基于动态阈值区域分裂合并算法的高分辨率遥感图像分割研究

丁海勇，王雨轩，毛宇琼，许亚慧

(1. 南京信息工程大学地理与遥感学院，江苏 南京 210044; 2. 南京信息工程大学滨江学院，江苏 南京 210044)



基于动态阈值区域分裂合并算法的高分辨率遥感图像分割研究

丁海勇1，王雨轩2，毛宇琼2，许亚慧2

(1. 南京信息工程大学地理与遥感学院，江苏 南京 210044; 2. 南京信息工程大学滨江学院，江苏 南京 210044)

遥感图像分割是10多年前提出的一种图像处理算法，其目的是利用图像中的多种特征，如光谱特征、纹理特征、几何特征、上下文特征等，在一个特定的尺度上采取一定的标准对图像中的不同地理对象进行提取，常见的算法包括：分水岭分割算法、多尺度分割算法、均值漂移算法、四叉树分割算法等。

一、基于动态阈值的区域分裂合并算法

图像分割算法可分成灰度阈值法、基于边缘检测的分割、基于区域的分割等6类，同时又有各自的优缺点。这些分割算法一般基于亮度值的不连续性和相似性。在区域分裂合并过程中，如果依赖于固定阈值，将会导致多分割或分割过大；如果以动态阈值为参数来调整区域分裂的层数，就可以更好地模拟人对地表物体的识别过程。基于动态阈值的四叉树分裂—相邻同质区域归并算法是以区域分裂合并算法为基础，融合四叉树分割算法，结合动态阈值优势改进后的图像分割算法。

1) 区域分裂：动态阈值的四叉树分裂；

2) 区域合并：相邻同质区域归并算法。

以待分割遥感影像的标准差为基础阈值Tbasic与人为设定一非负且小于1的系数k(本文称为归一化阈值)的乘积作为分裂和合并的阈值T(T=k·Tbasic)。分裂的归一化阈值(记为k1)与归并的归一化阈值(记为k2)根据计算量、分割效果选择，二者可以不同，也可相同。

均匀测度或同质度是描述图斑内部是否同质的参数。均匀测度测试，即一种判断图斑内部是否同质的算法、运算和操作。该算法以图斑内部所有像元各波段标准差的加权平均值与给定阈值作关系运算，为均匀测度测试。

1. 基于动态阈值的四叉树分裂

传统四叉树分裂算法采用全局阈值，图像局部区域不可改动阈值。计算过程中对待分割图像作均匀测度测试，如果判定为同质，则不分裂；否则等分为左上、右上、左下、右下4块，对每一块照此办法继续分裂。四叉树分裂算法本质上是一种递归算法。对于递归算法，程序执行效率低，因此有必要采用必要的数据结构将其转换为循环算法。结合数据结构基本理论，采用常见的堆栈数据结构进行运算。

2. 相邻同质区域归并算法

此算法具体流程与传统区域生长算法类似，不再详细说明。关于寻找某区域的相邻区域，核心问题是如何判断两区域是否相邻。考虑到四叉树分裂后形成的各区域均为横向或纵向的方形区域，可将问题抽象为如下简单数学问题：在xOy平面内，任意两横向或纵向互不重叠的正方形，满足何种条件，两正方形(或矩形)才相邻(有公共边或公共点，也称为邻接)。

3. 分割算法的预处理及后处理

由于空间分辨率大大提高，数据量较大，并且存在数据冗余的问题，同时区域分裂-合并的图像分割算法本身计算量很大，为了能够在有限的时间完成图像分割，有必要对图像作预处理及后处理。

在预处理中，利用尺度参数，对图像重采样，以改变图像的大小(即改变图像行、列数)。由于预处理改变了图像大小，故完成图像分割后，需对分割结果作后处理，将图像分割结果恢复成原图大小，以及对分割结果里各图斑提取矢量或栅格形式的边界。

二、试验与结果分析

1. 试验数据

本文以一幅航拍高分辨率遥感影像为试验数据，空间分辨率为0.3m。选择原影像中地物丰富区域作试验区，影像尺寸为500×500像素。利用本文算法编程实现不同分割参数及其组合的图像分割，以验证算法的有效性，并结合eCognition软件的分割结果作对比和分析。

2. 不同分割参数及其组合试验结果对比

经过试验，本文选择以下3组分割参数组合对试验图像进行分割，结果如图1所示。3组试验的阈值参数和尺度参数分别为：①k1=0.54，k2=0.18，scale=6;②k1=0.36，k2=0.16，scale=6; ③k1=0.48，k2=0.18，scale=10。

图1　利用不同参数进行分割结果

经过对比，可得以下结论：

1) 尺度参数越小，分裂及归并的归一化阈值越小，图斑数量增加，分割结果越精细，过分割现象越严重，计算量越大。

2) 分裂及归并的归一化阈值之比也是影响图像分割效果的重要因素之一。分裂的归一化阈值应较大于归并的归一化阈值，否则分割出的图斑可能较少甚至没有。为了取得较好的分割效果，在适当减小分裂及归并的归一化阈值的同时，有必要将分裂归一化阈值与归并归一化阈值之比保持在一固定范围内。

3. 与eCognition分割结果的对比

与eCognition分割结果的对比如图2、图3所示。

图2　本文算法分割结果

从图2、图3可以看出，本文算法分割图斑数量少于eCognition多尺度分割的图斑数量，对复杂地物分割效果不如eCognition多尺度分割效果，部分图斑内部不均一、多种地物混合。但本文算法对内部较均质的人工建筑，分割效果明显优于eCognition软件，在这些区域里，也没有严重的过分割现象。

三、结束语

高分辨率遥感影像中地物几何特征信息非常丰富，为了有效提取这些特征信息，本文提出和阐释了一种基于动态阈值的区域分裂-合并图像分割算法，并通过试验验证了其有效性。理论上，如果地物内部绝对同质，且所选图像分割参数合适，本文所提算法将能够有效提取地物几何特征信息，而无需过多人工干预。对于真实地物，虽整体分割效果不好，但容易编程实现，基本可满足图像分割要求，能较好地分割出内部较同质的地物。由于本文所提算法计算量大，均匀测度测试仅考虑光谱特征，分割参数对分割效果影响较大，因此如何优化分割算法，如何将其他学科相关理论合理引入图像分割算法，如何选取最优分割参数将是今后值得关注的重要方向。

江苏省大学生创新项目(201513982016X;201510300067)

天宝测绘解决方案专栏