基于Canny算子的高分辨率遙感影像分割技術(shù)研究

張玲玲　吳曉靜

【摘 要】目前，基于面向?qū)ο蟮挠跋穹治龇椒ㄒ呀?jīng)廣泛應(yīng)用，這種方法基于對影像進行分割得到同質(zhì)對象，所以，分割結(jié)果的好壞將會直接影響到后續(xù)分類的精度，所以，有必要對分割方法進行研究。本文提出了一種基于Canny算子的影像分割方法，并采用高分辨率的Quickbird影像進行實驗，實驗證明這種方法能有效提高影像分割的準確性。

【關(guān)鍵詞】Canny算子；邊緣檢測；影像分割；面向?qū)ο?/p>

1 引言

如今，面向?qū)ο蟮乃枷胍呀?jīng)被引入到高分辨率影像的分析技術(shù)中，這種方法是通過對影像進行分割生成同質(zhì)的影像對象，然后再對對象進行分類從而能夠達到提高分類精度的目的。在對影像進行分割時，一般采用多尺度分割技術(shù)，在不同尺度對象層上提取不同屬性的類別信息，由此解決了同一分辨率的影像數(shù)據(jù)識別所有空間屬性有所差異類型的問題。盡管有了多個尺度的分割結(jié)果，但是對于某一類地物的提取仍然是在同一個尺度層上，這就使得如何確定某類地物的最佳分割尺度成為一個熱點問題。本文通過Canny算子實現(xiàn)了基于最優(yōu)邊緣檢測的影像分割技術(shù)，并與其他軟件的分割結(jié)果進行對比，實驗證明，本文所提出的方法有效提高了地物分割結(jié)果的精度。

2 Canny邊緣檢測算法

2.1 Canny算法的原理

圖像邊緣檢測必須滿足兩個條件：一能有效地抑制噪聲；二是必須盡量精確確定邊緣的位置。根據(jù)對信噪比與定位乘積進行測度，得到最優(yōu)化逼近算子，這就是Canny邊緣檢測算子。類似于LOG邊緣檢測方法，也屬于先平滑后求導數(shù)的方法。

2.2 Canny邊緣檢測算法的步驟

Step1：用高斯濾波器平滑圖像。

圖像高斯濾波的實現(xiàn)可以通過一個二維高斯核一次卷積實現(xiàn)：

上式為離散化的二維高斯函數(shù)，確定參數(shù)就可以得到二維核向量。

Step2：用一階偏導的有限差分來計算梯度的幅值和方向。

本文實現(xiàn)的Canny算法中所采用的卷積算子比較簡單，表達如下：

求出這幾個矩陣后，就可以進行下一步的檢測過程。

Step3：對梯度幅值進行非極大值抑制。

圖像梯度幅值矩陣中的元素值越大，說明圖像中該點的梯度值越大，但這不能說明該點就是邊緣（這僅僅是屬于圖像增強的過程）。在Canny算法中，非極大值抑制是進行邊緣檢測的重要步驟，是指尋找像素點局部最大值，將非極大值點所對應(yīng)的灰度值置為0。

Fig1.Non-maxima suppression principle

根據(jù)圖1 可知，要進行非極大值抑制，就首先要確定像素點C的灰度值在其8值鄰域內(nèi)是否為最大。圖1中藍色的線條方向為C點的梯度方向，這樣就可以確定其局部的最大值肯定分布在這條線上，也即出了C點外，梯度方向的交點dTmp1和dTmp2這兩個點的值也可能會是局部最大值。因此，判斷C點灰度與這兩個點灰度大小即可判斷C點是否為其鄰域內(nèi)的局部最大灰度點。如果經(jīng)過判斷，C點灰度值小于這兩個點中的任一個，那就說明C點不是局部極大值，那么則可以排除C點為邊緣。這就是非極大值抑制的工作原理。

Step4：用雙閾值算法檢測和連接邊緣。

Canny算法中減少假邊緣數(shù)量的方法是采用雙閾值法。選擇兩個閾值（關(guān)于閾值的選取方法在擴展中進行討論），根據(jù)高閾值得到一個邊緣圖像，這樣一個圖像含有很少的假邊緣，但是由于閾值較高，產(chǎn)生的圖像邊緣可能不閉合，未解決這樣一個問題采用了另外一個低閾值。

在高閾值圖像中把邊緣鏈接成輪廓，當?shù)竭_輪廓的端點時，該算法會在斷點的8鄰域點中尋找滿足低閾值的點，再根據(jù)此點收集新的邊緣，直到整個圖像邊緣閉合。

