第10卷 第3期2006年5月
遥 感 学 报
V o. l 10, N o . 3M ay , 2006
文章编号:1007 4619(2006) 03 0350 07
基于边缘的多光谱遥感图像分割方法
刘永学, 李满春, 毛 亮
(南京大学城市与资源学系, 江苏南京 210093)
摘 要: 从M arr 视觉计算理论和Tob l er 地学第一定律出发, 提出了基于边缘的多光谱遥感图像分割方法。在基于边缘的多光谱遥感图像分割方法中, 由边缘检测、边缘综合、边缘生长、区域标号等环节组成。该遥感图像分割方法在可视化开发平台D elph i 中予以编程实现。将之应用于日本熊本市(K u m a m oto) 的Qu ickb ird 多光谱遥感图像中, 并与多种遥感分割算法进行了比较:(1) 从多光谱遥感图像各波段亮度信息利用的程度上看, 提出的遥感图像分割方法能充分利用多波段亮度信息; (2) 从遥感图像分割结果上看, 由于分别对不同的波段进行边缘检测, 并在此基础上进行边缘综合、边缘生长, 遥感图像中的细节特征得到了充分体现, 遥感图像分割效果更理想; (3) 从计算复杂度和计算效率上看, 基于边缘的多光谱遥感图像分割法较其他分割方法有一定的优势。关键词: 边缘检测; 边缘生长; 多光谱遥感图像; 图像分割中图分类号: TP751. 1 文献标识码: A
An A l gorith m ofM ulti spectral R e m ote Sensi ng I mage Seg m entati on B ased on Edge Infor m ation
L I U Y ong xue , L IM an c hun , M AO L iang
(Depart m e n t of Urban &R esource , N anjin g Un i ve rsit y, J i angsu Nanjin g 210093, Ch i na )
Abstract : A cc ordi ng to the first geographic la w of Tob ler and theM arr sm achi ne visi on theory , an al gorith m
to seg m e nting mult i spectral re mote sensi ng m i ageries has been put for w ard based on the edge infor m ati on extracte d fro m the m. This algorith m consists of four steps listed bel o w:(1) D etecting edge inf or m ation i n eac h band of re mote sensi ng m i ageries using a m i proved Canny method ; (2) Integrating e dge inf or m ation i n eac h band of re m ote se nsing m i ageries into a bi nary m i age by methods such as overlay techni que i n G I S technology , and then thinn i ng edges in the bi nary m i age by tec hniques ofm athe m aticalm or phology usi ng a rectangle probe ; (3) conjoi n i ng disc onnected edges accordi ng to the characteristics of processi ng edge such as le ngth , d irecti on and so on , to close eac h reg i on ; (4) at l ast , l abeli ng reg i on and re move abunda nt edges that do not co mpose reg i on . T hen , t he m ulti spectral re mote se nsing m i ageries of Qu i ckbird coveri ng the K u m a m oto city , Japa n , have been ta ken as a case study for this algorith m, and the result has bee n co m pared w it h other seg m entati on al gorith m s such as M ulti Threshold G ray Slice Appr oach (M TG S A ) , Iterative Self O rganized D ata A nalysis T ec hno l ogy A lgorith m (ISODATA ) m i a ge seg mentation algorith m, W atershed Seg m e ntation A lgorith m (WSA ), Fractal N et Evoluti on Appr oach(F NEA ) and so on . Based on the co mparat i ve analysis , concl usions coul d be dra wn out that (1) I n ter m of utili zi ng bri ghtness i nfor m at i on of each band , the scope that the al gorith m proposed i n the paper is the most co mpre hensi ve one , andM TGSA andW S A can only use sing le band of mult i spectral re mote sensi ng m i age ; (2) The result of th i s al gorithm could be the most satisfied , as it detects edge i nfor mation o f each spectral band respecti vely , and t hen i ntegrates aswell as connects the m together , m a x m i all y
收稿日期:2004 12 06; 修订日期:2005 04 07
基金项目:浙江省 遥感与G I S 在标准农田建设与管理中的应用研究 , 教育部高校青年教师奖项目和南京大学科研启动基金资助。作者简介:刘永学(1976 ), 男, 博士, 讲师, 南京大学地图学与地理信息系统专业毕业, 研究方向为遥感与G I S 研究及应用, 已发表论文10余篇。E m ai:l yongxue @n j u. edu . cn 。
