基于圖像分割的無人機(jī)遙感影像目標(biāo)提取技術(shù)

趙一粟

(北京師范大學(xué)珠海分校 設(shè)計學(xué)院，廣東 珠海 519085)

0 引言

圖像分割是將完整圖像分離成若干個獨(dú)特區(qū)域的物理處置過程，可在保證目標(biāo)特征完整性的同時，圈畫出原始圖像中波譜反射能力較強(qiáng)的部分，這種影像加工手段是實(shí)現(xiàn)由圖像處理到圖像分析的關(guān)鍵操作步驟。國際上現(xiàn)有的圖像分割方法大體可分為如下幾類：基于邊緣的分割方法、基于閾值的分割方法、基于特定理論的分割方法、基于區(qū)域的分割方法。從數(shù)學(xué)角度來看，圖像分割實(shí)現(xiàn)了由連續(xù)數(shù)字圖像到不相交影像區(qū)域的轉(zhuǎn)化，可在實(shí)現(xiàn)分割圖像標(biāo)記的同時，為同一區(qū)域內(nèi)的像素目標(biāo)賦予相同的編號信息。圖像分割是計算機(jī)視覺與圖像識別的必要預(yù)處理環(huán)節(jié)，在氣象、軍事、無人機(jī)遙感等領(lǐng)域均具有極為廣闊的發(fā)展前景。

在無人機(jī)遙感影像中，不同地物具有不同的波譜反射能力，通常情況下，影像波譜的平均寬度水平越大，其反射特性能力也就越強(qiáng)。文獻(xiàn)[1]中提出的高分辨率遙感影像場景分類方法，可同時確定地物場景的全局特征與局部深度特征，并根據(jù)無人機(jī)遙感影像的分割結(jié)果作出定量評價。文獻(xiàn)[2]中提出的光學(xué)遙感模型則以微波技術(shù)為基礎(chǔ)，通過影像的多次簡化，確定目標(biāo)地物的尺度與紋理特征。然而上述兩種方法的實(shí)際適用環(huán)境相對較為單一，很難在初始采集相位條件、亞像素條件下，同時提升目標(biāo)地物的波譜寬度數(shù)值。為解決此問題，提出基于圖像分割的無人機(jī)遙感影像目標(biāo)提取技術(shù)，以區(qū)域性圖像的目標(biāo)顏色特征為條件，定義遙感影像的目標(biāo)融合條件，再通過特征元素之間的相關(guān)性測度處理，得到最終的地物提取結(jié)果。

1 基于圖像分割的無人機(jī)遙感深度圖獲取

無人機(jī)遙感深度圖獲取是新型遙感影像目標(biāo)提取技術(shù)實(shí)施的重要處理環(huán)節(jié)，在圖像分割原理的支持下，具體操作方法如下。

1.1 區(qū)域顏色特征描述

區(qū)域顏色特征能夠克服因噪點(diǎn)影響而帶來的局部目標(biāo)提取覆蓋問題，而圖像分割算法又恰好能夠直接獲取無人機(jī)遙感影像中的一致性區(qū)域。對于遙感影像中的地物目標(biāo)來說，物體表面的顏色是在該結(jié)構(gòu)吸收部分光照后，所反射出來的光譜屬性。由此可知，顏色特征可直接反映遙感地物的某種區(qū)域性內(nèi)在屬性[3]。此外，與其它目標(biāo)特征相比，區(qū)域顏色特征屬于被遙感相機(jī)直接存儲的物理信息，不受到外加提取運(yùn)算條件的干擾，統(tǒng)計計算的處理過程相對較為簡單。從待分割圖像自身來看，區(qū)域顏色特征不依賴遙感影像中目標(biāo)地物的尺寸大小、所處方向等屬性條件的限制，具備較強(qiáng)的應(yīng)用穩(wěn)定性[4]。設(shè)βi代表第i個分割節(jié)點(diǎn)處無人機(jī)遙感影像中目標(biāo)地物的特征表達(dá)公式，Ω代表指數(shù)i所屬的待提取實(shí)數(shù)集，聯(lián)立上述物理量，可將區(qū)域顏色特征的描述表達(dá)式定義為：

(1)

