圖像邊緣提取算法在第三次土地調(diào)查中的應(yīng)用

陳思吉，王曉紅，葛義攀，李 闖，李運川

(1.貴州大學(xué) 礦業(yè)學(xué)院，貴州 貴陽 550025；2.貴州大學(xué) 林學(xué)院，貴州 貴陽 550025)

0 引 言

土地是人類賴以生存的主要載體，其可持續(xù)利用狀態(tài)是直接影響一個地區(qū)甚至一個國家持續(xù)發(fā)展?jié)摿Φ闹匾蛩?，基于土地利用保護(hù)的重要性，國家開展了一系列土地保護(hù)性調(diào)查及治理行動，其中全國土地調(diào)查就是重要的保護(hù)性調(diào)查之一。

土地調(diào)查是一項舉全民之力進(jìn)行的重要調(diào)查，獲取準(zhǔn)確全面的土地使用信息是保證國民經(jīng)濟穩(wěn)步健康發(fā)展、實現(xiàn)國土資源統(tǒng)一化、高效化管理的內(nèi)在需求[1]。第一次全國土地調(diào)查從1984到1997年之間進(jìn)行，第二次全國土地調(diào)查自2007年到2009年間進(jìn)行，再到2017年10月至今的第三次全國土地調(diào)查。土地調(diào)查的目的就是摸底全國土地利用目前存量，全面細(xì)化國土利用的基礎(chǔ)數(shù)據(jù)，對土地資源利用情況進(jìn)行全面細(xì)化和變更調(diào)查，掌握全國范圍內(nèi)全面的土地利用資源狀況。

圖像邊緣提取一直是計算機視覺領(lǐng)域近年來研究的重點和熱點，隨著相關(guān)領(lǐng)域研究人員對圖像邊緣提取的深入研究，一些新理論新算法也不斷出現(xiàn)，同時也反向助推了邊緣提取技術(shù)的發(fā)展。

在第三次全國土地調(diào)查的背景下，該文利用第三次全國土地調(diào)查外業(yè)統(tǒng)籌準(zhǔn)備的部分?jǐn)?shù)據(jù)進(jìn)行圖像邊緣提取實驗及算法實現(xiàn)，圖像邊緣提取算法應(yīng)用于第三次全國土地調(diào)查圖像處理中可有效提取地物邊緣特征，有利于地物判別及其輪廓界限識別。

實驗的主要思路是：將原始影像利用MATLAB工具箱功能，對圖像分別采用五種不同經(jīng)典算法進(jìn)行處理并實現(xiàn)，對比分析五種經(jīng)典算法，對MATLAB邊緣提取算法在第三次全國土地調(diào)查中的應(yīng)用及其前景進(jìn)行探討。

1 第三次全國土地調(diào)查目標(biāo)

根據(jù)《國務(wù)院關(guān)于第三次全國土地調(diào)查的通知》精神，第三次全國土地調(diào)查是以2019年12月31日為標(biāo)準(zhǔn)時間點。第三次全國土地調(diào)查的目標(biāo)是：基于原有成果，進(jìn)一步補充并細(xì)化各類土地利用信息，全面、客觀、實時地了解各類土地資源變化動態(tài)，調(diào)整并優(yōu)化現(xiàn)有土地調(diào)查制度，實現(xiàn)對土地使用情況的及時化、高效化、精準(zhǔn)化監(jiān)控。加強信息管理，致力于生態(tài)文明建設(shè)，科學(xué)規(guī)劃空間及土地資源，為國家開展宏觀調(diào)控、生態(tài)建設(shè)等一系列工作提供翔實、全面、客觀的基礎(chǔ)數(shù)據(jù)[2]。

根據(jù)自然資源管理制度改革的總體需求，第三次全國土地調(diào)查不單單在嚴(yán)格遵循《土地利用現(xiàn)狀分類》[3-4]的基礎(chǔ)上實地明確地類，嚴(yán)禁出現(xiàn)地類遺漏或者重疊等問題，還應(yīng)標(biāo)明耕地、草地等各類土地的使用情況、管理性質(zhì)等。復(fù)合經(jīng)營需要重疊的類型，同時促進(jìn)相關(guān)的自然資源專業(yè)調(diào)查。

