基于灰度形态学和图像分割的河口水边线提取

刘 鑫

（1.国土资源部海底矿产资源重点实验室，广东 广州 510075；2. 广州海洋地质调查局，广东 广州 510075）

基于灰度形态学和图像分割的河口水边线提取

刘 鑫1,2

（1.国土资源部海底矿产资源重点实验室，广东 广州 510075；2. 广州海洋地质调查局，广东 广州 510075）

基于灰度形态学理论，利用图像分割技术在MATLAB平台对南流江河口水边线进行提取的方法作对比研究。实验结果表明，直接边缘检测法、阈值分割法以及单值种子点区域生长法都不能有效跟踪汊道、潮滩、沙洲发育的河口水边线，存在水边线破碎、不连续等问题，而多种子点区域生长法能精准跟踪复杂的河口水边界，获得理想的水边线信息。该方法可快速、自动提取河口水边线，为河口海岸蚀淤、水下滩涂资源监测提供可靠的技术支撑。

水边线提取；灰度形态学；图像分割；南流江河口

遥感影像上的水边线是水体与陆地之间的分界线[1]，其位置的变化为海岸线侵蚀淤积的监测和模拟研究以及台风和洪水等自然灾害的预测提供了最基本的信息。如何获得海岸线的精确位置是众多海岸带研究中亟需解决的问题[2]。然而，受周期性涨落潮水位的影响，水边线时刻处于变化之中，传统的人工地面采样测量较为困难，目视解译的方法由于受到判读者解译经验和地学知识的影响，水边线提取的精度难以保证。稳定的卫星遥感平台对捕捉不同潮情条件下的水边线非常有效，是目前提取水边线或岸线最有效的途径[3]。

南流江河口（图1）具有典型的潮汐三角洲特征[4]，其水下三角洲前缘浅滩可细分为河口沙坝、潮间浅滩和三角洲前缘浅滩[5]。开展河口水边线位置变化研究对南流江河口水下浅滩稳定性监测和滩涂资源保护有着重要的意义。

图1 南流江河口示意图

本文以自动获取河口水下三角洲前缘浅滩水边线为目标，结合灰度形态学理论，利用高分辨率遥感影像数据的波谱特征，通过边缘检测、阈值分割与区域生长法3种不同图像分割技术对河口水边线进行提取。

1 图像分割技术

图像分割技术主要包括（点、线）边缘检测、阈值处理与基于区域的图像分割等[6]。

1.1 边缘检测法

边缘像素是指图像中灰度发生突变的像素，而边缘是连续的边缘像素的集合[6]。边缘检测通过检测每个像素与其邻域的状态来决定该像素是否处于一个物体的边界。主要思想是先检测出图像中的边缘点，然后再按一定策略连接成水边线轮廓[7]。边缘检测算子通过检查每个像元的邻域并对其灰度级进行量化来确定边界，大多基于方向导数掩膜求卷积方法，其中最常用的有Roberts算子、Prewitt算子、Sobel算子、Laplace-Gauss算子和Canny算子。

1.2 阈值分割法

阈值处理法（阈值分割）是图像分割领域广泛使用的一种技术，其原理是根据灰度值将一幅数字图像分割成不同的区域，是一种简单有效的图像分割方法。该方法适用于要分割的物体与背景有强烈对比的图像，主要用于可见光和红外影像的信息提取，在海陆背景灰度值有明显差异的情况下，影像直方图分布通常呈现双锋形式，取直方图谷底作为图像的分割阈值，将水体和陆地分割成2部分，可以取得较好的效果[7-10]。

单波段阈值法是运用需要区分的地物在某个波段上的反射率与其他地物之间的差异来对地物进行分类[11]。由于水体的反射率较低，从可见光到中红外波段逐渐减弱，在近红外和中红外波长范围内吸收性最强，几乎无反射[12]，其他地物如陆地、植被、道路和房屋等在近红外和中红外波长范围都具有相对较高的反射率，所以可根据这一特性对影像进行单波段阈值分割，从而提取水边线。

1.3 区域生长法

区域生长法是根据预先定义的生长准则将像素或子区域发展成较大区域的处理方法。其处理方法是从一组“种子”点开始来形成区域，即将那些预定义属于类似种子的领域像素附加到每个种子上[6]。

区域生长法图像分割水边线的具体做法是给定一个典型的种子点，然后以该点为中心在各个方向上向外扩张，得到所有与该点连通且灰度值近似的像素点，对包含这些像素点的连通区域进行轮廓跟踪，从而得到水边线。要实现自动提取水边线，如何选择合适的种子生长点是问题的关键[13-15]。

2 灰度形态学图像预处理

2.1 数据说明

研究采用的影像是从卫星影像数据服务平台（北京揽宇方圆信息技术有限公司）获取的 SPOT5多光谱影像，时间为2009-01-31。根据前文提到的水体光谱特征[12]，选取SPOT5近红外波段数据来进行水边线提取研究可优于其他单波段及波段组合。