1.2 類哈爾濾波器

類哈爾濾波器是基于無人機(jī)遙感小圖像的濾波處理結(jié)構(gòu)，可用于計算不同顏色區(qū)域中地物目標(biāo)的濾波響應(yīng)情況。通常情況下，未經(jīng)處理的無人機(jī)遙感影像具備明顯的灰度分布屬性，即白顏色區(qū)域與黑顏色區(qū)域。根據(jù)類哈爾濾波定義條件可知，白色區(qū)域的顏色特征和減去黑色區(qū)域的顏色特征和，等于類哈爾濾波器對于無人機(jī)遙感影像目標(biāo)所采取的圖像分割處置原則(如圖1所示)[5]。

圖1 類哈爾特征

圖2為經(jīng)類哈爾濾波器分割處理后目標(biāo)河流的遙感影像。

圖2 基于類哈爾特征的無人機(jī)遙感分割圖像

圖2中(a)、(b)、(c)、(d)分別代表不同分割區(qū)域內(nèi)的河流遙感影像。分析圖2可知，彎曲標(biāo)注線可直接勾勒出目標(biāo)河流的主體走向，受到圖像分割理論的影響，小區(qū)域圖像的顏色特征可存在明顯的差異性，且無論同一幅大影像可同時與多少幅小圖像匹配，都只能有一幅圖像清晰表述目標(biāo)河流的類哈爾濾波特征(如圖2b)。

1.3 低層特征量化

分割處理后的無人機(jī)遙感影像由高層維度、中層維度、低層維度三個值域范圍共同組成，其中最小數(shù)值維度所具有的地物顏色特征容納量最大，即低層圖像維度區(qū)間的特征量化等級最高。特征量化處理的主要原因是由于低層維度內(nèi)的地物分割圖像具有較強(qiáng)的分割敏感性，可在提取目標(biāo)影像數(shù)據(jù)的同時，增加對影像結(jié)構(gòu)體特征描述的魯棒性。在多個無人機(jī)遙感影像分割空間中，低層特征量化是最廣泛應(yīng)用的目標(biāo)地物圖像處理方法[6-7]。量化處理初期隨機(jī)排列所有分割后圖像，通過對角線連接的方式，確定遙感影像目標(biāo)提取的聚類中心，然后不斷縮小待處理圖像的儲備數(shù)值，再次確定遙感影像目標(biāo)提取的聚類中心，將原影像中每一數(shù)據(jù)點(diǎn)分配到最鄰近的聚類中心，再將所生成數(shù)值區(qū)間與無人機(jī)遙感影像的低層維度進(jìn)行對比，確定與目標(biāo)特征量化處理相關(guān)的分割處置權(quán)限。設(shè)f0代表無人機(jī)遙感影像低層維度中的地物顏色特征容納量，k1代表最小目標(biāo)提取聚類中心所處位置，kn代表最大目標(biāo)提取聚類中心所處位置，聯(lián)立公式(1)，可將無人機(jī)遙感影像的低層特征量化準(zhǔn)則定義為：

(2)

式中，χ代表無人機(jī)遙感影像目標(biāo)的分割敏感度，y代表基于圖像分割的目標(biāo)地物提取尺度權(quán)限，Δu代表原遙感影像中地物目標(biāo)的類哈爾濾波特征參量。

2 遙感影像目標(biāo)融合

遵從無人機(jī)遙感深度圖像的獲取原則，按照基本名詞定義、原始特征選擇、特征元素之間相關(guān)性測度的操作流程，完成基于圖像分割的遙感影像目標(biāo)融合處理。

2.1 基本名詞定義

無人機(jī)遙感影像目標(biāo)融合是一個相對復(fù)雜的處理過程，可按照圖像內(nèi)不同區(qū)域的顏色特征屬性，對多維度值域范圍內(nèi)的目標(biāo)地物景觀實(shí)施降噪處理。通常情況下，無人機(jī)遙感影像目標(biāo)的提取需要多個圖像分割理論的共同配合，包含紋理特征、維數(shù)特征和影像特征，具體定義標(biāo)準(zhǔn)如下：

