一种融合数学形态学运算的多尺度建筑物分割算法

於雪琴，左小清，黄 亮

(昆明理工大学国土资源工程学院，昆明 650093)

一种融合数学形态学运算的多尺度建筑物分割算法

於雪琴，左小清，黄 亮

(昆明理工大学国土资源工程学院，昆明 650093)

多尺度分割算法是面向对象的图像分析方法中的一种较为成熟、稳定的分割算法，但存在部分分割不准确和分割效率低等问题。为此，提出一种融合数学形态学运算的多尺度建筑物分割算法:首先利用高斯滤波器对遥感图像进行滤波处理，然后通过数学形态学运算对图像进行腐蚀处理，最后采用多尺度分割算法得到建筑物影像。对昆明市局部区域的QuickBird图像进行多尺度建筑物分割实验的结果表明，该算法具有分割精度高、效率快等优点，对类似工作有一定的借鉴意义。

数学形态学;多尺度分割;全色图像;图像处理;地理信息系统

0 引言

随着遥感数据获取技术的不断发展，遥感图像数据已成为一种海量、精准、快速、直观的重要地理信息数据源，可为城市规划、城市建设和城市管理提供大量地理与环境信息，遥感数据的获取方法已得到长足发展。目前国际遥感界面临的一个重要问题是:每天以TB级的数量获取遥感数据，但遥感信息的提取利用率还不到获取量的5%。制约信息提取利用率的主要问题是信息提取技术。目前主要的信息提取技术是面向对象的图像分析方法，而作为面向对象的图像分析方法的核心技术之一，图像分割一直没有一个公认的精确和高效的算法。

多尺度分割［1］是一种比较成熟、稳定的图像分割算法，已在一些商业软件中得到了广泛应用，如德国的专业信息提取软件eCognition［2］等。但采用多尺度分割算法对大数据量的遥感图像进行分割时，存在分割速度慢和部分分割不准确(过分割和分割破碎)等问题。针对这些问题，高伟等［2］提出一种基于四叉树预分割的多尺度算法构建对象的方法，该方法在一定程度上提高了整体的分割效率;谭玉敏等［3］提出了一种基于边界引导的多尺度遥感图像分割算法，突破了分割尺度参数不能在全图像取得合理分割的局限性;谭衢霖等［4］则提出一种基于相邻图像区域合并异质性最小的面向对象多尺度分割算法，根据任意特定尺度下的图像分析任务或任意感兴趣尺度的地物目标，调整图像分割的尺度参数，获得特定尺度下感兴趣的影像对象。

本文利用数学形态学运算在消除噪声和边缘检测等图像预处理中所具有的优势，将数学形态学运算与多尺度分割结合起来，提出一种融合数学形态学运算的多尺度建筑物分割算法。该算法首先利用高斯滤波器消除图像噪声，然后通过数学形态学运算来减弱背景的复杂纹理和噪声对图像的影响［5］，最后采用多尺度分割算法获得最终的影像对象——建筑物。

1 融合数学形态学运算的多尺度分割算法

1.1 分割算法流程

高空间分辨率遥感图像可精细地刻画地物丰富的几何特征，但同时也存在背景信息复杂、噪声干扰严重、“同物异谱”和“异物同谱”现象明显等缺点［6］。为了有效地解决背景信息复杂和噪声干扰严重等问题，首先利用高斯滤波器去除高斯噪声，从而达到减少噪声干扰的目的;然后通过数学形态学的腐蚀运算进一步消除图像中的噪声，并减弱复杂的背景信息;最后对增强后的目标影像采用多尺度分割算法进行分割，得到最终的影像对象。融合数学形态学运算的多尺度分割算法流程如图1所示。

图1 分割算法流程图Fig.1 Flow chart of segmentation algorithm

1.2 数学形态学运算

数学形态学(mathematical morphology)是一门建立在格论和拓扑学基础上、以形态为基础的图像分析学科，即采用具有一定形态的结构元素去度量和提取图像中的对应形状，以达到对图像进行分析和识别的目的［7］，是数学形态学图像处理的基本理论。数学形态学运算对图像处理具有抗噪能力较强、保持影像基本形态特征、实时性、易于实现等优点［8］。数学形态学运算包括腐蚀(erosion)、膨胀(dilation)、开启(opening)和闭合(closing)4种基本运算，通常可利用这4种基本运算消除图像噪声。

