收稿日期:2003-12-25。
项目来源：测绘遥感信息工程国家重点实验室开放研究基金资助项目(020101)。
第29卷第4期2004年4月武汉大学学报#信息科学版
Geomatics and Information Science of Wuhan U niversity V ol.29No.4Apr.2004
文章编号:1671-8860(2004)04-0338-04文献标识码:A
分水岭变换在遥感影像线状特征提取中的应用
梅天灿1,2 李德仁1 秦前清3
(1 武汉大学遥感信息工程学院，武汉市珞喻路129号,430079)(2 武汉大学电子信息学院，武汉市珞喻路129号,430079)
(3 武汉大学测绘遥感信息工程国家重点实验室，武汉市珞喻路129号,430079)
摘 要：在现有目标识别方法的基础上，提出一种结合目标的特性进行分水岭变换提取目标的方法。试验结果表明，这种方法可以有效地从遥感影像中提取线状特征。关键词：图像分割；分水岭变换；线状特
征提取中图法分类号:T P751
在灰值形态学中，分水岭变换是一种用于图像分割的方法。一般而言，图像分割是将图像划分为互不相连的区域，每个区域具有相同的属性，这种属性可以是灰度、纹理或其他属性。图像分割也可以看作是一个对图像中像素进行标记的过程，所有具有相同属性的像素都被赋予同一标号。这样，每个区域内部的像素具有相同的标号，但不同区域的像素具有不同的标号。
经过多年的研究，人们提出了许多图像分割方法[1]
，如基于直方图的分割方法和基于区域的方法。基于分水岭变换的图像分割方法可以归结为基于区域的分割方法，它具有较强的抑制噪声能力，不需事先设定参数，就可得到封闭的、单像素宽度的区域边界。文献[2]提出了基于多尺度空间的分水岭变换提取遥感影像中的线状目标。Beucher [3]利用分水岭变换对近景图像中的道路进行检测。现有的方法在利用分水岭变换提取线状目标时，没有考虑目标的特性，缺乏针对性，后处理计算量大。
1 基于目标特性的分水岭变换
1.1 基于标记点分水岭变换的图像分割房间里的女人
直接对原图像的梯度进行分水岭变换时，由于梯度对噪声较敏感，会产生过分割现象。产生这种现象
的原因是梯度图像中每个局部极小值都
对应着一个积水盆地，也即对应着一个特定的区域，所有这些区域的集合即图像分割的结果。显然，在所有这些积水盆地中，有一部分是由于噪声引起的，它们会导致感兴趣目标被分割为许多无意义的细小区域。因此，如果事先得到属于感兴趣目标的点，用这些点来抑制与感兴趣目标无关的极小值点，就可以有效地避免过分割现象。如果事先知道感兴趣目标的某些特性，如几何结构、纹理等，就可以针对这些具体特性确定图像中属于目标的点，即标记点。若事先没有任何关于目标的先验知识，可以采取的方法是首先检测所有局部的极小值点，然后判断每个极小值点所在盆地的高度是否大于指定阈值，如果不大于阈值则抑制该点，最后以保留的极小值点作为标记点对梯度图像进行修正，然后进行分水岭变换。图1给出了用这种方法进行分割的结果。图1(a)是原始图像；图1(b)是直接用分水岭变换得到的结果；图1(c)中黑点是原图的局部极小值点，黑十字丝表示积水盆地高度大于指定阈值的局部极小值点。将这些满足一定条件的极值点作为标记点，对原梯度图像进行基于标记点的分水岭变换得到的最终结果如图1(d)所示。从图中可以看出，基于标记点的分水岭变换相对直接进行分水岭变换而言，其分割结果得到了较显著的改善。但这种方法没有结合待分割目标的特性，从而在对特定目标进行分割时缺乏针对性。
图1 基于分水岭变换的图像分割F ig.1 Watershed T ransform
1.2 梯度图像的同态修正
灰值形态重构是在测地膨胀和测地腐蚀基础上引入的。测地膨胀和测地腐蚀涉及到两幅图像，分别记干豇豆
为标记图像g 和掩膜图像Q 。标记图像一般包含有目标的某些特性，掩膜图像是待处理图像。关于形态重构的详细介绍可参考文献[6]，这里仅给出了本文用到的测地腐蚀和基于测地腐蚀的形态重构，它们分别定义为:
E 1Q (
石头画作品
g )=m ax (g ßX ,Q )(1)E n Q (g)=E 1Q E 1Q E 1Q ,E 1Q (g)
(2)
式中,E n
Q (g)是对标记图像g 按照式(1)进行迭代
处理，直至第n 次迭代的结果等于第n -1次迭代的结果，即继续进行测地腐蚀，输出结果不变。
本文对梯度图像用重构腐蚀进行修正，梯度图像为掩膜图像Q ，标记图像g 由标记点按以下方式生成。设M 是提取的关于目标的标记点集:
M =G i
M i ,M i H M j =É, P i X j (3)
