一种结合形态滤波和标记分水岭变换的遥感图像分割方法 Segmentation of Remote Sensing Imagery Combined with Morphological Filtering and Marked Watershed Transformation.pdf

第29卷第2期 地理与地理信息科学 V01．29No．2 2013年3月 andOeo-InformationScience March2013 Geography doi：10．7702／dlycIIxxk 一种结合形态滤波和标记分水岭变换的 遥感图像分割方法 江怡，梅小明，邓敏，陈杰，陈铁桥 (中南大学地球科学与信息物理学院，湖南长沙410083) 摘要：分水岭变换是一种经典而有效的图像分割工具，能够得到单像素宽、定位精确且连续封闭的边缘轮廓。然 而，由于图像背景噪声、地物内部细密纹理及参数设置不当等影响，直接对梯度图像进行分水岭变换容易产生过分 割现象。为了克服这一问题，提出一种结合形态滤波和标记分水岭变换的遥感图像分割算法。首先，采用混合开 闭重构滤波对原始图像进行去噪处理；然后，利用开闭重构对梯度图像进行形态学修正，并采用扩展极小变换运算 对修正后的梯度图像进行极值标记；最后对其进行分水岭变换，得到分割结果。实验结果表明：该算法能有效抑制 分水岭变换的过分割现象，通过调整滤波器尺寸和选取深度阈值参数，在一定程度上实现了快速而有效的分割，能 够满足不同遥感图像分割要求。 关键词：遥感图像分割；分水岭变换；形态滤波；形态标记 中图分类号：P237．4文献标识码：A 文章编号：1672一0504(2013)02—0017—05 其他由标记点形成的区域当中。该方法中阈值通常 0引言 是根据待分割图像人为设定，缺乏严格的衡量标准。 遥感图像分割是遥感图像目标识别、分析和处 3)在分水岭分割之后，根据区域之间的相似性进行 理领域中一项极为关键的技术，分水岭变换作为一 区域合并，进一步减少分割结果中区域数量[1卜12]。 种经典而有效的图像分割工具，已经成为遥感图像 这类方法虽然能够有效完成分割任务，但合并过程 分割的重要手段。在分水岭变换的发展过程中，国 运算复杂、计算量大，而且终止合并时最优阈值的选 内外学者对其做了深入研究[1_5]，最具代表性的是取极为困难。为此，本文在v-S算法的基础上提出 Vincent等提出的基于浸水模型的分水岭变换快速一种结合形态滤波和标记分水岭变换的遥感图像分 算法(简称V-S算法)[4]以及Mortensen等提出的基割算法：采用非线性混合开闭重构滤波器对原始图 于降水模型的分水岭变换快速算法瞄]。其中，V_S像进行去噪处理，在滤除噪声的同时较好地保持了 算法是一种基于地形学思想和区域增长理论的图像 目标地物边缘；通过对梯度图像进行形态修正和极 分割方法，它通过对梯度图像进行分水岭变换，从而 值标记，进一步滤除伪极小区域并限制极小区域数 得到单像素宽、定位精确且连续封闭的边缘轮廓。 目；在此基础上实施分水岭变换，可以有效抑制分水 然而，由于图像背景噪声等因素影响，这种直接对梯 岭变换的过分割现象。通过调整滤波尺寸和深度阈 度图像进行分水岭变换的方法容易产生过分割现 值参数．在一定程度上实现快速有效地分割，以满足 象，导致物体边缘信息淹没在过度分割产生的复杂 不同遥感图像分割要求。 信息中，因而不能获得理想的分割结果。 1 结合形态滤波和标记分水岭变换的分割方法 针对V—S算法中的过分割问题，已出现较多改 1．1形态学混合开闭重构滤波 进方法[6-12]，大体分为3类：1)对原始图像或者梯 度图像进行滤波处理[6’7]，将图像背景噪声、地物内 分水岭变换直接用于梯度图像时，噪声和梯度 部细密纹理消除，再实施分水岭变换分割。2)在分 的局部不规则性通常会导致过分割，严重干扰了对 水岭分割之前对梯度图像添加标记以指导区域增 真实目标的提取。因此，在进行梯度运算之前必须 长[8p]，将由非标记的极小点形成的分