d i gg i ng out the detailed features i n re mote se nsing m i ageries ; (3) I n the aspect of co mputat i ona l durat i on , this al gorith m is relati vely a b it faster t han others under the sa me env i ronm e nt . A s the sa m e as the other three approac hes , the a l gorithm pr oposed i n the paper has also confronted the co mmon diffic u lty of ho w to confir m the coefficient i n the m i age se g m entat i on procedure . K ey words : edge detection ; edge li nk ; multi spectral re m ote sensi ng m i age ; m i age se g m entati on
合。在检测出各波段此边缘信息的基础上进行综
1 引 言
遥感图像分割(Re m ote Sensi n g I m age Seg m entati o n) 可定义为将遥感图像分解成若干各具特性、互不相交像元集合的过程
[1]
合, 以充分利用多光谱遥感图像中的光谱信息。(3) 边缘生长。通过边缘检测、边缘综合环节得到的边缘有可能是断裂、不连续的, 并不能保证区域的
封闭性, 因此采用边缘生长的手段连接边缘图像中断裂的边缘。(4) 区域标号。在边缘生长的基础上, 进行区域标号, 消除不构成区域的边缘, 生成标号图像对象, 得到最终多光谱遥感图像分割结果。
。遥感图像分割
是面向对象的遥感信息提取模式的基础环节, 只有通过遥感图像分割生成图像对象(I m age Object), 进一步的遥感图像分析和理解(如面向对象的特征分析、地物判别规则提取等) 才能开展
[2]
。
[3 6]
3 具体实现
3. 1 单波段边缘检测
C anny(1986年) 从边缘模型及噪声模型出发, 提出了边缘检测的最优滤波器
[10]
将计算机视觉领域的图像分割算法应用于遥感图像分割过程中, 已开展了较多的研究
, 但这些
应用大多是针对单波段遥感图像(灰度图像) 的, 针对多光谱遥感图像的分割方法尚不多见。
, 取得了较好的效
果。本文在其提出的平滑、增强、非极值抑制、滞后
2 实现思路
M arr 的视觉计算理论把边缘的获取看作机器视觉的早期阶段体
[7, 8]
[7]
阈值化处理等边缘检测经典步骤的基础上, 加以改进, 用以提取单波段遥感图像中的边缘信息。具体步骤如下:3. 1. 1 图像平滑
由于遥感图像一般都含有较多的高斯噪声和非高斯噪声
[11]
, 通过对人类视觉系统的研究亦
表明, 仅凭粗略的边缘轮廓线就能够识别出一个物
。依据Tob ler 地学第一定律 地理学空
[9]
, 且边缘和噪声在空间域上均表现为亮
间自相关定律 , 地理空间实体是相互关联的, 空间相近的地理实体有着更高的相关性
。该定律反
映在遥感图像上, 则表现为相同的地物有着相同或者相似的特征(如灰度值、纹理等) 。可以说, 反映在遥感图像中地物的边缘是遥感图像局部特征不连续性(灰度突变、颜色突变等) 的反映, 标志着一个区域的终结和另一区域的开始。提取反映在遥感图像中不同地物之间的边缘, 即可构建不同地物之间的界线, 从而取得不同地物的分布信息。因此, 可将多光谱遥感图像中各波段的边缘信息作为遥感图像分割的依据, 将边缘检测作为遥感图像分割的基础。本文所提出的基于边缘的多光谱遥感图像分割方法, 可细化为边缘检测 边缘综合 边缘生长 区域标号等环节。具体实现思路为:(1) 边缘检测。直接提取多光谱遥感图像中地物边缘比较困难, 本文先通过边缘检测算法提取遥感图像中各(2) 边缘综
度有比较大的起落; 在频域上则同反映为高频分量, 因此在边缘检测之前, 需对单波段遥感图像先进行平滑处理, 以减少噪声对边缘检测的影响。Canny 算子通过高斯滤波器来抑制噪声, 如果噪声强度过大, 则必须增大高斯空间系数 , 从而影响到边缘的定位精度, 造成边缘位置偏移
[12]
。本文采用自适应平滑法
抑制噪声:先计算遥感图像中当前处理像元3 3窗口内8邻域平均值ave 和方差var ; 若像元灰度和8邻域平均值的差值大于1 5倍方差, 则判定该像元为噪声; 以其8邻域中灰度位于[ave -var , ave +var ]范围内的像元平均值作为该像元的灰度值。
3. 1. 2 梯度计算
常规边缘检测微分算子大小是固定的, 往往并非最优, 需要另行设计可动态调节的边缘检测微分算子。研究表明:微分检测算子W 可将之分解为两个一维序列s(i), d (j ), i , j =-m, , 0, W 。通过K ra w 可
T
构建这两个一维序列, 并设计出不同大小的边缘检测微分算子W
2
T
[13]2
数据中不同的波段对地物的表现能力不尽相同。为充分利用多光谱遥感图像信息, 本文先对多光谱遥感图像中各波段进行边缘提取, 在此基础上进行边缘综合, 可得到反映在多光谱遥感图像中地物的边缘信息。方法如下:3. 2. 1 边缘叠加
要充分利用多光谱遥感图像中的边缘信息, 最简单的方法是将各波段的边缘信息综合到一幅二值图像中。本文采取类似G I S 叠置分析的方法综合提取各波段的边缘信息:设多光谱遥感图像有l 个波段, 各波段的边缘提取结果分别以矩阵E k (x, y ) (1 k l) 表示(矩阵元素值为二值:1表示边缘, 0表示背景), 建立与多光谱遥感图像相同大小的标记矩阵N (x, y ) (N(x,y ) =0); 逐像元累加各波段的边缘提取结果, 如若累加结果 1, 则令该矩阵元素为1, 反之, 则令该矩阵元素为0; 遍历整个图像, 直至每个像元均被处理。3. 2. 2 边缘细化
经上一步骤得到的边缘信息, 边缘的宽度并不是单像元宽度, 不利于多光谱遥感图像的分割和特征提取, 有必要对所得边缘综合结果作进一步的细化。为保证边缘单像元宽度, 在数学形态学的理论基础上
[14]
。像元梯度幅值由式g ^=
1/2
(trace [wA ]+trace [WA]) 计算而来, 由式^ =
-1T
tan (trace[WA]/trace[WA ]) 可计算出梯度方向(以正北方向为起始, 顺时针方向开始计算) 。对单波段遥感图像中每个像元进行梯度计算可得到梯度幅值图像。3. 1. 3 非极值抑制
通过梯度计算得到的结果中, 对梯度幅值较大的像元集合形成较亮的屋脊带, 采用非极值抑制进行细化。图1为梯度幅值图像中的3 3大小窗口, p 为当前处理像元。在非极值抑制过程中, 需要利用梯度计算过程得到的梯度方向信息^ , 分析沿其边缘方向(90-^ ) 的两个邻域Q 1与Q 2的梯度幅值(可通过其两侧邻接像元P 31、P 32或P 12、P 13的梯度幅值线性内插而来) 。定义以下非极值抑制规则进行细化:如p 大于Q 1、Q 2, 则说明p 为窗口内区域极大值, 保留该点; 反之, 则说明p 并非为窗口内区域极大值, 将之标记,
并删除该点。
, 运用矩形结构元素模板(本文采用的结
构元素模板大小为3) 对边缘图像进行击中运算, 不断剥离图像中的边缘点, 得到遥感图像中地物边缘的中心骨架, 达到细化的目的。
图1 非极值抑制示意图F i g . 1 D ra ft o f non m ax i m a suppressi on
3. 3 边缘生长
在以上各单波段遥感图像边缘检测中, 只使用了遥感图像中的局部信息(通常只是边缘检测微分算子窗口内的遥感图像信息), 且应用全局阈值于边缘点判别中, 检测出的边缘可能是断裂、不连续
的, 即使经过边缘综合, 仍不能保证边缘的连续性。因此以上边缘提取过程并不是一个完整意义上的图像分割过程; 需要对边缘信息进行后续处理, 才能完成分割任务。以下提出边缘生长算法, 使不连续边缘按一定准则进行生长, 最大程度地保证边缘的封闭。
该算法基于以下考虑:(1) 边缘生长应充分考虑到检测出边缘图像的性质(如边缘走向、周围最近邻边缘点的分布), 以避免产生 虚假边缘 。(2) 边缘生长还应考虑到断裂边缘的长度。如果对所有的边缘均按相同准则进行生长, 生长尺度过大则有, 现象生
