常用边缘检测算法在水边线提取中的应用

常用边缘检测算法在水边线提取中的应用

边缘是图像的最基本特征，在计算机视觉和图像分析等应用中起着重要作用。边缘检测是图像分析和模式识别的主要特征提取手段,其结果的正确性和可靠性将直接影响到机器视觉系统对目标对象的理解。水边线信息的提取对以后河道表面积计算、岸线演变、滩涂资源、沿岸工程等研究均有重要意义。本文在遥感影像上,首先将水域和陆地分离,后在此基础上,将各种经典边缘检测算子进行分析比较,再应用这些算子在遥感影像上提取河道的水边线信息。本次研究区为长江和畅洲段河道(见图1),河道南岸为经济发达、人口密集的镇江市,北岸为农场;河道平面形态为U型,水流流向为由西向东,沙洲和水道相间分布,河段内由于水流东南向偏转,使得历年来该河段冲刷和淤积变化比较复杂。1数据和方法1.1投影系统及影像校正遥感影像成像时间为2002年10月,投影系统为横轴墨卡托和具有精确地理坐标的长江江苏段江堤数据(用于对遥感影像进行精确几何校正)。1.2生成线性水边线水边线提取框架(见图2):先进行水陆分离,使处理的对象是单一的水体信息,然后用边缘检测算子进行线性信息水边线的提取,最后作一些后处理使输出的结果更合理。2水陆分离2.1遥感图像的多双性差异对遥感影像的7个波段分别进行灰度直方图统计(StatHistogram)计算,其中横坐标表示灰度值,纵坐标表示该灰度值出现的次数。遥感图像具有单一的主体信息时,灰度直方图呈正态分布,只有一个峰值,但是当出现双峰时,说明遥感图像包含两种灰度值差异较大的主体信息。根据水体在短波红外波段的反射特性,水体在Landsat卫星TM5(近红外波段)反射率很低,表现为灰度值很小,而其他地物信息,如陆地、植被、道路和房屋等都具有较高的反射率,表现为灰度值很大,这种良好的水陆边界对比性,使水陆分离和水边线提取工作选定该波段来计算。为此采用阈值分割进行水陆分离。2.2谷的选取Landsat卫星TM5的直方图是具有明显双峰的图像(见图3),直接利用直方图进行全局阈值选取。对于双峰直方图选取两峰之间的谷所对应的灰度值作为阈值,将目标和背景分开。阈值的选择要利用直方图,直方图分析的门限分割法最直观,应用最普遍。如果被处理的图像灰度直方图属于双峰模型,则可以选取两个峰中间谷底对图3双峰模型直方图曲线应的灰度作为门限值。谷的选取有许多方法,常用的有两种:(1)极小值点阈值。如果将直方图的包络看成一条曲线,则选取直方图的谷时可借助求曲线极小值的方法。若用h(z)代表直方图,那么极小值点应满足:∂h(z)∂z=0∂h(z)∂z=0和∂2h(z)∂z2＞0(1)∂2h(z)∂z2＞0(1)这样这些极小点对应的灰度值就可用作分割阈值。(2)最优阈值。有时目标和背景的灰度值有部分交错,用一个全局阈值并不能将他们分开。为了减小误分割的概率,选取最优阈值是一种常用的方法。本研究应用极小值点阈值方法将水陆分离开,经过计算滤定的阈值为,水陆分离结果见图4。3经典的边缘提取方法经过水陆分离处理后,影像仅有水体和背景值,进行水边线提取实际上就是提取边缘信息。边缘在数字图像中通过其灰度值的不连续性而反映出来,是其周围象素灰度灰阶变化的那些象素的集合。经典的边缘提取方法是通过考查图像的每个像素领域内灰度的变换,即利用边缘附近的一阶或二阶方向导数变化规律来检测边缘。边缘检测常用的简单空域微分算法一般为Roberts算子、Sobel算子、Prewitt算子和Laplace算子等。3.1两象素之差Roberts算子是最简单的梯度算子,是利用局部差分方法寻找边缘的算子。算子根据任意一对互相垂直方向上的差分可用来计算梯度的原理,采用对角线方向相邻两象素之差,即:Δxf=f(i,j)-f(i+1,j+1)(2)Δyf=f(i,j+1)-f(i+1,j)(3)Δxf=f(i,j)−f(i+1,j+1)(2)Δyf=f(i,j+1)−f(i+1,j)(3)卷积算子为:[01-10][01-10][0−110][0−110]由Δxf和Δyf可得图像f(x,y)的Roberts梯度幅值为R(i,j),适当选取门限TH,当R(i,j)>TH时,(i,j)为阶跃状边缘点。3.2左、右四邻域的加权差Sobel算子是一种一阶微分算子。它利用像素邻近区域的梯度值来计算一个像素的梯度,得到图像中的边缘。将图像中每个像素的上、下、左、右四邻域的灰度值加权差,与之接近的邻域的权最大。因此,Sobel算子定义为:S(i,j)=|Sx|+|Sy|(4)S(i,j)=|Sx|+|Sy|(4)卷积算子为:[-101-202-101][-1-2-1000121]⎡⎣⎢−1−2−1000121⎤⎦⎥⎡⎣⎢−101−202−101⎤⎦⎥取适当门限TH,并判断,当S(i,j)>TH时,(i,j)为阶跃状边缘点。3.3为检测区域清分点Prewitt算子是一种边缘样板算子,样板算子由理想的边缘子图像构成,依次用边缘模板去检测图像,与被检测区域最为相似的样板给出最大值,用这个最大值作为算子的输出。Ρ(i,j)=|Ρx|+|Ρy|(5)P(i,j)=|Px|+|Py|(5)卷积算子为:[10-110-110-1][-1-1-1000111]取适当门限TH,并判断,当P(i,j)>TH时,(i,j)为阶跃状边缘点。3.4fx,y2fx,y2fx,y2fx,y2f6laplace运算的三种模板Laplace算子是二阶微分算子,它具有旋转不变性,即各向同性的性质。该算法定义为:∇2f(x,y)=∂2f(x,y)∂x2+∂2f(x,y)∂y2(6)Laplace运算的几种模板为[0-10-14-10-10][-1-1-1-18-1-1-1-1][1-21-24-21-21]以上4种微分算子各有其特性和优缺点(见表1)。4提取结果和比较分析4.1算子的均不连续化为了比较3种算子提取水边线的效果,选择了同一个地方比较小的区域进行比较(见图5)。从图5中可以看出:(1)3种算法均能正确地检测出边缘信息,且边缘定位精度均比较高,但提取的边缘均不连续(图上表现为灰度深浅不一);(2)只有Roberts算子提取的边缘是单像素的,Sobel和拉普拉斯算子提取的边缘都是多像素宽的,尤其以Sobel算子提取的边缘最宽;(3)3副图像的背景值都是0,通过像素值的查询窗口可以看出Roberts、Sobel两算子提取的边缘像素值都是正整数,而拉普拉斯算子提取的边缘有负值,这对后期进行边缘连续化工作不利。由以上结论可知,利用Roberts算子提取水边线,其结果图除了边缘不连续外,在边缘宽度和定位精度方面,相对于其它两个经典算子有其独特的优势,故最终选择Roberts算子进行水边线提取。4.2加回回收点杂对Roberts算子提取出的边缘不连续水边线图进行掩膜运算;根据边缘值在,掩膜阈值BandMinValue为1,BandMaxValue为2。由此可得水边线结果图(见图6)。5研究区