影响河口地物反射光谱的因素很多[3]，存在大量噪声干扰水边线的提取；同时由于南流江河口河流汊道多，沙洲与潮滩广泛发育，水边线特征复杂，若不作合适的预处理就直接提取水边线将会形成大量的碎边缘片段，从而难以获得连续、清晰的水边线。

2.2 形态学图像预处理

数学形态学是分析几何形状和结构的数学方法，是建立在集合代数的基础上，用集合论方法定量描述几何结构的科学。灰度形态学是数学形态学的一个分支，主要由腐蚀、膨胀、开操作和闭操作4个基本操作组成；灰度形态学是二值形态学对灰度图像的自然扩展，其结构元所执行的基本功能与二值形态学中所对应的功能相同，二值形态学所用到的交、并运算分别用极大、极小极值代替就是灰度形态学的相应运算[6,16-17]。

原始图像经几何校正后，运用形态学理论进行相应的预处理，即在进行边缘检测与阈值分割前，需要对图像进行平滑滤波与去除亮暗细节的预处理。考虑到形态学开、闭操作的交替顺序，形态滤波可分别抑制比结构元素小的亮、暗细节，起到图像平滑和噪声去除的作用。而开-闭操作运算中的后一步膨胀/腐蚀操作用于还原图像原有的形态，但这种还原的精度取决于形态和结构元素的相似性。实验发现，由于图像中存在部分河口沙洲离岸较近的情况，难以选择大小合适的结构元素进行开-闭操作，从而将近岸沙洲与海岸分离，因而采用闭-开操作的图像重构交替顺序来平滑滤波，清理影像细节及噪音。该预处理以原始图像为掩膜，准确地还原了原始对象的形态，避免过度依赖结构元素的选择。MATLAB平台中的实现步骤为：①闭操作图像重构。先将图像f取反得到图像f1，创建R为5的平坦圆盘结构元素对f1进行腐蚀得到图像f2，以f2为标记、f1为掩膜作图像重构，再取反得到图像f3。②开操作重构。创建R为3的平坦圆盘结构元素对图像f3进行腐蚀，得到图像f4，然后以f4为标记，f3为掩膜，作图像重构操作得到图像f5。

在基于区域生长法分割前，需要进行形态学顶、底帽变换和加、减法运算的预处理来增强图像的对比度，突出边缘。MATLAB平台实现步骤为：首先创建R为3的平坦圆盘结构元素对图像g分别进行顶、底帽变换得到图像g1、g2，然后对图像g与顶帽变换后的图像g1作加法运算得到图像g3，最后对过程图像g3与底帽变换后的图像g2作减法运算，得到对比度增强的图像g4。

3 水边线提取研究

预处理后的遥感数据直接在MATLAB平台进行水边线提取，从而实现上述图像分割算法。

3.1 直接边缘检测

对预处理后的图像直接运用边缘检测算法来提取水边线后发现，Roberts、Prewitt、Sobel这3种算子虽能检测出边缘信息，但由于受到噪声影响，提取的边缘非常破碎，效果较差（图2）； Laplace-Gauss 、Canny算子较之其他几种算子定位精度相对较高，也可以剔除假边缘信息，但对于地物类型多样的河口影像数据的潮滩边缘也无法提取完整的水边线，图中右边河流汊道中潮滩边缘水边线不连续。因此可以认为，针对河口地貌，直接边缘检测算法无法提取理想的水边线。

图2 水边线提取边缘检测算法效果图

3.2 阈值分割法

对平滑预处理后的单波段影像数据进行直方图分析，其直方图呈现双峰形态，采用最大类间方差法（OTSU算法）进行阈值提取，运用阈值进行二值图像变换，整体效果良好，海陆边界清晰，轮廓圆润，但在部分细节岸段水边线出现了合并现象（图3中a区域）。在南干江（左边河流汊道）中段西岸与河口沙洲之间，由于距离较小，影像中该段距离间的灰度值变化非常小，故导致了错误分割产生；在潮汐汊道上架设的桥梁因错误分割被删除（图3中b区域）。因此，阈值分割法也不适合提取河口水边线信息。

图3 最大类间方差法阈值分割后的二值图像

3.3 区域生长法

在MATLAB平台，将对比度增强后的影像采用区域生长算法进行水边线提取，在经反复实验后发现，由于河口海岸地貌类型多样，沙洲、潮滩分布离散，无论怎样选择单一灰度值种子点，区域生长结果都会出现被水域隔离的沙洲、潮滩被错误地分为海域，或者水陆分界失真（图4子图a～d）。但多值种子点可避免这种情况的发生。实验表明，将图像灰度值区间在[0．4，1]上的点作为种子，可较好地得到海陆分界二值图像（图4e）。再利用MATLAB中的bwareaopen（）函数和imfill（）函数作相应的处理，去除海域离散斑点和填充陆域含水区块，就可以得到较精确的水边线信息。