3. 1. 4 滞后阈值处理
对梯度幅值图像分别取两次阈值(T1, T 2, T 1=0 4 T 2) 。将梯度值小于T 1的像元设为0, 可得到弱边缘图像A; 将梯度值小于T 2的像元设为0, 得到强边缘图像B 。由于T 1较低, 图像A 中残留了较多的噪声; 由于T 2较高, 图像B 中保留较少的噪声, 但
同时也是以部分边缘信息丧失为代价的, 因此在A, B 两图中, 所得结果或是零散、不连续的, 或是包含了过多的虚假边缘, 需要综合两幅图像的强弱边缘信息, 本文以图像B 为基础, 以图像A 为补充进行形态学连接
[14]
。
3. 2 边缘综合
,
长尺度过小则有可能保证不了边缘的连续性、封闭性。基于此, 在边缘生长过程中, 生长尺度与边缘长度呈正相关, 断裂边缘的长度越长, 搜索范围越大。边缘生长分为两个步骤:
3. 3. 1 边缘图像中的断裂边缘端点检测
为减少程序计算量, 在边缘生长过程中, 首先查找边缘图像中断裂边缘的端点, 在此基础上, 进行边缘生长。由于细化得到的边缘图像连接类型为完全4邻域邻接, 可统计出断裂边缘端点共有16种类型(图2, 黑色像元为断裂边缘的端点, 白色像元为断裂边缘上的内邻接点) 。构建16个与图2中端点类型一致的结构元素模板( 探针 ), 逐一匹配, 可检测出边缘图像中所有断裂边缘的端点,
并将之标记。
2, , 若有n 2个待连接边缘点生长走向与最紧邻n 点的走向( 1) 之差小于一定的阈值, 即有ABS ( 1- 2)
经边缘生长后, 可保证绝大多数边缘的封闭性, 少数边缘因在搜索范围内没有适合的边缘点不能进行边缘生长, 从而存在极少数不构成区域的边缘类型(图4, 白色像元表示不构成区域的边缘) 。此类边缘数量极少, 可不考虑由此所造成的差异。
图4 不构成区域的边缘F i g . 4 Two types o f unc l osed edges
图2 不同边缘的端点类型F i g . 2 D ifferen t types of nodes on edges
经过边缘生长和细化后的边缘图像, 本文提出区域标号算法将不同区域分别标识。区域标号通过递归进行:(1) 将边缘图像以矩阵形式表示(0为背景, 1为边缘); 遍历矩阵, 找到背景像元(值为0); (2) 初始化标号值(标号值为全局变量); (3) 在4邻域方向上查找与该像元相邻的背景像元(值为0); 用相同标号值标识; (4) 递归调用第(3) 步, 直至该封闭区域均被相同标号值填充; 累加标号值; (5) 遍历整个矩阵, 直至所有像元均被标号。
分析标号图像中的不构成区域的边缘, 发现其边缘上下或左右两侧的标号值是相同的, 据此规则可消除不构成区域的边缘, 从而得到最终多光谱遥感图像的分割结果。
3. 3. 2 边缘生长
分别以上文查找的边缘端点为起点, 通过链表跟踪的方法统计出每条断裂边缘的长度; 并计算距端点最近的n 点走向 , 以X 轴起按逆时针方1(图3向计算); 搜索以断裂边缘端点为端点半径为r (r 取值与断裂边缘长度k 呈正相关) 范围内是否有边缘点(像元值为1, 不包括当前处理的断裂边缘) 存在。如没有边缘点存在, 则不进行任何边缘生长; 如搜索范围内有边缘点存在(边缘点个数n 1 1), 则分别计算待连接边缘点与断裂边缘端点的走向 2,
4 遥感图像分割算例
基于边缘的多光谱遥感图像分割方法, 通过可视化开发平台Delphi 中编程予以实现, 并将之应用于日本熊本市(Kum a m oto ) 的Qu ick b ird 多光谱遥感图像(美国D ig ita lG lobe 公司分发的示例数据:含
图3 边缘生长示意图
F i g . 3
Ill ustra ti on o f edge li nk
4个波段, 遥感图像空间分辨率为2 44m ) 。实验使:5,
度阈值为[0 1, 0 25];边缘生长方向阈值T =90; 边缘生长搜索范围r =1/3 K 。使用多阈值分割、流域分割算法、迭代自组织数据分析、分形网络演化法等算法对相同图像进行分割:多阈值分割法在遥感处理软件Env i 中实现, 设定8个阈值(分别为212, 435, 734, 1125, 1308, 1547, 1792, 2039); 迭代自组织数据分析法在遥感处理软件ERDAS 中实现(分为
10类, 迭代15次, 迭代阈值为0 98); 分形网络演化法在e Cogn iti o n 软件中实现(分割尺度为20, 形状权重0 8, 颜色权重0 2); 流域分割算法通过可视化
开发平台De l p h i 通过OLE 方式调用数学软件M a tlab 编程实现(结构元素模板为圆盘, 大小为15) 。在P Ⅳ2 80GH z 、1GB 内存、W i n do w s XP 环境下, 分割结果见表1和图5。
表1 各遥感图像分割算法运行时间比较
Table 1 T i m e expenses i n d ifferent algorithm s of RS i m age seg m en tation
遥感图像分割算法
多阈值分割流域分割算法迭代自组织数据分析分形网络演化法
基于边缘的遥感图像分割算法
实现方式E nvi 4. 0
Delph iOLE 调用M atl ab6. 0
ERDAS 8. 7e C ogn ition3. 0Delph i 编程实现
运行时间/ms 小于10001906约11000约140009975
备注
仅能处理单波段数据仅能处理单波段数据
多波段数据多波段数据多波段数据
从多光谱遥感图像各波段亮度信息利用的程度上看, 多阈值分割法和流域分割法仅能处理单波段
遥感图像(即灰度图像), 不能充分利用多光谱遥感图像信息; 而迭代自组织数据分析、分形网络演化法、基于边缘的遥感图像分割算法则能充分利用多光谱遥感图像信息。
从计算耗时上看, 对于大小为1000 1000的多光谱遥感图像(本文所用遥感图像的大小), 基于边缘的遥感图像分割算法运行速度为9975m s(边缘检测2943m s , 边缘综合、边缘生长3821m s , 图像标号3211m s), 速度较分形网络演化法、迭代自组织数据分析算法快。
从分割效果上看, 基于边缘的遥感图像分割方法较其他四种分割方法而言, 效果更理想, 遥感图像中的细节特征得到了充分体现:主要表现在图像左下角的地物和上中部的沙洲分割比较清晰; 分割结果与遥感图像中的地物实体有着相当不错的一一对应关系。
息; 通过边缘生长, 充分考虑边缘图像性质(边缘走向、边缘长度、边缘点分布等) 等因素, 连接边缘图
像中断裂的边缘, 保证区域的封闭性; 通过区域标号消除不构成区域的边缘, 生成标号图像对象, 得到多光谱遥感图像分割结果。该遥感图像分割方法在可视化开发平台Delphi 中予以编程实现。与其他多种遥感图像分割算法所得分割结果相比, 本文所提出的基于边缘的多光谱遥感图像分割方法得到的分割结果, 能够更好地体现出遥感图像中的细节特征。
基于边缘的多光谱遥感图像分割方法与其他分割方法相比, 其分割效果有了较大改善, 但在分割过程中仍然存在参数确定的问题:边缘检测微分算子大小多少比较合适? 如何选择边缘生长的参数? 类似的问题同样也存在于其他遥感图像分割方法中:通过多阈值分割法进行遥感图像分割, 方法简单, 处理速度很快, 但效果差, 主要表现在阈值选取比较困难, 阈值过低、过高, 生成的区域往往有着很大的差异; 通过流域分割算法进行遥感图像分割, 结构元素和结构元素大小选择不合适, 往往得不到规则的边界, 并容易产生 过分割 现象; 通过迭代自组织数据分析法进行遥感图像分割, 分割结果较流域分割法有所改善, 但在遥感图像分割之前, 需要提供地物的类别数, 这在实际操作中往往很难给出一个确切的答案; 通过分形网络演化法进行遥感图像分割, 其尺度选择、形状颜色权重确定亦比较困难。
