遥感图像的分割与描述

1、遥感图像的分割与描述遥感图像的分割与描述*遥感图像的分割与描述遥感图像的分割与描述图图像像分分割割l概念：把图像按一定的规则划分出概念：把图像按一定的规则划分出感兴趣的部分或区域叫做分割。分感兴趣的部分或区域叫做分割。分割也是一种标记过程，即对分割所割也是一种标记过程，即对分割所得属于同一区域的像元点给予相同得属于同一区域的像元点给予相同的标记值，例如可将感兴趣的不同的标记值，例如可将感兴趣的不同区域分别标为数字区域分别标为数字1、2、3、，其余作为背景标为其余作为背景标为0。00111122222222222200333333000000000000000000000000000000000

2、00000图图像像分分割割l目的：把图像分成一些带有某种专业信目的：把图像分成一些带有某种专业信息意义的区域。息意义的区域。l分割原则：分割原则：l依据各个像元点的灰度不连续性进行分割，依据各个像元点的灰度不连续性进行分割，称为称为点相关点相关的分割技术。的分割技术。l依据同一区域具有相似的灰度特征和纹理特依据同一区域具有相似的灰度特征和纹理特征，寻找不同区域的边界，称为征，寻找不同区域的边界，称为区域相关区域相关的的分割技术。分割技术。图图像像分分割割l分割技术分割技术l点相关的分割技术点相关的分割技术l灰度取阈法l边缘检测法l边缘跟踪l区域相关分割技术区域相关分割技术l模板匹配l区域生长图

3、图像像分分割割l点相关的分割技术点相关的分割技术l灰度取阈法灰度取阈法l它是把灰度级分成许多区间，选用阈值来确定图像的区域或边界点的方法，是一种最常用、最简单的图像分割方法 。直方图及阈值图图像像分分割割l设一幅给定图像设一幅给定图像f(x,y)中的灰度级，由图可知，在中的灰度级，由图可知，在图像图像f(x,y)中大部分像元是偏暗的，另外一些像元中大部分像元是偏暗的，另外一些像元分布在较高的灰度级中。分布在较高的灰度级中。l可以认为这是由一些具有较高灰度值的物体叠加可以认为这是由一些具有较高灰度值的物体叠加在一个偏暗背景上所组成的图像。可以设一个阈在一个偏暗背景上所组成的图像。可以设一个阈值值

4、T，把直方图分成两个部分，这样相应的在图，把直方图分成两个部分，这样相应的在图像上也就勾画出了景物和背景之间的边界。像上也就勾画出了景物和背景之间的边界。l阈值阈值T将直方图分为将直方图分为A和和B两部分，其选择原则是：两部分，其选择原则是：l使A部分尽量包含与背景相关联的灰度级，l而B部分则包含景物的所有灰度级。图图像像分分割割l为了找出水平方向和垂直方向上的边界。需为了找出水平方向和垂直方向上的边界。需要两次扫描图像要两次扫描图像f(x,y) 。也就是说，在阈值。也就是说，在阈值T确定之后，可按下例步骤执行：确定之后，可按下例步骤执行：l第一步，对图像f(x,y)中的每一行进行检测，产生的

5、中间图像f1(x,y)的灰度级遵循如下原则：()1 , EBLfx yL= ( )() , ,1 f x yf x y若 和 处在 不 同 的 灰度区间内- 其他图图像像分分割割()2 , EBLfx yL= l第二步，对图像f(x,y)中的每一列进行检测，产生的中间图像f2(x,y)的灰度级遵循如下原则：()(),1,f x yf xy若和处在不同的灰度区间内- 其 他图图像像分分割割l为了得到被阈值为了得到被阈值T所定义的景物和背景的所定义的景物和背景的边缘图像边缘图像g(x,y)，可用下述关系：，可用下述关系：() , EBLg x yL= ()()12,Efx yfx yL若或中的任意