1)紋理特征/原始特征：無人機(jī)遙感影像目標(biāo)的紋理特征也叫原始特征，包含從類哈爾濾波器中提取的所有目標(biāo)圖像灰度值，是根據(jù)待分割地物景觀對象產(chǎn)生的基本特征參量。在提取目標(biāo)灰度均值與顏色特征方差均保持不變的情況下，局部分割圖像中會出現(xiàn)對比度極為類似的對象噪點(diǎn)[8]。

2)維數(shù)特征/提取特征：無人機(jī)遙感影像目標(biāo)的維數(shù)特征也叫提取特征，在地物目標(biāo)樣本同處于高維空間時，映射或變換的分割原則均可描述分割主體所具有的樣本承擔(dān)能力[9]。

3)影像特征/優(yōu)化特征：一組分割圖像中所具有的最低目標(biāo)特征維數(shù)即為地物主體的影像特征或優(yōu)化特征，在目標(biāo)提取實(shí)值距離不發(fā)生改變的情況下，分割圖像的影像特征數(shù)值越大，與之相關(guān)的遙感影像減維速率也就越快，反之則越慢[10]。

2.2 原始特征選擇

原始特征選擇是與基本名詞定義相關(guān)的待提取目標(biāo)整合行為，可按照已分割圖像中目標(biāo)地物景觀所處的實(shí)時位置，建立必要的提取處理權(quán)限標(biāo)準(zhǔn)，從而實(shí)現(xiàn)對原始無人機(jī)遙感影像的最大化復(fù)原處理。在不考慮其它干擾條件的情況下，無人機(jī)遙感影像低層維度區(qū)間內(nèi)所包含的目標(biāo)地物提取節(jié)點(diǎn)數(shù)量越多，原始特征所具有的反選能力也就越強(qiáng)[11]。簡單來說，在無人機(jī)遙感影像目標(biāo)融合名詞保持完全定義或半完全定義的情況下，可將所有原始特征參量均視為待提取的目標(biāo)地物主體，若遙感影像內(nèi)的地物波譜始終保持反射特性能力，則可認(rèn)為監(jiān)測主機(jī)具備無誤提取無人機(jī)目標(biāo)的應(yīng)用能力。設(shè)lα代表與無人機(jī)遙感影像目標(biāo)融合名詞相關(guān)的完全定義實(shí)值，δα代表與無人機(jī)遙感影像目標(biāo)融合名詞相關(guān)的半完全定義實(shí)值，α代表固定目標(biāo)融合名詞的實(shí)值表達(dá)系數(shù)，聯(lián)立公式(2)，可將基于圖像分割的原始特征選擇定義式表示為：

(3)

其中:g′代表原始無人機(jī)遙感影像的最大化復(fù)原系數(shù)，ω1、ω2分別代表兩個不同的原圖像分割指標(biāo)。

2.3 特征元素之間的相關(guān)性測度

(4)

式中，γ代表目標(biāo)地物圖像的均值分割標(biāo)準(zhǔn)差，m代表遙感影像目標(biāo)的特征化測度指標(biāo)。

3 面向?qū)ο蟮臒o人機(jī)遙感影像地物提取(無人機(jī))

在遙感影像目標(biāo)融合原理的支持下，按照多分辨率影像分割、紋理與尺度定義、地物提取的處理流程，完成基于圖像分割無人機(jī)遙感影像目標(biāo)提取技術(shù)的順利應(yīng)用。

3.1 多分辨率影像分割

很多情況下，完整的無人機(jī)遙感影像目標(biāo)地物波譜是由多個不同的小區(qū)間分割圖像共同組成的，這些小區(qū)間圖像雖然反映了不同地物目標(biāo)的遙感影像，但卻始終保持相同的影像尺寸條件[14]。以固定區(qū)域內(nèi)(如機(jī)場)的無人機(jī)遙感影像為例，從不同分辨率層次分析地物景觀的目標(biāo)圖像。

分析圖3可知，分割前影像中空白噪點(diǎn)的數(shù)量級水平相對較高，一部分地物目標(biāo)極易被空白區(qū)間覆蓋，從而導(dǎo)致波譜內(nèi)影像目標(biāo)的提取出現(xiàn)較大偏差。

分析圖4可知，分割后影像中空白噪點(diǎn)的數(shù)量級水平大幅下降，地物目標(biāo)不會被空白區(qū)間覆蓋，可得到清晰性表達(dá)，從而使波譜內(nèi)影像目標(biāo)的提取精度得到有效保障。