, 5 结 论
本文从M arr 视觉计算理论和Tobler 地学第一定律出发, 提出了基于边缘的多光谱遥感图像分割方法。在该方法中, 在C anny 算子的基础上加以改进, 以检测反映在单波段遥感图像中的边缘信息; 通,
图5 遥感图像分割算法结果比较
(a) 日本熊本市Qu i ck bird 遥感图像(4, 3, 2); (b) 多阈值法遥感图像分割结果(第二波段); (c) 迭代自组织数据分析法遥感图像分割结果; (d ) 流域分割法遥感图像分割结果(第二波段); (e) 分形网络演化法遥感图像分割结果; (f) 基于边缘的多光谱遥感图像分割结果
F ig . 5 Compar i son of R S i m age segm entati on result
(a) Qu ick b ird Re m ote S ens i ng I m agery ofKum a m ot o ; (b) S eg m en t ati on Res u lt by M u lti thres ho l d S lice ; (c) S eg m entation Res u lt by ISODATA;
(d) S eg m entati on Res u lt by W ater Shed ; (e) Seg m en tati on Result by FNEA; (f) S eg m entation Res u lt by Based on Edge In f or m ati on
法中最佳参数。从分割结果上看, 本文所提出的基于边缘的多光谱遥感图像分割方法效果较佳。但如何更多地从图像自身的性质出发, 确定合理的参数, 减少研究人员的主观参与程度, 是接下来的研究重点。
致 谢 南京大学冯学智教授、田庆久教授、张万昌教授、中国科学院南京地理与湖泊研究所江南研究员、南京师范大学地理科学学院黄家柱教授在写作中给予悉心指导, 谨致谢意。参考文献(R eferences)
[1] Zhang Y J . [2] W ang R S .
m age Seg m en tati on [M].B eiji ng :S cience Press I , I m age Understand i ng [M ].
Changs h a :National
标的图像分割方法[J].红外与毫米波学报, 1999, 18(1):73 76. ]
[6] L i u W Q, Chen H. Seg m entation and Descri pti on of Satellite
I m age Based on M arkov Rando m F i eld[J].Journa l of S ou t heast Un i v e rsit y (Natura l S cie nce Ed ition ), 1999, 29(11):11 15. [刘伟强, 陈鸿. 基于马尔可夫随机场的遥感图像分割和描述[J].东南大学学报, 1999, 29(11):11 15. ][7] M arr D ,
217.
[8] Zheng N N. C o m pu ter V isi on and Pattern R ecogn iti on [M ].
Beiji ng :Nati onalDefense I ndu stry Pres s , 1998. [郑南宁. 计算机视觉与模式识别[M].北京:国防工业出版社, 1998. ][9] Tob ler W R. A C o mpu terM ovi e S i m u l ati ng U rban G ro w t h i n the
Detroit Region[J].E cono m ic G e og raphy , 46:234 240.
[10] C anny J F. A Co m putational Approach t o Edge Det ecti on [J ].
IEEE Tran saction s on Pa ttern Ana l ysis and M ach i ne In telli g ence , 1986, 8(6):679 698.
[11] Yang S B , Peng F Y , Zh ang Z C. Res earch on Om n iD irecti on al
E dge Det ecti on A lgorit hm Based on M orpho l ogy i n Re m ote Sens i ng I mage [J ].R e m ot e Sensi ng Informa ti on, 2003,
(1):
2 3. [杨述斌, 彭复员, 张增常. 基于形态学的遥感图像全方位边缘检测算法研究[J].遥感信息, 2003, (1):2 3. ][12] M il an Sonk a , Vaclav H l avac , Roger B oyle . I m age Process i ng ,
Anal ys i s , and M ach i ne V isi on 2nd Ed[M].Brooks Cole , 1998.
[13] M eer P,
Georgescu B.
Edge Det ecti on w i th Em bedded
C on fi den ce [J ].
[14] Cu i Y.
IEEE Tran saction s on Pa ttern Ana l ysis and
Beiji ng :
H ildreth .
Theory of Edge Detection [A ].
In :
Proceed i ng of t h eRoyal Soci et y[C ].S eries B , 1980, 207:187
2000. [章毓晋. 图像分割[M].北京:科学出版社, 2000. ]Un ivers i ty ofDefense Technology Press , 1994. [王润生. 图像理解[M].长沙:国防科技大学出版社, 1994. ]
[3] W ang A M,
Shen L S .
Study Surveys on I m age Seg m en tati on
[J ].M easure and C ontrol Technol ogy, 2000, 19(5):1 6, 16. [王爱民, 沈兰荪. 图像分割研究综述[J ].测控技术, 2000, 19(5):1 6, 16. ]
[4] L i S D ,
Zhang C , W ang Z Z .
SAR I m age Segm entati on by
2003,
L i keli hood C riterion [J ].Jou rnal of R e mote S e n sing,
7(2):118 124. [郦苏丹, 张翠, 王正志. 基于相似性准则的SAR 图像分割方法[J ].遥感学报, 2003, 7(2):118 124. ]
[5] L i u W P , C hen W J . A Seg m entation M et hod for A i rportOb ject
i n R e mote Sens i ng I mages [J ].J.
Infrared M illi m . W aves ,
1999, 18(1):73 76. [刘文萍, 陈维军. 遥感图像中机场目
M ach i ne In telli g e n c e , 2001, 23(12):1351 1368.
I m age Processi ng and M athe m atical [M ].