3 基于Canny算子的遙感影像分割方法

遙感影像分割的最終目的是得到同質(zhì)的影像對象，而同質(zhì)的影像對象又體現(xiàn)出聚類的特征，所以本文所述方法有如下兩個步驟：

首先，通過Canny算子得到某類地物的最優(yōu)邊緣。

然后，對該類地物的灰度均值進行計算，如果相鄰地物的灰度均值表現(xiàn)為一致，則將它們合并作為一個對象，再次計算該對象灰度均值，直至和相鄰地物的灰度均值不一致為止；如果不一致，則該邊緣即可作為分割的邊界線。

流程圖如圖2所示：

Fig2.Workflow

通過這種方法可以很好的實現(xiàn)遙感影像的分割，尤其對于高分辨率的遙感影像，由于影像分身地物細節(jié)清晰，所以使得分割效果更好。

4 基于Canny算子的分割方法實驗

4.1 數(shù)據(jù)源介紹及影像預(yù)處理

實驗選取內(nèi)蒙古呼和浩特某區(qū)Quickbird影像為數(shù)據(jù)源，Quickbird衛(wèi)星于2001年10月18日由美國DigitalGlobe公司在美國范登堡空軍基地發(fā)射，是目前世界上最先提供亞米級分辨率的商業(yè)衛(wèi)星，衛(wèi)星影像多光譜波段影像分辨率為2.44米，全色波段影像分辨率為0.61米。QuickBird衛(wèi)星系統(tǒng)每年能采集七千五百萬平方公里的衛(wèi)星影像數(shù)據(jù)，存檔數(shù)據(jù)以很高的速度遞增。在中國境內(nèi)每天至少有2至3個過境軌道，其存檔數(shù)據(jù)約500萬平方公里。

影像經(jīng)過預(yù)處理之后，如圖3所示。

Fig3.The test area image

4.2 實驗過程

實驗環(huán)境：VS2008，實驗語言：C++。對比實驗環(huán)境：ENVI4.5。

實驗步驟：

（1）由于預(yù)處理之后的影像為TIFF格式，故在程序中添加了GDAL庫，進行影像的讀取、顯示和處理等。

（2）對影像的每個像元進行基于Canny算子的邊緣檢測，得到對象。

（3）對得到的對象進行灰度均值的計算。

（4）將相鄰對象的灰度均值進行比較，看是否一致。

（5）如果一致，則將相鄰對象合并，再進行灰度均值的計算。

（6）當相鄰對象的灰度均值不一致時，即把邊緣檢測的結(jié)果作為最終分割的邊界線，試驗區(qū)影像的分割結(jié)果如圖4-a所示。

（7）再將預(yù)處理的影像用ENVI4.5進行分割，得到分割結(jié)果如圖4-b所示。

（8）對二者的分割結(jié)果進行評價。

4.3 分割結(jié)果評價

在分割完成后，要對分割的結(jié)果進行評價。

首先，通過目視解譯進行定性評價。對于基于Canny算子的分割方法而言，影像上各類地物的整體分割效果較好，類別之間的分界線較清晰，有助于后續(xù)的分類工作。由于影像本身存在陰影，影響了分割的效果，但是總體分割效果仍然較理想；而ENVI軟件的分割方法分割結(jié)果明顯一般，對于區(qū)域較小的對象分割效果較差，以至于后續(xù)分類的工作也變得繁瑣。

其次，通過矩陣進行定量評價。我們從分割結(jié)果中選取了若干分割后的地物，通過實地勘察，來對其邊界的正確性進行評價。如下表所示。

5 結(jié)論

對于目前廣泛使用的基于面向?qū)ο蟮姆诸惙椒ǘ?，仍然待解決的一個技術(shù)難題，就是如何得到某類地物的最佳分割尺度。本文通過對呼和浩特市某區(qū)Quickbird影像進行實驗得出了基于Canny算子的邊緣檢測方法進行高分辨率遙感影像的分割，分割正確率達到85%以上，效果較理想，較好的分割效果對于后續(xù)分類工作起到了相當大的幫助作用，今后在實際工作中，可以采用本文所述方法得到分割結(jié)果，再采用面向?qū)ο蟮姆椒ㄟM行信息提取和分類。

參考文獻：

[1] 翟涌光，王耀強. 基于點特征的多源遙感影像高精度自動配準方法[J]. 遙感技術(shù)與應(yīng)用. 2010.6（3）：404-409.

[2] 翟涌光，王耀強. 基于分辨率融合的多尺度遙感影像分類技術(shù)研究[J]. 測繪與空間地理信息. 2010.4（2）：109-113.

[3] 翟涌光. 多尺度分割技術(shù)對遙感影像分類精度影響問題的研究[D]. 內(nèi)蒙古農(nóng)業(yè)大學.2010.