6、一个等于 其 他图图像像分分割割l这种灰度取阈法可以有以下各种具体形式。例如，这种灰度取阈法可以有以下各种具体形式。例如，适当地选择一个阈值后，再将每一像元灰度级和适当地选择一个阈值后，再将每一像元灰度级和它进行比较，大于和等于阈值就重新分配以最大它进行比较，大于和等于阈值就重新分配以最大灰度灰度(例如例如1)，小于阈值就分配以最小灰度，小于阈值就分配以最小灰度(例如例如0)、这样处理后就可以得到一个二值图像，并把景物这样处理后就可以得到一个二值图像，并把景物从背景中显示出来。即从背景中显示出来。即()()()()()()1 , 0 ,0 , 1 ,f x yTg x yf x yTf x y

7、Tg x yf x yT当 当或 当当=图图像像分分割割 若在图像若在图像f(x,y)的灰度动态范围内选取的灰度动态范围内选取一个灰度区间一个灰度区间T1,T2为阈值，则又可为阈值，则又可以得到下面两种二值图像，即以得到下面两种二值图像，即()()()()()12121 ,0 1 ,0 Tf x yTg x yf x yTf x yTg x y= = 当 其他当或其他图图像像分分割割l另外，还有一种所谓半阈值方法，这另外，还有一种所谓半阈值方法，这种方法在保留边界的前提下，还保留种方法在保留边界的前提下，还保留景物的原来图像，分割时仅把背景表景物的原来图像，分割时仅把背景表示成最白或最黑。实现

8、方法如下：示成最白或最黑。实现方法如下：()()()()()(), ,0256 , ,0256 f x yf x yTg x yf x yf x yTg x y当 或其他或 当 或其他= = 图图像像分分割割l灰度阈值的选取是否合适将严重影响图像灰度阈值的选取是否合适将严重影响图像的分割质量。当阈值选得太高的分割质量。当阈值选得太高(低低)时，会时，会把许多背景把许多背景(景物景物)像元点误分为景物像元点误分为景物(背景背景)像元点。像元点。l对于两类对象的图像，若其灰度分布的百对于两类对象的图像，若其灰度分布的百分比已知，则可用试探的方法选取阈值，分比已知，则可用试探的方法选取阈值，需掌握的

9、原则是：只要使阈值化后图像的需掌握的原则是：只要使阈值化后图像的灰度分布百分比能达到已知的百分比数就灰度分布百分比能达到已知的百分比数就可以了。可以了。图图像像分分割割l最佳阈值的设置最佳阈值的设置l直方图分析法直方图分析法l曲线拟合法曲线拟合法l边缘增强法边缘增强法图图像像分分割割l直方图分析法直方图分析法l基本思想：边界上的点的灰度值出现次数较少首先作出图像的直方图P(g)，在直方图中找出两个局部极大值以及它们之间的极小值。设极大点分别为gl和gh，而在它们之间的直方图的极小值点为gT。图图像像分分割割l直方图分析法直方图分析法可以用参数KT进一步测定直方图双极性的强弱，从而判断所选阈值g

10、T的有效性：( )( ) ( )min,TTlhP gKP gP g=轾臌当KT值很小时，说明直方图谷底高和谷底较低的峰高在数值上相差悬殊，这表明直方图有较强的双极性，因此，gT是一个有效的阈值。图图像像分分割割l曲线拟合法曲线拟合法在用直方图分析法确定极大、极小值时，往往会遇到困难，原因是直方图往往很粗糙和参差不齐。此时，可以用一个二次曲线来拟合直方图的谷底部分，设该曲线方程为2 yaxbxc=+式中a,b,c为拟合系数。于是直方图的谷底极小值点可取为于是直方图的谷底极小值点可取为2bxa= -其所对应的灰度值即可作为阈值。其所对应的灰度值即可作为阈值。图图像像分分割割l缺点：会受到噪音的干

11、扰，极小值不是预期的缺点：会受到噪音的干扰，极小值不是预期的阈值，而偏离期望的值；阈值，而偏离期望的值；l改进：取两个峰值之间某个固定位置，如中间改进：取两个峰值之间某个固定位置，如中间位置上。由于峰值代表的是区域内外的典型值，位置上。由于峰值代表的是区域内外的典型值，一般情况下，比选谷底更可靠，可排除噪音的一般情况下，比选谷底更可靠，可排除噪音的干扰干扰图图像像分分割割l边缘增强法边缘增强法l基本思想：如果直方图的各个波峰很高、很窄、对如果直方图的各个波峰很高、很窄、对称，且被很深的波谷分开时，有利于选称，且被很深的波谷分开时，有利于选择阈值。择阈值。为了改善直方图的波峰形状，我们只把为了改

