【正文】 因此需要再運(yùn)用簇聚類方法，合并相近的碼書向量，得出最終的量化結(jié)果。 合并之后，由于圖像像素都被標(biāo)為所在顏色類的標(biāo)記，從而形成新的一種結(jié)構(gòu)圖，這種新結(jié)構(gòu)圖稱為類圖。類圖可以看作是位于二維空間的數(shù)據(jù)點(diǎn)集合， 每個(gè)點(diǎn)的值是圖像像素點(diǎn)在二維 平面的位置 ，記為向量 (, )xy ，這些數(shù)據(jù)點(diǎn)已經(jīng)歸類并且每一個(gè)點(diǎn)都有其類標(biāo)記。類圖可以也看成是一種特殊的顏色紋理結(jié)構(gòu)圖，表征了彩色圖像中基本的顏色分類。 圖 26 給出了一種簡(jiǎn)單的類圖，圖中 “+”、 “O”、“*”分別表示數(shù)據(jù)點(diǎn)組成的 3 個(gè)類。 圖 26 類圖 顏色量化實(shí)驗(yàn)結(jié)果 下面給出華盛頓某地和北 京某地 高 分辨率遙感圖像 的顏色量化結(jié)果和類圖。實(shí)驗(yàn)中設(shè)置 ? =2，失真值的門限 t=，濾波窗口 n=5。 (a)顏色量化結(jié)果圖 西北工業(yè)大學(xué)碩士學(xué)位論文 第二章 基于 JSEG 算法的彩色遙感圖像分割 19 (b)類圖 圖 27 遙感圖像 量化 結(jié)果 圖 空間分割算法 空間分割是通過(guò)某種圖像分割標(biāo)準(zhǔn) 將 彩色圖像分割成不同區(qū)域，如果分割標(biāo)準(zhǔn)不好則可 能導(dǎo)致圖像分割的失敗。 JSEG 算法提供了 一種代價(jià)小，計(jì)算簡(jiǎn)單的分割標(biāo)準(zhǔn) ——J 值 [29]。該值的大小直接說(shuō)明了分割的好與壞，并且利用延伸出來(lái)的局部 J 值的概念可以找到 區(qū)域的邊界，完成對(duì)彩色圖像的分割。關(guān)于 J 值在本文后面將做詳細(xì)的介紹。 JSEG 算法的空間分割可分為局部 J 值計(jì)算和區(qū)域增長(zhǎng)兩大步驟，其中區(qū)域增長(zhǎng)又分為 “ 山谷 ” 確定和 “ 山谷 ” 增長(zhǎng)兩個(gè)部分。局部 J 值計(jì)算和區(qū)域增長(zhǎng)都是在一定尺度下完成的， 每 完成一次尺度減一，直到尺度小于某閾值后結(jié)束。具體流程圖如下圖所示： 西北工業(yè)大學(xué)碩士學(xué)位論文 第二章 基于 JSEG 算法的彩色遙感圖像分割 20 初 始 類 圖每 一 個(gè) 區(qū) 域計(jì) 算 局 部 J 值初 始 尺 度區(qū) 域 生 長(zhǎng)尺 度 閾 值 ？區(qū) 域 合 并輸 出 結(jié) 果YN尺 度 減 1 圖 28 空間分割算法流程圖 J值和局部 J值 JSEG 算法提出了一種新的彩 色紋理區(qū)域的分割準(zhǔn)則，即 J 值。該值是在類圖的基礎(chǔ)上計(jì)算的。假設(shè) Z 是類圖中 N 個(gè)像素點(diǎn)的集合，回顧上節(jié)類圖的定義可知，類圖為一 個(gè) 二維的數(shù)據(jù)結(jié)構(gòu)，每個(gè)數(shù)據(jù)點(diǎn)的值為其所在位置的一維向量，用(, )xy 表示。