一種面向對象的遙感影像多尺度分割方法

1、一種面向對象的遙感影像多尺度分割方法第31卷第4期2007年8月北京交通大學0FBEUINGJIAo1JGUNIVV01.31No.4文章編號:16730291(2007)040111-04一種面向對象的遙感影像多尺度分割方法譚衢霖,劉正軍2,沈偉(1.北京交通大學土木建筑工程學院,北京100044;2.中國測繪科學研究院攝影測量與遙感所,北京100039)摘要:高分辨率遙感影像中豐富的空間結構信息和地理特征信息提取需要在多種不同的尺度下進行,而傳統(tǒng)的基于像素光譜特征的影像分割和單尺度影像信息提取方法在這方面存在明顯的缺陷.基于區(qū)域的面向對象影像分析方法,為高分辨率遙感影像信息提取提供了新的思

2、路,其關鍵的核心問題在于實現(xiàn)對高分辨率遙感影像的多尺度分割.本文提出了一種基于相鄰影像區(qū)域合并異質性最小的面向對象多尺度分割算法.影像分割試驗結果說明:該方法可以根據任意特定尺度下的影像分析任務或任意感興趣尺度的地物目標,調整影像分割的尺度參數(shù),從而獲得特定尺度下感興趣的影像區(qū)域(對象)作為后續(xù)面向對象影像分析和應用的根底.關鍵詞:遙感影像;多尺度分割;面向對象中圖分類號:TI53;P231;P237文獻標志碼:AAnAlgorithmfor0bject-OrientedMulti-ScaleRemoteSensingImageSegmentationTANQulin,L億,Zheng-jun

3、,SHENWei(1.SchoolofCivilEngineeringandArchitecture,BeijingJiaotongUniversity,Beijing100044,China;2.InstituteofPhotogrammetryandRemoteSensing,ChineseAcademyofSurveyingandMapping,Beijing100039,China)Abstract:Inordertoutilizetherichscaledependentinformationcontainedinhighresolutionremotesensingimages,t

4、hegeoscienceapplicationsofremotesensingimageandgeographicalinformationextractionmustbecarriedoutundermultiscalecondition.Therefore.theconventiona1developedimagesegmentationmethodsforonlyonescalecantmeettheserequirements.Inthispaper,anobjectorientedmultiscaleimagesegmentationmethodisintroducedbasedon

5、minimumheterogeneitycriterionofneighbouringregiongrowing.Thisprocedurecaneasilyadaptitsscaleparametertodifferentscaleimageanalysistasksandanychosenscaleobjectextractionofinterest.Inaword,itcanprovideenormousobjectcharacteristicsforfurtherobjectorientedprocessingoranalysis.Keywords:remotesensingimage

6、,multiscalesegmentation,objectoriented遙感影像是地面景物及空間格局的反映,地面景物往往由眾多的地物目標組成(如道路,房屋,耕地等).從影像上自動識別地物類型并精確量測地物形狀及大小,是遙感影像信息提取和攝影測量研究中的熱點和難點,也是最終由影像獲取根底地理信息的關鍵問題.當前,盡管遙感影像數(shù)據的地面空間分辨率越來越高,甚至從影像上可以辨識行人,車輛和樹木,但高分辨率遙感影像數(shù)據處理和信息提取方法卻相對進展緩慢l1J.人工解譯和判讀仍然是普遍的工作方式,費時費力,成為制約高分辨率遙感影像廣泛應用的主要瓶頸.因此,探索快速,高效的高分辨率影像數(shù)據處理與信息提取