M i 是单个联通标记点集。定义标记图像g 为:
g (x )=
a, x I M i ,P i 0, 其他
(4)
式中,a 是梯度图像的最大值。利用重构腐蚀对梯度图像Q 进行修正的过程如下:
令g o =g ;i =0;
do
g i +1=max (g i ßX ,Q ) until (g i +1=g i )
略读
Q c =g i +1
最终Q c 就是对原梯度图像进行同态修正的结果。图2给出了用重构腐蚀对一维信号进行同态修正
女配是重生的
的结果。图中g 是标记信号,Q 是修正前的梯度
信号，同时也是重构腐蚀中的掩膜信号,Q c 是修正后的梯度信号。从图中可以看出,Q c 具有与g 相同的极小值点，除了非期望的极小值点及其所在的区域被修改外，其他点保持不变，即修正后的梯度保留了原梯度信号中关于目标的信息。这种基于标记点对原梯度图像进行修改的处理称为同态修正。值得指出的是，标记点并不一定严格要求与原梯度图像的局部极值点相对应，只要在所提取目标的内部即可。
图2 同态修正
F ig.2 Homotopy M odification
2 基于目标特性的标记点提取
自定义导航
2.1 边缘检测
本文采用Canny 算子检测输入图像边缘，同时计算每个边缘像素的方向，即该点的梯度方向。在检测出来的边缘像素中，存在着许多并不对应道路的边缘点。因为道路的边缘点并不一定是边缘强度最大的点，所以不能用阈值法来检测对应于道路的边缘。2.2 道路段提取
从道路的几何特性可以知道，影像上的道路常常包含两条相互平行的边缘，且这两条边缘的方向相反。基于这一特性，对于每个边缘像素点，以该点为中心开一个窗口，在窗口范围内搜索与该点反向平行的另一边缘点。所开窗口的大小由道路宽度的上界决定。在实际计算中，为减少运算量，对于那些与之相连且方向相同的边缘像素的个数少于20的边缘点不作处理，因为这部分边缘点很可能对应于非道路边缘点或者噪声。经过这一步骤的处理，将所有方向相互平行的边缘点对提取出来，但是所有满足这些条件的边缘点并不一定是道路边缘点。2.3 道路段验证及标记点提取达芬奇全名
在前面分析道路的特性时，除了在前一步骤用到的道路特性，即具有相互平行的边缘外，还包括道路的宽度基本不变，道路的曲率变化不大及道路由灰度分布相同的区域组成等特性。利用这些特性对提取道路段进行验证，删除不满足这些
339
第4期梅天灿等：分水岭变换在遥感影像线状特征提取中的应用
特性的道路段。
对提取的每个道路段，分别计算它的宽度变化量$w 和方向变化量$<，删除那些宽度或方向变化超过某一给定阈值的道路段上的边缘点对。对于保留下来的边缘点对，它们的中点就是用于分水岭变换的候选标记点。将这些标记点保存在一个数组中。经过上述验证后，有些标记点并不对应于道路。因此，为提高识别准确率，笔者利用图像中道路区域的灰度变化缓慢的特点对所有保留下来的标记点进一步验证。以每个标记点为中心，沿着道路的方向开一个窗口，窗口的长度等于道路的宽度。计算窗口内像素灰度值的方差，当方差大于指定阈值时，认为该点不是道路段上的点，予以删除。经过所有上述处理，最后保留下来的点即用于分水岭变化的标记点。图3给出了对
一幅影像提取标记点的结果。
图3 标记点提取
F ig.3 Extraction of M arker Point
3 试验结果与分析
为验证本文提出的方法的有效性和正确性，笔者采用美国波士顿地区2m 分辨率的卫星影像进行了试验。试验结果见图4。图4(a)的背景相对比较简单，图4(b)的背景则相对比较复杂。在试验中，首先利用目标的特性提取标记点，然后用标记点对图像的形态梯度进行同态修正，对修正
结果进行分水岭变换来识别目标。图4(a)标记点的提取结果见图3。从图中可以看出，有些标记点并不在道路中间，这是由于该点所在的道路边缘强度较弱，目标与背景反差较小所导致的结果。这些点对最终的提取结果影响不大，图4(a)也说明了这一点。但是对于非主干道，由于宽度
较窄，与背景混在一起，则难以提取。图4(a)右
上角的道路虽然能提取若干标记点，但是与这些点对应的积水盆地区域太小且互不相连，因此，在最终结果中将这些细碎且互不相连的区域去掉。图4(b)中道路的宽度稍大一些，道路中存在分道线，同样也可以得到正确结果。对于由房屋、非主干道产生的细小分散区域则视为非目标区域。
图4 目标提取结果F ig.4 Result o f Ex traction
从试验结果可以看出，本文提出的方法能够正确地提取出影像中主要的线状目标。值得指出的是，在提取标记点时，需要设置一些阈值，如道路的宽度、道路段的最小长度等。如何自动获取这些阈值以及同时检测不同类型的线状目标，还有待于进一步的研究。