設(shè) ( , )Z x y? ， zZ? ，則 均值 m 可由下式計(jì)算： 1zZmzN ?? ? () 若將 Z 分成了 C 類 ( 1,2, , )iC? ， im 為第 iZ 類中 iN 個(gè)數(shù)據(jù)點(diǎn)的均值，則有： 1ii zZimzN ?? ? () 令 2T zZS z m???? () 211 iCCW i ii i z ZS S z m? ? ?? ? ?? ? ? () 則 J 值 由 ()定義： 西北工業(yè)大學(xué)碩士學(xué)位論文 第二章 基于 JSEG 算法的彩色遙感圖像分割 21 / ( ) /B W T W WJ S S S S S?? () 以 圖 26 為例，我們利用 ()式很容易計(jì)算每種類圖所對(duì)用的 J 值分別為,0,，如下圖所示： 類圖 1 類圖 2 類圖 3 J= J=0 J= 圖 29 不同類圖和它們相應(yīng) J 值 容易看出， J 值越大，說(shuō)明類與類之間分離地越開，類內(nèi)成員之間越緊密。因此推而廣之，我們可認(rèn)為當(dāng)圖像均由各同性質(zhì)的顏色區(qū)域組成則類圖將其分割的越好，從而 J 值較大；反之，當(dāng)顏色均衡的分布于整個(gè)圖像時(shí)， J 值會(huì)變小。然而大多數(shù)情況，整個(gè)類圖的 J 值總是介于類圖 1 和類圖 2 這兩種情況之間，則判定分割 的 好 壞 顯的不夠 直觀。 其實(shí)容易觀察到，對(duì)于類圖 1 一種 “ 好 ” 的分割就是將其分割為三部分，每部分只包含一類顏色，類似的對(duì)于類圖 3，一種 “ 好 ” 的分割應(yīng)該將其分為兩部分。因此，如果對(duì)于每一個(gè)分割的區(qū)域重新計(jì)算 J 值后求和并平均就可以得到 J ，定義 J 為： 1kkkJ M JN? ? () 式中， kJ 是區(qū)域 k 的 J 值， kM 是區(qū)域 k 的像素點(diǎn)數(shù)， N 是類圖中所有像素點(diǎn)數(shù)的總和。 這樣， J 值就可以看 作 是僅有一個(gè)分割區(qū)域的 J 的特殊情況。因此，利用 J 作為評(píng)價(jià)標(biāo)準(zhǔn)顯然比 J 值更加直觀。如 圖 210 所示，對(duì)于類圖 1 和類圖 3 這兩種情況下的 J 分別為 0 和 ，顯然分割的越好則 J 就會(huì)越小。 西北工業(yè)大學(xué)碩士學(xué)位論文 第二章 基于 JSEG 算法的彩色遙感圖像分割 22 已分割的類圖 1 已分割的類圖 2 0 , 0 , 0 , 0OJ J J J??? ? ? ? ? ?,0 , 11 , 5OJ J J? ?? ? ? 圖 210 已分割的類圖和它們相應(yīng)的 J 值 J圖和尺度的選擇 雖然 J 越小說(shuō)明圖像分割的越好，但是想得到整幅圖像的全局最小 J 值顯然是不現(xiàn)實(shí)的，因?yàn)榉指顖D像的方法有很多不是唯一的。雖然 J 值在評(píng)價(jià)圖像分割時(shí)顯得不夠直觀， 但 如果僅僅利用類圖的局部區(qū)域計(jì)算 J 值卻 能夠 表明該局部是在某區(qū)域的內(nèi)部還是靠近邊界。 J 圖就是利用這個(gè)思想而建立的， 其實(shí)它相當(dāng)于一個(gè)灰度圖 ，即在某一尺寸的小窗口內(nèi)利用像素值計(jì)算 J 值，并將其作為窗口中心像素對(duì)應(yīng)位置上的值而得到的二維數(shù)據(jù)結(jié)構(gòu)。而在某個(gè)尺寸窗口中計(jì)算的中心像素點(diǎn)的 J 值被稱為局部 J 值。 顯然，像素的 局部 J 值越高，則該像素越接近該區(qū)域邊緣。 J 圖就如同一副三維地形圖，大的 J 值如同山峰，代表了區(qū)域邊緣，而小的 J 值如同山谷，代表了某一區(qū)域的內(nèi)部。如 圖 211 所示 (圖中左邊為大尺度下的 J 圖，右邊為小尺度下的 J 圖 )： (a)大尺度下三維 J 圖 (b)小尺度下三維 J 圖 西北工業(yè)大學(xué)碩士學(xué)位論文 第二章 基于 JSEG 算法的彩色遙感圖像分割 23 (c)大尺度下 J 圖 (d)小尺度下 J 圖 圖 211 華盛頓某地 J 圖 (a)大尺度下三維 J 圖 (b)小尺度下三維 J 圖 (c)大尺度下 J 圖 (d)小 尺度下 J 圖 圖 212 北京某地 J 圖 不同尺度代表了所選局部窗口的大小。