【文章內(nèi)容簡(jiǎn)介】 性上則反映地學(xué)過程的詳細(xì)、具體的內(nèi)容。不同尺度的數(shù)據(jù)體現(xiàn)為不同的特點(diǎn)，在具體的專題應(yīng)用中應(yīng)根據(jù)任務(wù)與現(xiàn)象性質(zhì)選擇相應(yīng)的尺度進(jìn)行觀察與研究[16]。由于存在尺度效應(yīng)，我們的研究往往會(huì)指定某現(xiàn)象在某尺度下的規(guī)律是怎么樣的。具體到影像分析技術(shù)上通過研究原始影像分辨率為50cm的對(duì)象均值方差與分割尺度之間的關(guān)系曲線圖得到不同地物具有不同的最優(yōu)分割尺度的結(jié)論。由于在遙感影像上的地物類別是各種各樣的，這就要求我們對(duì)不同地物的提取時(shí)采用不同的尺度，這就是遙感中的尺度問題。多尺度分割是為提取影像對(duì)象所開發(fā)的一個(gè)分割算法，它是由基于像素值和對(duì)象形狀來共同描述。它可以提取原始同質(zhì)影像對(duì)象的任意空間大小，尤其在局部對(duì)比中被考慮到。通過這種技術(shù)，我們就可以理解遙感影像對(duì)象如何在不同的尺度域之間相互作用，從而反映影像中地表物體的固有形態(tài)。在前面我們介紹過，高分辨率遙感影像具有豐富的光譜信息和空間信息，為了更好的獲取影像信息，必須首先獲取最佳影像對(duì)象。一般在進(jìn)行影像分割之前要遵循以下幾條規(guī)則：[17]：1)盡量保證對(duì)象內(nèi)部的同質(zhì)性；2）分割時(shí)的尺度應(yīng)與待解決問題所需尺度相適應(yīng)；3）為了能適用于其他類型的數(shù)據(jù)與問題，分割算法應(yīng)相對(duì)具有普適性；4）再生性問題，如果分割結(jié)果為最合理情況則分割成果應(yīng)該具有可重復(fù)性。多尺度分割的特點(diǎn)就是能夠綜合不同尺度的圖像信息。它考慮了地表實(shí)體格局或過程的多層次，克服數(shù)據(jù)源的固定尺度，采用多尺度影像對(duì)象的層次網(wǎng)絡(luò)結(jié)構(gòu)揭示地表特征的等級(jí)關(guān)系。在對(duì)象生成過程中同時(shí)將這些影像對(duì)象按等級(jí)結(jié)構(gòu)聯(lián)接從而綜合不同尺度的圖像信息并把精細(xì)尺度的精確性與粗糙尺度的易分割性這對(duì)矛盾完美的統(tǒng)一了起來。影像對(duì)象的層次網(wǎng)絡(luò)中不同尺度對(duì)象的尺寸大小有差異，但大尺度對(duì)象與小尺度對(duì)象一樣為原始像元的聚合，只是聚合閾值大小不一樣，而呈現(xiàn)不同的像元組合特征，因此大尺度的影像對(duì)象中并沒有損失原始像元的信息。在自然界幾乎所有的現(xiàn)象都不同程度的具有尺度效應(yīng)，面向?qū)ο蟮木C合不同尺度信息的特性使得我們解決多現(xiàn)象對(duì)應(yīng)多尺度的問題更為簡(jiǎn)單。以人類為例，人眼對(duì)某些現(xiàn)象或過程的觀察和測(cè)量也往往是在不同尺度上進(jìn)行的。所以，我們采用多尺度理論來描述、分析這些現(xiàn)象或過程，才能夠更全面地刻畫這些現(xiàn)象或過程的本質(zhì)特征。影像對(duì)象的層次網(wǎng)絡(luò)允許影像信息在不同的尺度同時(shí)被表達(dá)，通過定義不同尺度對(duì)象之間的拓?fù)渎?lián)系，更多的信息可以從影像數(shù)據(jù)中抽取出來。對(duì)圖像進(jìn)行多尺度分解是多尺度分析方法中的一個(gè)重要步驟，如圖22為用面向?qū)ο笥跋穹治鲕浖Cognation產(chǎn)生的不同尺度的分割示意圖。多尺度分解后將產(chǎn)生圖像的多尺度數(shù)據(jù)結(jié)構(gòu)。