矢量图约束的遥感影像分割算法

李亮， 梁彬， 薛鹏， 应国伟

(四川省第三测绘工程院，成都　610500)



矢量图约束的遥感影像分割算法

李亮， 梁彬， 薛鹏， 应国伟

(四川省第三测绘工程院，成都610500)

摘要：为了解决矢量图约束下的遥感影像分割问题，提出了一种基于标记分水岭的带约束的影像分割方法。该方法首先将约束矢量图映射为影像中的边缘，在带边缘的影像上提取标记区域； 然后采用面积约束法剔除伪标记区域，并利用优先级队列对未标记点进行泛洪； 最后依据相似性测度对影像中的边缘点进行标号，将标号图矢量化获取影像分割结果。采用QuickBird影像进行了实验，结果表明： 该方法能够实现矢量图约束下的影像分割，当影像数据量较大时，比eCognition软件中多尺度分割方法的运行效率高。

关键词：矢量图约束； 影像分割； 标记分水岭； 优先级队列； 矢量化

0引言

影像分割是将影像划分为若干个互不重叠的区域，各区域内部具有匀质性，而相邻区域间具有异质性。影像分割是面向对象影像分析理论的基础，在土地利用变化检测[1-2]、土地覆盖分类[3-4]及专题信息提取[5-6]等领域应用广泛。

影像分割方法可以划分为区域增长法[7]、边缘检测法[8]及区域合并法[9-10]。区域增长法在种子点基础上，依据一定相似性准则向外扩张形成同质区域； 边缘检测法通过边缘检测提取边缘像元，然后连接成闭合边界； 区域合并法以像元为最小区域，采用一定的合并准则合并相邻区域，重复合并过程直到无法合并为止。

标记分水岭算法是一种区域增长法[11]，将遥感影像依据梯度值模拟成一张地形图，梯度值越大则对应的高程越大。提取地形图中的盆地区域作为标记区域，模拟洪水淹没过程，在不同标记区域洪水的汇合处修筑大坝，大坝则对应影像中的边缘点。标记分水岭算法可以获取连续的单像元边缘，且分割效率高，成为影像分割的研究热点[12-14]。但现有的影像分割算法大多是在无约束条件下划分遥感影像，较少研究矢量图约束下的影像分割，无法将作为先验知识的边界约束融入到影像分割中。

为此，本文研究了一种矢量图约束下的遥感影像分割算法。该算法通过将矢量图映射到遥感影像上形成边缘像元，并在此基础上利用标记分水岭算法实现影像的快速分割。

1矢量图约束的影像分割定义

2矢量图约束的影像分割方法

本文将约束矢量图的边界视为人工建成的大坝，在此约束条件下进行标记分水岭变换获取影像分割结果。首先，将约束矢量图中区域映射到遥感影像上形成闭合边缘； 其次，提取影像中的标记区域； 然后，采用面积约束条件剔除伪标记区域，并在标记区域基础上开始泛洪，泛洪时不同标记区域的交汇处为边缘像元，对所有的边缘像元依据一定准则进行标号； 最后，对标号图进行矢量化。具体流程如图1所示。

图1　本文方法流程图

2.1边缘映射

边缘映射将约束矢量图中区域的边界映射到遥感影像上形成闭合边缘，从而在后续的泛洪过程中将洪水限制在约束区域内部，是实现矢量图约束下影像分割的关键。通过栅矢套合将矢量图套合在遥感影像上，然后利用计算机图形学中的直线光栅化算法——数值微分法(digitaldifferentialanalyzer，DDA)将矢量图的边界映射为由连续像元组成的闭合边缘，并将闭合边缘上的像元标记为边缘像元。如图2所示，图中单元格表示栅格影像的像元。在无约束条件下进行影像分割时，可不进行边缘映射，也可将影像四周边界像元映射为边缘像元。

(a) 约束区域与影像套合结果 (b) 边缘映射

图2边缘映射图

Fig.2Edgemap

2.2标记区域的提取及伪标记的去除

经过边缘映射后，影像像元划分为边缘像元及非边缘像元2种。标记区域是非边缘像元中一系列梯度值较小、空间上相邻像元的集合，对应着影像中的内部区域。标记区域提取的关键在于标记点的提取。标记点是影像中的内部点，梯度值较小； 未标记点是影像中边缘及其附近的点，梯度值较大； 因此可以通过设定一定阈值，依据

(1)

将二者区分开。式中： h和l分别为像元的行号和列号； g(h,l)为像元的梯度值； T(h,l)为像元对应的阈值，可以是与位置无关的全局阈值，也可为与位置相关的局部阈值。m(h,l)取值为1时表示标记点，取值为0时表示未标记点。标记点提取后，采用聚类的方法获取标记区域，并且对其依次进行标号。受噪声及暗纹理的影响，影像中会存在较多伪标记区域，导致过分割现象严重，因此需要对伪标记区域进行剔除。由于伪标记区域通常具有较小的面积，因此可以通过最小面积约束来剔除。

