基于分水岭算法的遥感图像分割方法研究

来源:用户上传      作者:李旗 魏楚

　　摘   要：文章采用分水岭算法进行遥感图像分割操作，并针对算法执行过程中所产生的过分割问题，采用了形态学处理函数进行图像处理和标记符的提取，并使用Matlab R2015a图像处理软件对图像分割过程进行模拟，最后利用Matlab GUI平台构建了基于分水岭算法图像分割的系统。
　　关键词：图像分割;数学形态学;分水岭变换;分水岭算法
　　随着科技的日益发展，媒介技术、摄影技术和数字化图像技术的发展和应用，人们可以从图像中快速、直观地获取大量信息。然而，在通过图像快速、直观获取大量信息的同时，会发现并不是所有的信息都是我们所需要的，多余的信息会给计算机获取与处理图像带来不便，使遥感图像快速解译、人脸识别、车牌识别等技术难以实现。图像分割技术是图像处理的一项重要技术，在计算机模式识别领域有着重要的意义，成功的分割有利于目标特征的提取、描述、识别和分类，可以使计算机变得更加智能，使其广泛地应用于军事、遥感影像分析、智能交通、医学图像分析、通信、农业现代化和工业自动化等诸多领域。
　　近年来，随着各领域不断引入新的理论和方法，人们将这些方法应用于图像分割领域。潘婷婷基于数学形态学和分水岭算法[1]，进行了遥感图像的目标识别。路正佳基于改进分水岭算法的彩色图像分割方法[2]，建立了基于偏微分方程的去噪模型。每种图像分割方法各有优缺点，对其存在的问题而言基于边缘的分割方法受随机噪声和边界模糊的影响会出现边界间断等问题。基于阈值的分割方法仅考虑图像的像素灰度，忽略图像的空间信息和纹理信息，导致分割精度低、可靠性低、分割效果不理想。区域生长法受噪声影响大易出现错误分割，而分割合并法也依赖于初始化分割的质量，且过程复杂、计算量大。与其他方法相比，基于分水岭算法的图像分割具有定位精确、对微弱边缘具有良好反应等特点。但是由于图像中物体表面一些细微的灰度变化和随机噪声的影响，使用分水岭算法会出现严重的过分割现象。效果良好的图像分割应该有以下特点：（1）分割出来的各个区域内对某种特定性质的视觉信息具有相似性。（2）相邻区域之间对某种特定性质的视觉信息具有明显差别。（3）分割区域有明显的边界，区域之间互不重叠。
　　1    算法及原理
　　1.1  分水岭算法基本原理
　　分水岭算法是数学形态学上一种基于拓扑理论的图像分割方法，该算法的微弱边缘敏感可以用来获取图像中连通、封闭并且位置精确的物体轮廓。最基本的思想是将一幅数字图像的灰度梯度图看成一个三维地形图，并将每个像素的灰度值看作三维地形图中对应点的海拔，由于梯度图可以很好地反映图像中物体的边缘信息，原图中物体边缘灰度变化剧烈而导致梯度值大，故边缘可以表示为海拔高的山脊，而物体主体则表示为被山脊包围的汇水盆地。
　　降雨排水模型是在三维地形图上模拟降水的过程，将图像分为不重叠的水域集合，通过梯度信息决定雨滴接触地面后的流动方向，并确定一系列区域最小值点，流向同一最小值的不连通区域形成聚水盆地。浸水模型则是模拟将地形图的模型平放入水中，并在每一个盆地的最低点弄一个小孔，让水从小孔上溢。这两种模型都会造成水位的不断上升，当上升到一定的高度，两个汇水盆地就会连通，为了防止这种情况，就需要在山脊上修筑堤坝，随着水位上涨，堤坝也不断增高。达到最高的山脊时，整个地形图被堤坝完全分割成不同的区域，最终分水岭变换会在灰度图像上找到脊线和汇水盆地，分割结束。在这个过程中不可避免遇到的问题就是堤坝的修筑。水坝的构筑是以二值图像为基础的，构建堤坝最常见的方法是形态学膨胀。
　　1.2  数学形态学原理
　　膨胀和腐蚀两个操作是形态学处理的基础。膨胀过程可以描述为：将结构元素从图像左上角开始顺序移动，直至它移动到某个位置时，满足结构元素原点位。腐蚀过程可以描述为：将结构元素从图像左上角开始顺序移动，当它移动到某个位置时，满足结构元素原点位置（x1，y1）在图像目标区域A中，并且此时结构元素区域全部包含在目标区域A中，则保留该位置上的像素点即（x1，y1），否则删除该点，直到移动结束为止。置（x1，y1）在图像目标区域A中，并且此时结构元素区域与目标区域A相交不为空集，则保留该位置上的像素点即（x1，y1），直到移动结束为止。
　　开运算一般会平滑物体的轮廓，去除图像中比结构元素小的亮细节（断开较窄的连接，消除细的突出物），并且能保持图像整体的灰度值和較大部分的亮度区域信息与原图大致相似。闭运算会连接狭窄的间断和细小的狭缝，去除图像中比结构元素小的暗细节，并且能保持图像整体的灰度值和明亮部分与原图大致相似。
　　2    研究分析
