一种基于种子点区域增长的简单地物边界快速提取方法

左琛

(北京市测绘设计研究院，北京 100038)

一种基于种子点区域增长的简单地物边界快速提取方法

左琛*

(北京市测绘设计研究院，北京 100038)

从遥感图像上提取地物地貌信息，并对其进行处理和分析，广泛应用于城市规划、变化监测、环境保护、应急减灾等各个领域。本文针对测绘规划部门常用的真彩色遥感影像图，综合国内外相关研究基础上，提出一种基于种子点区域增长算法快速提取简单地物边界的方法。并以影像图中水体、云斑为实验对象验证方法的有效性。

图像分割；种子点区域增长；阈值；边缘提取

1 引 言

从遥感影像中识别兴趣目标是遥感研究领域中的难题和热点问题之一，实现在遥感影像中的目标识别能够进一步满足地理信息系统中数据获取与自动更新的需要。遥感影像上目标提取经历了目视解译、自动分类、基于光谱特性的信息提取等多个阶段。

目前国内外广泛应用的图像分割方法有基于区域的图像分割、基于边缘的图像分割、结合特定理论工具的方法，如人工神经网络法、基于小波变换的方法、基于统计学的方法、基于分形的方法、基于数学形态学的方法等。其中常用的基于区域的图像分割方法中又有阈值分割、区域增长和聚类分割[1]。种子点法区域增长是图像分割的一种方法，在每个需要分割的区域以一个种子像素或区域作为增长的起点，然后将种子像素周围邻域中与种子像素有相同或相似性质的像素合并到种子像素所在的区域中。加入的新像素作为新的种子像素继续进行上面的过程，直到再没有满足条件的像素可被包括进来，形成具备相似光谱特征的一个连通区域[2]。测绘、规划部门所使用的正射影像图通常为红、绿、蓝三波段真彩色影像，没有其他波段信息，只能通过三个波段上的光谱信息及空间信息进行信息提取。以种子点区域增长方法提取真彩色影像上具备单一色调、简单纹理特征的目标地物，利用地物的灰度或纹理特征作为相似性测度，半自动地进行影像分割，具有较高的可靠性和运行效率。

2 种子点区域增长算法

2.1算法流程

本文采取了4领域区域扩张的方式，具体算法流程如图1所示。

图1 种子点区域增长流程图

种子点区域增长进行目标提取，最为关键的有三个问题：一是选择确定一组能正确代表目标地物的种子像素；二是确定是否与种子区域同类的相似性测度；三是制定让生长过程停止的条件或规则。区域增长法利用了区域像素间的连通性，减少了误分的可能。

2.2相似性测度

区域增长方法中，同一类连通区域具备某些相似特征。对于多光谱遥感数据，可通过不同地物的光谱特性确定最为合适的波段组合及算法表示其特征。对于真彩色遥感影像，同类地物具备相似的灰度、颜色或纹理特征。所以本文中相似性测度选取灰度特征和纹理特征参数进行实验。

对于简单地物，区域内具备较为统一的灰度值，边缘出现剧烈灰度变化，可选用窗口的灰度均值或方差作为判定特征。以种子点为中心取一定大小窗口内像素灰度进行统计运算可消除区域内噪声影响，灰度方差对于区域边缘反应敏感，可得到较为准确、稳定的区域边界。灰度共生矩阵是一种常用的纹理分析方法，其矩阵元素可描述图像纹理的一系列特征，也可作为区域增长判定的相似性测度。

2.3自适应动态阈值

区域增长的判定阈值是分割结果好坏的重要因素，阈值过大会导致欠分割；阈值过小会导致过分割。国内外学者都对阈值选取进行了广泛的研究，提出了很多种图像阈值的选取方法。比如直方图法、最大类间方差法、最小误差和均匀误差法、简单统计与局部特性法、共生矩阵法、矩量保持法、最大熵法等[3]。本文实验了两种动态阈值方法，根据增长的种子点区域动态确定判定阈值。

史铁生之所以对生死观照有如此痴迷和坚韧的热情，当然与他的自身经历有关，22岁那年他两腿瘫痪，曾一度丧失生存的勇气，很想自杀，但终于顽强地活了下来。那么，活着的意义是什么？寻找生命的价值和意义，这就是他开始写作的动因。关于这一点，史铁生在《我与地坛》一文中有更明确的描述，他在那座古园里苦思冥想的问题只有三个“第一个是要不要去死，第二个是为什么活，第三个我干嘛要写作。”

一种是基于统计特征的动态阈值。同一区域中的灰度一般符合一定的概率分布，即具备一定的灰度均值和灰度方差。依据已生长出的种子点区域的灰度特征计算生长阈值符合种子区域的总体特征。谢明鸿在提取海岸线边界是提出了以下基于灰度的动态阈值算法[4]：

(1)

μ和σ分别是已生长出种子区域的灰度均值和标准方差；k1、k2是两个系数项，反映了阈值的苛刻程度。

一种是最大类间方差法。最大类间方差的指导思想是类间方差大、类内方差小，通过分割阈值将像素划分成不同类别，建立类间方差与阈值的函数模型，使类间方差达到最大来确定阈值[5]。本文采纳了最大类间方差法的原理，以比较两类地物方差的方法确定地物类别。首先计算种子区域方差与非种子区域方差，然后以搜索点的方差靠近哪一类来划分其类别。这一算法没有一个具体的生长阈值，而是通过比较特征值来生长目标区域。