局部窗大小的選擇決定了檢測(cè)的圖像區(qū)域的大小，小尺寸窗對(duì)確定圖像顏色邊緣和局部強(qiáng)度很有用處，而大尺寸窗對(duì)探測(cè)圖像紋理邊界比較有用。一般情況下，在圖像分割中都需要在多尺度下進(jìn)行。 西北工業(yè)大學(xué)碩士學(xué)位論文 第二章 基于 JSEG 算法的彩色遙感圖像分割 24 在 JSEG 算法的應(yīng)用中，最 小尺度的基本窗是去掉邊角，且尺寸為 99? 的圓形窗口，如 圖 213 所示。 圖 213 計(jì)算 J 值的 99? 基本窗 一般情況下每增加一個(gè)尺度，窗口尺寸增加一倍。算法采用的窗口尺度如 表21 所示： 尺度 窗口 (像素 ) 采樣 (1/像素 ) 區(qū)域尺寸 (像素 ) 最小山谷 (像素 ) 1 99? 1/(1 1)? 64 64? 32 2 17 17? 1/(2 2)? 128128? 128 3 33 33? 1/(4 4)? 256256? 512 4 65 65? 1/(8 8)? 512512? 2048 表 21 不同尺度窗口大小 在分割初始階 段其實(shí)是將整個(gè)圖像作為一個(gè)區(qū)域，因此需要在一個(gè)相對(duì)大的尺度下進(jìn)行粗分割，然后在小尺度下重復(fù)分割過(guò)程，進(jìn)行更為精細(xì)的分割。所以當(dāng)定義了尺度之后就決定了分割的細(xì)節(jié)。一般來(lái)說(shuō)，如果圖像尺寸介于 256256?與 512512? 之間，可以選擇選擇初始尺度為尺度 3，以此類推。 區(qū)域增長(zhǎng) J 圖決定了一幅彩色圖像中各區(qū)域的內(nèi)部和邊界，因此我們可以選擇區(qū)域增長(zhǎng)的方法將圖像中每個(gè)像素分配至各個(gè)區(qū)域。 區(qū)域增長(zhǎng)分為確定山谷區(qū)域和山谷區(qū)域生長(zhǎng)兩步。 1 確定山谷區(qū)域 綜合上面的分析可知， J 圖的特點(diǎn)決定了區(qū)域增長(zhǎng)的模式。首先，利用 J 圖確定一些種子區(qū)域即 J 圖中的山谷區(qū)域，山谷區(qū)域的選取并不復(fù)雜，其主要步驟為： 1) 通過(guò) J 圖計(jì)算整個(gè)圖像各區(qū)域的局部 J 值的均 值 J? 和方差 J? ，設(shè)第 i 個(gè)區(qū)域內(nèi)有 N 個(gè)像素點(diǎn)且每個(gè)像素點(diǎn)的局部 J 值為 ()Ji ，則均值 J? 和方差 J? 由下式計(jì)算： 西北工業(yè)大學(xué)碩士學(xué)位論文 第二章 基于 JSEG 算法的彩色遙感圖像分割 25 1 12 211 ()1( ( ( ) ) )NJiNJJiJiNJiN?????????? () 2) 設(shè)置門限 JT ： J J JTa??? ?? () 局部 J 值小于門限 JT 的像素點(diǎn)被確定為候選山谷點(diǎn)。連接周圍四鄰域像素點(diǎn)確定候選 山谷。參數(shù) a 可從集合 { , , , 0 , , }??? 中選擇， 該參數(shù)集合能夠給出大部分的山谷。 3) 如果候選山谷像素的數(shù)量大于 表 21中相應(yīng)尺度下所列出的最小山谷尺的像素?cái)?shù)量，那么該候選山谷被確定為山谷區(qū)域 (種子區(qū)域 )。 2 山谷區(qū)域生長(zhǎng) 通過(guò)像素與像素增長(zhǎng)為山谷的方法很耗時(shí)， 因此 采用更快速的方法： 1) “ 移洞 ” 。移除種子區(qū)域中的 “ 洞 ” ，即將種子區(qū) 域中為標(biāo)記的像素標(biāo)記。 