7、方法,已成為當前收稿日期:20060906;修回日期:20070608基金工程:國家自然科學基金資助工程(40401037);北京交通大學?；鹳Y助工程(2005SM036)作者簡介:譚衙霖(1975一),男,江西寧都人,副教授,博士.email:qulintansina.c0m2北京交通大學第31卷遙感應用研究領域的一個重要研究課題.其中,對影像進行圖像分割,提取出感興趣的特定影像區(qū)域,是對影像中地物目標表示和測量的根底,也是實現(xiàn)從影像上進行地物目標計算機自動提取的第一步,是高分辨率遙感影像地物目標信息提取要研究的主要問題之一2一.1概述在計算機數(shù)字圖像處理領域,影像分割一直是研究主題之一_

8、4J.國內外已經提出了許多數(shù)字圖像分割算法,有些是全自動的,有些是半自動的.大致可把影像分割的方法分為兩大類:一是自頂向下的方法(topdown),即知識驅動的方法(knowledgedrivenmethods);二是自底向上的方法(bottomup),即數(shù)據驅動的方法(datadrivenmethods).遙感數(shù)字影像中包含著極為豐富的地物信息,影像特征空間結構關系復雜.就高分辨率遙感影像而言,影像分割的困難主要表現(xiàn)為遙感影像中地物目標的多樣性和復雜性.以建筑物提取為例,首先,其結構尺度往往是變化的;此外,建筑物與建筑物之間可能存在遮擋陰影的影響;再者,由于建筑材料的不同而導致光譜特征,紋理

9、特征存在差異.高分辨率遙感影像中不同尺度大小地物目標的紋理細節(jié)豐富而復雜,加之影像本身存在不同程度的畸變(如受太陽高度,大氣散射,傳感器性能等因素影響),決定了高分辨率遙感影像信息提取時數(shù)字圖像處理的復雜性.一般情況下,基于傳統(tǒng)的像元特征的分割程序并不能直接提取出希望得到的影像區(qū)域或感興趣的地物目標J.因此,把經分割程序分割后所生成的影像區(qū)域作為最初的地物目標基元或影像對象更為適宜.這些基元或對象可以作為后續(xù)的進一步地物自動劃分,表示與分類或圖像分析應用的地物特征信息載體和根底,是真實世界地物目標的最初近似表示.從這個意義上來說,一個好的遙感影像分割算法是那些分割結果能夠為下一步的處理與分析提

10、供地物目標最正確(優(yōu))特征信息的方法_5.這正是面向對象影像分析方法應用于遙感信息提取與目標識別的思路.面向對象方法的初衷之一是期望能提取出在形狀和分類上與真實世界地物目標相符合的影像區(qū)域,或稱影像對象.與傳統(tǒng)的圖像處理與分析方法相比,面向對象圖像分析的根本處理單元不是單個的像素,而是影像分割后提取的影像對象.它的最大特點是基于影像對象可生成大量的地物新信息.相對于單個像素,均質的影像對象提供了除色調(光譜)特征外,還有形狀,紋理,拓撲,上下文和尺度相關特征等語義信息.利用這些信息,可使地物目標分類識別更加詳細,準確.最重要的是面向對象遙感影像的分析方法,使處理遙感影像中包含的語義信息成為可能

11、,而且十分方便.因為理解影像所需的語義信息,總是存在于有意義的影像對象及它們之間的相互關系中.大多數(shù)已開展的分割算法無視了影像分析任務中語義信息的使用,主要是因為基于傳統(tǒng)的像元特征的方法很難甚至不可能描述遙感影像的語義特征信息.而語義信息在大多數(shù)情況下對于成功地應用高分辨率遙感影像是需要考慮處理的_5_5.因此,面向對象的思路是一種適合于高分辨率遙感影像信息提取的一種較好的方法.面向對象的影像分析與應用的根底工作是提取影像對象,即首先需要分割程序能提取出在形狀和范圍上與真實世界地物目標相符合的影像區(qū)域(影像對象).由于高分辨率遙感影像中包含的不同尺寸大小的地物目標及不同層次的空間結構差異需要在