1.3 多尺度分割算法

多尺度图像分割(multi-scale image segmentation)是一种自上而下的区域合并技术，它连续地将像元或现有的影像对象合并。该算法首先从一个单像元开始，分别与其相邻对象进行计算，若相邻的两个对象与合并后的对象的异质性指标小于给定的域值，则合并之;否则不进行合并。当一轮合并结束后，以上一轮合并生成的对象为基本单元，继续分别与其相邻对象进行计算……，这一过程将一直持续到在用户指定的尺度上已经不能再进行任何对象的合并为止［9］。多尺度分割遵循的异质性(heterogeneity)指标有:1)影像对象区域的光谱异质性(hcolor)，即

式中:ωc为图层的权重;σc为图层的标准差;c为图层数。

2)影像对象区域的形状异质性(hshape)，即

式中:hsmoothness和hcompactness分别为影像对象边界平滑度和影像对象整体紧密度;ωsmoothness与ωcompactness分别为影像对象边界平滑度的权重和影像对象整体紧密度的权重，两者之和为1。影像对象的边界平滑度和整体紧密度的计算公式分别为

式中:lMerge，bMerge和nMerge分别为合并后的影像对象的实际边长、最短边长和面积;lobj1，bobj1和nobj1分别为影像对象1的实际边长、最短边长和面积;lobj2，bobj2和nobj2分别为影像对象2的实际边长、最短边长和面积。

3)影像对象区域的整体异质性(h)，即

式中:hcolor为光谱异质性;hshape为形状异质性;ωcolor为光谱的权值;ωshape为形状的权值;ωcolor和ωshape之和为1。

2 分割算法实验

分割算法的实验数据采用昆明市某区域的QuickBird全色图像(空间分辨率为0.61 m)，实验区范围为1 424像元×1 216像元的区域(图2)。首先在Visual C++6.0结合OpenCV的环境下编制执行程序，实现高斯滤波和数学形态学处理，然后在eCognition软件平台上运行多尺度分割算法得到影像对象。

图2 QuickBird全色图像Fig.2 Panchromatic image of QuickBird

1)在Visual C++6.0结合OpenCV的软件平台上实现对原始全色图像的高斯滤波处理(图3);采用数学形态学腐蚀运算来减弱背景的复杂纹理和噪声对图像的影响(图4)。

图3 高斯滤波结果Fig.3 Result of Gauss Filter

图4 形态学腐蚀结果Fig.4 Result of morphological erosion

2)根据全色图像的影像对象的光谱异质性、形状异质性以及整体异质性，采用多尺度分割算法(即分形网络演化算法)得到一定的同质区域。实验中选用eCognition 8.0软件平台下的multi-scale segmentation算法，经实验设置分割参数后进行分割，分割效果如图5所示(分割参数分别为scale=70，shape=0.1，compactness=0.9)。为了对比分割效果，对同一原始数据采用相同的分割参数，得到采用传统多尺度分割算法获取的影像对象(图6)。

图5 本文算法分割结果Fig.5 Segmentation result using the algorithm developed in this paper

图6 传统多尺度分割算法分割结果Fig.6 Segmentation result using traditional multi-scale segmentation algorithm

分别截取分割结果中的某两个小区(图7与图8)进行分割效果对比。可以看出采用本文提出的算法提高了分割的准确度，在一定程度上解决了分割破碎和过分割问题。

图7 本文算法局部分割效果Fig.7 Part of segmentation result using the algorithm developed in this paper

图8 传统多尺度分割算法局部分割效果Fig.8 Part of segmentation result using traditional multi-scale segmentation algorithm

为了定量评价两种分割算法的精度，分别从分割时间和图7，8局部小区的分割对象中具有完整建筑物轮廓的对象数占总对象数的比例来评价分割的速度和精度(具体数据见表1)。

表1 两种分割算法分割数据对比Tab.1 Comparison of segmentation data between the two algorithms

从表1可以看出，本文提出的方法在分割时间和分割的准确度上都比传统的多尺度分割具有一定的优势。

3 结论

1)为了提高图像分割的准确度和效率，本文提出一种融合数学形态学运算的多尺度分割算法。以Visual C++6.0和OpenCV为工具，编程实现了高斯滤波和数学形态学腐蚀运算等图像处理算法，使处理后的全色图像得到增强。

