一种基于纹理梯度的高分辨率遥感图像分割方法外文翻译资料

 2022-12-18 15:33:56

英语原文共 4 页，剩余内容已隐藏，支付完成后下载完整资料

2010年第三届国际先进计算机理论与工程会议

一种基于纹理梯度的高分辨率遥感图像分割方法

Jing Qin

中国科学院研究生院地球观测与数字地球中心，

中国科学院,中国，北京，

电子邮件：jqin@ceode.ac.cn

摘要：本文提出了一种基于纹理梯度的分割方法，用于具有丰富纹理信息的高分辨率遥感图像。首先，采用非次采样轮廓变换提取纹理特征。其次，计算纹理梯度，然后将其与强度梯度组合以获得最终梯度。最后，将标记分水岭算法用于最终梯度的分割。该方法不仅避免了过分割问题，还保留了边缘信息。通过航空图像和Quickbird卫星图像的实验结果表明，该方法在高分辨率遥感图像上表现良好，效率高。

关键词：纹理梯度; 非次采样轮廓变换; 分水岭算法; 高分辨率; 图像分割。

  1. 引言

目前，随着传感器技术的发展和计算技术的强大，高空间分辨率遥感数据易于获取和广泛应用。高空间分辨率遥感图像（如IKONOS和Quickbird图像）包含丰富的纹理信息，需要高效率的纹理描述。为了从高空间分辨率遥感图像中获得有用的特征，一种重要的预处理方法便是图像分割[1]。

图像分割是许多应用程序的基本且重要的过程，旨在将图像划分为感知有意义的区域。它被用作许多计算机视觉应用的预处理阶段，如模式识别、图像检索和智能监视[2]。

构建一种通用的方法来生成对不同图像有意义的完整分割，仍然是一项艰巨的任务。强度图像的分割方法可大致分为两类：基于不连续的方法和基于相似性的方法[3]。两个不同的连续同质区域的边缘通常由灰度、颜色或纹理的不连续性标记。因此，一种分割方法可以基于这种不连续性的检测。

基于相似性的分割方法与基于像素和区域之间的相似性比较。简单的阈值和区域增长是基于基本相似性的方法，分裂和合并区域

Guojin He

中国科学院研究生院地球观测与数字地球中心，

中国科学院,中国，北京，

电子邮件：jihe@ceode.ac.cn

之间的相似性比较。简单的阈值和区域增长是基于基本相似性的方法，分裂和合并以及聚类技术是更复杂的基于相似性的方法。

分水岭变换是一种分割数字图像的技术，它使用一种基于图像梯度的区域生长方法[4]。它有效地组合了上述不连续性和相似性方法的元素。任何版本的分水岭分割方法的初始阶段是从原始图像产生梯度图像。为了强调显著的梯度并减少由噪声或其他微小和可忽略的结构引起的噪声梯度，在梯度提取方案中总是需要一些平滑方法[5]。但是，在此平滑操作中将丢失重要的纹理信息。为了改进流域技术的推广并将其适当地应用于包含大量纹理信息的高空间分辨率遥感图像，在此过程中应保留纹理信息。

在这项工作中，提出了一种组合的三阶段图像分割方法。第一阶段从非次采样轮廓变换（NSCT）的子带中提取纹理特征。第二阶段计算纹理渐变，然后将其与原始图像的简单强度梯度相结合。在捕获纹理梯度之前采用定向中值滤波，以避免图像中的阶梯边缘处的纹理特征响应的问题。最后，使用组合梯度和标记的分水岭变换对图像进行分割。

  1. 纹理梯度
  2. 非次采样轮廓纹理特征的提取

人类视觉系统的著名实验[6]支持假设人类视觉系统调优，人类视觉系统已被调整，以便使用最少数量的视觉活动细胞捕获自然场景的基本信息。人类视觉皮层中的接受神经纤维具有局限性、定向性和带通性。受绘画场景和与人类视觉系统及自然图像统计相关研究的启发，我们确定了图像的最佳表示：多分辨率，定位，临界采样，方向性和各向异性[7]。

由于从1-D基础上可分离的延伸，2-D中的小波很好地隔离了边缘点处的不连续性，但是不会“看到”沿着轮廓的平滑度。 此外，可分离小波只能捕获有限的方向信息 ——多维信号的一个重要且独特的特征。