12、善直方图的波峰形状，我们只把区域边缘的像素绘入直方图，而不考虑区域边缘的像素绘入直方图，而不考虑区域中间的像素。区域中间的像素。用微分算子，处理图像，使图像只剩下用微分算子，处理图像，使图像只剩下边界中心两边的值。边界中心两边的值。图图像像分分割割l边缘增强法边缘增强法 选取景物边界两侧点的灰度直方图的谷底作为阈值，具体实现方法如下：第一步，对每个像元点进行边缘增强，第一步，对每个像元点进行边缘增强，即即()()()()()()()()()1, ,1 ,14 ,1, ,1,g i jf i jf i jf i jf i jf i jf ijf i jf ij=-+-+-+-+图图像像分分割割l

13、边缘增强法边缘增强法第二步，将所得到的梯度图转化为二第二步，将所得到的梯度图转化为二值图，即取一阈值值图，即取一阈值H，令，令()()1 , 0 g i jHh i j当 其他= 第三步，用二值图像第三步，用二值图像h(i,j)乘以原图，从而组乘以原图，从而组成新图成新图h(i,j)f(i,j)，新图便是仅包含景物边界，新图便是仅包含景物边界两侧点的图像，则新图直方图双峰中间的谷两侧点的图像，则新图直方图双峰中间的谷底所对应的灰度，即为所求之阈值。底所对应的灰度，即为所求之阈值。图图像像分分割割l边缘增强法边缘增强法l这种方法有以下优点：1)在景物和背景所占区域面积差别很大时，不会造一个灰度级

14、的波峰过高，而另一个过低2)边缘上的点在区域内还是区域外的概率是相等的，因此可以增加波峰的对称性3)基于梯度和拉普拉斯算子选择的像素，可以增加波峰的高度图图像像分分割割l边缘检测法边缘检测法l梯度边缘检测梯度边缘检测l连续图像f(x,y)的梯度幅度和方向分别为：()22, /fff x yxyffarctgxyq骣骣 抖=+ 桫 抖桫轾骣骣 抖犏=犏桫 抖桫臌 因此，图像函数f(x,y)沿梯度向量方向具有最大变化率，且变化率的大小为梯度幅度f(x,y) 。图图像像分分割割l梯度边缘检测梯度边缘检测( )( )()( )()( )( )( )( )( )( )()22123, , , max,x

15、yxyxyf i jf i jf i jf i jf i jf i jf i jf i jf i j=+ =+ 蜒其中，绝对相加法和取水平或垂直最大差分值法的计算简单一些。梯度的大小代表边缘的强度，梯度方向与边缘走向垂直。一阶偏导采用一阶差分表示：()()()()()(),1,1xyf i jf i jf ijf i jf i jf i j=-=-梯度边缘检测法可以采用下列三种公式，它们对检测水平方向或垂直方向上的边缘是一样的，分别是图图像像分分割割l梯度边缘检测梯度边缘检测l为检测边缘点，选取适当的阈值T，对梯度图像进行二值化，则有1-1-11梯度算子模版()()1 , 0 Grad x y

16、Tg x y当其他= 这样形成一幅边缘二值图像g(x,y)。特点：仅计算相邻像素的灰度差，对噪声比较敏感，无法抑止噪声的影响。图图像像分分割割l拉普拉斯边缘检测拉普拉斯边缘检测l边缘点两旁像素的二阶导数异号。据此，对数字图像的每个像素计算关于行和列的二阶偏导数之和2f(i,j) ()()()()()()2, 1,1,1 ,14,f i jf ijf ijf i jf i jf i j=+-+-它是一个与方向无关的各向同性边缘检测算子。若只关心边缘点的位置而不顾其周围的实际灰度差时，一般选择该算子进行检测。采用拉普拉斯算子对图(a)进行边缘检测的结果如图(b)所示。图图像像分分割割l拉普拉斯边缘