圖3 分割前多分辨率無人機(jī)遙感影像 圖4 分割后多分辨率無人機(jī)遙感影像

3.2 紋理與尺度定義

影像目標(biāo)提取精度的提高是通過合理定義紋理特征和尺度特征而實(shí)現(xiàn)的，這些統(tǒng)計量描述了特定區(qū)域內(nèi)待分割圖像灰度值的變化情況，并規(guī)范了對應(yīng)像素之間的數(shù)值限定關(guān)系(如圖5所示)。紋理特征是無人機(jī)遙感影像結(jié)構(gòu)的重要統(tǒng)計測度標(biāo)準(zhǔn)，當(dāng)分割后圖像的尺度特征值低于原影像的尺度特征值時，定義紋理特征為平滑；當(dāng)分割后圖像的尺度特征值與原影像的尺度特征值近似時，定義紋理特征為粗糙[15-16]。在區(qū)分影像中地物波譜的平滑表面與粗糙表面時，這種特殊屬性使得紋理特征與尺度特征同時具備較強(qiáng)的圖像描述能力。通常情況下，空氣或水面在無人機(jī)遙感影像中反映為平滑表面，而植被或城區(qū)則反映為粗糙表面。只有在圖像分割空間內(nèi)地物目標(biāo)分辨率足夠高的情況下，植被、道路、建筑物等目標(biāo)才能通過紋理與尺度特征定義的方式得到清晰表達(dá)[17-18]。

圖5 無人機(jī)遙感影像中目標(biāo)地物的紋理與尺度信息

3.3 地物提取結(jié)果

在紋理與尺度特征條件的支持下，按照圖像分割原理，將無人機(jī)遙感影像處理成多個獨(dú)立小型地物波譜結(jié)構(gòu)，且這些波譜均反映同一處目標(biāo)地物景觀(如圖6以一樓體建筑結(jié)構(gòu)為例)。

圖6 無人機(jī)遙感影像目標(biāo)的地物提取結(jié)果

圖6(a)代表無人機(jī)遙感影像的原始目標(biāo)地物波譜，(b)代表多分辨率分割后的目標(biāo)地物波譜，(c)代表分割圖像中的建筑物波譜目標(biāo)，(d)代表分割圖像中的道路波譜目標(biāo)。分析圖6可知，原始圖像可反映各類地物目標(biāo)的遙感影像，但無法清晰表達(dá)既定地物景觀的真實(shí)提取狀態(tài)；分割后圖像細(xì)化了各類地物目標(biāo)的實(shí)際遙感影像，但整體提取清晰化水平依然有待提高；既定波譜目標(biāo)雖不能反映無人機(jī)遙感影像的表現(xiàn)全貌，但可清晰表達(dá)待提取的目標(biāo)地物景觀。至此，實(shí)現(xiàn)對所有目標(biāo)地物的圖像分割與處理，完成無人機(jī)遙感影像目標(biāo)提取方法的搭建。

4 實(shí)驗(yàn)分析

為驗(yàn)證基于圖像分割無人機(jī)遙感影像目標(biāo)提取技術(shù)的實(shí)際應(yīng)用價值，設(shè)計如下對比實(shí)驗(yàn)。選取一包含多類地物目標(biāo)的場景作為實(shí)驗(yàn)區(qū)域，將無人機(jī)釋放至該區(qū)域上方，獲取實(shí)驗(yàn)所需的遙感影像。分別將所獲圖像信息傳輸至A、B、C三臺主機(jī)中，其中A主機(jī)搭載上文所述的目標(biāo)提取技術(shù)，B主機(jī)搭載高分辨率遙感影像場景分類方法，C主機(jī)搭載光學(xué)遙感模型。

圖7 實(shí)驗(yàn)場景的無人機(jī)遙感影像

圖8 遙感影像目標(biāo)提取處理

目標(biāo)地物的波譜寬度是指遙感影像中既定結(jié)構(gòu)體圖像在原始圖像中所占據(jù)的寬度比率，可用來描述圖像的反射特性能力。通常情況下，目標(biāo)地物的波譜寬度數(shù)值越大，無人機(jī)所具有的無誤提取能力越強(qiáng)，反之則越弱。