Science Press , 2000. [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. ]
第10卷 第3期2006年5月
遥 感 学 报
V o. l 10, N o . 3M ay , 2006
文章编号:1007 4619(2006) 03 0350 07
基于边缘的多光谱遥感图像分割方法
刘永学, 李满春, 毛 亮
(南京大学城市与资源学系, 江苏南京 210093)
摘 要: 从M arr 视觉计算理论和Tob l er 地学第一定律出发, 提出了基于边缘的多光谱遥感图像分割方法。在基于边缘的多光谱遥感图像分割方法中, 由边缘检测、边缘综合、边缘生长、区域标号等环节组成。该遥感图像分割方法在可视化开发平台D elph i 中予以编程实现。将之应用于日本熊本市(K u m a m oto) 的Qu ickb ird 多光谱遥感图像中, 并与多种遥感分割算法进行了比较:(1) 从多光谱遥感图像各波段亮度信息利用的程度上看, 提出的遥感图像分割方法能充分利用多波段亮度信息; (2) 从遥感图像分割结果上看, 由于分别对不同的波段进行边缘检测, 并在此基础上进行边缘综合、边缘生长, 遥感图像中的细节特征得到了充分体现, 遥感图像分割效果更理想; (3) 从计算复杂度和计算效率上看, 基于边缘的多光谱遥感图像分割法较其他分割方法有一定的优势。关键词: 边缘检测; 边缘生长; 多光谱遥感图像; 图像分割中图分类号: TP751. 1 文献标识码: A
An A l gorith m ofM ulti spectral R e m ote Sensi ng I mage Seg m entati on B ased on Edge Infor m ation
L I U Y ong xue , L IM an c hun , M AO L iang
(Depart m e n t of Urban &R esource , N anjin g Un i ve rsit y, J i angsu Nanjin g 210093, Ch i na )
Abstract : A cc ordi ng to the first geographic la w of Tob ler and theM arr sm achi ne visi on theory , an al gorith m
to seg m e nting mult i spectral re mote sensi ng m i ageries has been put for w ard based on the edge infor m ati on extracte d fro m the m. This algorith m consists of four steps listed bel o w:(1) D etecting edge inf or m ation i n eac h band of re mote sensi ng m i ageries using a m i proved Canny method ; (2) Integrating e dge inf or m ation i n eac h band of re m ote se nsing m i ageries into a bi nary m i age by methods such as overlay techni que i n G I S technology , and then thinn i ng edges in the bi nary m i age by tec hniques ofm athe m aticalm or phology usi ng a rectangle probe ; (3) conjoi n i ng disc onnected edges accordi ng to the characteristics of processi ng edge such as le ngth , d irecti on and so on , to close eac h reg i on ; (4) at l ast , l abeli ng reg i on and re move abunda nt edges that do not co mpose reg i on . T hen , t he m ulti spectral re mote se nsing m i ageries of Qu i ckbird coveri ng the K u m a m oto city , Japa n , have been ta ken as a case study for this algorith m, and the result has bee n co m pared w it h other seg m entati on al gorith m s such as M ulti Threshold G ray Slice Appr oach (M TG S A ) , Iterative Self O rganized D ata A nalysis T ec hno l ogy A lgorith m (ISODATA ) m i a ge seg mentation algorith m, W atershed Seg m e ntation A lgorith m (WSA ), Fractal N et Evoluti on Appr oach(F NEA ) and so on . Based on the co mparat i ve analysis , concl usions coul d be dra wn out that (1) I n ter m of utili zi ng bri ghtness i nfor m at i on of each band , the scope that the al gorith m proposed i n the paper is the most co mpre hensi ve one , andM TGSA andW S A can only use sing le band of mult i spectral re mote sensi ng m i age ; (2) The result of th i s al gorithm could be the most satisfied , as it detects edge i nfor mation o f each spectral band respecti vely , and t hen i ntegrates aswell as connects the m together , m a x m i all y
收稿日期:2004 12 06; 修订日期:2005 04 07
基金项目:浙江省 遥感与G I S 在标准农田建设与管理中的应用研究 , 教育部高校青年教师奖项目和南京大学科研启动基金资助。作者简介:刘永学(1976 ), 男, 博士, 讲师, 南京大学地图学与地理信息系统专业毕业, 研究方向为遥感与G I S 研究及应用, 已发表论文10余篇。E m ai:l yongxue @n j u. edu . cn 。