17、检测拉普拉斯边缘检测l其特点是：各向同性、线性和位移不变的；对细线和孤立点检测效果好。但边缘方向信息丢失，常产生双像素的边缘，对噪声有双倍加强作用。l由于梯度算子和拉普拉斯算子都对噪声敏感，因此一般在用它们检测边缘前要先对图像进行平滑。a 原图b 边缘二值图0101-41010拉普拉斯算子图图像像分分割割l边缘跟踪边缘跟踪l跟踪法并不对图像的每一像元点都独立地跟踪法并不对图像的每一像元点都独立地进行计算。在决定每一像元点是否为目标进行计算。在决定每一像元点是否为目标像元点像元点(包括边缘像元点包括边缘像元点)时，依赖于以前时，依赖于以前处理过的像元点的信息。它的计算通常分处理过的像元点的信息。

18、它的计算通常分为两部分为两部分先对图像像元点进行检测运先对图像像元点进行检测运算，然后再作跟踪运算。算，然后再作跟踪运算。l设图像是仅由黑色景物和白色背景组成的设图像是仅由黑色景物和白色背景组成的二值图像如图所示。现在要设法找出黑色二值图像如图所示。现在要设法找出黑色景物的边缘轮廓。景物的边缘轮廓。图图像像分分割割l轮廓跟踪方法如下，靠近边缘任取一个起始点，轮廓跟踪方法如下，靠近边缘任取一个起始点，然后按如下规律进行跟踪：然后按如下规律进行跟踪：(1)每次只前进一个像元；(2)当由白区跨进黑区时，以后各步向左转，直到穿出黑区为止；(3)当由黑区跨进白区时，以后各步向右转，直到穿出白区为止(4)

19、重复(1)(3)各步，直到环行景物一周后，回到起始点则跟踪过的轨迹就是景物的轮廓。起点黑白起点a起始点在左上方b起始点在右上方图图像像分分割割l使用本方法时，有如下两点需要注意：使用本方法时，有如下两点需要注意：(1)景物的某些小凸部可能被迂回过去，如图a所示。为避免出现这种情况，应多选些起始点并取不同方向重复进行实验，然后选取相同的轨迹作为景标的轮廓。(2)要防止“爬虫”掉入陷阱，即围绕某一区域重复跟踪爬行，回不到起点。为避免这种情况发生，可以使“爬虫”具有某种记忆能力，当发现其在重复走过的路径时，中断跟踪并重新选择起始点和跟踪方向。图图像像分分割割l区域相关分割技术区域相关分割技术l模板匹

20、配模板匹配 l 一个模板可看作由各种权值所构成的。当模板中nn个权值具有不同数值时，模板就具有不同的几何性质。如果把权模板中的各行按首尾相连的规则接连起来，则可得权向量为112 ,TnnnnnWww www+轾=鬃 鬃鬃鬃臌被权模板所覆盖的图像空间，若按同样规则连贯起来则有图像灰度向量为112,TnnnnnXxxxxx+轾=鬃 鬃鬃鬃臌权模板对图像的卷积结果即为这两个向量的内积，它是1 1TnnnnnnCW Xw xw xw x=+ 鬃 + 鬃 图图像像分分割割l模板匹配模板匹配l当X为同一个区域，选择具有不同几何特征的模板结构W1, Wk ，则可得到不同的卷积结果C1,Ck ，对于这些卷积结

21、果来说，只要是 CiCj (j=1,2,k,且ij)l就可以认为X具有与Wi相类似的结构特征，这样可以通过模板匹配来判定X中是否有边缘存在。这种匹配原则也可以用一个阈值T来表达，即对边缘的判断决定于 CT图图像像分分割割l区域生长区域生长l条件条件已知待分割的区域数目以及在每个区域中已知某一个像元点(种子点)的位置l原理原理是从一个已知像元点开始，逐渐地加上与已知像元点相似的邻近像元点，从而形成一个区域。这个相似性准则可以是灰度级、彩色、结构、梯度或其它特性。相似性的测度可以由所确定的阈值来确定。l具体方法具体方法是从某一满足检测准则(种子点)的像元点开始，在各个方向上生长区域，当其邻近像元点