初始采集相位條件、亞像素條件是兩個不同的無人機(jī)遙感影像目標(biāo)提取環(huán)境，可通過計量地物波譜寬度數(shù)值的方式，確定圖像的反射特性能力，實(shí)驗(yàn)詳情如下(已知在波譜寬度值低于3.5 μm的情況下，該組提取方法的處理結(jié)果便不具有實(shí)際參考的價值)。

分析表1可知，在初始采集相位條件下，隨著目標(biāo)地物節(jié)點(diǎn)計及數(shù)量的增加，A組圖像的波譜寬度值也逐漸增大，在達(dá)到極值條件后，開始趨于穩(wěn)定，在整個實(shí)驗(yàn)過程中，該組的實(shí)際數(shù)值結(jié)果始終具備較強(qiáng)的實(shí)際參考價值。B組、C組圖像的波譜寬度值均呈現(xiàn)明顯的中間極值趨近狀態(tài)，目標(biāo)地物節(jié)點(diǎn)計及數(shù)量等于20.0×107個時，B組的波譜寬度最小值達(dá)到2.8 μm，與理論參考的下限極值3.5 μm相比，下降了0.7 μm，且當(dāng)目標(biāo)地物節(jié)點(diǎn)計及數(shù)量達(dá)到16.0×107個后，該組的處理結(jié)果就已經(jīng)失去了實(shí)際參考價值；C組波譜寬度最小值達(dá)到3.9 μm，與理論參考的下限極值3.5 μm相比，上升了0.4 μm，在整個實(shí)驗(yàn)過程中，該組的實(shí)際數(shù)值結(jié)果始終具備較強(qiáng)的實(shí)際參考價值，但平均數(shù)值水平遠(yuǎn)低于A組。

表1 初始采集相位條件下的目標(biāo)地物波譜寬度

分析表2可知，在亞像素條件下，隨著目標(biāo)地物節(jié)點(diǎn)計及數(shù)量的增加，A組圖像的波譜寬度值保持階段性上升的變化趨勢，在整個實(shí)驗(yàn)過程中，該組的實(shí)際數(shù)值結(jié)果始終具備較強(qiáng)的實(shí)際參考價值。B組圖像的波譜寬度值則持續(xù)小幅下降，全局最大值僅達(dá)到3.2 μm，與理論參考的下限極值3.5 μm相比，下降了0.3 μm，整個實(shí)驗(yàn)過程中的所有數(shù)值結(jié)果均不具有實(shí)際參考價值。C組圖像的波譜寬度值在階段性小幅下降后，開始持續(xù)上升，在目標(biāo)地物節(jié)點(diǎn)計及數(shù)量達(dá)到10.0×107個之前，該組的數(shù)值記錄結(jié)果不具備實(shí)際參考價值，但從該時刻起，該組的波譜寬度記錄值開始持續(xù)增大，到實(shí)驗(yàn)結(jié)束時已達(dá)到4.0 μm，與理論參考的下限極值3.5 μm相比，上升了0.5 μm。

表2 亞像素條件下的目標(biāo)地物波譜寬度

綜上可知，與高分辨率遙感影像場景分類方法和光學(xué)遙感模型相比，基于圖像分割無人機(jī)遙感影像目標(biāo)提取技術(shù)可在初始采集相位條件下、亞像素條件下，同時提升目標(biāo)地物的波譜寬度測量值，不僅增強(qiáng)了原始圖像的反射特性能力，也實(shí)現(xiàn)了對無人機(jī)目標(biāo)的無誤提取。

5 結(jié)束語

從地物波譜反射特性能力的角度來看，基于圖像分割的無人機(jī)遙感影像目標(biāo)提取技術(shù)可在描述區(qū)域顏色特征的同時，實(shí)現(xiàn)對低層特征的量化處理，且在類哈爾濾波器結(jié)構(gòu)的促進(jìn)下，特征地物目標(biāo)元素之間的相關(guān)性也得到有效測度。與其它無人機(jī)遙感影像目標(biāo)處理手段相比，這種方法可直接提升目標(biāo)地物的波譜寬度實(shí)值，符合圖像分割領(lǐng)域內(nèi)，無人機(jī)結(jié)構(gòu)對于目標(biāo)對象的無誤化提取與應(yīng)用。