12、不同的尺度下反映,顯然,僅在單一尺度或某一特定空間分辨率下進行遙感影像信息提取,很難充分全面反映不同尺度下的地物目標與空問格局.換句話說,高分辨率遙感影像中豐富的地物目標與空間語義信息必須在多尺度下才能充分表達和描述.因此,開展的面向對象遙感影像分割算法必須滿足可以提取多種不同尺度的影像區(qū)域或對象的需要,或者說,面向對象的影像分析關鍵在于開展多尺度的影像分割算法.由于尺度變化不可能通過改變影像的分辨率來實現(xiàn),因此,實現(xiàn)多尺度分割提取影像區(qū)域的一種可行方法是對同一影像在不同的指定尺度下進行屢次分割,從而將高分辨率遙感影像中豐富的不同尺度的地物與空間結構特征信息借助不同指定尺度下的分割結果予以表現(xiàn)

13、和描述.所以,多尺度分割算法的目標是:在指定的與感興趣的地物目標或空間結構特征相對應的尺度下,將影像分割成高同質的,互相連結的不同影像區(qū)域,與感興趣的地物目標或空間結構特征相對應.2算法圖像分割本質上是將一幅M×N陣列的數(shù)字圖像劃分為假設干個互不交疊區(qū)域的過程.多尺度分割算法首先應該保證能生成高度同質性(或異質性最小)的影像分割區(qū)域(影像對象),從而適于最正確別離和表示地物目標.在某指定的尺度下分割時,采用自單像元大小的區(qū)域開始,相鄰影像區(qū)域兩兩合并增長的方法.影像區(qū)域同質性可以通過異質性的第4期譚衢霖等:一種面向對象的遙感影像多尺度分割方法計算來表達.2.1異質性計算圖像區(qū)域的異質

14、性廠包含光譜異質性和形狀異質性兩方面,其計算式為f=Wlx+(1一W1)Y(1)式中,叫1為權值,0叫11;37,為光譜異質性;Y為形狀異質性.37,Y的計算采用37,=PC7i(2)Y=W2+(1一W2)73(3)式中,為第i影像層光譜值的標準差;P為第i影像層的權;為影像區(qū)域整體緊密度;73為影像區(qū)域邊界平滑度;叫2為權值,0叫21.,73的計算式為=E/(4)73=E/L(5)式中,E為影像區(qū)域實際的邊界長度;N為影像區(qū)域的像元總數(shù);L為包含影像區(qū)域范圍的矩形邊界總長度.當合并相鄰的兩個小影像區(qū)域時,合并新生成的更大影像區(qū)域的異質性廠計算式為廠=叫1Iz+(1一叫1)Y(6)式中,-z,

15、分別為合并新生成的更大影像區(qū)域的光譜異質性和形狀異質性-z=(N一(N1+N2;)(7)Y=叫2+(1一叫2)(8)式中,N,分別為合并新生成的更大影像區(qū)域的像元總數(shù)和其所在i影像層光譜值的標準差;N1,分別為合并前相鄰影像區(qū)域1的像元總數(shù)和其所在i影像層光譜值的標準差;N2,2分別為合并前相鄰影像區(qū)域2的像元總數(shù)和其所在i影像層光譜值的標準差.和的計算分別為一【N(9)=N一(N魯+N2E2)(10)式中,E,L分別為合并新生成的更大影像區(qū)域的實際邊界長度和包含該新生成影像區(qū)域范圍的矩形邊界總長度;E】,L1分別為合并前的相鄰影像區(qū)域1的實際邊界長度和包含該影像區(qū)域范圍的矩形邊界總長度;E2