金字塔數(shù)據(jù)結(jié)構(gòu)是最常用的多尺度圖像數(shù)據(jù)結(jié)構(gòu)。在金字塔的最底層保存的是原始圖像，然后每上一層數(shù)據(jù)都是由相鄰的下一層數(shù)據(jù)產(chǎn)生，從圖22可以更直觀的看到這一點(diǎn)。金字塔上越是靠上的圖層其尺度越大，同時(shí)也越粗糙，包含的信息也越少。 A分割尺度：10 B分割尺度：20 C分割尺度：50 D分割尺度：100 E分割尺度：150 F分割尺度：200圖22 eCognation中不同尺度的分割圖 面向?qū)ο蟮倪吘墮z測(cè)方法 傳統(tǒng)圖像邊緣檢測(cè)與面向?qū)ο笏枷氲慕Y(jié)合邊緣是圖像最重要的特征之一，包含了圖像的大部分信息，是指圖像局部區(qū)域亮度變化最為顯著的部分[18]，該區(qū)域的灰度剖面一般可看作是一個(gè)階躍[19]，即從一個(gè)灰度值在很小的緩沖區(qū)域內(nèi)急劇變化到另一個(gè)灰度相差較大的灰度值。由此可知，邊緣是由于灰度值的不連續(xù)產(chǎn)生的，因此可以通過數(shù)學(xué)求導(dǎo)的方法檢測(cè)邊緣，根據(jù)求導(dǎo)階數(shù)可分為一階求導(dǎo)和二階求導(dǎo)，一階求導(dǎo)算法簡(jiǎn)便迅速，二階求導(dǎo)能判別出邊緣像素是居于圖像邊緣的明區(qū)還是暗區(qū)?；谝浑A導(dǎo)數(shù)的運(yùn)算是通過梯度算子來完成的，例如比較常用的Robets交叉算子[20]、Prewitt邊緣算子[21]以及Sobel邊緣算子等[22]，基于二階導(dǎo)數(shù)的邊緣檢測(cè)比較常用的有Laplacian算子[23]。通常我們對(duì)圖像直接進(jìn)行邊緣檢測(cè)，由于光照或圖像噪聲的影響所得到的邊緣點(diǎn)基本不連續(xù)，導(dǎo)致難以進(jìn)行近一步描述和運(yùn)算。Hough變換的思想認(rèn)為根據(jù)實(shí)際測(cè)量所遇到的圖像邊緣的類型可分為直線、圓、圓弧、橢圓等不同類別。對(duì)于這些不同對(duì)象，有學(xué)者認(rèn)為可以預(yù)先確定大致的范圍，然后根據(jù)這些先驗(yàn)信息，按照一定的準(zhǔn)則進(jìn)行邊緣點(diǎn)的搜索和確定，再剔除異常的邊緣點(diǎn)，就可以得到相關(guān)邊緣的準(zhǔn)確定量描述。這樣，不僅提高了圖像處理的速度(只對(duì)確定范圍內(nèi)的區(qū)域進(jìn)行處理)，而且得到了檢測(cè)對(duì)象的描述參數(shù)(對(duì)檢測(cè)得到的邊緣像素點(diǎn)進(jìn)行相應(yīng)的進(jìn)一步處理)[24]。經(jīng)上處理后可得到比較準(zhǔn)確的邊緣點(diǎn)，然后按照相應(yīng)的直線或圓等擬合方程，同時(shí)也實(shí)現(xiàn)了對(duì)這些目標(biāo)的“對(duì)象化”。然后就可以根據(jù)我們的需求對(duì)此對(duì)象的各種特征的分析。 Hough變換直線檢測(cè)Hough變換最早是由Paul Hough提出的一種的直線檢測(cè)方法[2526]，是目前使用廣泛的一種檢測(cè)直線的方法。Duda和Hart分別對(duì)最初的Hough變換算法做了進(jìn)一步的改進(jìn)和完善[27]，Hough變換實(shí)現(xiàn)了一種從圖像空間到參數(shù)空間的映射關(guān)系，其核心思想是點(diǎn)線的對(duì)偶性，通過變換將圖像從圖像空間轉(zhuǎn)到參數(shù)空間[28]。假設(shè)在圖像空間，所有經(jīng)過點(diǎn)的直線都滿足方程： （21）其中為斜率，為截距。