基于数学形态的遥感图像分割问题的研究

第一章 绪论

1.1 研究背景及研究意义
目前，人口大幅度增长、非再生资源逐渐枯竭和生态环境的不断恶化已经开始阻碍人类社会的发展。遥感技术可使人类从太空的高度连续、重复地观测地球，从而为人类认识地球的地貌及其动态变化，更合理的规划和利用地球资源，更有效的保护环境，提供了强大的技术手段。遥感（remote sensing），正式出现于1960年美国的一项军事科研计划中，并于 1962 密执安大学举办的第一届环境遥感学术讨论会正是采用以来，已经成为全球广泛传播的高科技名词术语之一。
遥感影像实际上就是地物发射或反射的电磁波能量的客观记录，即地物波谱特性的记录。遥感影像的应用处理与分析解译过程，即是根据地物波谱特性的影像反推地物目标属性类别及其时空变化的反演过程。通常遥感系统获得的影像都是一个地区自然与人文景观的综合反映，并按一定格式分幅、编号、记录、存储、检索，即每类遥感影像的每一幅覆盖面积是有限的，而包含的内容则是多方面的、综合的。有的研究区域很大但感兴趣的对象有限，仅是遥感影像信息中的某些部分，例如震灾评估主要对建筑物和生命线工程受损情况感兴趣。为了识别和分析目标，需要将这些有关对象从整幅影像数据中分离并提取出来并在此基础上对地物目标影像做进一步处理与分析利用，如进行特征提取与测量等。图像分割就是为此发展起来的一项专门技术，旨在将图像分割一块块各项同质性区域，即图像分割是从图像中提取感兴趋区域目标的技术过程。一般图像工程的处理层次分为图像处理、图像分析、图像理解。像素点进行分离或者合并,形成有意义的影像区域。遥感影像的光谱特征是影像的基本特征,也是诸多影像分割算法依据的基本特征，即依据影像的基本特征将影像分为一个个同质的区域。
目前，针对计算机视觉领域中的图像分割算法已展开了较多研究，并成功应用于各个领域，但是针对遥感影像的分割很少，特别是高空间分辨率遥感影像的出现，给分割带来很大的挑战及困难。高分影像其特点是空间分辨率高、纹理丰富却光谱信息相对不足，而数据量大、空间变异性高成为影响分割的主要因素，再加上对高分辨率影像的分析与理解需要从多尺度着手，且分割的语义、精度、尺度、效率等是亟需解决的问题，使遥感影像分割难度更大，更具有挑战性。
遥感影像分割算法依据驱动对象的不同分为知识驱动和数据驱动两大类，知识驱动型是根据待分割对象的模型以及相应的知识规则来指导分割过程，数据驱动型则根据影像数据自身的特征直接对影像进行分割。若依据带分割影像的波段的不同可分为：灰度影像分割、彩色影像分割、多波段影像分割。很多研究人员更倾向于从分割原理入手，比较公认的分割算法分类为：基于像元的影像分割、基于边缘的影像分割、基于区域的影像分割，其中基于像元的影像分割主要包括阈值分割及基于聚类的分割算法。
基于阈值的图像分割，主要在于阈值的选取，适用于背景前景的灰度变化较大的图像，不太适合遥感影像的影响分割。基于聚类的分割算法，将像元特征矢量为模式, 那么影像分割即可视为：聚类过程——通过将特征空间的模式聚成团，然后映射回原图像空间从而完成图像分割。即使用不同的聚类规则将像素分到不同的聚类簇，从而应用于影像分类。影像分类是以地学知识为基础，通过计算机对遥感影像中地物的光谱特征和空间特征进行分析，选取地物模式特征，在此基础上利用一定的规则将特征空间划分为互不重叠的子空间，然后将影像中的各个像元划归到各个子空间中。由于遥感影像的一些自有特性，对于应用于遥感影像的聚类方法提出了许多以下的要求：能有效的处理大数据量集，能有效的处理高位数据，收敛快但不易陷入局部最优，聚类精度较高。随着模式识别理论的发展，由于很多模式识别理论的引入，遥感影像分类也有了很大的进展。遥感影像分类可分为监督分类和非监督分类，其中聚类是属于非监督分类。