16、,L2分別為合并前的相鄰影像區(qū)域2的實際邊界長度和包含該影像區(qū)域范圍的矩形邊界總長度.2.2處理步驟采用自底向上的區(qū)域增長方法,也即數(shù)據驅動方法對影像進行完全的分割.具體策略為:從單像素大小的影像區(qū)域(對象)開始,在全圖范圍內,把相鄰的小影像區(qū)域逐步合并為更大的影像區(qū)域.在每一步合并處理步驟中,基于新生成的更大影像區(qū)域局部異質性最小進行相鄰影像區(qū)域的合并,處理流程如圖1.當新生成的更大影像區(qū)域異質性大于由尺度參數(shù)定義的閾值時,合并過程將終止,程序完成影像分割.尺度參數(shù)可根據所要提取的感興趣地物目標或空間結構的大小范圍在影像上所占的像元數(shù)來確定.尺度參數(shù)越小,程序合并過程執(zhí)行得越少,程序分割最終

17、生成的影像對象區(qū)域也越小,即生成的影像對象尺寸大小將隨著尺度參數(shù)增大而增大.圖1基于異質性最小多尺度分割算法流程圖Fig.1Flowchartofmultiscalesegmentationbasedonminimumheterogeneity因此,尺度參數(shù)與生成的分割區(qū)域尺度大小緊密相關.調整尺度參數(shù)的大小,可間接地影響生成的影像對象大小.大的尺度參數(shù)對應生成大的影像對象;小的尺度參數(shù)對應生成小的影像對象.分割程序執(zhí)行中,除設置尺度參數(shù)控制的閾值外,還可以通過4北京交通大學第31卷設置每個影像層的權值,光譜(顏色),形狀異質性計算的權值,緊密度和平滑度的權值等參數(shù)來控制分割算法的分割結果.實

18、際上,分割程序可以簡單理解為是一個使生成的影像區(qū)域(對象)的加權異質性最小化的局部最優(yōu)化過程.3試驗與分析圖2是采用基于異質性最小的多尺度分割算法在一高分辨率試驗遙感影像上分割的結果.圖2(a)為分割前的影像圖,圖2(b),(c),(d)是在形狀,緊密度,平滑度等控制參數(shù)相同的情況下,設置不同的尺度參數(shù)進行分割的結果.從圖2中可看出,尺度參數(shù)設置越小,所得到的影像對象也就越小.如小影像區(qū)域是感興趣的目標,在執(zhí)行多尺度分割方法時可采用較小的尺度參數(shù),從而主要提取平均尺寸較小的影像對象目標.同一遙感影像,可以進行屢次任意指定不同尺度參數(shù)的面向對象分割,從而創(chuàng)立多個不同尺度下的影像對象層.根據所提取

19、地物目標的不同尺度,可以在對應的不同尺度影像對象層上進行相應的信息提取工作.如在圖2(c)分割影像對象層中,可以對建筑物和植被進行提取.在圖2(d)的分割影像對象層中,可以對道路目標進行提取.(b)分刮影像(Y4瞍參數(shù)為3O)(c)分割影像(度參數(shù)為150)(d)分割影像(尺度爹數(shù)為300)圖2遙感影像的多尺度分割結果Fig.2Multiscalesegmentationresultsdr-notesensingdata圖3為在尺度參數(shù)一定的情況下,對同樣的遙感影像設置不同的形狀,緊密度,平滑度等參數(shù)進行分割的結果.在形狀參數(shù),顏色參數(shù),致密度,平滑度均為0.5時,最適合建筑物和植被的提取.從

20、圖3可以看出,選擇何種分割參數(shù)組合,取決于所要提取的不同類型地物目標的光譜與形狀特征.改變其中任何一個參數(shù)將會得到不同的結果,通過實驗比擬,可以選擇最正確的參數(shù)組合來進行分割,從而提取出感興趣尺度下的相應大小尺寸的地物目標.如本次高分辨率遙感影像分割處理試驗中,當發(fā)現(xiàn)尺度參數(shù)為300,形狀參數(shù)為0.1,顏色參數(shù)為0.9,緊密度為0.7,平滑度為0.3時,適合提取道路目標.(a)形念參數(shù)05,顏色參數(shù)0.5(b)形態(tài)參數(shù)0.1,顏色參數(shù)0.9緊密度0.5,平滑度0.5緊密度0.5,甲滑度0.5(C)形態(tài)參數(shù)0.5,顏色參數(shù)0.5(d)形態(tài)參數(shù)0.5,顏色參數(shù)0.5緊密度08,平滑度02緊密度0.

