有两类方法：基于像素的遥感影像水体提取方法和面向对象的遥感影像水体提取方法。基于像素的遥感影像水体提取方法适用于早期中低分辨率的遥感影像，多采用基于光谱的统计特征进行研究[1]。已有的研究表明，基于像元的高分辨率遥感影像的信息提取存在明显不足，面向对象的高分辨率遥感影像分析可以克服基于像元的传统信息提取方法的缺点，是近年来遥感和地理信息系统学科发展的重要趋势[2]。因此本文研究面向对象的遥感影像水体信息提取方法，提出了基于标记分水岭分割提取高分辨率遥感影像水体的算法，以提高高分辨率遥感影像中的水体信息提取精度。

二、基于标记分水岭分割提取水体信息的方法

分水岭算法是一种基于区域的图像分割方法，它是从影像中检测到局部极小值点，然后进行区域增长实现对图像的分割[3]。但由于影像中会存在伪局部极小值点，导致分水岭算法产生过分割问题[4-5]。为此提出标记分水岭算法抑制噪声和细纹理而产生的伪标记，改善分割效果。图1给出了基于标记分水岭分割提取水体信息的流程，各步骤处理技术介绍如下。

图1 基于标记分水岭提取高分辨率卫星影像水体信息流程

1.高分辨率遥感影像融合

高分辨率卫星全色影像与多光谱影像融合有利于水体信息提取[6]，本文采用Pansharpening融合法，获得光谱扭曲小的高分辨率卫星融合影像。

2.中值滤波

采用中值滤波去除孤立噪声，有利于分水岭分割中避免产生过多极小值点。

3.形态学梯度影像

形态梯度影像是由原始高分辨率影像膨胀变换后的影像减去腐蚀变换后的影像得到的，公式为

式中，ΔI为梯度影像；f为原始影像；b为结构元素；⊕、Θ分别表示数学形态学中的膨胀和腐蚀运算。显然，结构元素的大小对梯度影像是有一定影响的，本文采用3×3结构元素来求取梯度影像。

4.影像标记

影像频谱分析表明，影像的低频成分对应影像中的基本内容，而高频成分对应影像中的边缘、纹理细节和噪声等信息，在低频成分中提取局部极小值点作为标记点，可以有效地消除图像中的噪声干扰。因此影像标记步骤具体如下：

1)使用二阶Butterworth滤波器对梯度影像ΔI进行滤波，得到滤波后的影像ΔIBLP式中，M、N表示影像的宽度和高度；参数D0是截止频率；GBLF(ΔI)(u，v)表示经过二阶Butterworth低通滤波获得的低频部分；ΔIBLP是通过傅里叶逆变换获得梯度影像ΔI的低频成分。

2)计算ΔI与ΔIBLP的差值影像DG＝ΔIΔIBLP。

3)计算差值影像DG的中位数T，以中位数T为阈值将影像二值化，形成标记影像BW，其中BW＝{DG＜T}，即对影像DG中灰度值小于T的像素作为标记像素。

4)在标记影像BW中，每个连通区域对应一个对象。由于所需关注的对象是水体，其连通区域中所包含的像素较多，而标记的像素是对象的内部像素，因此它的面积不应太小，可以先设置区域面积阈值(像素个数)，删除一些伪标记区域，它的连通区域中包含的像素比较少，得到最终的标记影像。伪标记区域是造成分水岭算法过分割的主要原因。

5.分水岭变换

分水岭变换是自下而上的基于浸没式的分水岭算法[2]而实现的，将图像看成是地形表面，在表面的积水盆地处开一个小孔，开始整个地形的浸没过程。显然，该方法首要关键点即是寻找影像的积水盆地，即合理的极小值点，否则很有可能会造成过分割现象。而对影像进行标记，将影像中所有的像素已经划分为标记像素和待标记像素，使得标记像素作为极小值点，可以有效地解决这个问题。在标记影像的基础上进行分水岭变换的具体算法如下：

1)以影像中的最低灰度为“起始水位”，按一个灰度级的增幅渐次提高“水位”，直到最大灰度为止。

2)对于标记影像上的各区域，采取同一区域中各像素标记号相同，不同区域中标记号不同的原则对标记影像上各标记像素进行标记(像素标记实际上指的是给该像素赋予唯一的标记号)。像素标记的优先级由灰度值决定，灰度值越大优先级越低，反之则越高。