22、满足检测准则就并入小块区域中，当新的像元点被合并后再用新的区域重复这一过程，直到没有可接受的邻近点时，生长过程终止。图图像像分分割割l区域生长实例区域生长实例l这个例子的相似性准则是邻近像元点的灰度级与景物的平均灰度级的差小于等于1。图像中起始像元点和被接受的像元点均用括号标出、其中(a)是输入图像，像元点(9)作为起始像元点；(b)是第一步接受的邻近像元点；(c)是第二步接受的邻近像元点，即对第一次检测出的区域求平均值，再次进行生长；(d)是从(6)开始生成的结果。558648(9)72283333355(8)64(8)(9)722(8)3333355(8)64(8)(9)(7)22(8)3

23、3333558(6)489(7)22833333abcd区域生长示例区区域域描描述述l简单几何性质的描述与变换简单几何性质的描述与变换l图像的邻接性和连通性图像的邻接性和连通性l为了判断目标边缘或内部各点是否连接在一起，首先要对像元的邻接性和连通性进行定义。通常有以下几种定义方法： (1)四邻接：是把一个像元的上下左右四个相邻的像元点作为相连接的邻域点; (2)八邻接：是把一个像元周围的八个像元点作为相连接的邻域点;(i,j)(i,j)4-邻接8-邻接区区域域描描述述l图像的邻接性和连通性图像的邻接性和连通性 (3)六邻接：是在四邻接的四个像元点的基础上，再加上两个相邻的像元点构成的，六邻接一

24、般用于六角形网格采样。设f(i,j)为一幅数字图像，对于点(i,j)的六邻接的另外两点的具体加法如下， 当i为奇数(行)时，加f(i-1,j-1)，f(i+1,j+1)两点； 当i为偶数(行)时，加f(i-1,j+1)，f(i+1,j-1)两点。(i,j)(i,j)4-邻接8-邻接区区域域描描述述l距离量度距离量度l在对像元相互关系进行描述时，常常用到它们之间的距离。假设图像中两个像元点的位置分别为(x1,y1)和(x2,y2)，则它们之间的距离有以下几种定义方法：()()()22121212121212 max,dxxyydxxyydxxyy欧几里德距离绝对距离最大距离=-+-=-+-=-区

25、区域域描描述述l曲线的描述曲线的描述l数字图像多是一个矩形的阵列，由每一个像元连到其邻近像元最多有八个不同的路径、当给每一路径以一个代号，于是就出现了链码，用它可以对曲线或目标轮廓进行描述。l链码表示的具体作法如下：开始时选择曲线的一个端点为起始点(描述轮廓时可以从任意点开始)，然后对曲线上各坐标点顺次找出其所对应的路径代号，并按顺序标注出来，最后就可以得出以数字形式表示的曲线。(i,j)34567012区区域域描描述述l链码编码示例链码编码示例123450760 5 0 0 0 0 0 00 0 5 0 0 0 0 00 0 0 0 0 0 0 00 5 0 0 0 0 0 00 0 5 5

26、 0 0 0 00 0 0 5 0 0 0 00 0 5 0 0 0 0 00 0 0 0 0 0 0 0链码编码链码编码： 2，2 ，6 ，7，6，0，6，5区区域域描描述述l扩展、收缩扩展、收缩l为了使目标景物的形态特征突出，或者为了压缩处理数据，常常用到扩展和收缩等变换技术。l设S为图像中目标景物像元点的集合，且S为S的补集(即图像中所有非目标景物点的集合)。若把和S相邻的S中的像元点都归入S，则S扩展了一次，记为S(1) ，经k次扩展后，目标区域便记为S(k) 。反之，若把和S相邻的S中的邻点都归入S，则称把S收缩了一次，记为S(-1) ；经k次收缩后，目标区域记为S(-k)。区区域域描描述述l扩展、收缩扩展、收缩l图中表示了一个孤点经一次和两次扩展以及由扩展后的图像再经一次两次收缩而形成孤点的情况。然而，并不是在所有的情况下扩展和收缩都是可逆的。区区域域描描述述l目标大小的描述目标大小的描述l面积和积分光学密度面积和积分光学密度l积分光学密度是目标所包围的像元灰度之和，它反映了目标的质量或重量，实际上是关于目标明暗程度的一种度量。l长度与宽度的描述长度与宽度的描述l图像中的长度与宽度可用它的水平方向和垂直方向的像元数来度量。l周长周长(或边界长或边界长)l取边缘点