标记分水岭算法及区域合并的遥感图像分割-物探与化探.PDFVIP

第２期，总第７２期 国　土　资　源　遥　感 Ｎｏ．２，２００７　 ２００７年６月１５日 ＲＥＭＯＴＥＳＥＮＳＩＮＧＦＯＲＬＡＮＤ＆ＲＥＳＯＵＲＣＥＳ Ｊｕｎ．，２００７　 标记分水岭算法及区域合并的遥感图像分割 １，２ ２ １，２ 陈波 ，张友静 ，陈 亮 （１．河海大学水资源环境学院，南京　２１００９８；２．河海大学水文水资源与水利工程科学国家重点实 验室，南京　２１００９８） 摘要：传统的分水岭算法通常对梯度图像进行无标记分割，其结果是容易造成过度分割。本文采用了一种基于标 记的分水岭算法，首先，利用Ｓｏｂｅｌ边缘算子对原遥感图像进行梯度重建，获得梯度幅值图像，同时计算待分割区域 的周长、面积和形态因子，并对其进行标记；然后，利用距离函数图标定种子法和等值线跟踪法获得初始分割图像； 最后，利用改进的区域合并方法获得最终的分割结果。实验结果表明了该方法的有效性。 关键词：遥感图像；标记；分水岭算法；分割；区域合并 中图分类号：ＴＰ７５　文献标识码：Ａ　　　文章编号：１００１－０７０Ｘ（２００７）０２－００３５－０４ 遥感图像，提出了一种基于距离变换图搜索种子点 ０　引言 的分水岭算法及改进区域合并的遥感图像分割方 法。 分水岭算法是一种数学形态学的图像分割方 ［１］ ［２］ ［３］ 法 ，广泛应用于医学图像处理 和视频处理 等 １　分割方法 领域。传统分水岭算法能够准确定位边缘，具有运 算简单、易于并行化处理等优点，但同时也存在一些 １．１　梯度幅值计算及区域增长算法 缺陷： 对图像中的噪声极为敏感。由于输入图像 遥感图像的梯度计算有多种方法，一般是利用 ① 往往是梯度图像，原始图像中的噪声能直接影响图 梯度算子在各通道上进行操作，然后通过线性组合 像的梯度，易于造成分割的轮廓偏移； 易于产生 得到梯度幅值。本文在ＲＧＢ彩色空间，利用３像元 ② ［４］ 过分割。由于受噪声和平坦区域内部细密纹理的影 ×３像元的Ｓｏｂｅｌ梯度算子 在各波段上进行操作， 响，传统算法检测的局部极值过多，在后续分割中出 然后通过简单的线性组合得到梯度幅值。由Ｓｏｂｅｌ 现大量的细小区域；③对低对比度图像的计算易丢 算子得到的梯度幅值图像依然存在着很多干扰信 失重要轮廓。在这种情况下，区域边界像素的梯度 息，可以通过采用特殊的区域增长算法去除，其主要 值较低，目标的重要轮廓容易丢失。 步骤为： 基于标记的分水岭算法采用具有不同优先级的 首先，由于梯度幅值图像在对象的边缘处有较 队列和先进先出的数据结构来实现，其优先级由像 高的像素值，因此，以Ｓｏｂｅｌ检测的梯度边缘图像像 素取值决定，相同优先级的像素，先放入队列的先处 素点为搜索起始点，采用８向链码对各波段图像进 理，不同优先级的像素，高优先级的像素优先处理。 行区域跟踪。 处理时，先将梯度值较小的点按大小排序放入队列 其次，将得到的链码转化为线段编码。线段编 中，其中，低梯度值对应于高优先级，然后依次从队 码是一种比较常用的区域描述方法，其思想是将区 列中取出一个种子像素，同时判断其相邻像素是否 域看作由若干条线段组成，每条线段以起始点与