公式（）的另一種寫法如公式（22）： （22）（22）式代表過點(diǎn)的參數(shù)空間中的一條直線。如圖23所示：圖23圖像空間和參數(shù)空間中點(diǎn)和線的對(duì)偶性從式（21）和（22）可知，如果在圖像空間中保持直線的斜率和截距不變，其在參數(shù)空間中的對(duì)應(yīng)直線必定過點(diǎn)，這也就說明，在圖像中共線的點(diǎn)對(duì)應(yīng)于參數(shù)空間共點(diǎn)的線。Hough變換就根據(jù)點(diǎn)線的對(duì)偶性把在圖像空間中存在的直線檢測(cè)問題轉(zhuǎn)化成參數(shù)空間中存在的點(diǎn)檢測(cè)問題，通過在參數(shù)空間里進(jìn)行簡(jiǎn)單的累加統(tǒng)計(jì)完成直線檢測(cè)任務(wù)[2930]。如果直線方程斜率為無窮大，會(huì)使累加器的尺寸變得很大，從而增加了計(jì)算的復(fù)雜度并降低了算法檢測(cè)的速度，因此，通常采用直線極坐標(biāo)方程[31]： （23）在極坐標(biāo)中便是圖24(b)所示的點(diǎn)(θ,ρ)在極坐標(biāo)里，橫坐標(biāo)為直線的法向角θ，縱坐標(biāo)為笛卡兒坐標(biāo)原點(diǎn)到直線的法向距離ρ。在笛卡兒坐標(biāo)系中通過公共點(diǎn)的一簇直線（如圖 24(c)所示），映射到極坐標(biāo)中便是一個(gè)點(diǎn)集,這些點(diǎn)集構(gòu)成一條曲線，其實(shí)這是正弦曲線（圖24d)）。因此笛卡兒坐標(biāo)空間中的一個(gè)點(diǎn)對(duì)應(yīng)于極坐標(biāo)中就是一條正弦曲線。(a) (b) (c)(d) (e) (f) 圖24 Hough變換的原理在笛卡兒坐標(biāo)中共直線的點(diǎn)（如圖24(e)中的(x1,y1)(x2,y2)(x3,y3)三點(diǎn)共線）映射到極坐標(biāo)系便是共點(diǎn)的一簇曲線（圖24(f)）。在圖24(f)中還可以看到這三條曲線有兩個(gè)交點(diǎn)， 其實(shí)這兩個(gè)交點(diǎn)的所對(duì)應(yīng)的橫坐標(biāo)值即法向角數(shù)值相差 180186。，對(duì)應(yīng)到笛卡兒坐標(biāo)里是同一條直線。如果令直線的法向角的取值范圍為：2/π2/π，其交點(diǎn)就只有一個(gè)了。從圖24中可以看出，Hough 變換使不同的線和點(diǎn)建立了一種對(duì)應(yīng)關(guān)系。設(shè)已知一黑白圖像上畫了一條直線，要求出這條直線所在的位置如圖25在此我們假設(shè)直線的的方程為，其中k和b是參數(shù)斜率和截距。我們要得到此直線的方程就必須計(jì)算得到參數(shù)k和b的值。如果直線為y=x,則我們?cè)贖ough變換過程肯定會(huì)計(jì)算到下面的三個(gè)點(diǎn)：A(1,1),B(2,2),C(3,3)?？梢郧蟪?，過A點(diǎn)的直線的參數(shù)要滿足方程1=k+b,過B點(diǎn)的直線的參數(shù)要滿足方程2=2k+b,過C點(diǎn)的直線的參數(shù)要滿足方程3=3k+b,這三個(gè)方程就對(duì)應(yīng)著參數(shù)平面上的三條直線，而這三條直線會(huì)相交于一點(diǎn)(k=1,b=0)。我們就是通過參數(shù)平面的情況來描述原圖像上的點(diǎn)是否為同一直線上的點(diǎn)。圖25 Hough變換過程示意圖當(dāng)原圖像上有N條直線時(shí)，對(duì)應(yīng)參數(shù)平面上會(huì)有N個(gè)的直線簇分別通過N個(gè)固定點(diǎn)。這就是我們解決問題的方法，就是把圖像平面上的點(diǎn)對(duì)應(yīng)到參數(shù)平面上的線，最后通過統(tǒng)計(jì)特性來解決問題。