基于同质区域的遥感图像分割算法优化方案

图像分割是将原始图像根据某种规则聚合其中性质相似、空间相连的像素，从而将原始图像分割为若干分离的、不规则同质区域的过程，常采用区域分裂或区域增长实现。区域增长首先在图像上随机选取一部分种子点，然后按照一定的相似度准则去合并相邻的像素，最终获得分割后的相似区域，区域增长算法的关键在于合理选取种子点。区域分裂首先按照一定的算法将图像割裂，然后对各个分裂的区域进行合并，最终迭代到算法收敛即可获得分割后的图像。传统的图像分割算法包括边缘流(edgeflow)算法、Meanshift算法、分水岭算法(watershed segmentation，NWS)、多分辨率分割(multi-resolution segmentation，MRS)算法等。随着人工智能和深度学习的发展，人们在基于深度学习的语义分割方面开展了大量研究。本节介绍两种经典的图像分割算法:边缘流纹理分割算法和JSEG纹理算法。此外，考虑到绝大多数特征提取算法都是基于规则区域设计的，而纹理分割的结果产生的是不规则区域，本节将介绍两种不规则形状区域(即任意形状)的区域填充方法。

一、基于边缘流的纹理分割算法

边缘流算法是一种经典的纹理分割方法，对于自然图像、遥感图像、生物图像等都有较好的分割效果。边缘流是指图像中边缘向量指向最近的边缘的方向，借鉴了扩散和曲线演化的思想，首先指定每个像素点的边缘流方向，然后检测方向相反的边缘流相遇的位置，该位置即为图像中对象的边缘。

边缘流的计算方法为:设s＝4σ为搜寻边缘的空间尺度，设I＾σ为平滑图像高斯分布的方差。对于每一个像素点(x，y)，沿着方向θ的预测误差为

在方向θ上边缘的相似度为

则在像素点(x，y)上的边缘方向估计为

在θ方向上的边缘能量计算如下:

其中，∇θGσ(x，y)为高斯核在θ方向上的梯度。边缘流的计算方法如下:

这个向量场产生之后，这些向量向它们的边缘传播。当方向相反的两个流相遇时，停止传播，它们相遇的地点就是边缘。

基于边缘流的纹理分割步骤为:

(1)对于一幅图像，按式(6.1)至式(6.5)估计边缘方向，并计算每个像素的边缘流向量；

(2)对每一个像素点，若该像素点与其邻域内的像素点的边缘流方向相近，则向其邻域扩散边缘流；

(3)否则，当某像素点与其邻域的边缘流方向相反时，则停止扩散，边缘流停止扩散的位置就是介于两个像素之间的边缘。这时，所有的局部边缘能量在离该像素点最近的边缘上汇集。

其中，扩散过程描述如下:

设像素点(x，y)的边缘流为S(x，y)，其邻近点(x′，y′)的边缘流为S(x′，y′)。若S(x，y)·S(x′，y′)＞0，则边缘流扩散S(x′，y′)＝S(x，y)，否则边缘流不扩散。

图6-14给出一组遥感图像基于边缘流算法的纹理分割结果，可以看出，边缘流算法可以很好地实现遥感图像的纹理分割。

图6-14　基于边缘流算法的遥感图像纹理分割结果

二、基于JSEG的纹理分割算法

基于JSEG的分割算法(Deng＆Manjunath，2001)是一种基于区域生长的分割算法，应用于图像纹理分割时既融合了图像的颜色信息，同时也融合了图像的空间信息，且对于自然图像和遥感图像都具有较好的分割效果。基于JSEG的分割算法包含了两个重要步骤:颜色量化和空间分割，算法的基本流程如图6-15所示。

图6-15　JSEG分割算法基本思想

1.颜色量化

颜色量化的目的是减少图像中包含的颜色数目。首先将颜色的RGB空间转换到LUV空间，再使用PGF(peer group filtering)算法对图像进行非线性平滑去噪，最后用GLA(generalized lloyd algorithm)算法完成量化，生成图像颜色类别图，其中每一个像素用一个颜色类别标签来标识。