因此，在上述用于图像的最佳表示的术语中，前三个由可分离的小波提供，而后两个需要新的构造。轮廓波变换[7]，无论是抽取的还是非次采样的（NSCT）版本，都是一种“真实的”二维变换，它可以捕获视觉信息中必不可少的内在几何结构。它满足图像的最佳表示的所有条款。 特别地，方向性属性允许解析表征分析图像的内在方向特征。图1显示了使用小波和轮廓波来细化曲线的差异。

（a）小波 （b）轮廓波

图1.小波与轮廓波。（a）用小波改进曲线; （b）使用轮廓细化曲线。

为了将自适应方案与纹理特征提取过程集成，我们开发了NSCT。 NSCT可以看作是非次采样金字塔（NSP）和非次采样方向滤波器组（NSDFB）的组合。前者产生多尺度属性，而后者推断出多方向属性。每个子带的系数的大小可用于表征纹理内容。

图2显示了来自NSCT的高分辨率遥感图像的第二比例子带的幅度。此图像显示了小波子带是如何突出显示纹理内容。因此，使用特征向量|Di,theta;（x，y）|（其中i是NSCT子带数，theta;是定向和向量）来表征每个空间位置（x，y）处的纹理内容是可行的。 值|Di,theta;（x，y）|被定义为NSCT子带位置的幅度。这种方法的直接合理证明是所有NSCT子带具有与原始图像相同的大小。

（a）45 方向 （b）135 方向

图2. 2级的非次采样轮廓变换（NSCT）子带

  1. 纹理梯度计算

为了获得纹理梯度，一种简单的方法是计算每个子带幅度的梯度并对它们求和。 但它不适用于我们的目的，原因是小波的基函数不仅响应具有特定比例和方向的扩展纹理块，而且还响应跨越若干比例的该方向线和台阶边缘。如果将标准线性导数近似滤波器应用于原始形式|Di,theta;（x，y）|小波步骤I，则响应在梯度幅度中产生双边缘。如果在分水岭算法中使用该梯度，则沿着边界生长虚假的窄区域。

我们在使用梯度算子之前对纹理子带幅度进行中值滤波。在我们的工作中实现了(1)中的可分中值滤波[8]。其方向适应所选的子带方向。

MDi,theta;(x,y)=

MedFilttheta;(MedFilt(theta; pi;/2)( |Di,theta;（x，y）|)) (1)

第一中值滤波器在子带的方向的正交方向上实现. 因此，可以通过中值滤波器的最小范围来避免边缘响应。然后再次利用中值滤波器，但其方向平行于子带取向，以减少在第一中值滤波处理中引入的噪声。可分中值滤波器的长度定义为2（l 2），其中l是给定子带的分解级别。

由于可分离中值滤波器，子带图像现在适用于梯度提取。在每个点（x，y）处，纹理梯度[9]由（2）定义。

(2)

其中n是子带的数量，▽由高斯导数梯度提取技术[5]近似（比例参数为2.0）。 l2（MDi，theta;）是中值滤波子带i的l2范数能量，并且用于归一化每个子带对梯度的影响。 图3（c）显示梯度清晰地突出了图像中纹理区域的边缘。 因此，它表明纹理梯度适用于均匀纹理贴片的边界的检测。

图3.（a）是原始图像; （b）是强度梯度; （c）是纹理梯度; （d）是与（b）和（c）相结合的最终梯度

C.梯度组合

与[9]中提出的方法类似，纹理梯度与强度梯度组合以获得最终梯度以捕获图像中的所有感知边缘。

(3)

其中G（x，y）是最终的组合梯度，并且混合对于混合强度和纹理梯度是适当恒定的。 ▽f是使用高斯导数技术计算的强度梯度。 F（|MD(x,y)|）定义如（4）

(4)

因此，参数的定义产生以下意义:(|▽f|)1.2：增加梯度图像的动态范围并强调更大的梯度值;（TG（x，y））3：到强调较大的纹理梯度值;（F（|MD（x，y）|））3：减少高度纹理化区域中的虚假梯度的影响。