3 遥感影像上简单地物提取方法

种子点区域增长，相似性测度和分割阈值决定了生长规则。本文以全色影像上水体为实验目标，实验不同的相似性测度及阈值确定方法，对边界提取的影响。并确定对于简单地物进行提取的运算参数。

3.1采用动态阈值法，以不同相似性测度进行水边界提取

第一组实验，取5×5窗口内灰度均值与灰度方差作为相似性测度，以动态阈值(见式(1))计算分割阈值，提取黑色水体参数k1、k2取值0.05，边界效果如图2、图3所示。

灰度均值可平滑水中噪声影响，但边界不清晰；灰度方差作为特征，可准确反映边界(左图中堤坝被识别)，会受到噪声影响。

图2 以窗口内灰度均值为相似性测度

图3 以窗口内灰度方差为相似性测度

第二组实验，取7×7的窗口计算小区域的灰度共生矩阵，矩阵距离d取5。图像的灰度共生矩阵反映了图像灰度关于方向、相邻间隔、变化幅度的综合信息，是分析图像的局部特征和排列规律的基础。根据共生矩阵，可以定义熵、对比度、能量、相关性等多种用于提取图像纹理信息的特征。本文以能量和局部平稳性作为相似性测度进行比较，能量为共生矩阵对角线元素平方和，算法如下公式。

(2)

(3)

图4 以窗口内纹理特征值为相似性测度

从边界结果可以看出，灰度共生矩阵中局部平稳性可以有效消除水体中小物体及噪声影响。

结合一系列实验结果，以灰度方差作为相似性测度，对简单面状地物提取的边界最清晰，但易受到噪声影响。可以通过对分割影像平滑处理或加大特征窗口值来解决。

3.2动态阈值法和最大类间方差比较法实验

基于统计特征的动态阈值法是在分析统计目标与背景特征值基础上，直接解算分割阈值；方差比较法算法简单，运行快。分别用两种方法提取长江的结果如图5所示。

图5 两种阈值方法比较

4 算法应用

通过一系列实验，得出以灰度方差作为相似性测度，基于统计特征计算动态阈值，提取真彩色影像上简单面状地物边界。这种方法应用于提取影像上云斑，统计其面积，对一副真彩色遥感影像上云量占比进行质量评价。处理流程如下：

(1)彩色影像灰度化

为了方便计算，根据AdobePhotoshop里灰度化的公式对红、绿、蓝三波段影像灰度化，可得到较好效果，如图6所示。

(4)

(2)种子点选取。在影像云斑处点取分割起始点。

图6 真彩色影像灰度化处理

(3)区域增长。通过大量实验，以动态阈值提取高亮云斑，式(1)阈值计算参数k1=0.5、k2=1.5。提取的云斑边界如图7所示，并统计其面积。

图7 云斑边界提取及面积统计

5 结 语

本文在总结有关种子法区域增长进行图像分割理论的基础上，提出了一种对真彩色遥感影像上简单面状地物边界提取的方法。实验了不同图像特征作为相似性测度，不同阈值确定算法的提取效果，最终确定以窗口内灰度方差作为测度，基于统计特征动态计算阈值，较适用于简单纹理的面状地物提取。并通过对水体、云斑进行测试，总结了对不同地物提取效果较好的参数。

人机交互的方法提高了地物识别的可靠性和运行速率。本文提出的方法可应用于遥感影像上云量统计，质量评价。可对简单面状地物，如水体、裸露地表进行目标提取。

[1] 焦玉斌，徐艳蕾，陈喜龙. 图像分割研究综述[J]. 科技创新导报，2009(13).

[2] 贾永红. 数字图像处理[M]. 武汉：武汉大学出版社，2003：146～150.

[3] 吴一全，朱兆达. 图像处理中阈值选取方法30年(1962-1992)的进程(一)[J]. 数据采集与处理，1993，8(3).

[4] 谢明鸿，张亚飞，付琨. 基于种子点增长的SAR图像海岸线自动提取算法[J]. 中国科学院研究生院学报，2007，24(1).

[5] 郑宏，潘励. 基于遗传算法的图像阈值的自动选取[J]. 中国图象图形学报，1999，4(4).

[6] 宁顺刚，白万民，喻钧. 基于灰度共生矩阵的图像分割方法研究[J]. 电子科技： 2009，22(11).

[7] 万显荣，舒宁，郑建生. 一种基于种子点与连通性分析的快速水体边界提取方法[J]. 国土资源遥感，2000(4).

AFastEdgeExtractionMethodofSimplyObjectsBasedonSeedRegionGrowing

Zuo Chen

(Beijing Institute of Surveying and Mapping，Beijing 100038，China)

Extracting and analyzing ground object information from remote sensing images is widely applied in many areas，such as urban planning，land usage changing monitoring，environment protection and disaster relief. For true color remote sensing images commonly used by survey planning department，this paper synthesized domestic and international related research and proposed a fast edge extraction method，which is based on seed region growing algorithm. Finally，this paper verified this method by experiments on water and cloud in remote sensing images.

Image segmentation；seed region growing；threshold；edge extraction

1672-8262(2017)05-126-04

P283.8，TP753

A

2017—07—25

左琛(1989—)，女，工程师，硕士研究生，现从事遥感、GIS数据处理与研发应用。