高分遥感影像边界信息提取方法探究

韩东升

【摘 要】航空遥感测绘工作的一项重要内容是航测图像的解译。由于人工的遥感图像判读需要消耗较多的时间和精力，发展自动的航测遥感影像处理算法变得十分重要。在航空遥感测绘中，遥感影像的边界信息提取对于地物识别和判读具有重要意义。为了快速、准确地从遥感影像中提取边界强度信息，本文探索了一种矢量梯度的方法。经过实验证明，该方法可有效获得遥感图像中的边界信息，具有一定的实用价值。

【关键词】边界提取 高分遥感影像 矢量梯度

1 引言

航空遥感测绘工作的一项重要内容是航测图像的解译。由于人工的遥感图像判读需要消耗较多的时间和精力，发展自动的航测遥感影像处理算法变得十分重要。边界信息是遥感影像中不可忽视的内容，特别是对于线性地物，如河流、建筑、道路[1]等，边界信息可极大提高地物的识别精度。本文尝试将一种矢量梯度的方法应用于高分遥感影像的边界提取中。通过OrbView3高分遥感影像的实验，证明了该方法的边界信息提精度是较为令人满意的。

2 基于适量梯度的边界提取算法

该方法包含三个步骤：（1）高分遥感影像各个波段在水平、竖直方向的梯度计算；（2）利用所提取的梯度信息，构建矩阵；（3）计算矩阵的最大特征值。

对于第一步矢量梯度的计算，本文利用了一种高斯差分滤波器来实现。高斯差分滤波器的核函数为：

（1）

其中脚标h、v分别代表水平、竖直方向，x、y表示滤波器核函数网格的横、纵坐标。利用（1）式滤波器对多波段图像进行滤波运算，就可以得到每一个波段在水平、竖直方向的梯度。

在第二步，需要对每个像素构建矩阵，如公式（2）所示：

（2）

其中，i、j表示图像中像素的横、纵坐标，?gh，1（i，j）表示水平方向高斯差分滤波器在第一个波段、像素（i，j）的输出，同理?gv，B（i，j）表示竖直方向高斯差分滤波器在波段B、像素（i，j）的输出。显然，向量GB（i，j）包含了一个像素在所有波段、所有滤波器方向的梯度信息，其维度是B×2，B是高分遥感影像所包含的波段数。之后，为每一个像素构建矩阵GBT·GB，得到2×2维的矩阵G。

第三步是计算出矩阵G的最大特征值λmax，作为原始边界强度。经过这三步，所得边界强度是一个单波段的图像。

3 算法对比实验

数据介绍；为了考察矢量梯度方法在遥感影像边界提取中的效果，采用了一景OrbView3高分辨率遥感影像进行了边界提取实验。OrbView3是美国GeoEye公司研发的一颗高分辨率遥感卫星。图1显示了实验所用的数据，其获取日期为2006年6月15日，中心经纬度：N38°11′45″， W121°25′36″。

图1 实验所用的OrbView3影像数据 图2 边界提取结果

图2是本文方法提取的边界强度，可见，农田边界都被很好地提取了出来，这对于后续图像解译具有十分重要的帮助。

4 结语

本文将一种矢量梯度的算法应用于高分遥感影像的边界提取中。利用一景OrbView3多光谱影像进行了边界提取实验，说明本文方法可以有效提取边界信息。

参考文献：

[1] 苏腾飞，李洪玉，屈忠义.高分辨率遥感图像道路分割算法[J].国土资源遥感，2015（3）：1-6.