流域分割方法在遥感图像中的应用研究

王媛媛，田 会，张承明，2

(1．山东农业大学 信息科学与工程学院，山东泰安271018;2．中国测绘科学研究院，北京100830)

一、引 言

图像分割是图像处理中的重要技术之一，其作用是将图像中有意义的特征(如边缘、区域)提取出来，为精确进行后续的图像分析和理解奠定基础。传统的图像分割方法可以分为阈值分割、边缘分割和区域生长等几种方法，这些方法都存在着各自的缺点，如阈值分割方法对于前景和背景反差小的对象难于得到精确边界;边缘分割方法无法保证轮廓的封闭性;区域生长法难以确定生长的终止条件等。流域分割方法是一种有效的图像分割方法，是数学形态学中的重要内容。作为一种基于区域分割的算法，它在很大程度上克服了传统图像分割方法的缺点。它利用地形来解释图像，将图像中不同灰度值部分看作不同地形，地形相同的部分划分为一个区域;即流域;两个流域之间的界线为分界线，从而实现图像的分割。

二、数据及方法

1．研究区域及图像来源

研究区域泰安市地处山东省中部，地理位置为东经116°20'～117°59'，北纬 35°38'～36°28'，北与省会城市济南相连，南临孔子故里曲阜，东连瓷都淄博，西濒黄河。泰安市文化发达，环境优美，具有丰富的物产资源和旅游资源。本研究的遥感图像采用泰安地区2006年夏季的遥感数字正射影像地图，该图覆盖泰安市地理坐标范围，植被、道路、房屋等地物清晰可辨，满足研究需要。

2．技术路线

本研究的技术路线主要是首先对于遥感图像进行适当的预处理;然后分别用普通流域分割方法、基于标记的流域分割方法和基于小波变换的流域分割方法对图像进行分割，采用目测判读的方法对3种方法得到的分割图像进行比较分析，确定算法的优劣。

三、基于遥感图像的流域分割方法研究

1．普通流域分割方法

流域分割算法又称为分水岭算法，可以用水滴的方式来解释。假设给定图像区域为集合A，B为结构元素。定义一个距离函数dist(x)，该距离函数为点x到A的补集的距离，即对其中AΘnB为B对A的极限腐蚀，在流域方法中可以利用该距离函数的负值-dist(x)表示灰度。假设有如图1所示的两个区域，若一滴水珠落在上面，且在分界线的左侧，则它将流向左侧区域的中心;如果落在分界线的右侧，则它将流向右侧区域的中心。两个区域的中心在-dist(x)图中对应局部最低点，它同样是图像A用B做极限腐蚀中的最终连通成分。因此对极限腐蚀的一个给定点，水滴落在其上会滚向该点的所有位置x的集合，就是对应于该给定点的流域。

图1 流域示意图

在流域分割算法中，首先利用结构元素B对图像A做极限腐蚀，获得最终连通成分A(n);将初始标识集定义为M(n)，令M(n)=A(n)，令k=n，开始递归过程。假设C为AΘ ( k -1) B的第i个连通成分，则存在下面3种可能：

2．基于标记的流域分割方法

早在1991年Vincent和Soille就提出了基于标记的流域分割方法，但由于遥感图像的分割对象是图像中的所有地物，因此这种基于前景标记和背景标记的经典方法并不适合遥感图像的分割。本研究中采用文献[2]中提出的基于前景标记和梯度重建的分水岭分割方法，主要过程如下。

1)利用梯度图像G，经过高度阈值为h的扩展最小变换E=EM(G，h)，得到标记的二值图像。针对不同的地物特征，应选择适当的高度阈值，以保证减少过分割的同时保证地物基本形状。

2)利用标记图像，进行梯度重建，即通过基于数学形态学的强制最小过程来修改边缘梯度图像，以便局部最小区域仅出现在标记的位置。

3)对于梯度重建后的图像进行流域分割。

3．基于小波变换的流域分割方法

小波变换是空间(时间)和频率的局部变换，因而能有效地从信号中提取信息。通过伸缩和平移等运算功能可对函数或信号进行多尺度的细化分析。在小波变换中小波充当了傅里叶变换中正弦和余弦函数的角色，主要是用一组小波函数去逼近一个信号。其母小波函数可以表示为

基于小波变换的流域分割方法主要经过如下几个步骤：

1)对遥感图像进行小波变换，本文中采用哈尔小波;

2)求出梯度图像中的极小区域并标记;

3)对于处理后的图像进行流域分割。

四、试验与分析

基于泰安市遥感图像，应用上述方法进行了大量的图像分割试验，示例效果如图2所示。

图2 应用各种流域分割方法的结果图像

图2(a)为泰安市某地的居民楼图像，图2(b)是对应的梯度特征图，对其直接应用普通流域分割方法后得到结果图2(c)，该图过分割现象严重，区域比较细碎，不能体现原图像中的地物特征。根据基于标记的流域分割方法，由相位一致提取的边缘特征图像获取标记图像，后对其进行梯度重建，进行流域分割后的结果为图2(d)，该结果相对于图2(c)更加清晰，能够在一定程度上反应地物特征，但是仍存在大量无关小区域，影响了部分地物的判读。图2(e)是采用基于小波变换的流域分割方法得到的结果图，该图像边界清晰，过分割现象少，更真实地反映地物特征。

五、结束语

随着遥感技术的发展，遥感图像的应用越来越广泛，作为遥感图像处理过程中的重要步骤，遥感图像分割直接影响到后续的图像分析和信息提取的精度。本文对普通流域分割方法、基于标记的流域分割方法和基于小波变换的流域分割方法进行了研究和分析。试验证明，基于小波变换的流域分割方法得到的分割图像，边界清晰，过分割现象少，更有利于进一步的遥感图像判读，是一种适合有效的遥感图像分割方法。

[1]崔屹．图像处理与分析—数学形态学方法及应用[M]．北京：科学出版社，2000．

[2]肖鹏峰，冯学智．高分辨率遥感图像分割与信息提取[M]．北京：科学出版社，2012．

[3]ROERDINK J B，MEIJSTER A．The Watershed Transform：Definitions Algorithms and Parallelization Strategies[J]．Fundamental Information，2001(41)：187-228．

[4]BARRE F，LOPEZ J．Watershed Lines and Catchment Basins：a New 3D-motif Method[J]．International Journal of Machine Tools and Manufacture，2000，40(8)：1171-1184．

[5]HILL PR，CANAGARAJAH CN，BULLD R．Image Segmentation Using a Texture Gradient Based Watershed Transform[J]．IEEE Transactions on Image Processing，2003，12(12)：1618-1633．

[6]王鹏，曾振柄，单保慈，等．基于小波变换的流域分割算法[J]．计算机应用研究，2005(4)：247-248．

[7]陈忠，赵忠明．基于分水岭变换的多尺度遥感图像分割算法[J]．计算机工程，2006，32(23)：186-187，207．

[8]高丽，杨树元，李海强．一种基于标记的分水岭图像分割新算法[J]．中国图象图形学报，2007，12(6)：1025-1032．