2)结合eCognition 8.0软件平台下的多尺度分割方法进行图像处理实验，对使用本文方法得到的分割结果同未经过高斯滤波和数学形态学处理的传统多尺度分割结果进行比较。结果表明，采用融合数学形态学运算的多尺度分割算法可提高分割效率和准确率。

3)由于受形态学腐蚀运算的影响，部分有用的背景信息(如植被等)被腐蚀掉，因而给部分地物的分割带来一定的影响。下一步研究的重点将主要是对本文算法的进一步优化，以便最大限度地减小形态学腐蚀运算对有用背景信息造成的影响。

［1］Baatz M，Sehäpe A.Multiresolution Segmentation:An Optimization Approach for High Quality Multi-scale Image Segmentation［C］//Strobl J，Blaschke T，Greisebener(G.):Ange wandte Geographische Informafion sverarbeitung XII Beiträge Zum AGIT-Symposium Salzburg 1999.Karlsruhe:Herbert Wichmann Verlag，2000.

［2］高 伟，刘修国，彭 攀，等.一种改进的高分辨率遥感影像分割方法［J］.地球科学:中国地质大学学报，2010，35(3):421-425.

［3］谭玉敏，槐建柱，唐中实.一种边界引导的多尺度高分辨率遥感图像分割方法［J］.红外与毫米波学报，2010，29(4):312-315.

［4］谭衢霖，刘正军，沈 伟.一种面向对象的遥感影像多尺度分割方法［J］.北京交通大学学报:自然科学版，2007，31(4):111-119.

［5］何新英，王家忠，孙晨霞，等.基于数学形态学和Canny算子的边缘提取方法［J］.计算机应用，2008，28(2):477-483.

［6］周成虎，骆剑承.高分辨率卫星遥感影像地学计算［M］.北京:科学出版社，2009.

［7］Chen Q，Lim A，Ong K W.D(K)-index:An Adaptive Structural Summary for Graph-structured Data［C］//Special Interest Group on Management of Data Conference，2003:134-144.

［8］Wang H F，Zhan G L，Luo X M.Research and Application of Edge Detection Operator Based on Mathematical Morphology［J］.Computer Engineering and Applications，2009，45(9):223-226.

［9］Baatz M，Schape A.Object-oriented and Multi-scale Image A-nalysis in Semantic Network［C］//Proc of the 2nd International Symposium on Operationalization of Remote Sensing August 16th～20th Emchede ITC，1999.

A Building Segmentation Algorithm Based on Mathematical Morphology and Multi-scale Segmentation

YU Xue-qin，ZUO Xiao-qing，HUANG Liang
(Faculty of Land Resource Engineering，Kunming University of Science and Technology，Kunming 650093，China)

Multi-scale segmentation approach is a relatively mature and stable algorithm in object-oriented image analysis algorithms;nevertheless，the problems of partial segmentation inaccuracy and low segmentation efficiency remain existent in this means.In view of this situation，the authors propose an algorithm combining the mathematical morphological operation with multi-scale building segmentation in this paper.First，the Gaussian filter is used to filter the image.And then，the mathematical morphological operation is used to erode the image.Finally，the multi-scale segmentation algorithm is applied to the image to extract the buildings.Experiments were conducted on the QuickBird image of a local area in Kunming，and the results show that the algorithm presented in this paper is more accurate and efficient than the traditional algorithms，and is thus of reference significance for similar segmentation work.

mathematical morphology;multi-scale segmentation;panchromatic image;image processing;GIS

TP 751.1，P 237

A

1001-070X(2012)02-0041-04

於雪琴(1987-)，女，硕士研究生，主要研究方向为遥感信息处理与应用技术。E-mail:yxq13759581485@163.com。

(责任编辑:刘心季)

10.6046/gtzyyg.2012.02.08

2011-09-01;

2011-09-20

国家自然科学基金项目(编号:41061043)和云南省教育厅科学研究基金项目(编号:2011J075)共同资助。