区域的层次关系在面向对象的影像分析中十分关键，因此需要记录包含标记区域的约束区域，即“父区域”。受边缘像元的约束，标记区域会被某约束区域包含。在标记区域中任选一个像元点，利用点在多边形内部算法即可获取包含该点的约束区域，这个区域即为标记区域的父区域。

2.3泛洪

标记区域提取后，影像像元划分为标号点、未标号点及边缘点3种。泛洪是在标记区域基础上，对未标号点进行标号的过程。Meyer提出了一种基于不同优先级队列的标记分水岭算法[15]，其不需要对原始梯度图进行修正，直接在原始梯度图上利用队列数组进行泛洪。Meyer方法的分割速度较快，且空间占用率低，因此本文采用Meyer方法进行泛洪。

Meyer方法的核心思想是利用不同优先级的队列来模拟洪水淹没的过程。像元的梯度值越小，对应的优先级越高。令梯度影像的量化等级为L，泛洪的实现过程为： ①开辟1个大小为L的队列数组，初始时为空； ②遍历影像，将与标记区域相邻的未标号像元依据其梯度值添加到对应的队列后端中，设置优先级为0的队列为当前队列； ③取出当前队列前端的像元，遍历其邻域，考察其邻域已标号的像元，若只有1种标号，则将该标号赋值给当前像元； 若有2种及以上的标号，则该像元为分水岭，标记为边缘像元； ④经过步骤③，若该像元已经被标号，则将其邻域的未标号像元依据梯度值添加到对应的队列后端中,若梯度值小于当前处理队列的优先级，则添加到当前处理队列的后端； ⑤依次从当前队列取出前端的像元，迭代执行③④两步，当前队列为空时，移动到下一个队列迭代执行③④，所有的

队列均为空时算法结束。泛洪结束后，遥感影像中的像元除边缘像元外均已被标号。

2.4边缘像元的标号

为了获取完整的影像标号图，需要对边缘像元进行标号。遍历边缘像元邻域内的像元，寻找与边缘像元光谱特征最相似的已标号像元，将其标号值赋值给边缘像元。2个像元点p和q的相似性测度d的计算公式为

(2)

采用栅格矢量化的方法将标号图转化为矢量数据，用来存储影像分割结果。矢量数据不仅能存储影像分割所得区域的边界，还能存储区域的属性，如父区域和特征等。本文方法的示意图如图3所示。

(a) 原始影像及约束 (b) 梯度影像、标记点及边缘像元 (c) 泛洪过程(洪水淹没高度=2)

(约束矢量图中包含2个区域： 0和1)

(d) 泛洪过程(洪水淹没高度=3) (e) 泛洪过程(洪水淹没高度=4) (f) 边缘像元进行标号

(g) 泛洪过程中队列数组的动态变化

3实验及分析

文中实验数据为武汉地区2002年土地利用矢量图及2005年QuickBird遥感影像。土地利用矢量图采用高斯-克吕格投影，包含220个多边形。遥感影像大小为3 492像元×2 818像元，包含蓝、绿、红及近红外4个波段，空间分辨率为2.4m。以2002年土地利用矢量图为约束，对2005年遥感影像进行二次分割。图4为2002年土地利用矢量图套合在2005年遥感影像上的结果。

图4　2002年土地利用矢量图与2005年QuickBird

3.1影像分割实验

文中采用文献[14]中的自适应方法提取标记。全局比例系数α与调整系数coef是自适应标记提取方法的关键。对地物类型单一、分布简单的影像，设定较大的α值，否则设定较小的α值； coef通常取值0.6～0.8。不同的影像对应的最优分割参数也不同，文中采用反复尝试法，设定标记的全局比例系数α=0.4，调整系数coef=0.7，面积阈值=300。图5为2002年矢量图约束下2005年影像的分割结果图，其中包含区域1 634个。

图5　影像二次分割图

在矢量图约束下进行影像分割，可以充分利用已有的边界先验知识，从而有效抑制影像欠分割现象。图6为有约束及无约束2种条件下的影像分割结果。

(a) 约束矢量图 (b) 有约束条件下的影像分割 (c) 无约束条件下的影像分割

图6不同分割结果对比图

Fig.6Comparisonwithdifferentsegmentationresults

对比图6(b)(c)可以看出，无约束分割时，由于道路及其两边房屋的反射率均较强，在遥感影像上具有较高的亮度值，光谱特征相似，因此分割时容易将二者合并在一起，欠分割较为严重，导致道路的边缘定位精度较差； 有约束分割时，道路的边缘则可得到较好的控制。