参 考 文 献
我等你歌词1 郑南宁.计算机视觉与模式识别.北京：国防工业出版社,1998.80~102
2 Lee H Y,Park W,Lee H K,et al.Towards Knowledge -bad Extracti on of Roads from 1m -Resolution Satellite Images.
T he IEEE Southwest Symposium on Image
Analysi s and Interpretation,Austin,Tex as,20003 Beucher S,Bilodeau M ,Y u X.Road Segmentat ion by
Watershed Algorithms.P rometheus/ProArt Wo rkshop on Vision,Sophia A ntipolis,France,1990
4 V incent L ,Soille P.Watersheds in Dig ital Spaces:An Efficient Alg orithm Bad on Immersion Simulation.IEEE T rans.
on P attern
Analysis and M achine
Intellig ence,1991,13(6):583~598
5 M eyer F.T opo graphic Distance and Watershed L ines.Signal Processing,1994,38(1):113~125
6 M ukhopadhyay S,Chanda B.M ultiscale M orpholog ical Seg mentat ion of G ray -Scale I mag es.IEEE T Pattern Analysis and M achine I ntelligence,2003,12(5):533~549
第一作者简介：梅天灿，博士生，讲师。现从事图像处理、目标识别研究。
E -mai l:
340武汉大学学报#信息科学版2004年
Extraction of Linear Feature from Remote Sensing Image
Bad on Watershed Transform
MEI T iancan
1,2
LI Deren 1 QIN Qianqing
3
(1 School of Remote Sensing and Information Engineering,W uhan University,129Luoyu Road,W uhan 430079,China)
(2 S chool of Electronic Informati on,Wuhan University,129Luoyu Road,Wuhan 430079,China)(3 State Key Laboratory of Information Engineering i n Surveying,M apping and Remote Sensi ng,
Wuhan Universi ty,129Luoyu Road,Wuhan 430079,China)
Abstract:This paper is focud on how to extract linear feature from remote nsing image by w atershed transform w ith the help of the inform ation about the linear object.The method extracting the information and incorporating it into the w atershed transform is detailed.The method consists of the follow ing steps.¹The marker point of the linear object is detected from the input imag e;ºThe points are utilized to modify the gradient of the input image,w hich aims to suppress the regional minimum that does not correspond to the linear object;»The modified gradient imag e is gmented by the w atershed transform.The g mented reg ions that correspond to the linear object w ere merged to reprent the object.
Key words:image g mentation;w atershed transform;linear feature extraction
About the first author:MEI Tiancan ,Ph .D can didate,lectu rer.His rearch interests are image processin g and object recogn itio n.E -m ail:mtcwlb @
(责任编辑: 晓晨)
欢迎订阅5武汉大学学报#信息科学版6
5武汉大学学报#信息科学版6即原5武汉测绘科技大学学报6，是以测绘学为主的专业学术期刊。其办刊宗旨是：立足测绘科学前沿，面向国际测量界，通过发表具有创新性和重大研究价值的测绘理论成果，展示中国测绘研究的最高水平，引导测绘学术研究的方向。本刊为中国核心期刊，国家优秀科技期刊，并入选中国期刊方阵。
本刊主要栏目有院士论坛、学术论文、科技信息等，内容涉及摄影测量与遥感、大地测量与物理大地测量、工程测量、地图学、图形图像学、地球动力学、地理信息系统、全球定位系统等。收录本刊论文的著名国际检索系统包括EI 、SC I 、P 、CSA 等，其影响因子名列中国高校学报前列。
本刊国内外公开发行，读者对象为测绘及相关专业的高级研究人员。本刊为月刊,A 4开本,96面，每月5日出版，每册定价8.0元，邮购价加25%。本刊邮发代号:38-317，欢迎广大读者到邮局订阅。漏订者可与本刊编辑部联系补订。
341
第4期梅天灿等：分水岭变换在遥感影像线状特征提取中的应用