按照國家全面控制與地方詳細(xì)調(diào)查相結(jié)合的原則，在各級高分辨率航空航天遙感圖像采集的基礎(chǔ)上，利用現(xiàn)有的資源調(diào)查成果和行業(yè)管理數(shù)據(jù)，采用圖像解釋、信息提取和“3S”綜合實地調(diào)查相結(jié)合的方法。調(diào)查了國內(nèi)城鄉(xiāng)土地利用類型、面積、權(quán)屬和分布情況。利用“互聯(lián)網(wǎng)+”技術(shù)驗證測量數(shù)據(jù)真實性，結(jié)合大數(shù)據(jù)、云計算、互聯(lián)網(wǎng)等新技術(shù)建立土地測量數(shù)據(jù)庫。經(jīng)縣、市、省、國家三級逐級質(zhì)量檢查合格后，統(tǒng)一各級土地測量數(shù)據(jù)庫和各類專用數(shù)據(jù)庫。在此基礎(chǔ)上，開展了測量成果匯總分析、標(biāo)準(zhǔn)時間點統(tǒng)一變更、測量成果后評價等工作[5]。

2 五種圖像邊緣檢測算子及其原理

在數(shù)字圖像處理的理論中，圖像邊緣是圖像的基本特征之一，圖像邊緣檢測不僅僅是邊界的檢測，更是兩個區(qū)域發(fā)生屬性突變的地方。圖像邊緣檢測從根本上來講是通過科學(xué)合理的算法對圖像中某類特定對象及其背景的分界線進(jìn)行準(zhǔn)確、高效的檢測，其主要步驟可分為圖像分析、圖像識別、邊界重構(gòu)和提取。目前，數(shù)字圖像的圖像邊緣檢測方法主要可以分為三類：一類是基于某種固定的局部運算方法，這類方法主要基于局部簡單化數(shù)學(xué)基礎(chǔ)及其原理產(chǎn)生，如微分積分法和擬合法，這類方法屬于經(jīng)典的邊緣檢測方法；第二類是基于能量最小化準(zhǔn)則下的全局提取方法，其基本思路為運用嚴(yán)密數(shù)學(xué)理論方法對問題進(jìn)行合理、準(zhǔn)確分析，給出其一維代價函數(shù)最為最優(yōu)化檢測依據(jù)，從全局最優(yōu)的觀點來進(jìn)行圖像的邊緣檢測，這類方法從數(shù)學(xué)邏輯上來講較為嚴(yán)密，如神經(jīng)網(wǎng)絡(luò)分析法和主成分分析法等；第三類方法是類似于小波變換、數(shù)學(xué)形態(tài)學(xué)等近年來迅速發(fā)展起來的高新技術(shù)為支撐的新型圖像邊緣檢測方法，這類算法可以將傳統(tǒng)的簡單的圖像邊緣檢測理論和最新的理論方法相結(jié)合，再融入最新的發(fā)展的深度學(xué)習(xí)技術(shù)，最終可為圖像邊緣檢測理論方法在人工智能學(xué)習(xí)方面的基礎(chǔ)方法提供參考依據(jù)。

由圖像邊緣的概念能夠了解到圖像邊緣即為圖像灰度出現(xiàn)顯著變化的位置[6]?；趫D像邊緣的特征和梯度理論的算法原理如下：

設(shè)：

同時：

為梯度▽f(x,y)的幅值，E(x,y)可以作為邊緣提取算子。為方便理解記憶，可簡化計算將E(x,y)定義為兩者絕對值之和，即：

E(x,y)=|fx(x,y)|+|fy(x,y)|

依據(jù)上述理論，衍生出眾多圖像邊緣提取算法。關(guān)于圖像灰度的變化動態(tài)，可通過圖像灰度函數(shù)的梯度進(jìn)行精準(zhǔn)、客觀地表述[7]，所以，圖像的邊緣提取算法能夠通過操作便捷、實用性良好且當(dāng)前應(yīng)用比較廣泛的圖像局部微分技術(shù)進(jìn)行獲取。要想實現(xiàn)圖像匹配，首先需要對圖像邊緣進(jìn)行科學(xué)合理地提取，其原因在于作為位置的具體反映，圖像邊緣無法靈敏、準(zhǔn)確地感應(yīng)灰度變化，所以，可將其看作是匹配的特征點[8]。