Hough變換在抑制噪聲方面的能力強(qiáng)使其能廣泛應(yīng)用，它能夠提取處在噪聲背景中的直線，并且具有把斷了的線段連接起來的能力。Hough變換前必須對(duì)原圖像進(jìn)行一些必要的預(yù)處理，這些預(yù)處理工作包括灰度化，利用一定的邊緣提取算子進(jìn)行邊緣提取，然后再設(shè)定一個(gè)灰度閾值對(duì)圖像進(jìn)行二值化處理。由Hough的原理可知Hough變換的性質(zhì)如下：（1）(x,y)域中的一點(diǎn)對(duì)應(yīng)于變換域(ρ,θ)中的一條正弦曲線。（2）變換域(ρ,θ)中的一點(diǎn)對(duì)應(yīng)于(x,y)域中的一條直線。（3）(x,y)域中一條直線上的n個(gè)點(diǎn)對(duì)應(yīng)于變換域中經(jīng)過一個(gè)公共點(diǎn)的n條曲線。根據(jù)其原理就可以進(jìn)行目標(biāo)對(duì)象的檢測(cè)，圖26(b)即用如上的方法計(jì)算得到五角星的邊緣。 a待提取邊緣的五角星 b提取邊緣后的五角星圖26 Hough變換提取五角星邊緣同樣把Hough變換的方法應(yīng)用到遙感影像分析中同樣是可行的，圖28是對(duì)圖27的線性地物的提取，從28我們可以看出原始影像上的線性地物基本都可以提取到。但是我們發(fā)現(xiàn)它并不能區(qū)別線性的道路和相對(duì)比較直的和的沿岸。圖27 原始遙感影像圖28 Hough變換提取遙感影像中的道路 Hough變換的推廣其實(shí)Hough變換可以檢測(cè)任意的已知表達(dá)形式的曲線，關(guān)鍵是看其參數(shù)空間的選擇，參數(shù)空間的選擇可以根據(jù)它的表達(dá)形式而定。在Hough變換的推廣應(yīng)用中比較多的是針對(duì)圓和橢圓的檢測(cè)。下面我們先簡(jiǎn)單介紹Hough變換的圓檢測(cè)原理。假設(shè)一個(gè)圓其邊界方程為： （24）其中為圓邊界上的邊界點(diǎn)集，r為半徑。同樣可以把x，y看作變量則方程為： (25)參數(shù)空間為三維的錐面，當(dāng)檢測(cè)某一半徑的圓的時(shí)候，可以選擇與原圖像空間同樣的空間作為參數(shù)空間。那么原圖像空間中的一個(gè)圓對(duì)應(yīng)了參數(shù)空間中的一個(gè)點(diǎn)；原圖像中一個(gè)點(diǎn)對(duì)應(yīng)參數(shù)空間的一個(gè)圓錐面簇，參數(shù)空間中的一個(gè)點(diǎn)對(duì)應(yīng)了圖像空間中的一個(gè)圓。由于原圖像空間中在同一個(gè)圓上的點(diǎn)的參數(shù)a和b相同，那么它們?cè)趨?shù)空間中的對(duì)應(yīng)的錐面簇都過同一個(gè)點(diǎn)(a,b,r)。這樣我們就可以統(tǒng)計(jì)參數(shù)空間里過同一點(diǎn)的這些圓錐簇來反推出在原始圖像同一圓上的點(diǎn)集。當(dāng)然如果只檢測(cè)固定r的圓，相對(duì)來說不論從算法上還是從計(jì)算量上來講都要簡(jiǎn)單些。對(duì)于已知r的情況，原始圖像上的一個(gè)圓對(duì)應(yīng)參數(shù)空間上的一點(diǎn)，原始圖像上的一點(diǎn)對(duì)應(yīng)參數(shù)空間上的一個(gè)圓。根據(jù)以上理論基礎(chǔ)本文實(shí)現(xiàn)了對(duì)圖29的Hough變換圓檢測(cè)，結(jié)果如圖210。圖29 Hough變換提取圓形物體邊緣的原始圖圖210 Hough變換提取圓形物體的結(jié)果圖Hough變換對(duì)于橢圓也有類似于圓檢測(cè)的應(yīng)用。