2.空间分割

空间分割是在颜色量化步骤产生的图像类别图基础上，用模板进行扫描，根据颜色向量在模板中的分布计算模板中心像素的J值，从而得到反映图像区域分布信息的J-图像，J-图像上像素的J值大小反映了其属于区域中心或是边界，因此可以根据J-图像实现边缘分割。根据阈值在J-图像上建立种子区域，然后采用区域生长和区域合并的方法对图像进行分割，分割效果采用整幅图的全局J值进行判断。(www.xing528.com)

J-图像的计算过程如下:

对于一幅颜色类别图，Z为所有数据点z＝(x，y)组成的集合，Z的大小为N，计算所有数据点的平均值:

假设Z可以分为C个区域{Z1，…，ZC}，计算每个区域的数据点的平均值mi:

定义颜色类别图的J-图像为:

图6-16给出一组自然图像基于JSEG算法的纹理分割结果，从图中可以看出，JSEG算法在实现自然图像的纹理分割时可以取得不错的效果。

图6-16　基于JSEG算法的自然图像纹理分割结果

三、任意形状区域的填充

纹理分割之后得到的同质区域的形状是不规则的(或称任意形状)，通常采用两种思路提取任意形状区域的特征:一种是不经过任何变换、直接从不规则区域上提取。一般做法是:首先将不规则区域分割为规则小像素区域，然后通过计算所有小像素区域纹理特征的平均值来表示整个不规则区域纹理特征(特征合并过程)。这种方法运算简便快捷，在具体应用中的性能与具体的特征合并算法有关。另一种方法是首先将不规则区域“拉伸”为规则区域，然后将现有的特征提取算法应用于规则区域，以此获取不规则区域的特征。这种方法又可以分为零填充法和有效值填充法。其中，零填充法将不规则区域边界外的部分用零填充为规则矩形；有效值填充法则采用填充镜像图像(镜像填充法)，或者首先采用零填充，然后判断是否不规则区域与零填充区域的边界，进而决定是否需要过渡性填充(对象填充法)等方法，从而将不规则区域变换为规则矩形。

定义拉伸前的不规则区域为A，拉伸后的规则区域为L，以下分别介绍镜像填充法、对象填充法和低通外插填充法。

1.镜像填充法

镜像填充法的基本思想为:假设区域A边界为镜像，将区域A内的像素通过镜面“反射”到区域A的外部。填充过程可能需要几次才能完成，直到整个区域L都被填充完毕。镜像填充初始图像提供平滑外推来减弱原纹理图杂散高频分量。

2.对象填充法

对象填充法的步骤如下:

(1)首先采用零填充法将区域A拉伸为区域L，即区域A边界外的部分用零填充。

(2)从左到右、从上到下将区域L均匀划分成8×8或者16×16的子块区域，这样每个子块区域都可以分为子块区域所有像素都属于区域A、子块区域部分像素属于区域A和子块区域所有像素都不属于区域A三种情况；

(3)以上的三种情况中，后两种情况的填充处理原则为:如果子块区域部分像素属于区域A，则不属于区域A的像素用属于区域A的像素的平均值填充；如果子块区域所有像素都不属于区域A，则通过计算邻近子块区域的像素值来确定填充值；如果邻近子块区域中没有找到已经填充过的子块区域，则操作转到下一个子块区域；

(4)重复以上过程，直到所有子块区域完成填充；

(5)对整个填充区域L采用低通滤波，以降低整个区域由于填充而产生的不连续性。3.低通外插填充法

低通外插填充法的步骤如下:

(1)为了将区域A拉伸为区域L，将区域A边界外的部分用区域A内部的像素的平均值进行填充；

(2)重复以下的填充迭代过程:

(3)直到区域A外的部分全部完成填充。

图6-17给出遥感图像经过边缘流纹理分割后产生的不规则形状区域的镜像填充效果。

图6-17　遥感图像不规则形状区域的镜像填充结果