梯度重构与迭代极小值标定的分水岭分割算法.pdfVIP

第37卷第1期黄河水利职业技术学院学报Vol.37No.1

2025年1月JournalofYellowRiverConservancyTechnicalInstituteJan.2025

梯度重构与迭代极小值标定的分水岭分割算法

张果,谢冰

（河南警察学院网络安全系，河南郑州450046)

摘要：分割是面向对象遥感影像分类的首要步骤和重要环节，但是传统的分水岭分割算法往往产

生过分割现象，导致分割的地物影像对象过于细碎。研究发现，可以从微分算子计算梯度和区域合

并2个方面对分水岭分割算法进行改进。利用Sobel算子进行梯度运算时，引入各波段熵值，以每

个波段的熵值在全波段的比率作为梯度权重,进行梯度重构；同时对区域合并极小值阈值标定进行

改进，通过前后景标定后，代入前景均值与后景均值的迭代计算，获得极小值阈值，完成影像分割。

经过结果对比分析，此方法在较好地解决过分割的同时，也尽可能地保留了地物的边缘信息，能够

更好地支持后续的地物对象分析和检测。

关键词：遥感影像分割；分水岭分割算法；梯度重构；极小值标定；微分算子

中图分类号：TP391.41文献标识码：Adoi:10.13681/j.cnki.cn41-1282/tv.2025.01.008

0引言即为影像的分割边缘。传统的分水岭分割算法的分

遥感影像分割技术广泛应用于遥感图像处理领割过程可以用模拟侵入过程来说明。在每一个局部

域,包含目标提取、面向对象地物分类、变化检测等。最小值表面,刺穿一个孔，然后将模型侵入水中,随

地物覆盖分类研究是公安领域影像研究的重点内着模型侵人水深度的增加，每一个局部极小值的水

容，其中面向对象地物分类要求分割区域不要过于域也都在扩张,在2个集水盆汇合处构成堤坝,即为

细碎,同时要尽可能保持地物的边缘信息。由于影分水岭。分水岭算法的计算过程是一个迭代标注过

像分割结果直接影响最终的影像分类精度,所以在程,主要有排序过程、淹没过程和筑坝过程3个操作

不同领域,对分割算法有着不同的需求。步骤。分水岭分割算法的经典算法的整体是一个递归

目前,最常用的影像分割算法是区域生长分割过程,其初始条件和递归过程如式(1)和式(2)所示。

算法。分水岭分割算法作为区域生长分割算法的经(1)

典算法，有分割速度较快、边界封闭等优点，但是算式中：X为图像中最小的灰度点;T（)为任

法本身对噪声特别敏感,往往会产生过分割现象,所意图像中灰度值最小的像素点；h为灰度范围。

以对分水岭算法的改进成为研究影像分割的一个热Vhe[hmin,hmax-1]

点。笔者对比相关研究,同时结合遥感影像数据特Xh+I=minh+IUCx,(X,nXh+1)(2)

点,试提出一种梯度重构和极小值迭代标定的分水式中：Xm为灰度值是h+1的所用像素点;minh+1

岭分割算法,以期取得较好的分割效果。为新产生盆地的最低点，Cx（X,nXh1)表示X点与

1相关研究Xhi点同在一个盆地Cx,的点。

1.1分水岭分割算法若某个像素点同时属于2个盆地的点，则该像

分水岭分割算法是建立在数学形态学理论上素点即为分水岭的点。

的,应用十分广泛,涉及医学影像、遥感应用、计算1.2分水岭分割算法的改进

机视觉等诸多领域。该算法的主要分割思想起源于基于分水岭分割算法进行形态学优化处理的研

地理学,即将一幅单波影像图模拟成一个地形图,地究，对于图像特征识别与边界分割具有广泛的研究

形图的海拔表示影像的像素值大小,地形图的山脊意义[2]。余兆钗等利用阈值分割结合颜色分量,提出