2.1 Sobel邊緣檢測算子

Sobel邊緣檢測算子是當(dāng)前應(yīng)用比較廣泛的一種離散微分算子，多被應(yīng)用于求解圖像灰度函數(shù)的近似梯度，利用圖像像素點計算出相應(yīng)梯度向量及其范數(shù)，基于卷積實現(xiàn)水平方向和垂直方向上的邊緣進(jìn)行檢測[9]。Sobel算子的模板如Gx和Gy所示，其中兩模板中的前者可以檢測出數(shù)字圖像中水平方向的邊緣，后者則可以檢測出數(shù)字圖像中垂直方向的邊緣。在實際的應(yīng)用當(dāng)中，每個像素點取兩個模板卷積的最大值作為該像素點的輸出值，運算結(jié)果是一幅邊緣檢測圖像。其原理如下：

根據(jù)Sobel邊緣檢測算子的計算方法，可設(shè)dx、dy分別表示Sobel水平方向邊緣的水平核及垂直方向邊緣的垂直核，那么則有：

根據(jù)上式，即可得到其3×3型Sobel算子規(guī)算模板：

其中，一個核對(dx)通常的水平邊緣響應(yīng)最大，而另外一個核對(dy)通常的垂直邊緣響應(yīng)最大，兩卷積的最大值作為該點的輸出值。Sobel邊緣檢測算子實際就是通過權(quán)重不同的差異化特征來擴大差異。

2.2 Roberts邊緣檢測算子

Roberts邊緣檢測算子是經(jīng)典的邊緣檢測算子之一，屬于一種一階的梯度算子，運用交叉的差分來對梯度進(jìn)行表示標(biāo)定，是一種采用局部差分算子檢測邊緣的常規(guī)算子，檢測出圖像發(fā)生突變的邊界，對具有陡峭的低噪聲的圖像效果尤為顯著。Roberts邊緣檢測算子的作用機制簡單來講是通過局部差分完成邊緣檢測，將對角線方向鄰近的兩像素之差定義為梯度幅度，以此為基礎(chǔ)進(jìn)行邊緣檢測[10]，進(jìn)而實現(xiàn)數(shù)字圖像高精準(zhǔn)的圖像邊緣檢測。其基本的原理及理論方法如下：

對于一幅原始圖像f(x,y)，設(shè)定Roberts邊緣檢測輸出目標(biāo)圖像為g(x)，則:

g(x,y)={[f(x,y)-f(x+1,y+1)]2+

其中，f(x,y)、f(x+1,y)、f(x,y+1)和f(x+1,y+1)分別為具有整數(shù)像素基本單元的輸入圖像的四維坐標(biāo)。

根據(jù)上式，即可得到其2×2型Roberts算子模板：

2.3 Laplace邊緣檢測算子

Laplace邊緣檢測算子屬于n維歐幾里德空間中的一個二階微分算子。Laplace邊緣變換實質(zhì)就是對于原始圖像進(jìn)行銳化，使得圖像效果增強和灰度反差增強，通過增強差異化的手段來辨別數(shù)字圖像屬性差異的界限，進(jìn)而使圖像變得清晰[11]。

Laplace邊緣檢測的變換函數(shù)是各向同性的二階導(dǎo)數(shù)，根據(jù)其基本原理可定義為：

利用Laplace邊緣檢測變換函數(shù)在一階導(dǎo)數(shù)存在極值的位置，二階導(dǎo)數(shù)為0的特性對數(shù)字圖像的邊緣進(jìn)行科學(xué)、合理的檢測。但是，因其函數(shù)在二階導(dǎo)數(shù)為0時不一定都是邊緣位置的情況，可以將Laplace邊緣檢測算子分為模板和變形模板，分別定義為G1模板和G2變形模板，如下所示:

通過對上述的數(shù)字圖像進(jìn)行Laplace邊緣檢測變換，將最初原始圖像f(x,y)進(jìn)行數(shù)字圖像的銳化處理，然后進(jìn)行微分運算，再把處理之后圖像和和原始圖像進(jìn)行疊加，得到最終的Laplace邊緣檢測算子檢測結(jié)果，其Laplace變換可表示為：

其中，t為鄰域中心比較系數(shù)，一般而言，鄰域中心比較系數(shù)根據(jù)經(jīng)驗值和實際圖像質(zhì)量而定，一般經(jīng)驗取值建議0到1之間。