2) 對(duì)于剩余未分割區(qū)域，計(jì)算局部 J 值的平均值，連接小于局部 J 值平均值的像素點(diǎn)以形成生長(zhǎng)區(qū)域。如果這個(gè)生長(zhǎng)區(qū)域只鄰近唯一的一個(gè)種子點(diǎn)，則該區(qū)域標(biāo)記為該種子所代表的區(qū)域。 3) 為了更加精確定位區(qū)域邊界，使用小尺度下的窗口計(jì)算剩余像素的局部 J 值，重復(fù)上一步驟。 4) 剩余未分割的像素點(diǎn)在小尺度下逐個(gè)進(jìn)行區(qū)域生長(zhǎng)。將山谷邊緣未分類的 像素點(diǎn)存儲(chǔ)在存儲(chǔ)器里，每一次，局部 J 值最小的像素點(diǎn)根據(jù)它鄰近的山谷進(jìn)行標(biāo)記，存儲(chǔ)器更新，直到所有的像素點(diǎn)分類完畢。 區(qū)域合并 區(qū)域生長(zhǎng)結(jié)束后即得到圖像的分割結(jié)果，但通常情況下會(huì)出現(xiàn)過(guò)分割現(xiàn)象，因此需要利用區(qū)域合并算法進(jìn)行合并。區(qū)域合并算法是將過(guò)分割區(qū)域基于顏色相似性原理進(jìn)行合并。 提取每一個(gè)區(qū)域的顏色直方圖，計(jì)算區(qū)域顏色直方圖 i 與 j 之間的歐式距離： ( , )C H i jD i j P P??PP () 式中 ,ijP 為顏色直方圖向量。 歐氏距離是在 Luv 顏色空間下進(jìn)行的，利用歐式距離作為合并條件是合理的，因?yàn)椴噬珗D像進(jìn)行了粗糙量化，并且兩個(gè)顏色直方圖之間有很低的相關(guān)度。區(qū)域合并過(guò)程首先將兩兩鄰域的顏色直方圖 間 的歐氏距離，擁有最小距離的相鄰區(qū)域西北工業(yè)大學(xué)碩士學(xué)位論文 第二章 基于 JSEG 算法的彩色遙感圖像分割 26 進(jìn)行合并，然后計(jì)算新區(qū)域的顏色特征向量以及和周圍鄰域歐氏距離，重復(fù)合并過(guò)程直到達(dá)到最大閾值，區(qū)域合并結(jié)束。 JSEG算法分割彩色遙感圖像實(shí)驗(yàn) 分割實(shí)驗(yàn) 實(shí)驗(yàn)中選擇 256256? 大小的彩色遙感圖像， (a)原圖 (b)大尺度分割結(jié)果 (c)小尺度分割結(jié)果 (d)最終分割結(jié)果 圖 214 華盛頓某地 各尺度下的分割圖 西北工業(yè)大學(xué)碩士學(xué)位論文 第二章 基于 JSEG 算法的彩色遙感圖像分割 27 (a)原圖 (b)大尺度分割結(jié)果 (c)小尺度分割結(jié)果 (d)最終分割結(jié)果 圖 215 北京 某地各尺度下的分割圖 實(shí)驗(yàn) 結(jié)果及分析 利用傳統(tǒng) JSEG 算法對(duì) 高 分辨率遙感圖像 進(jìn)行分割有如下結(jié)論： 1) 利用 PGF 算法與傳統(tǒng)濾波算法相比，可以有效的移除噪和平滑圖像，并且不模糊圖像中各區(qū)域的邊界信息； 2) JSEG 算法可以對(duì)高分辨率彩色圖像進(jìn)行有效分割 。特別的，當(dāng)目標(biāo)顏色對(duì)比明顯時(shí)，分割效果較好； 3) 通過(guò)選擇合理的尺度， J 圖可以較為有效的反應(yīng)各區(qū)域的邊界位置，但位置不夠準(zhǔn)確 (如圖 214d 和圖 215d 中黃色區(qū)域 )； 4) 通過(guò)區(qū)域增長(zhǎng)的方法可有效分割出各圖像區(qū)域，但某些區(qū)域出現(xiàn)過(guò)分割現(xiàn)象 (如圖 214d 和圖 215d 中紅色區(qū)域 )。 西北工業(yè)大學(xué)碩士學(xué)位論文 第二章 基于 JSEG 算法的彩色遙感圖像分割 28 本章小結(jié) 本章利用