3.2分割效率实验

本实验中分割耗时情况见表1，总耗时11.4s。

表1　分割耗时表

从表1可以看出，标记区域提取在本文方法中耗时最长，达到4.3s。这是因为标记区域提取中包含梯度影像生成及高斯滤波、标记区域聚类与标号等操作，因此耗时较长； 影像中的边缘像元及标记像元不需要进行泛洪，参与泛洪的像元数相对整幅影像较少，因此泛洪在本文方法中耗时较短，仅为1.1s。

为了验证本文方法的运行效率，将其与eCognition软件进行对比。在eCognition软件的多尺度分割模块中，设定约束矢量图为专题图，遥感影像为待分割数据。针对不同大小的影像，2种方法的分割耗时如图7所示。可以看出，当影像较小时，本文方法与eCognition软件分割方法的效率相差不大； 然而当影像增大到3 492像元×2 818像元后，eCognition软件分割方法耗时大幅提升，而本文方法的耗时保持平缓增长。这表明本文方法的分割效率优于eCognition软件的分割效率，适用于大数据量遥感影像的分割。

图7　不同影像大小的影像分割效率

4结论

本文提出一种基于标记分水岭的带约束影像分割方法，实现了矢量图约束下的影像分割。该方法将约束矢量图边界映射到遥感影像上形成边缘，提取影像中标记区域，利用带有优先级的队列数据进行快速泛洪，对边缘像元进行标号，矢量化标号图得到分割结果。在QuickBird遥感影像上的实验验证了本文方法的有效性及高效性，同时得出以下结论：

1)本文方法适用于大数据量遥感影像的二次分割，其耗时随着影像数据量的增大而平稳增大，因此当影像数据量较大时，其分割效率依然较高。

2)本文方法适用于无约束遥感影像的分割。无约束条件下进行影像分割，可以视为在影像外接矩形约束下的影像分割。

3)如何快速准确地提取标记区域是下步研究工作的重点。

参考文献(References)：

[1]ImJ,JensenJR,TullisJA.Object-basedchangedetectionusingcorrelationimageanalysisandimagesegmentation[J].InternationalJournalofRemoteSensing,2008,29(2):399-423.

[2]ChenG,HayGJ,CarvalhoLMT,etal.Object-basedchangedetection[J].InternationalJournalofRemoteSensing,2012,33(14):4434-4457.

[3]LizarazoI,ElsnerP.Fuzzysegmentationforobject-basedimageclassification[J].InternationalJournalofRemoteSensing,2009,30(6):1643-1649.

[4]蔡银桥,毛政元.基于多特征对象的高分辨率遥感影像分类方法及其应用[J].国土资源遥感,2007,19(1):77-81.doi:10.6046/gtzyyg.2007.01.17.

CaiYQ,MaoZY.Amethodforclassificationofhighresolutionremotelysensedimagesbasedonmulti-featureobjectanditsapplication[J].RemoteSensingforLandandResources,2007,19(1):77-81.doi:10.6046/gtzyyg.2007.01.17.

[5]曹凯,江南,吕恒,等.面向对象的SPOT5影像城区水体信息提取研究[J].国土资源遥感,2007,19(2):27-30.doi:10.6046/gtzyyg.2007.02.07.

CaoK,JiangN,LyuH,etal.TheextractionofwaterinformationinurbanareasbasedonSPOT5imageusingobject-orientedmethod[J].RemoteSensingforLandandResources,2007,19(2):27-30.doi:10.6046/gtzyyg.2007.02.07.

[6]孙永军,童庆禧,秦其明.利用面向对象方法提取湿地信息[J].国土资源遥感,2008,20(1):79-82.doi:10.6046/gtzyyg.2008.01.18.

SunYJ,TongQX,QinQM.Theobject-orientedmethodforwetlandinformationextraction[J].RemoteSensingforLandandResources,2008,20(1):79-82.doi:10.6046/gtzyyg.2008.01.18.

[7]张志禹,孟令辉,雷涛.自适应梯度重建分水岭分割算法[J].中国图象图形学报,2014,19(10):1430-1437.

ZhangZY,MengLH,LeiT.Adaptivegradientreconstructionforwatershedbasedimagesegmentation[J].JournalofImageandGraphics,2014,19(10):1430-1437.

[8]黄亮,左小清,冯冲,等.基于Canny算法的面向对象影像分割[J].国土资源遥感,2011,23(4):26-30.doi:10.6046/gtzyyg.2011.04.05.

HuangL,ZuoXQ,FengC,etal.Object-orientedimagesegmentationbasedoncannyalgorithm[J].RemoteSensingforLandandResources,2011,23(4):26-30.doi:10.6046/gtzyyg.2011.04.05.

