摘 要: 研究了森林植被分割經(jīng)典算法,為有效處理森林植被紋理尺度問題,提出了一種基于藍(lán)噪聲理論描述遙感圖像森林植被紋理特征的森林植被分割方法。這是一種新的植被紋理刻畫方法和紋理尺度計(jì)算方法,利用得到的紋理尺度設(shè)計(jì)特定的結(jié)構(gòu)元進(jìn)行數(shù)學(xué)形態(tài)學(xué)運(yùn)算,提取森林植被信息,得到分割結(jié)果。實(shí)驗(yàn)結(jié)果驗(yàn)證了新方法的準(zhǔn)確性和適應(yīng)性。
關(guān)鍵詞: 遙感圖像;藍(lán)噪聲;數(shù)學(xué)形態(tài)學(xué);結(jié)構(gòu)元;圖像分割
森林植被是生態(tài)系統(tǒng)的重要組成部分,在生態(tài)系統(tǒng)中發(fā)揮著非常重要的作用。目前,研究森林植被圖像特征的主要方法是采用基于統(tǒng)計(jì)分析、頻域分析、紋理結(jié)構(gòu)模式等方法分割遙感圖像中的森林植被區(qū)域[1-2]。徐劍波等人[3]提出使用地質(zhì)統(tǒng)計(jì)學(xué)方法,使用植被群落空間結(jié)構(gòu)特征的變程和基臺(tái)值來表達(dá)植被信息,分析植被群落的空間分布規(guī)律,該方法雖然減少了人工調(diào)查的投入,但仍存在時(shí)間復(fù)雜度較高的問題。Li Chengfan等人[4]和HEBLINSKI J等人[5]提出根據(jù)光譜特征分析森林植被的方法,雖然取得了較好的效果,但仍存在分割區(qū)域不精細(xì)的問題。
紋理尺度問題是遙感圖像分割中的一個(gè)重要問題,不同地物具有不同的最優(yōu)空間尺度[6],要求針對(duì)研究目標(biāo)選擇適宜的尺度進(jìn)行分割,進(jìn)而得到貼合地物目標(biāo)的對(duì)象。相對(duì)于人工檢測(cè)森林植被邊緣方法,基于形態(tài)學(xué)區(qū)域標(biāo)記的遙感圖像森林植被檢測(cè)算法具有一定的優(yōu)越性[7]。對(duì)于森林植被來說,最優(yōu)分割尺度決定了森林植被信息提取的精度。Lian Lian等人[8]提出根據(jù)亮度平均值和標(biāo)準(zhǔn)偏差來驗(yàn)證最優(yōu)分割尺度的方法,但在高分辨率情況下有可能會(huì)產(chǎn)生地物破碎的問題。雖然組合各類紋理特征提取方法的紋理模型被不斷提出,但大多數(shù)模型由于方法組合的復(fù)雜度高、時(shí)間代價(jià)過大,而不得不在紋理表達(dá)確切度上降低要求。缺少簡潔且確切的結(jié)構(gòu)元尺度來表達(dá)模型實(shí)現(xiàn)森林植被分割,是該領(lǐng)域目前所面臨的主要問題[9-10]。研究發(fā)現(xiàn),高分辨率遙感圖像森林植被信息經(jīng)快速傅里葉變換得出的頻譜密度符合藍(lán)噪聲特征,本文就此方向進(jìn)行了一定的研究。
算法原理為:篩選出遙感圖像典型區(qū)域,通過快速傅里葉變換確定典型區(qū)域信號(hào)的藍(lán)噪聲特征,并計(jì)算森林植被紋理單元的尺度,利用紋理單元尺度作為形態(tài)學(xué)紋理濾波結(jié)構(gòu)元的尺度,對(duì)遙感圖像進(jìn)行形態(tài)學(xué)濾波處理和擊中擊不中變換,根據(jù)自設(shè)定的結(jié)構(gòu)元對(duì)森林植被進(jìn)行基于紋理特征的提取。
1 植被紋理信號(hào)在特定尺度時(shí)的藍(lán)噪聲特征
在高分辨率的遙感圖像中識(shí)別森林植被紋理,首先應(yīng)找到恰當(dāng)?shù)目臻g尺度,這種特定的尺度與植被的方向、周期和單元尺度等屬性相關(guān)。通過森林植被圖像信號(hào)分析得到紋理信號(hào)的特定尺度,為結(jié)構(gòu)元的尺度提供依據(jù)。