21、2,平滑度0.8圖3不同參數(shù)設置分割結果圖(尺度參數(shù)150)Fig.3Multiscalesegmentationresultsunderdifferentparameters(scale=150)4結論面向對象的影像分析,關鍵在于開展多尺度的影像分割算法.由于尺度變化不可能通過改變影像的分辨率來實現(xiàn),因此,實現(xiàn)多尺度分割提取影像區(qū)域的可行方法是對同一影像在不同的指定尺度下進行屢次分割,從而將遙感影像中豐富的不同尺度的地物與空間結構特征信息,借助不同指定尺度下的分割結果予以表現(xiàn)和描述.本文提出的基于局部相鄰區(qū)域合并異質性最小的多尺度分割算法,經試驗,可以在任意指定的感興趣尺度下,生成相應尺度下

22、影像區(qū)域作為影像對象,為面向對象的遙感影像分析與地物目標提取提供根底.高分辨率遙感影像中豐富的地物目標與空間語義信息必須在多尺度下才能充分表達和描述,因此,本算法對于高分辨率遙感影像的數(shù)據處理與信息提取具有一定的實用意義.(下轉第119頁)第4期虞育松等:燃燒室形狀對直噴柴油機燃燒性能影響的三維數(shù)值模擬1193結論(1)對于特定的燃燒室類型,燃燒室口徑與指示功率之間存在單峰或雙峰的關系.(2)直口類型燃燒室的最高指示功率將低于縮口型燃燒室最高指示功率,這與直口燃燒室不能形成強度足夠的縱向渦流有關.(3)直口燃燒室的噴束貫穿距離大于縮口型燃燒室,其噴束的遠近錐角均小于縮口型燃燒室,這與噴孔附近流

23、場對噴束的擾動強弱有關.(4)直口燃燒室的火焰最高溫度高于縮口型燃燒室,不利于控制排放,這是由于燃燒最高溫度及燃燒反響區(qū)的分布與油氣混合,油氣分布以及缸內流場的關系密切.參考文獻:1NoboruHikosaka.車用柴油機未來展望J.國外內燃機,1999(4):337.NoboruHikosaka.ProspectoftheVehicleDieselEngineJ.OverseasInternalCombustionEngine,1999(4):337.(inChinese)2何旭,高希彥,劉衛(wèi)國.燃燒室形狀對缸內氣流運動影(上接第114頁),參考文獻:1林輝,何安國,李際平.高分辨率遙感及其

24、應用M.長沙:中南大學出版社,2004:510.LinHui,HeAn-guo,LiJiping.HighResolutionRemoteSensingandApplicationM.Changsha:CentralSouthUniversityPress,2004:510.(inChinese)2KennethRCastlmn.數(shù)字圖像處理M.朱志剛,林學閻,石定機,等譯.北京:電子工業(yè)出版社,2002:375410.KennethRCastleman.DigitalImageRocessingCastlmanMJ.ZhuZhigang,LinXue-yin,ShiIng-ji,etalTr

25、ans1.Beijing:ElectronicEngineeringPress,2002:375410.(in響的數(shù)值模擬J.車用發(fā)動機,2005(3):812.HeXu,GaoXiyan,LiuWeiguo.SimulationoftheEffectsofCombustionChamberGeometryonInCylinderFl0wJ.VehicleEngine,2005(3):812.(inChinese)3馬貴陽.內燃機缸內湍流流動的數(shù)值模擬D.大連:大連理工大學,2001.MaGuiyang.SimulationofTurbulenceFlowinInternalCombustionEngineD.Dalian:DalianUniversityofTechnology,2001.(inChinese)4PemtiTaskinen.SimulationofCo