3)对于未标记的像素，假设已经处理到了k级，此时，每一个不大于k的像素都已经被分配了唯一的集水盆地标记。以灰度为k＋1但未被标号的像元为基础形成新的集水盆地，并赋予新的标记号。

6.水体信息提取

在分水岭分割的基础上，根据水体指数NDWI模型提取水体信息，即

式中，NDWI表示分水岭分割之后的每一个对象的平均灰度值计算所得的归一化水体指数值；h是针对试验影像采取样本获取的阈值。当NDWI≥h时，T为1，表示该对象为水体；反之为非水体。

三、水体信息提取试验与分析

以QuickBird卫星所获的高分辨率影像作为试验数据，选取覆盖武汉南湖的融合影像，分辨率为2.4 m，大小是3493像素×2818像素，如图2所示。

图2 真彩色融合影像

分别对该试验数据采用eCognition多分辨率分割法和标记分水岭分割法提取水体，结果如图3—图6所示。

图3 eCognition分类结果

图4 eCognition提取的水体信息

采用eCognition多分辨率分割方法首先对影像进行分割，通过反复的参数调整试验，最终确定尺度参数为95，形状参数为0.1，紧致度为0.5，获得较为满意的分割结果影像；然后对分割影像选取样本进行分层分类，选取的类别有长江、南湖、河流及非水体等，最终获得分类影像如图3所示，图4为最终获取的试验区域水体信息。从图4可以看出，除了河流有一定的漏提之外，其余水体的提取效果都很满意，而且没有过多的噪声。

根据本文方法分割图像如图5所示，获得的分割影像的分割线更接近真实地物的边界。

图5 分水岭算法分割影像

考虑阴影与水体在近红外波段波谱特性差异性，水体信息提取模型修正为

图6为利用式(4)对标记分水岭分割图像提取的水体信息，从图中可以看出提取的水体信息比较“干净”，产生的噪声点不多。

为了定量对本文方法进行评价，将eCognition多分辨率分割法、标记分水岭分割法提取的水体与人工提取的水体面积(参考面积)进行了比较，结果见表1。

图6 水体信息提取结果

表1 提取的水体面积

由表1可以看出，基于标记分水岭分割提取水体算法优于eCognition多分辨率分割法。

四、结束语

通过分析与比较，在面向对象的分类方法中，以eCognition软件为平台的面向对象的分类处理中需要较多的人工干预，如分割尺度的参数选取、类层次的构建等，且易造成过分割现象；基于标记分水岭分割提取高分辨率卫星影像水体信息的方法与之相比，可有效地解决过分割的问题，提高高分辨率卫星影像水体信息精度和效率。

[1] MCFEETERS S K.The Use of the Normalized Difference Water Index(NDWI)in the Delineation of Open Water Features[J].International Journal of Remote Sensing，1996，17(7)：1425-1432.

[2] BLASCHKE T.Object Based Image Analysis for Remote Sensing[J].ISPRS Journal of Photogrammetry and Remote Sensing，2010，65(1)：2-16.

[3] VINCENT L，SOILLE P.Watersheds in Digital Spaces：An Efficient Algorithm Based on Immersion Simulations [J].IEEE Transactions on Pattern Analysis and Machine Intelligence，1991，13(6)：583-598.

[4] MEINEL G，NEUBERT M.A Comparison of Segmentation Programs for High Resolution Remote Sensing Data [J].International Archives of Photogrammetry and Remote Sensing，2004，35(B)：1097-1105.

[5] NEUBERT M，HEROLD H，MEINEL G.Evaluation of Remote Sensing Image Segmentation Quality——Further Results and Concepts[J].International Archives of Photogrammetry，Remote Sensing and Spatial Information Sciences，2006，36(4)：1097-1102.

[6] 赵红，贾永红，张晓萍，等.遥感影像融合方法在ALOS影像水体信息提取中的应用研究[J].水资源与水工程学报，2010，31(3)：56-58.

A Water Information Extraction Method Based on Marking Watershed Segmentation for High Resolution Remote Sensing Image

JIA Yonghong，FENG Zaimei，SHEN Tingle

P236

B

0494-0911(2014)09-0031-03

2013-08-01

国家科技支撑计划(2011BAB01B05)

贾永红(1966—)，男，湖北仙桃人，教授，研究方向为遥感图像分析与应用、航天摄影测量、空间信息管理与更新等。引文格式:贾永红，冯在梅，沈庭乐.基于标记分水岭分割的高分辨率影像水体信息提取[J].测绘通报，2014(9)：31-33.

10.13474/j.cnki. 11-2246.2014.0287