1.1 森林植被圖像的信號(hào)特征分析
高分辨率遙感圖像森林植被在宏觀上由單個(gè)的樹冠或植株連接構(gòu)成,呈非周期隨機(jī)狀態(tài),在陽光照射下有較弱的方向性,森林植被紋理這種宏觀上的特點(diǎn)恰好具有藍(lán)噪聲的部分特性[11]。藍(lán)噪聲是指任何具有最小低頻分量并且頻譜中沒有明顯峰值出現(xiàn)的非周期性隨機(jī)信號(hào),在有限頻率范圍內(nèi),其功率譜密度隨頻率的增加而增加。遙感圖像森林植被紋理單元在縮放到較小尺度時(shí),其藍(lán)噪聲特征就表現(xiàn)得尤其突出。因此,可以形成紋理尺度的快速探測(cè)手段。這些宏觀特征具備藍(lán)噪聲特性,是森林植被紋理尺度探測(cè)處理的基礎(chǔ)。
遙感圖像植被紋理的空間形態(tài)受植物種類和拍攝條件等因素的影響,在紋理單元尺度、幾何形狀以及分布規(guī)律等方面存在較大的差異,通過有效的尺度變換來提取紋理宏觀的藍(lán)噪聲特征是首要問題。另外,這種尺度探測(cè)結(jié)果也為下一步實(shí)施形態(tài)濾波運(yùn)算提供了結(jié)構(gòu)元的尺度依據(jù)。
本文分別選用了高分辨率森林植被遙感圖像來進(jìn)行探測(cè)藍(lán)噪聲特征試驗(yàn),同時(shí)對(duì)不同尺度下的頻譜響應(yīng)圖進(jìn)行了比較。遙感森林植被圖像在512×512、64×64兩個(gè)尺度下的圖像及頻譜響應(yīng)圖如圖1所示。
當(dāng)尺度縮小到64×64時(shí),樹冠紋理單元的尺寸接近2個(gè)像素,即高光部分和陰影部分各對(duì)應(yīng)1個(gè)像素,頻譜中低頻成分明顯減少,高頻成分劇增,表現(xiàn)出典型的藍(lán)噪聲特征。
1.2 計(jì)算紋理尺度
首先對(duì)數(shù)據(jù)進(jìn)行預(yù)處理,包括對(duì)快速傅里葉變換后的區(qū)域頻譜進(jìn)行移頻和平滑;計(jì)算遙感圖像區(qū)域內(nèi)是否存在符合藍(lán)噪聲特征的區(qū)域,若存在,則根據(jù)當(dāng)前區(qū)域尺寸與原區(qū)域尺寸計(jì)算樹冠直徑。由于紋理單元的每一個(gè)像素點(diǎn)都與原區(qū)域森林植被紋理信息相對(duì)應(yīng),因此原區(qū)域尺寸與當(dāng)前區(qū)域尺寸之比乘以2就是紋理的尺度。由于實(shí)驗(yàn)的對(duì)象是區(qū)域圖像,故所得到的尺度為原區(qū)域中森林植被紋理的平均尺度。
為判斷方向性,首先計(jì)算以原點(diǎn)為中心等角度間隔的N個(gè)方向的一維能量譜Ei1,Ei2,…,Eik,再沿各方向求能量之和pi:
最后計(jì)算各方向能量方差:
其中,p?滋為pi的均值。若?滓為零,則無方向性。
一維情況下,能量譜密度分布偏右是藍(lán)噪聲的主要特征之一,用S表達(dá)這種偏度,S>0時(shí)為右偏。藍(lán)噪聲的另一個(gè)主要特征是能量譜密度與頻率成正比,理想情況下函數(shù)k(x)的值應(yīng)該是大于零的常數(shù),k(x)定義為:
其中,x=1,2,…,K。對(duì)k(x)計(jì)算方差,以方差接近零的程度評(píng)價(jià)能量譜密度與頻率成正比的符合程度。
方向能量方差?滓接近零,能量譜密度分布偏度S大于零,且能量譜密度與頻率之比k(x)的方差接近零的區(qū)域,則可判定為具有藍(lán)噪聲特征。
2 形態(tài)學(xué)分割