2.4 Prewitt邊緣檢測算子

Prewitt算子是一種一階微分算子，在水平和垂直方向分別進(jìn)行檢測邊緣，利用上下左右四個維度鄰近像素的灰度差值，進(jìn)行極值邊緣檢測并去掉部分偽邊緣[12]。Prewitt算子的基本原理是就圖像空間而言，利用雙向模板和圖像進(jìn)行鄰域卷積來完成的，其中雙向檢測模板分別為水平邊緣檢測模板和垂直邊緣檢測模板，它們分別作用于水平邊緣方向和垂直邊緣方向。

根據(jù)Prewitt算子定義，可以設(shè)定其原始圖像為f(x,y)，那么Prewitt算子表示為：

G(i)=|[f(i-1,j-1)+f(i-1,j)+

f(i-1,j+1)]-[f(i+1,j-1)+

f(i+1,j)+f(i+1,j+1)]|

G(j)=[f(i-1,j+1)+f(i,j+1)]-

[f(i+1,j+1)+f(i-1,j-1)+

f(i,j-1)+f(i+1,j-1)]

則，

其中水平檢測和垂直檢測模板分別為：

Prewitt梯度算子法的計算順序就是先求其梯度的平均，再求差分來求梯度，最終達(dá)到極值檢測邊緣的目的。

2.5 Canny邊緣檢測算子

Canny算子是John Canny于1986年在PAMI頂級期刊《A Computational Approach to Edge Detection》一文中最早提出的圖像邊緣檢測算法，目前已經(jīng)成為數(shù)字圖像處理領(lǐng)域經(jīng)典算法之一。

Canny邊緣檢測算子是一種多級檢測算子，其基本原理和基本處理流程為：對原始圖像進(jìn)行高斯平滑濾波，以平滑圖像，濾除噪聲；然后分別計算每個像素點的梯度強度和方向，再采用非極值(non-maximum suppression)抑制技術(shù)消除雜散邊緣影響，再利用雙閾值(double-threshold)檢測來確定真實的和潛在的邊緣，最后通過抑制孤立的弱邊緣最終完成邊緣檢測，得到Canny邊緣檢測處理圖像[13-15]。

3 實驗及結(jié)果分析

3.1 實驗數(shù)據(jù)介紹

實驗在第三次全國土地調(diào)查的背景下進(jìn)行，利用第三次全國土地調(diào)查統(tǒng)籌中“不一致圖斑”舉證階段的部分脫敏影像數(shù)據(jù)進(jìn)行圖像邊緣檢測提取實驗及算法實現(xiàn)。該實驗結(jié)合第三次全國土地調(diào)查及實驗的實際情況，選取局部影像進(jìn)行，數(shù)據(jù)已進(jìn)行脫敏處理，數(shù)據(jù)中包含線狀河流及道路、農(nóng)村居民建筑物、耕地和其他植被等眾多基礎(chǔ)地理信息，實驗區(qū)域為第三次全國土地調(diào)查中貴州省區(qū)域內(nèi)常見喀斯特地形地貌區(qū)域。

3.2 實驗技術(shù)路線

實驗所選取實驗區(qū)已脫敏局部影像，如圖1所示，先對原始圖像分別進(jìn)行圖像降噪和中值濾波處理以得到預(yù)處理圖像，再分別對預(yù)處理圖像進(jìn)行Sobel、Roberts、Laplace、Prewitt和Canny算子邊緣檢測。該實驗的技術(shù)路線如圖2所示。

圖1 已脫敏實驗原始圖像

圖2 實驗技術(shù)路線

實驗數(shù)據(jù)經(jīng)過上述實驗技術(shù)路線處理之后，得到的實驗結(jié)果如圖3所示。

圖3 實驗結(jié)果

3.3 實驗結(jié)果分析

通過對圖像進(jìn)行Sobel、Roberts、Laplace、Prewitt和Canny算子圖像邊緣檢測，五種檢測算子對比實驗結(jié)果評價匯總情況如表1所示，可以作如下總結(jié)：