图4 基于区域生长的图像分割二值图像（a～d单值种子生长，e多值种子生长）

4 提取结果比较分析

4.1 细节效果图比较

选取处理过的二值图像中的一块区域（浅滩）（图5），进行常用边缘检测算子的水边线提取效果分析比较。实验表明，前面讨论的5种边缘检测算法对陆域相对平直的水边线都能准确地定位，但对于曲折并发育潮沟的沙洲及潮滩，Roberts、Prewitt、Sobel及Canny算子都存在不足，不能准确跟踪水边线，或者出现断裂不连续的问题，而LOG算法提取的水边线则比较清晰、光滑、连贯，与实际情况一致，效果良好（见图5）。

图5 边缘检测算法效果图

4.2 结果图输出

基于MATLAB软件平台，选用LOG边缘检测算法进行研究区水边线提取，输出的南流江河口水边线准确、清晰、连续流畅（图6）。说明该方法对河流汊道众多、河口沙洲、潮间浅滩发育的河口水边线信息提取具有优势。

图6 水边线提取结果

5 结 语

将经典边缘检测算法、阈值分割法、区域生长法应用于经灰度形态学预处理过的遥感影像水边线提取上。通过研究区的实验比较， 结果表明，对于河口复杂的水边线区域，基于多值种子点的区域生长法图像分割优于直接边缘检测法与阈值分割法。该方法可准确还原河口地貌形态，精准定位复杂河口水边线位置，提取的水边线准确、清晰、连续，效果理想，且计算速度快，大大缩短了以往目视解译水边线提取的时间，可为自动提取复杂河口区遥感影像水边线提供技术参考。

[1] MASON DC,HILL D,DAVENPORT I,et al． Improving Inter-Tidal Digital Elevation Models Constructed by the Waterline Technique[A]．Proceedings Third ERS Symposium[C]．Florence:ESA Publications Division,1997:1 079-1 082

[2] 沈琦,汪承义,赵斌．几何活动轮廓模型用于高分辨率遥感影像海岸线自动提取[J]．复旦学报（自然科学版）, 2012,51(1):77-82

[3] RYU JH,WON JS MIN KD．Waterline Extraction from Landsat TM Data in a Tidal Flat[J]．Remote Sensing of Environment,2002(83):442-456

[4] 莫永杰．南流江河口动力过程与地貌发育[J]．海洋通报,1988,7(3):41-46

[5] 陈波,邱绍芳,刘敬合,等． 廉州湾南流江水下三角洲大浅滩及潮流深槽形成原因分析[J]．广西科学院学报,2007,23(2):102-105

[6] 冈萨雷斯,伍兹．数字图像处理（第三版 ）[M]．北京:电子工业出版社,2011

[7] 申家双．海岸带等水位线信息提取与垂直基准转换技术研究[D]．郑州:解放军信息工程大学,2011

[8] 张明,蒋雪中,张俊儒,等．遥感影像海岸线特征提取研究进展[J]．人民黄河,2008,30(6):7-9

[9] 韩思奇,王蕾．图像分割的阈值法综述[J]．系统工程与电子技术,2002,24(6):92-94

[10] 瞿继双,王超,王正志．一种基于多阈值的形态学提取遥感图象海岸线特征方法[J]．中国图像图形学报,2003,8(7):805-809

[11] 王海君,许捍卫,金文韬．基于Landsat-8 遥感影像的鄱阳湖水边线提取方法研究[J]．测绘与空间地理信息,2016,39(1):144-146

[12] 梅安新,彭望琭,秦其明,等．遥感导论[M]．北京:高等教育出版社,2001

[13] 陈景光,佘江峰,黄海涛．基于形态学的多尺度遥感图像分割方法[J]．地理与地理信息科学,2012,28(4):22-24

[14] 陈忠,赵忠明．基于区域生长的多尺度遥感图像分割算法[J]．计算机工程与应用,2005(35):7-9

[15] 苏腾飞,李洪玉．一种两阶段区域生长的遥感图像分割算法[J]．遥感技术与应用,2015,30(3):476-485

[16] 崔屹．图像处理与分析:基于形态学方法及应用[M]．北京:科学出版社,2002

[17] 唐常青,吕宏伯,黄铮,等． 数学形态学原理与应用[M]．北京:科学出版社,1990

[18] 郭永飞．长江口水边线和潮沟遥感信息提取研究[D]． 上海:上海海洋大学,2011

P237

B

1672-4623（2016）12-0072-03

10.3969/j.issn.1672-4623.2016.12.023

刘鑫，硕士研究生，工程师，主要从事海岸带GIS与遥感研究

2016-06-16。

项目来源：国土资源部海底矿产资源重点实验室开放基金资助项目（No.KLMMR-2015-A-08）。