本文對(duì)于森林植被這一類空間結(jié)構(gòu)性強(qiáng)的紋理,從尺度探測(cè)的結(jié)果入手,根據(jù)自設(shè)定的結(jié)構(gòu)元對(duì)圖像進(jìn)行灰度形態(tài)學(xué)運(yùn)算處理,達(dá)到對(duì)森林植被分割的效果。
數(shù)學(xué)形態(tài)學(xué)由一組形態(tài)學(xué)的代數(shù)運(yùn)算子組成,基本運(yùn)算包括:膨脹、腐蝕、開啟和閉合運(yùn)算。其基本思想是:用一定形態(tài)的結(jié)構(gòu)元去度量和提取圖像中對(duì)應(yīng)形狀以達(dá)到對(duì)圖像分析和識(shí)別的目的[12]。膨脹將圖像區(qū)域擴(kuò)大;腐蝕將圖像區(qū)域縮小;開啟將比結(jié)構(gòu)元小的凸刺濾掉,切斷細(xì)長搭接而起到分離作用;閉合把比結(jié)構(gòu)元小的缺口或空隙填充上,搭接短的間斷而起到連通作用。
森林植被區(qū)域進(jìn)行形態(tài)學(xué)分割時(shí)結(jié)構(gòu)元的選擇非常重要,它直接決定了森林植被區(qū)域的大小和信息提取的精度。根據(jù)前文確定的藍(lán)噪聲特征值的尺度,可確定結(jié)構(gòu)元的尺度大小。因?yàn)閱沃晟种脖辉谶b感圖像中為圓形,所以設(shè)定結(jié)構(gòu)元尺度為圓形結(jié)構(gòu)元。對(duì)遙感圖像進(jìn)行數(shù)學(xué)形態(tài)學(xué)中的膨脹運(yùn)算,對(duì)圖像中間的空隙和斷裂處進(jìn)行填補(bǔ)和連通,然后進(jìn)行腐蝕操作,去除目標(biāo)周圍的噪聲。用結(jié)構(gòu)元對(duì)圖像進(jìn)行腐蝕后再用結(jié)構(gòu)元對(duì)圖像進(jìn)行膨脹處理,去除目標(biāo)內(nèi)部的噪聲,得到平滑后的圖像。進(jìn)行開運(yùn)算把比結(jié)構(gòu)元小的凸刺濾掉,切斷細(xì)長搭接而起到分離作用。采用基于紋理的擊中和擊不中變換來判斷植被區(qū)域,最后進(jìn)行二值化圖像增強(qiáng)。結(jié)構(gòu)元的形狀、大小設(shè)計(jì)得適當(dāng)與否,將直接影響形態(tài)變換的好壞。本文采用根據(jù)藍(lán)噪聲特征選取的尺度自設(shè)定結(jié)構(gòu)元對(duì)圖像進(jìn)行形態(tài)學(xué)處理。
擊中和擊不中變換對(duì)識(shí)別像素的特定形狀是非常有用的。A被B擊中與擊不中變換定義為A?茚B:
A?茚B=(A?專B1)∩(Ac?專B2)(4)
其中,B是結(jié)構(gòu)元素對(duì)B=(B1,B2),而不是單個(gè)元素。
用結(jié)構(gòu)元B1進(jìn)行腐蝕可決定東西南北領(lǐng)域像素的前景像素位置。用結(jié)構(gòu)元B2腐蝕它的補(bǔ)集可決定所有均屬于背景的東北、東南、西南、西北領(lǐng)域像素的像素位置。擊中與擊不中變換在MATLAB中用函數(shù)bwhitmiss實(shí)現(xiàn),調(diào)用格式為BW2=bwhitmiss(BW1,SE1,SE2)。擊中與擊不中變換保留了領(lǐng)域匹配SE1形狀但不匹配SE2的形狀像素。
參考文獻(xiàn)[7]提出了一種基于形態(tài)學(xué)區(qū)域標(biāo)記的遙感影像森林植被邊緣檢測(cè)算法。該算法使用膨脹運(yùn)算減去腐蝕運(yùn)算得到的區(qū)域邊緣,經(jīng)過區(qū)域生長法達(dá)到聚類的目的,然后使用區(qū)域標(biāo)記。參考文獻(xiàn)[7]使用的是半徑為1的4方向的結(jié)構(gòu)元,設(shè)定帶有方向性的結(jié)構(gòu)元為:
0 0 01 1 10 0 00 1 00 1 00 1 00 0 10 1 01 0 01 0 00 1 00 0 1