表1 五種檢測算子評價匯總

(1)Sobel算子進(jìn)行邊緣檢測是求一階導(dǎo)數(shù)，其對于數(shù)字圖像每個像素，都分別考慮它的上、下、左、右相鄰點的灰度的加權(quán)差值，與之接近的像素點的權(quán)大，一般來說，距離越遠(yuǎn)，產(chǎn)生的影響越小。Sobel算子處理圖像實驗發(fā)現(xiàn)其產(chǎn)生的邊緣有強弱，抗噪性好。

(2)Roberts算子用于邊緣檢測時，其作用機制是按照任意一對互相垂直方向的差分計算梯度，通過對角線方向相鄰兩像素之差進(jìn)行處理[16]，進(jìn)而進(jìn)行圖像邊緣檢測。Roberts算子最突出的優(yōu)勢是定位精準(zhǔn)，不過由于其處理邊緣相對較為粗糙，所以，對噪聲更為敏感一些，適用于邊緣明顯且噪聲較少的圖像邊緣提取，它邊緣定位的精度不是很高。Roberts算子處理圖像實驗發(fā)現(xiàn)其處理結(jié)果對于邊緣檢測時邊緣定位準(zhǔn)確，可用于邊緣檢測的精確定位。

(3)Laplace算子是n維歐幾里德空間中的一個二階微分算子，因其檢測通道閾很窄，故對邊緣敏感，其檢測部分邊緣可能為噪聲的邊緣。擁有高精度的邊緣提取的同時，丟失了邊緣的方向信息，且加倍了噪聲對于檢測的影響。Laplace算子處理圖像實驗結(jié)果表明，其對于邊緣的細(xì)節(jié)檢測效果顯著。

(4)Prewitt算子進(jìn)行邊緣檢測原理是利用Prewitt算子作為邊緣樣本算子，算子由理想邊緣子圖像構(gòu)成，分別依次進(jìn)行圖像檢測，是通過取像素平均實現(xiàn)其對噪聲的抑制作用，因為其自身原因，所以Prewitt算子對邊緣定位性能上有所欠缺。Prewitt算子處理圖像實驗結(jié)果表明，其算子是良好的噪聲抑制算子，可利用其機理對提取邊緣噪聲進(jìn)行抑制。

(5)Canny算子進(jìn)行邊緣檢測其原理近似于用高斯函數(shù)求梯度[17-18]，接近于四個指數(shù)函數(shù)線性組合求解最佳邊緣算子，處理之后產(chǎn)生的邊緣很細(xì)。Canny算子處理圖像實驗結(jié)果表明，它具有良好的信噪比，定位精度和單邊緣響應(yīng)也較好，是一階微分檢測中效果最佳的算子之一。

4 結(jié)束語

通過基于第三次全國土地調(diào)查局部影像進(jìn)行上述算子處理，不難發(fā)現(xiàn)，Roberts算子定位比較精確，但不包括平滑，噪聲敏感性強；Sobel算子和Prewitt算子均為一階微分算子，不過，值得注意一點是前者屬于加權(quán)平均濾波，而后者則屬于典型的平均濾波，對于灰度差值低的噪聲，這兩種算子檢測效果明顯，但是不適用于混合多復(fù)雜類型的噪聲；Laplace算子則為二階微分算子，對圖像邊緣細(xì)節(jié)的檢測效果顯著；Canny算子是最佳一階微分檢測算子，對于邊緣定位精度和邊緣提取細(xì)節(jié)均具有良好效果。

在第三次全國土地調(diào)查工作開展過程中，為實現(xiàn)對線狀地物以及邊緣界線等各類明顯地塊的高效化、便捷化、精準(zhǔn)化、自動化的提取，可以對原始影像進(jìn)行預(yù)處理，之后再分別進(jìn)行幾種算子的邊緣檢測，從而檢測出相應(yīng)邊緣，減少人為干預(yù)所產(chǎn)生的邊界判別錯誤情況，提高地物辨別的準(zhǔn)確率。

通過對第三次全國土地調(diào)查局部圖像邊緣提取算法研究，一方面對第三次全國土地調(diào)查工作進(jìn)行總結(jié)，并結(jié)合其特點進(jìn)行技術(shù)歷程和方法上的創(chuàng)新，通過科研和生產(chǎn)實踐相結(jié)合的方式提出新方法；另一方面，嘗試將邊緣提取算法用于第三次全國土地調(diào)查生產(chǎn)過程之中，為今后此類工作的開展提供較好的技術(shù)思路借鑒。