   1.2 国内外研究现状 ..............11-13
        1.2.1 图像分割研究现状 ..............11
        1.2.2 遥感影像分割研究现状 ..............11-12
        1.2.3 分水岭算法过分割问题的研究现状 .........12-13
    1.3 论文研究内容及组织结构 ..............13-16
第二章 遥感影像分割概述 ..............16-26
    2.1 遥感影像介绍 ..............16
        2.1.1 遥感影像数据特征 ..............16
    2.2 图像分割概述 ..............16-20
        2.2.1 图像分割概念 ..............16-17
        2.2.2 图像分割算法 ..............17-19
        2.2.3 分水岭算法介绍 ..............19-20
    2.3 数学形态学 ..............20-26
        2.3.1 二值形态学 ..............20-24
        2.3.2 灰度形态学 ..............24-26
第三章 基于数学形态学去噪与保留边缘的研究及实现 ......26-36
    3.1 引言 ..............26
    3.2 基于数学形态学的边缘检测 ..............26-28
    3.3 基于多尺度多形状数学形态学的边缘检测算法 ......28-32
        3.3.1 结构元素选取 ..............28-29
        3.3.2 结构元素尺度的选取 ..............29-30
        3.3.3 算子设计 ..............30-32
    3.4 算法实现及结果分析 ..............32-35
        3.4.1 算法实现 ..............32
        3.4.2 结果分析 ..............32-35
    3.5 本章小结.............. 35-36
第四章 基于数学形态学的分水岭算法研究与实现 .......36-48
    4.1 引言 ..............36
    4.2 基于数学形态的标记重构 ..............36-39
        4.2.1 形态学标记 ..............36-37
        4.2.2 二值形态学重构 ..............37-38
        4.2.3 灰度级形态学重构 ..............38-39
    4.3 基于数学形态的分水岭算法 ..............39-43
        4.3.1 基于形态学的去噪 ..............40-42
        4.3.2 形态学标记及标记的提取 ..............42-43
    4.4 算法实现与结果分析 ..............43-46
        4.4.1 算法实现 ..............43-44
        4.4.2 结果分析 ..............44-46
    4.5 本章小结 ..............46-48

总结

本文在介绍分析了遥感影像分割的现状及目前普遍存在的问题基础上，介绍了面向对象遥感影像分割思想，基于此选择分水岭算法进行遥感影像分割，较适合遥感影像分割。在分析分水岭算法产生过分割问题的原因以后，在比较两种方案之后，选择在分水岭变换前减少产生过分割的因素，在此基础上引用数学形态学的理论，给出两种方案解决过分割问题。
1. 数学形态学理论的介绍通过对数学形态学理论的介绍，分析描述了灰度形态学与二值形态学之间的联系，介绍一种在硬件上能实现的灰度形态学的定义，并介绍了将二值形态学推广到灰度形态学的理论。
2．数学形态学中结构元素的研究对于数学形态学中结构元素的研究主要包括两个方面：一个是对于结构元素形状的选取，另一个是对于结构元素尺度的选取。对于结构元素形状的选取，主要介绍的是轮廓结构元素及全方位结构元素之间的不同，主要是依据应用目的的不同而选择不同的结构元素。基于轮廓结构元素的形态学运算以图像信号团块延展度为处理原则，一般来说，噪声信号的团块延展度小，而图像信号团块延展度较大。由此，基于轮廓结构元素的形态学运算，在滤除噪声时除了对小延展度团块进行处理（填充或删除）外，将完整地保留下那些有用的图像细节而不至于丢失。由于传统滤波器存在保留边缘及滤除噪声之间的矛盾，因此在以滤除噪声为目的时选取轮廓结构元素较为适宜。对于滤除噪声后的提取边缘，使用全方位多角度的轮廓结构元素较为适宜，可以提取更多的边缘信息。