本文根據(jù)探測(cè)藍(lán)噪聲特征尺度設(shè)定結(jié)構(gòu)元。不同的結(jié)構(gòu)元會(huì)有不同的處理結(jié)果。帶有方向性的特定結(jié)構(gòu)元不能取得預(yù)定的效果,即有的方向能夠去掉其他區(qū)域的干擾,有的方向不能去掉其他區(qū)域的干擾。為了消除各個(gè)方向的其他區(qū)域?qū)ι种脖粎^(qū)域的影響,選用圓形結(jié)構(gòu)元,這樣對(duì)每個(gè)方向都是一樣的。此外,根據(jù)遙感圖像森林植被的微觀屬性,其紋理形狀呈現(xiàn)圓狀結(jié)構(gòu),故設(shè)定為圓形的結(jié)構(gòu)元。圓形的結(jié)構(gòu)元為:
0 1 1 1 01 1 1 1 11 1 1 1 11 1 1 1 10 1 1 1 0
參考文獻(xiàn)[7]的結(jié)構(gòu)元只能對(duì)具有某些特定的圖像達(dá)到理想的分割效果,這是因?yàn)槠浣Y(jié)構(gòu)元設(shè)定為單一結(jié)構(gòu)元,不能很好地處理所有的遙感圖像森林植被。
3 實(shí)驗(yàn)與分析
本文采用的實(shí)驗(yàn)環(huán)境為MATLAB 7.12.0。使用藍(lán)噪聲理論檢驗(yàn)區(qū)域圖像是否為區(qū)域森林植被,并根據(jù)得出的縮放尺度確定自設(shè)定的結(jié)構(gòu)元尺度大小對(duì)整幅圖像進(jìn)行森林植被分割。
選取3種類型遙感圖像進(jìn)行算法驗(yàn)證。實(shí)驗(yàn)1的場(chǎng)景中有森林植被和城市建筑,如圖2(a)所示,可以看出在城區(qū)道路兩旁都有喬木存在。圖2(b)為參考文獻(xiàn)[7]算法得到的分割結(jié)果,圖2(c)為本文算法所得到的分割結(jié)果。
根據(jù)藍(lán)噪聲特征探測(cè)出的尺度,設(shè)定實(shí)驗(yàn)1的結(jié)構(gòu)元為5×5的圓形結(jié)構(gòu)元,發(fā)現(xiàn)小尺度的結(jié)構(gòu)元對(duì)圖像的分割過細(xì),導(dǎo)致區(qū)域不能連接,致使分割結(jié)果過細(xì)。
實(shí)驗(yàn)2的場(chǎng)景中有森林植被和空地,如圖3(a)所示,可以看出大部分屬于森林植被,少部分地區(qū)為空地及道路。圖3(b)為參考文獻(xiàn)[7]算法的分割結(jié)果,圖3(c)為本文算法的分割結(jié)果。本實(shí)驗(yàn)根據(jù)探測(cè)出的尺度設(shè)定的結(jié)構(gòu)元為:
0 0 1 1 1 0 00 1 1 1 1 1 01 1 1 1 1 1 11 1 1 1 1 1 10 1 1 1 1 1 00 0 1 1 1 0 0
實(shí)驗(yàn)3的場(chǎng)景中有森林植被和農(nóng)田區(qū)域,如圖4(a)所示,參考文獻(xiàn)[7]算法與本文算法的分割結(jié)果分別如圖4(b)、4(c)所示。從分割結(jié)果可以看出,圖像中大部分區(qū)域?qū)儆谏种脖粎^(qū)域,中間屬于農(nóng)田區(qū)域。實(shí)驗(yàn)選取半徑為5的圓形結(jié)構(gòu)元。
實(shí)驗(yàn)結(jié)果證明,相比于參考文獻(xiàn)[7]算法,本文算法分割效果更加清晰。由于只在部分圖像區(qū)域執(zhí)行探測(cè)操作,因此尺度探測(cè)處理速度很快,對(duì)不同圖像確定的尺度設(shè)定結(jié)構(gòu)元進(jìn)行數(shù)學(xué)形態(tài)學(xué)處理,利用擊中或擊不中變換方法分割效果更加理想。