d i gg i ng out the detailed features i n re mote se nsing m i ageries ; (3) I n the aspect of co mputat i ona l durat i on , this al gorith m is relati vely a b it faster t han others under the sa me env i ronm e nt . A s the sa m e as the other three approac hes , the a l gorithm pr oposed i n the paper has also confronted the co mmon diffic u lty of ho w to confir m the coefficient i n the m i age se g m entat i on procedure . K ey words : edge detection ; edge li nk ; multi spectral re m ote sensi ng m i age ; m i age se g m entati on
合。在检测出各波段此边缘信息的基础上进行综
1 引 言
遥感图像分割(Re m ote Sensi n g I m age Seg m entati o n) 可定义为将遥感图像分解成若干各具特性、互不相交像元集合的过程
[1]
合, 以充分利用多光谱遥感图像中的光谱信息。(3) 边缘生长。通过边缘检测、边缘综合环节得到的边缘有可能是断裂、不连续的, 并不能保证区域的
封闭性, 因此采用边缘生长的手段连接边缘图像中断裂的边缘。(4) 区域标号。在边缘生长的基础上, 进行区域标号, 消除不构成区域的边缘, 生成标号图像对象, 得到最终多光谱遥感图像分割结果。
。遥感图像分割
是面向对象的遥感信息提取模式的基础环节, 只有通过遥感图像分割生成图像对象(I m age Object), 进一步的遥感图像分析和理解(如面向对象的特征分析、地物判别规则提取等) 才能开展
[2]
。
[3 6]
3 具体实现
3. 1 单波段边缘检测
C anny(1986年) 从边缘模型及噪声模型出发, 提出了边缘检测的最优滤波器
[10]
将计算机视觉领域的图像分割算法应用于遥感图像分割过程中, 已开展了较多的研究
, 但这些
应用大多是针对单波段遥感图像(灰度图像) 的, 针对多光谱遥感图像的分割方法尚不多见。
, 取得了较好的效
果。本文在其提出的平滑、增强、非极值抑制、滞后
2 实现思路
M arr 的视觉计算理论把边缘的获取看作机器视觉的早期阶段体
[7, 8]
[7]
阈值化处理等边缘检测经典步骤的基础上, 加以改进, 用以提取单波段遥感图像中的边缘信息。具体步骤如下:3. 1. 1 图像平滑
由于遥感图像一般都含有较多的高斯噪声和非高斯噪声
[11]
, 通过对人类视觉系统的研究亦
表明, 仅凭粗略的边缘轮廓线就能够识别出一个物
。依据Tob ler 地学第一定律 地理学空
[9]
, 且边缘和噪声在空间域上均表现为亮
间自相关定律 , 地理空间实体是相互关联的, 空间相近的地理实体有着更高的相关性
。该定律反
映在遥感图像上, 则表现为相同的地物有着相同或者相似的特征(如灰度值、纹理等) 。可以说, 反映在遥感图像中地物的边缘是遥感图像局部特征不连续性(灰度突变、颜色突变等) 的反映, 标志着一个区域的终结和另一区域的开始。提取反映在遥感图像中不同地物之间的边缘, 即可构建不同地物之间的界线, 从而取得不同地物的分布信息。因此, 可将多光谱遥感图像中各波段的边缘信息作为遥感图像分割的依据, 将边缘检测作为遥感图像分割的基础。本文所提出的基于边缘的多光谱遥感图像分割方法, 可细化为边缘检测 边缘综合 边缘生长 区域标号等环节。具体实现思路为:(1) 边缘检测。直接提取多光谱遥感图像中地物边缘比较困难, 本文先通过边缘检测算法提取遥感图像中各(2) 边缘综
度有比较大的起落; 在频域上则同反映为高频分量, 因此在边缘检测之前, 需对单波段遥感图像先进行平滑处理, 以减少噪声对边缘检测的影响。Canny 算子通过高斯滤波器来抑制噪声, 如果噪声强度过大, 则必须增大高斯空间系数 , 从而影响到边缘的定位精度, 造成边缘位置偏移
[12]
。本文采用自适应平滑法
抑制噪声:先计算遥感图像中当前处理像元3 3窗口内8邻域平均值ave 和方差var ; 若像元灰度和8邻域平均值的差值大于1 5倍方差, 则判定该像元为噪声; 以其8邻域中灰度位于[ave -var , ave +var ]范围内的像元平均值作为该像元的灰度值。
3. 1. 2 梯度计算
常规边缘检测微分算子大小是固定的, 往往并非最优, 需要另行设计可动态调节的边缘检测微分算子。研究表明:微分检测算子W 可将之分解为两个一维序列s(i), d (j ), i , j =-m, , 0, W 。通过K ra w 可
T
构建这两个一维序列, 并设计出不同大小的边缘检测微分算子W
2
T
[13]2
数据中不同的波段对地物的表现能力不尽相同。为充分利用多光谱遥感图像信息, 本文先对多光谱遥感图像中各波段进行边缘提取, 在此基础上进行边缘综合, 可得到反映在多光谱遥感图像中地物的边缘信息。方法如下:3. 2. 1 边缘叠加
要充分利用多光谱遥感图像中的边缘信息, 最简单的方法是将各波段的边缘信息综合到一幅二值图像中。本文采取类似G I S 叠置分析的方法综合提取各波段的边缘信息:设多光谱遥感图像有l 个波段, 各波段的边缘提取结果分别以矩阵E k (x, y ) (1 k l) 表示(矩阵元素值为二值:1表示边缘, 0表示背景), 建立与多光谱遥感图像相同大小的标记矩阵N (x, y ) (N(x,y ) =0); 逐像元累加各波段的边缘提取结果, 如若累加结果 1, 则令该矩阵元素为1, 反之, 则令该矩阵元素为0; 遍历整个图像, 直至每个像元均被处理。3. 2. 2 边缘细化
经上一步骤得到的边缘信息, 边缘的宽度并不是单像元宽度, 不利于多光谱遥感图像的分割和特征提取, 有必要对所得边缘综合结果作进一步的细化。为保证边缘单像元宽度, 在数学形态学的理论基础上
[14]
。像元梯度幅值由式g ^=
1/2
(trace [wA ]+trace [WA]) 计算而来, 由式^ =
-1T
tan (trace[WA]/trace[WA ]) 可计算出梯度方向(以正北方向为起始, 顺时针方向开始计算) 。对单波段遥感图像中每个像元进行梯度计算可得到梯度幅值图像。3. 1. 3 非极值抑制
通过梯度计算得到的结果中, 对梯度幅值较大的像元集合形成较亮的屋脊带, 采用非极值抑制进行细化。图1为梯度幅值图像中的3 3大小窗口, p 为当前处理像元。在非极值抑制过程中, 需要利用梯度计算过程得到的梯度方向信息^ , 分析沿其边缘方向(90-^ ) 的两个邻域Q 1与Q 2的梯度幅值(可通过其两侧邻接像元P 31、P 32或P 12、P 13的梯度幅值线性内插而来) 。定义以下非极值抑制规则进行细化:如p 大于Q 1、Q 2, 则说明p 为窗口内区域极大值, 保留该点; 反之, 则说明p 并非为窗口内区域极大值, 将之标记,
并删除该点。
, 运用矩形结构元素模板(本文采用的结
构元素模板大小为3) 对边缘图像进行击中运算, 不断剥离图像中的边缘点, 得到遥感图像中地物边缘的中心骨架, 达到细化的目的。
图1 非极值抑制示意图F i g . 1 D ra ft o f non m ax i m a suppressi on
3. 3 边缘生长
在以上各单波段遥感图像边缘检测中, 只使用了遥感图像中的局部信息(通常只是边缘检测微分算子窗口内的遥感图像信息), 且应用全局阈值于边缘点判别中, 检测出的边缘可能是断裂、不连续
的, 即使经过边缘综合, 仍不能保证边缘的连续性。因此以上边缘提取过程并不是一个完整意义上的图像分割过程; 需要对边缘信息进行后续处理, 才能完成分割任务。以下提出边缘生长算法, 使不连续边缘按一定准则进行生长, 最大程度地保证边缘的封闭。
该算法基于以下考虑:(1) 边缘生长应充分考虑到检测出边缘图像的性质(如边缘走向、周围最近邻边缘点的分布), 以避免产生 虚假边缘 。(2) 边缘生长还应考虑到断裂边缘的长度。如果对所有的边缘均按相同准则进行生长, 生长尺度过大则有, 现象生