[9]HarisK,EfstratiadisSN,MaglaverasN,etal.Hybridimagesegmentationusingwatershedsandfastregionmerging[J].IEEETransactionsonImageProcessing,1998,7(12):1684-1699.

[10]王学松,周明全,樊亚春,等.彩色图像色度距离权值的图论分割算法[J].中国图象图形学报,2011,16(2):221-226.

WangXS,ZhouMQ,FanYC,etal.ThealgorithmofgraphcutusingHSIweightsincolorimagesegmentation[J].JournalofImageandGraphics,2011,16(2):221-226.

[11]LiDR,ZhangGF,WuZC,etal.Anedgeembeddedmarker-basedwatershedalgorithmforhighspatialresolutionremotesensingimagesegmentation[J].IEEETransactionsonImageProcessing,2010,19(10):2781-2787.

[12]高丽,杨树元,李海强.一种基于标记的分水岭图像分割新算法[J].中国图象图形学报,2007,12(6):1025-1032.

GaoL,YangSY,LiHQ.Newunsupervisedimagesegmentationviamarker-basedwatershed[J].JournalofImageandGraphics,2007,12(6):1025-1032.

[13]陈波,张友静,陈亮.标记分水岭算法及区域合并的遥感图像分割[J].国土资源遥感,2007,19(2):35-38.doi:10.6046/gtzyyg.2007.02.09.

ChenB,ZhangYJ,ChenL.Segmentationoftheremotesensingimagebasedonmethodoflabelingwatershedalgorithmandregionalmerging[J].RemoteSensingforLandandResources,2007,19(2):35-38.doi:10.6046/gtzyyg.2007.02.09.

[14]巫兆聪,胡忠文,欧阳群东.一种区域自适应的遥感影像分水岭分割算法[J].武汉大学学报:信息科学版,2011,36(3):293-296.

WuZC,HuZW,OuyangQD.Aregionaladaptivesegmentationalgorithmforremotesensingimage[J].GeomaticsandInformationScienceofWuhanUniversity,2011,36(3):293-296.

[15]MeyerF.Colorimagesegmentation[C]//IEEEinternationalconferenceonimageprocessinganditsapplications.Maastricht:IET,1992.

(责任编辑： 邢宇)

Remote sensing image segmentation under vector map constraints

LI Liang， LIANG Bin， XUE Peng， YING Guowei

(The Third Academy of Engineering of Surveying and Mapping, Chengdu 610500, China)

Abstract:Inordertosolvetheproblemofremotesensingimagesegmentationundervectormapconstraints,thispaperproposesamarker-basedwatershedmethodforremotesensingimagesegmentationundervectormapconstraints.Firstly,theconstrainedvectormapismappedtotheedgeoftheimage.Themarkersareextractedintheimagewithedge.Secondly,thepseudomarkedareasareeliminatedbyareaconstraint.Thefloodforunmarkedpixelsisimplementedbyapriorityqueuearrow.Lastly,theedgepixelsintheimagearelabeledbyasimilaritymeasurement.Thelabelimageisusedforvectorizationtogetthesegmentationresult.TheexperimentalresultontheQuickBirdimageshowsthattheproposedmethodcanrealizeimagesegmentationundervectormapconstraints.ComparedwithmultiresolutionsegmentationmethodineCognitionsoftware,theproposedmethodismoreefficientwhentheremotesensingimageislarge.

Keywords:vectormapconstraints;imagesegmentation;marker-basedwatershed;priorityqueue;vectorization

doi:10.6046/gtzyyg.2016.03.13

收稿日期：2015-04-22；

修订日期：2015-06-02

基金项目：测绘地理信息公益性行业科研专项项目“卫星遥感与地面传感网一体化的湖泊流域地理国情监测关键技术研究”(编号: 201512026)、数字制图与国土信息应用工程国家测绘地理信息局重点实验室开放基金项目"基于遥感影像的矢量图更新关键技术研究"(编号：DM2016SC04)及四川省地理国情监测工程技术研究中心项目“川南经济区交通网络综合研究——以泸州市为例”(编号:GC201509)共同资助。

中图法分类号：TP751.1

文献标志码：A

文章编号：1001-070X(2016)03-0080-06

第一作者简介：李亮(1987-)，男，博士，主要从事遥感影像的智能化解译研究。Email：liliang1987wuda@163.com。

引用格式： 李亮，梁彬，薛鹏,等.矢量图约束的遥感影像分割算法[J].国土资源遥感,2016,28(3):80-85.(LiL，LiangB，XueP，etal.Remotesensingimagesegmentationundervectormapconstraints[J].RemoteSensingforLandandResources,2016,28(3):80-85.)