最终的组合梯度清晰地包含纹理和强度边界梯度（参见图1）。

  1. 标记的流水变换

分水岭方法最初由C.Digabel和H.Lantuejoul开发，然后与许多应用一起被广泛描述。自从使用灰度图像进行原始开发以来,它已经扩展到计算效率高的形式（使用FIFO队列）并应用于彩色图像[10]。

分水岭变换算法在图像分割方面具有许多优点，例如它确保了封闭区域边界，并且具有可靠的实现并且具有可靠的结果。 分水岭变换的不足之处在于分割。理想的图像的每个感知区域在梯度函数中将具有单个对应的局部最小值。然而，图像函数中的噪声和其他结构导致梯度表面的波动，导致存在许多局部最小值。这些中的每一个都将通过分水岭过程分割为单独的区域。

在这项研究中，由于使用组合梯度，这个问题明显减少，但仍然不够。基于标记的分水岭变换[4]应用于流域处理。选择适当的区域深度以在分水岭变换之前进行H-minima变换以实现精细的分割结果。形态H-minima变换的过程可以修改梯度表面并抑制梯度的浅层最小值。它也可以被视为使用自适应区域深度来“剪切”梯度表面。

  1. 实验结果

所提出的方法在航空图像的子集上评估（分辨率信息不可用，图4（a））和具有分辨率2.4m的Quickbird卫星图像的子集（图4（b））。 两张图片的大小均为512* 512。

图4显示了两个分割实验;（a）和（b）是原始图像;（c）和（d）分别是基于强度梯度的标记分水岭算法的分割结果;（e）和（f）示出了基于组合梯度的分割结果。我们设置区域深度h=3来进行H-minima变换。

使用组合梯度的分割结果（图4（e）和图4（f））与使用强度梯度的结果（图4（c）和图4（d））进行比较。四个图像具有相同的区域深度。图4（c）和图4（d）在植被区域中明显过度分割，而在图4（e）和图4（f）中，该问题得到了适当改善。此外，可以看出边界保存完好，并且在纹理区域和平滑区域中都准确定位。然而，一些小的重要区域，例如图4（b）中水域中的标记对象，在结果中没有被分割出来。

图4.分割结果。（a）和（b）是原始图像;（c）和（d）是基于强度梯度的分割结果;（e）和（f）是基于组合梯度的分割结果。

  1. 结论

本研究针对高分辨率遥感图像，提出了一种基于纹理和强度梯度相结合的图像分割方法。它包括三个步骤：从NSCT纹理子带计算纹理渐变; 结合强度和纹理渐变，使用标记的分水岭变换分割图像。实验结果表明，该分割方法可有效减少高分辨率遥感图像中均匀纹理区域的过分割。并且该方法可以应用于其他应用，例如高分辨率遥感图像中的纹理区域（即森林，草地）提取。

致谢

该研究得到了国家自然科学基金的资助，编号为60972142。

  1. 参考文献

[1]J.Schiewe, 'Segmentation of high resolution remotely sensed data conceptsapplications and problems,'Archof Photogrammetry and Remote Sensing, voL 4, pp. 380-385,2002.

[2] C. yu chi and shen-chaun tai, 'perceptual color contrast based watershed for color image segmentation,' IEEE, 2006.

[3] R. C. Gonzalez and R. E. Woods, Digital Image Processing. Prentice Hall, New Jersey, USA, 2001.

[4] P. Soille, Morphological Image Analysis, Principles and Applications. Berlin, Germany: Springer-Verlag, 1999.

[5] J. Canny, 'A computational approach to edge detection,' IEEETrans. Pattern AnaL Machine IntelL, voL 8, pp. 269-285, Nov. 1986.

[6] B. A. Olshausen and D. J. Field, 'Emergence of simple-cell receptive field properties by learning a sparse code for natural images,' Nature, pp. 607-609, 1996.

[7] D. Mirth and M. Vetterli, 'The contourlet transforms: An efficient directional m

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[20242]，资料为PDF文档或Word文档，PDF文档可免费转换为Word

原文和译文剩余内容已隐藏，您需要先支付 30元 才能查看原文和译文全部内容！立即支付

以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。

您可能感兴趣的文章