本文提出基于藍(lán)噪聲理論描述遙感圖像森林植被紋理特征的森林植被分割方法,根據(jù)遙感圖像植被紋理在特定空間尺度上的藍(lán)噪聲特征確定結(jié)構(gòu)元大小,根據(jù)結(jié)構(gòu)元對(duì)遙感圖像森林植被進(jìn)行數(shù)學(xué)形態(tài)學(xué)擊中擊不中變換提取森林植被信息。通過這種分割方法可以快速地提取遙感圖像森林植被信息,與同類固定的結(jié)構(gòu)元分割效果相比,分割精度得到有效提高。
參考文獻(xiàn)
[1] 陳仁喜,王成芳.城市高分辨率影像綠地植被識(shí)別研究進(jìn)展[J].遙感信息,2013,28(3):119-125.
[2] 宋濤.基于小波變換的植被覆蓋變換研究[D].福建:福建師范大學(xué),2011.
[3] 徐劍波,宋立生,胡月明,等.基于地質(zhì)統(tǒng)計(jì)學(xué)影像紋理的草地植被群落空間結(jié)構(gòu)分析[J].西北農(nóng)林科技大學(xué)學(xué)報(bào)(自然科學(xué)版),2012,40(4):146-154.
[4] Li Chengfan, Yin Jingyuan, Zhao Junjuan. Extraction of urban vegetation from high resolution remote sensing image[C]. Computer Design and Applications(ICCDA), IEEE, 2010, 4: 403-406.
[5] HEBLINSKI J, SCHMIEDER K, HEEGE T, et al. High-resolution satellite remote sensing of littoral vegetation of Lake Sevan(Armenia) as a basis for monitoring and assessment[J]. Hydrobiologia, 2011, 661(1): 97-111.
[6] Hu Mingxing. Extraction of trees and grasses in urban green land based on texture character of high resolution remote sensing image[C]. Remote Sensing, Environment and Transportation Engineering(RSETE), IEEE, 2011: 2178-2181.
[7] 歐陽平.基于區(qū)域標(biāo)記的遙感影像植被邊緣檢測(cè)算法[J].城市勘測(cè),2011(2):115-117.
[8] Lian Lian, Chen Jianfei. Research on segmentation scale of multi-resources remote sensing data based on object-oriented[J]. Procedia Earth and Planetary Science, 2011, 2: 352-357.
[9] 李春艷.基于面向?qū)ο蟮倪b感影像植被信息提取[J].科學(xué)技術(shù)與工程,2012,12(8):1941-1943.
[10] 周正林,田玉敏,孟麗娜.藍(lán)噪聲與綠噪聲數(shù)字半調(diào)技術(shù)原理分析與比較[J].計(jì)算機(jī)工程與應(yīng)用,2005,41(6):54-56.
[11] 李杰,苗長云,武志剛,等.基于數(shù)學(xué)形態(tài)學(xué)的圖像邊緣檢測(cè)算法的研究[J].計(jì)算機(jī)科學(xué),2012,39(Z6):546-548.