3. 1. 4 滞后阈值处理
对梯度幅值图像分别取两次阈值(T1, T 2, T 1=0 4 T 2) 。将梯度值小于T 1的像元设为0, 可得到弱边缘图像A; 将梯度值小于T 2的像元设为0, 得到强边缘图像B 。由于T 1较低, 图像A 中残留了较多的噪声; 由于T 2较高, 图像B 中保留较少的噪声, 但
同时也是以部分边缘信息丧失为代价的, 因此在A, B 两图中, 所得结果或是零散、不连续的, 或是包含了过多的虚假边缘, 需要综合两幅图像的强弱边缘信息, 本文以图像B 为基础, 以图像A 为补充进行形态学连接
[14]
。
3. 2 边缘综合
,
长尺度过小则有可能保证不了边缘的连续性、封闭性。基于此, 在边缘生长过程中, 生长尺度与边缘长度呈正相关, 断裂边缘的长度越长, 搜索范围越大。边缘生长分为两个步骤:
3. 3. 1 边缘图像中的断裂边缘端点检测
为减少程序计算量, 在边缘生长过程中, 首先查找边缘图像中断裂边缘的端点, 在此基础上, 进行边缘生长。由于细化得到的边缘图像连接类型为完全4邻域邻接, 可统计出断裂边缘端点共有16种类型(图2, 黑色像元为断裂边缘的端点, 白色像元为断裂边缘上的内邻接点) 。构建16个与图2中端点类型一致的结构元素模板( 探针 ), 逐一匹配, 可检测出边缘图像中所有断裂边缘的端点,
并将之标记。
2, , 若有n 2个待连接边缘点生长走向与最紧邻n 点的走向( 1) 之差小于一定的阈值, 即有ABS ( 1- 2)
经边缘生长后, 可保证绝大多数边缘的封闭性, 少数边缘因在搜索范围内没有适合的边缘点不能进行边缘生长, 从而存在极少数不构成区域的边缘类型(图4, 白色像元表示不构成区域的边缘) 。此类边缘数量极少, 可不考虑由此所造成的差异。
图4 不构成区域的边缘F i g . 4 Two types o f unc l osed edges
图2 不同边缘的端点类型F i g . 2 D ifferen t types of nodes on edges
经过边缘生长和细化后的边缘图像, 本文提出区域标号算法将不同区域分别标识。区域标号通过递归进行:(1) 将边缘图像以矩阵形式表示(0为背景, 1为边缘); 遍历矩阵, 找到背景像元(值为0); (2) 初始化标号值(标号值为全局变量); (3) 在4邻域方向上查找与该像元相邻的背景像元(值为0); 用相同标号值标识; (4) 递归调用第(3) 步, 直至该封闭区域均被相同标号值填充; 累加标号值; (5) 遍历整个矩阵, 直至所有像元均被标号。
分析标号图像中的不构成区域的边缘, 发现其边缘上下或左右两侧的标号值是相同的, 据此规则可消除不构成区域的边缘, 从而得到最终多光谱遥感图像的分割结果。
3. 3. 2 边缘生长
分别以上文查找的边缘端点为起点, 通过链表跟踪的方法统计出每条断裂边缘的长度; 并计算距端点最近的n 点走向 , 以X 轴起按逆时针方1(图3向计算); 搜索以断裂边缘端点为端点半径为r (r 取值与断裂边缘长度k 呈正相关) 范围内是否有边缘点(像元值为1, 不包括当前处理的断裂边缘) 存在。如没有边缘点存在, 则不进行任何边缘生长; 如搜索范围内有边缘点存在(边缘点个数n 1 1), 则分别计算待连接边缘点与断裂边缘端点的走向 2,
4 遥感图像分割算例
基于边缘的多光谱遥感图像分割方法, 通过可视化开发平台Delphi 中编程予以实现, 并将之应用于日本熊本市(Kum a m oto ) 的Qu ick b ird 多光谱遥感图像(美国D ig ita lG lobe 公司分发的示例数据:含
图3 边缘生长示意图
F i g . 3
Ill ustra ti on o f edge li nk
4个波段, 遥感图像空间分辨率为2 44m ) 。实验使:5,
度阈值为[0 1, 0 25];边缘生长方向阈值T =90; 边缘生长搜索范围r =1/3 K 。使用多阈值分割、流域分割算法、迭代自组织数据分析、分形网络演化法等算法对相同图像进行分割:多阈值分割法在遥感处理软件Env i 中实现, 设定8个阈值(分别为212, 435, 734, 1125, 1308, 1547, 1792, 2039); 迭代自组织数据分析法在遥感处理软件ERDAS 中实现(分为
10类, 迭代15次, 迭代阈值为0 98); 分形网络演化法在e Cogn iti o n 软件中实现(分割尺度为20, 形状权重0 8, 颜色权重0 2); 流域分割算法通过可视化
开发平台De l p h i 通过OLE 方式调用数学软件M a tlab 编程实现(结构元素模板为圆盘, 大小为15) 。在P Ⅳ2 80GH z 、1GB 内存、W i n do w s XP 环境下, 分割结果见表1和图5。
表1 各遥感图像分割算法运行时间比较
Table 1 T i m e expenses i n d ifferent algorithm s of RS i m age seg m en tation
遥感图像分割算法
多阈值分割流域分割算法迭代自组织数据分析分形网络演化法
基于边缘的遥感图像分割算法
实现方式E nvi 4. 0
Delph iOLE 调用M atl ab6. 0
ERDAS 8. 7e C ogn ition3. 0Delph i 编程实现
运行时间/ms 小于10001906约11000约140009975
备注
仅能处理单波段数据仅能处理单波段数据
多波段数据多波段数据多波段数据
从多光谱遥感图像各波段亮度信息利用的程度上看, 多阈值分割法和流域分割法仅能处理单波段
遥感图像(即灰度图像), 不能充分利用多光谱遥感图像信息; 而迭代自组织数据分析、分形网络演化法、基于边缘的遥感图像分割算法则能充分利用多光谱遥感图像信息。
从计算耗时上看, 对于大小为1000 1000的多光谱遥感图像(本文所用遥感图像的大小), 基于边缘的遥感图像分割算法运行速度为9975m s(边缘检测2943m s , 边缘综合、边缘生长3821m s , 图像标号3211m s), 速度较分形网络演化法、迭代自组织数据分析算法快。
从分割效果上看, 基于边缘的遥感图像分割方法较其他四种分割方法而言, 效果更理想, 遥感图像中的细节特征得到了充分体现:主要表现在图像左下角的地物和上中部的沙洲分割比较清晰; 分割结果与遥感图像中的地物实体有着相当不错的一一对应关系。
息; 通过边缘生长, 充分考虑边缘图像性质(边缘走向、边缘长度、边缘点分布等) 等因素, 连接边缘图
像中断裂的边缘, 保证区域的封闭性; 通过区域标号消除不构成区域的边缘, 生成标号图像对象, 得到多光谱遥感图像分割结果。该遥感图像分割方法在可视化开发平台Delphi 中予以编程实现。与其他多种遥感图像分割算法所得分割结果相比, 本文所提出的基于边缘的多光谱遥感图像分割方法得到的分割结果, 能够更好地体现出遥感图像中的细节特征。
基于边缘的多光谱遥感图像分割方法与其他分割方法相比, 其分割效果有了较大改善, 但在分割过程中仍然存在参数确定的问题:边缘检测微分算子大小多少比较合适? 如何选择边缘生长的参数? 类似的问题同样也存在于其他遥感图像分割方法中:通过多阈值分割法进行遥感图像分割, 方法简单, 处理速度很快, 但效果差, 主要表现在阈值选取比较困难, 阈值过低、过高, 生成的区域往往有着很大的差异; 通过流域分割算法进行遥感图像分割, 结构元素和结构元素大小选择不合适, 往往得不到规则的边界, 并容易产生 过分割 现象; 通过迭代自组织数据分析法进行遥感图像分割, 分割结果较流域分割法有所改善, 但在遥感图像分割之前, 需要提供地物的类别数, 这在实际操作中往往很难给出一个确切的答案; 通过分形网络演化法进行遥感图像分割, 其尺度选择、形状颜色权重确定亦比较困难。