　　应用分水岭分割算法对梯度图像的分割效果往往不好，伴随着严重的过分割现象。为了解决过分割现象，本研究采用以下措施：对图像进行标记后再进行分水岭分割，该方法在分割前设定一些标记，每一个标记表示一个物体的存在，再把这些标记强制转换为梯度的极小值，以此为基础进行分割。本研究通过Matlab实验操作实现基于标记的分水岭图像分割算法。以下是该方法的步骤：（1）打开遥感影像，读取图像：A3=imread（.tif），显示图像：imshow（A3）。（2）将彩色图像转换为灰度图像，核心代码：I=rgb2gray（A3）。（3）数学形态学处理（根据原图大小666×1 000像素，以及图中对象形状选择半径为6的圆盘结构元素），形态学开运算：Io=imopen（I， se1），形态学膨胀：Id=imdilate（I，se1），形态学腐蚀：Ie=imerode（I，se1），形态学开闭运算：Ioc=imclose（Io，se1），形态学闭运算：Ic=imclose（I，se1）。（4）对比度增强（采用高帽变换和低帽变换），核心代码：Itop=imtophat（Iobrcbr，se）。（5）梯度提取，核心代码：hy=fspecial（'sobel'）。（6）提取前景标记，核心代码：Iec=imcomplement（Iobrcbr）。（7）提取背景标记，利用mextendedmin函数拓展局部最小值变为逻辑图，令bgm=DL==0。（8）限制局部极小值，令GRADE2=imimposemin（GRADE1， bgm | fgm3）。 　　3    系統设计
　　本系统利用Matlab中的GUIDE，设计一个面向对象的可视化操作系统，并通过回调函数代码编写实现对图像的多种形态学处理和分水岭分割功能。
　　系统界面包括3个部分：第一部分：图像处理面板。该部分由按钮控件组成，集中了本系统所有图像处理操作，并于菜单中功能完全同步。第二部分：当前图像。可以大图显示图像，通过下拉菜单可以选择切换图像。第三部分：图像信息。可以显示灰度直方图。
　　具体使用步骤如下：（1）通过在Matlab命令行输入“guide”，调出Matlab图形用户界面开发环境GUIDE快使用启动对话框。（2）选择建立新的空白GUI，进入窗体编辑界面，双击已经拖入面板的控件，进入控件属性编辑界面可以对控件的显示和参数进行编辑。（3）点击菜单中的Tools->Menu Editor，进入菜单编辑界面，此界面可以添加主菜单和子菜单，修改菜单名和Tag，也可以通过点击Callback后的View进入该菜单项回调函数编写。
　　4    结语
　　围绕基于分水岭算法的图像分割方法展开研究，主要研究成果与结论如下：（1）针对算法执行过程中所产生的过分割问题，采用了形态学处理函数进行图像处理，改进了图像分割，结果表明该方法可以有效地抑制过分割问题。（2）在分割过程中通过提取标记，可以有效控制图像过分割和提高分割精度。
　　存在的不足：首先，在对图像进行形态学处理的过程中，选取不同结构元素的结果差异没能凸显出来。其次，构建的基于分水岭算法图像分割系统中，一些形态学操作功能由于软件问题输出的结果与利用命令行输出的结果存在差异。
　　[参考文献]
　　[1]潘婷婷.数学形态学和分水岭算法在遥感图像目标识别中的应用研究[D].无锡：江南大学，2008.
　　[2]路正佳.基于改进分水岭算法的彩色图像分割方法[J].科技通报，2018（9）：172-174.
　　Research on remote sensing image segmentation based on watershed algorithm
　　Li Qi1， Wei Chu2*
　　（1.School of Tourism and Geographical Science， Yunnan Normal University， Kunming 650500， China;
　　2.School of Information， Yunnan Normal University， Kunming 650500， China）
　　Abstract：In this paper， the watershed algorithm is used to segment the remote sensing image， and for image gererated by over-segmentation in the process of segmentation， using morphological processing function to process image and extract marks. Using Matlab R2015a image processing software to simulate this process and using Matlab GUI platform to construct the system of reomte sensing image segmentation based on the watershed algorithm.
　　Key words：image segmentation; mathematical morphology; watershed transform; watershed algorithm
转载注明来源:https://www.xzbu.com/8/view-15019919.htm