遥感图像的分割技术

遥感图像的主要分割技术

摘要：遥感图像都是一个地区自然与人文景观全貌的综合反映。每一幅遥感图像的覆盖面积是有限的，其包含的内容是多方面的、综合的。在对图像的应用中，多数情况下可能只对其中的某些部分感兴趣。例如，一幅遥感图像，从军事的角度看，可能只对机场、导弹基地、兵工厂的军事目标比较关心。这些目标在图像中具有独特性质，为了对此进行识别和分析，需要将其分离出来，提取其所具有的特征，进而进行识别分类。本文主要系统分析介绍了各种常用图像分割算法和技术，并简单评论了这些方法和技术的优势和不足之处。之后，对图像分割的发展趋势进行了展望。

关键词：图像分割；阈值法；分水岭算法；边缘检测；区域生长法；数学形态学。

引言：

图像分割就是指把图像分成互不重叠的区域并提取出感兴趣的目标的技术和过程。从数学角度来看，图像分割是将数字图像划分成互不相交的区域的过程。图像分割的过程也是一个标记的过程，即将属于同一区域的像素赋予相同编号的过程。图像分割的目的是将一幅图像分为几个区域，这几个区域之间具有不同的属性，同一区域中各像素具有某些相同的性质，这里的特性可以是灰度、颜色、纹理等。

遥感图像以其良好的时相性和丰富的信息量和逐步提高的分辨率等特点逐步在国民生活的各个领域发挥了极大作用，例如，震灾评估中对建筑物和生命线工程受损情况的了解，洪水检测中对洪水的淹

没范围的评估。为了识别和分析目标，需要将这些区域从整幅图像中分离并提取出来，然后做进一步的分析与处理，如进行特征提取、测量描述等。图像分割可以把原始图像转化为更抽象、更紧凑的形式，使得更高层次的图像分析与理解成为可能。因此，我们利用图像分割技术对其进行深入的研究、发掘其中隐含的信息具有非常重要的意义。分割的好坏直接影响到后续分析、识别和解译等的精度，由于遥感图像的复杂性和图像分割自身的不确定性，遥感图像的准确分割成为遥感图像处理研究的热点和难点之一。

以下内容主要分析图像分割的各种方法和技术。

一、图像分割的方法和技术

图像分割有4种不同的常用方法：阈值法、边界法、区域法、混合法，但没有唯一标准的方法。我们根据所获得的数据和所要达到目的，选择比较适合的一种分割方法进行分割。

1、阈值法

阈值分割法是一种传统的图像分割方法，因其实现简单、计算量小、性能较稳定而成为图像分割中最基本和应用最广泛的分割技术。阈值分割法是通过设定不同的特征阈值，把图像像素点分为具有不同灰度级的目标区域和背景区域的若干类。阈值分割法主要有全局阈值法、自适应阈值法。

阈值法的分割描述：设（x,y）是二维数字图像的平面坐标，图像灰度级的取值范围是G{0,1,2，…L-1}（习惯上0代表最暗的像素点，L-1代表最亮的像素点），位于坐标点（x,y）上

的像素点的灰度级表示为f(x,y)。设t∈G为分割阈值，B={b0,b1}代表一个二值灰度级，并且b0,b1∈B。于是图像函数f1(x,y)在阈值t上的分割结果可以表示为：

阈值分割法实际就是按某个准则函数求最优阈值t的过程。阈值一般可写成如下的形式：T=T[x,y,f(x,y),p(x,y)]

其中f(x,y)是在像素点（x,y）处得灰度值，p(x,y)是该点领域的某种局部性质。

如果图像中的目标没有明显的边界，灰度阈值的大小对所分割目标的边界定位和整体尺寸有很大的影像。这意味着尺寸的测量对灰度值的选择很敏感。由于这个原因，我们需要一个最佳的方法来确定阈值。现在最常用的方法是分水岭算法。

分水岭算法是与自适应阈值化有关的一个算法。分水岭分割方法，是一种基于拓扑理论的数学形态学的分割方法，其基本思想是把图像看作是测地学上的拓扑地貌，图像中每一点像素的灰度值表示该点的海拔高度，每一个局部极小值及其影响区域称为集水盆，而集水盆的边界则形成分水岭。分水岭的概念和形成可以通过模拟浸入过程来说明。在每一个局部极小值表面，刺穿一个小孔，然后把整个模型慢慢浸入水中，随着浸入的加深，每一个局部极小值的影响域慢慢向