, 5 结 论
本文从M arr 视觉计算理论和Tobler 地学第一定律出发, 提出了基于边缘的多光谱遥感图像分割方法。在该方法中, 在C anny 算子的基础上加以改进, 以检测反映在单波段遥感图像中的边缘信息; 通,
图5 遥感图像分割算法结果比较
(a) 日本熊本市Qu i ck bird 遥感图像(4, 3, 2); (b) 多阈值法遥感图像分割结果(第二波段); (c) 迭代自组织数据分析法遥感图像分割结果; (d ) 流域分割法遥感图像分割结果(第二波段); (e) 分形网络演化法遥感图像分割结果; (f) 基于边缘的多光谱遥感图像分割结果
F ig . 5 Compar i son of R S i m age segm entati on result
(a) Qu ick b ird Re m ote S ens i ng I m agery ofKum a m ot o ; (b) S eg m en t ati on Res u lt by M u lti thres ho l d S lice ; (c) S eg m entation Res u lt by ISODATA;
(d) S eg m entati on Res u lt by W ater Shed ; (e) Seg m en tati on Result by FNEA; (f) S eg m entation Res u lt by Based on Edge In f or m ati on
法中最佳参数。从分割结果上看, 本文所提出的基于边缘的多光谱遥感图像分割方法效果较佳。但如何更多地从图像自身的性质出发, 确定合理的参数, 减少研究人员的主观参与程度, 是接下来的研究重点。
致 谢 南京大学冯学智教授、田庆久教授、张万昌教授、中国科学院南京地理与湖泊研究所江南研究员、南京师范大学地理科学学院黄家柱教授在写作中给予悉心指导, 谨致谢意。参考文献(R eferences)
[1] Zhang Y J . [2] W ang R S .
m age Seg m en tati on [M].B eiji ng :S cience Press I , I m age Understand i ng [M ].
Changs h a :National
标的图像分割方法[J].红外与毫米波学报, 1999, 18(1):73 76. ]
[6] L i u W Q, Chen H. Seg m entation and Descri pti on of Satellite
I m age Based on M arkov Rando m F i eld[J].Journa l of S ou t heast Un i v e rsit y (Natura l S cie nce Ed ition ), 1999, 29(11):11 15. [刘伟强, 陈鸿. 基于马尔可夫随机场的遥感图像分割和描述[J].东南大学学报, 1999, 29(11):11 15. ][7] M arr D ,
217.
[8] Zheng N N. C o m pu ter V isi on and Pattern R ecogn iti on [M ].
Beiji ng :Nati onalDefense I ndu stry Pres s , 1998. [郑南宁. 计算机视觉与模式识别[M].北京:国防工业出版社, 1998. ][9] Tob ler W R. A C o mpu terM ovi e S i m u l ati ng U rban G ro w t h i n the
Detroit Region[J].E cono m ic G e og raphy , 46:234 240.
[10] C anny J F. A Co m putational Approach t o Edge Det ecti on [J ].
IEEE Tran saction s on Pa ttern Ana l ysis and M ach i ne In telli g ence , 1986, 8(6):679 698.
[11] Yang S B , Peng F Y , Zh ang Z C. Res earch on Om n iD irecti on al
E dge Det ecti on A lgorit hm Based on M orpho l ogy i n Re m ote Sens i ng I mage [J ].R e m ot e Sensi ng Informa ti on, 2003,
(1):
2 3. [杨述斌, 彭复员, 张增常. 基于形态学的遥感图像全方位边缘检测算法研究[J].遥感信息, 2003, (1):2 3. ][12] M il an Sonk a , Vaclav H l avac , Roger B oyle . I m age Process i ng ,
Anal ys i s , and M ach i ne V isi on 2nd Ed[M].Brooks Cole , 1998.
[13] M eer P,
Georgescu B.
Edge Det ecti on w i th Em bedded
C on fi den ce [J ].
[14] Cu i Y.
IEEE Tran saction s on Pa ttern Ana l ysis and
Beiji ng :
H ildreth .
Theory of Edge Detection [A ].
In :
Proceed i ng of t h eRoyal Soci et y[C ].S eries B , 1980, 207:187
2000. [章毓晋. 图像分割[M].北京:科学出版社, 2000. ]Un ivers i ty ofDefense Technology Press , 1994. [王润生. 图像理解[M].长沙:国防科技大学出版社, 1994. ]
[3] W ang A M,
Shen L S .
Study Surveys on I m age Seg m en tati on
[J ].M easure and C ontrol Technol ogy, 2000, 19(5):1 6, 16. [王爱民, 沈兰荪. 图像分割研究综述[J ].测控技术, 2000, 19(5):1 6, 16. ]
[4] L i S D ,
Zhang C , W ang Z Z .
SAR I m age Segm entati on by
2003,
L i keli hood C riterion [J ].Jou rnal of R e mote S e n sing,
7(2):118 124. [郦苏丹, 张翠, 王正志. 基于相似性准则的SAR 图像分割方法[J ].遥感学报, 2003, 7(2):118 124. ]
[5] L i u W P , C hen W J . A Seg m entation M et hod for A i rportOb ject
i n R e mote Sens i ng I mages [J ].J.
Infrared M illi m . W aves ,
1999, 18(1):73 76. [刘文萍, 陈维军. 遥感图像中机场目
M ach i ne In telli g e n c e , 2001, 23(12):1351 1368.
I m age Processi ng and M athe m atical [M ].
Science Press , 2000. [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. ]