由于橢圓有5個(gè)自由參數(shù)，所以它的參數(shù)空間是5維的，因此變換過程的計(jì)算量相應(yīng)的也增加。在遙感圖像中圓形和橢圓形的地物極為少見，所以本文對(duì)Hough變換對(duì)圓和橢圓檢測(cè)在遙感中的應(yīng)用沒有進(jìn)行深入的研究。 區(qū)域增長(zhǎng)法區(qū)域增長(zhǎng)法(Seeded Region Growing，SRG)面向?qū)ο筮b感處理方法中的重要部分。它是一種基于區(qū)域的分割方法，分割后形成的初始區(qū)域是圖像對(duì)象的形狀表述，是進(jìn)一步信息提取的基礎(chǔ)，因此分割的好壞對(duì)后續(xù)的圖像解譯有很大的影響。該算法最早由Admas和Bischf在九十年代提出[32]。區(qū)域生長(zhǎng)以種子選擇和區(qū)域形成為核心，最終提取目標(biāo)區(qū)域。但是，區(qū)域增長(zhǎng)法對(duì)種子點(diǎn)的選擇依賴性較強(qiáng)，對(duì)噪聲的干擾，生長(zhǎng)閾值的選擇十分敏感，容易造成過度分割，必須要采取對(duì)應(yīng)的抑制措施，區(qū)域合并是較為常用的方法[33]。區(qū)域生長(zhǎng)是指根據(jù)某一規(guī)則將一個(gè)種子像元的鄰域點(diǎn)及這些鄰域點(diǎn)的鄰域點(diǎn)聚集為一個(gè)區(qū)域的過程。從種子點(diǎn)的集合開始，從這些點(diǎn)的區(qū)域增長(zhǎng)是通過將與每個(gè)種子點(diǎn)有相似屬性的相鄰像素合并到此區(qū)域。可以看出這是一個(gè)迭代的過程，這里每個(gè)種子像素點(diǎn)都迭代生長(zhǎng)。直到圖像上的每個(gè)像素都進(jìn)行過處理，因此，原圖像也可以由處理后的不同的區(qū)域組成。這些區(qū)域的邊界必須為閉合多邊形。分割結(jié)果與原始圖像的對(duì)應(yīng)關(guān)系可以描述為：1）其中，f(x,y)表示原始遙感影像；表示第k個(gè)區(qū)域；2）3）其中表示是不同的區(qū)域。根據(jù)增長(zhǎng)的方式不同可以將區(qū)域增長(zhǎng)法分為單連接區(qū)域生長(zhǎng)、中心連接區(qū)域生長(zhǎng)和混合連接生長(zhǎng)。單連接區(qū)域生長(zhǎng)技術(shù)在判斷鄰域點(diǎn)是否合并進(jìn)入?yún)^(qū)域的根據(jù)是判斷種子點(diǎn)與鄰域點(diǎn)的在“生長(zhǎng)規(guī)則”下是否一致，如果一致則合并，否則判斷其它鄰域點(diǎn)。而中心連接區(qū)域增長(zhǎng)法判斷鄰域點(diǎn)是否合并的根據(jù)是判斷種子點(diǎn)的鄰域點(diǎn)與現(xiàn)有區(qū)域點(diǎn)集的某種屬性在“生長(zhǎng)規(guī)則”下是否一致，如果一致則合并，否則判斷其它鄰域點(diǎn)。區(qū)域生長(zhǎng)的準(zhǔn)則一般為區(qū)域灰度差、區(qū)域灰度分布統(tǒng)計(jì)特性和區(qū)域形狀[34]。l) 基于區(qū)域灰度差平均灰度的均勻測(cè)度度量可以作為區(qū)域生長(zhǎng)的相似性準(zhǔn)則。設(shè)某一圖象區(qū)域O，其中像素?cái)?shù)為N，則均值表示為: (26)于是，區(qū)域O的均勻測(cè)度度量可寫成： (27)其中K為閾值。上式可以解釋為:在區(qū)域O中，各像素灰度值與均值的差不超過某閾值K，則其均勻測(cè)度度量為真。2) 基于區(qū)域內(nèi)灰度分布統(tǒng)計(jì)性質(zhì)以灰度分布相似性作為生長(zhǎng)準(zhǔn)則來決定區(qū)域的合并，對(duì)灰度分布的相似性常用兩種方法檢測(cè)。KolmogorovSmimov檢測(cè): (2