基于遥感影像的地块边界半自动提取

以无人机影像为实验数据，首先利用影像分割得到包含要提取地块的窗口影像；然后利用高斯模型对地块进 行提取，该算法解决了传统图割算法抗噪能力差的问题&随后，运用数学形态学对分割的结果做进一步处

理；最后利用边界提取函数对地块边界进行提取并对边界进行拟合&实验结果证明，本文算法不仅提取地块 精度较高，而且适当的减轻了工作人员的工作强度&［关键词］高斯模型；数学形态学；边界提取；最小多边形拟合［中图分类号］P237 ［文献标识码］A ［文章编号］1007 — 3000(2019)10—1171 — 50引言边界，获得分割出来的结果庞新华等以

QuickBird多光谱遥感影像为研究对象，借助于 形态学的方法和边界提取技术提取地块的边

遥感技术具有许多优点，例如覆盖范围广、 无破坏等，随着我国遥感技术的迅速发展，正在 被广泛的应用于土地利用$%、地质灾害⑵、环境 监测3等方面，无人机遥感技术以其机动灵活、

缘陈伊哲等指出微分算子虽然能够有效识

别农田地块的边缘，但是对噪声有放大作用，而

利用基于区域分割中的阈值法可以有效消除农

操作简单、可以按需求获取数据而且分辨率比较 高的优势4,因而可以利用遥感影像对地物进行 识别和信息提取地块是指能反映一致或相 对一致的地貌、土地类型及其利用现状，地块通

田地块图像的噪声影响$10%。Garcia等结合超像 素和监督分类方法，优化区域合并，将分割问题 转化为机器学习问题，实现农业场景中的高分辨 率遥感影像边界提取⑴%。Wassie等基于World-

常情况下四周有明显的自然边界，比如道路、田 View-2卫星图像，在QGIS平台中使用均值漂移 分割方法半自动提取农业场景地籍边界$12。

埂包围，并且在一定的时间范围内能够保持相对

稳定的耕地)对于地块的提取，如果单纯依靠人 Vetrivel等使用几何及3D点云特征，通过区域

增长方法实现无人机遥感影像分割及边界提

工方法进行数字化，不仅耗费时间以及大量的人 力物力、效率不高，而且还需要解译人员具有丰

取$13%。王小娟等通过将RGB影像转换到HIS 空间，基于I分量的阈值分割法提取山区田间道

富的经验因此，怎样利用影像进行自动提取 地块边界已经成为许多学者研究的方向7 )很多学者利用图像分割技术进行地物边缘

路边界$14。吴晗等以无人机影像作为研究对象，

在多尺度组合分割方法框架下，通过实验对比选

的提取，这是一种很常见的方法)胡潭高等利用 取最佳地面采样距离和分析边界提取准确率关 于尺度变化曲线选择最优分割尺度，从而实现地 块边缘的提取7。本文则提出了一种基于高斯

小波变换和分水岭分割相结合对遥感影像进行

地块提取的方法，通过改进的区域合并算法解决 过度分割问题，最后通过Canny算法提取地块的［收稿日期］2019 —04—09［基金项目］国家重点研发计划(2016YFB0502200)\"作者简介］模型的无人机遥感影像的地块提取，实验证明该

宋建涛(1991 — ),男，安徽阜阳人，硕士在读，研究方向为摄影测量与图像处理)E-mail： 2572813756@qq. com1172北京测绘第33 卷 第10 期方法不仅能够减少操作人员的劳动强度，而且提 1.2利用高斯模型进行二值化高了效率）1地块边界提取的方法1.2.1双边滤波进行降噪平滑在运用高斯模型对遥感影像进行二值化之 前,首先利用双边滤波进行降噪、平滑处理。双

首先，对无人机遥感影像进行空三处理，生成 正射影像，然后利用高斯模型对遥感影像中地块边 界的提取，其算法流程为:用高斯模型对影像进行

边滤波是将欧式距离和像素值相似性相结合的 一种滤波器，通过距离权和颜色权两种权值对图

像进行带权平滑处理，既能够去除噪声，有能够 进行边缘保护$15%）二值化、用数学形态学对二值图像进行处理、边界

提取以及拟合等流程。具体流程图如图1所示：1.2.2高斯模型图1算法流程图1.1直线条件约束下获取影像窗口尽管基于图割的算法无需人工标定，但仍需

要工作人员给出被提取地块的大概位置，即要求

操作人员通过目视的方法用鼠标在影像上开窗 口将地块框选出来。首先在地块内部以划出的 线为基础在地块的内部形成一个合适倾斜矩形，

同时还是以划出的线为基础获取影像窗口，对于

影像窗口的大小，可以根据需要通过人工设置恰 当的尺寸，如图2所示。图2原始影像高斯模型是一种精确量化事物的概率密度 函数，把一个事物可以分解为几个部分，每一部

分都可以看作是概率密度函数所形成的模型$16%。

多维高斯概率密度函数如式（1）所示：N\" u!）= 丄 -槡\"丨!exp$— 1 （' — u））!TX （' — u）%

（1）式中，'为维度是D的样本向量，〃则为这些向量

的平均值!为协方差矩阵。 ! I为!的行列式,

为!的逆矩阵，（' —#）为（' —#的转置。每个高斯模型都有均值和协方差这两个参 数,每幅影像的每个像素都是由R,G,&构成，公

式（1）中的 ' 为：其中分别表示每个像素的R 2,公式

（1）中的u（均值）为:u1

Uu3其中，）1，）2, ）3分别表示R，G，3的均值。公式（1）中的％（协方差）为:

COV（' , '）

COV（' , 4）COV（' , z）

!=cov（4 , '） cov（4,4）cov（4 , z）

（）COV（5,'）COV（5,4）COV（Z,z）其中每一个的计算公式为：cov（' , 4） = E{

— E（'））$4 — 6（4）） 4 =E（'4）—E（'）E（4）

（5）对于单高斯模型，通过人工选择确定高斯模型的训练样本,用&表示训练样本的均值,%表第33 卷 第10 期宋建涛，李大军，郭丙轩.基于遥感影像的地块边界半自动提取1173示训练样本的方差。假设训练样本属于高斯模 型K,它的公式为：槡\"!丨N\" K)=(旳[—2'-严T(8)](6)3x3的模板图4图像的腐蚀过程式(6)表明训练样本属于高斯模型K的概 率大小，遍历影像上每一个像素点输入公式(6) 膨胀操作定义如下：中，就可以得到一个概率值，然后根据设定的合 适的阈值来判定当前像素是否属于该高斯模

型，阈值既可以是经验值，也可以经过试验

确定。1.2.3影像的二值化传统的高斯模型是随机选取样本点，通过

改进算法，利用所画的矩形内部作为人工选取 的训练样本。将选取的训练样本作为一个高斯

模型并计算它的参数(协方差与均值)，然后遍

历影像窗口内的所有像素点属于该高斯模型的 概率，通过设置合适的阈值'如果某个像素点

概率大于设定的阈值'则就认为这个像素点属 于该高斯模型，就把当前像素点的值赋为255,

否则就把当前像素点的值赋为0,最终形成一个 二值图像，如图3所示。图3二值图像1.3利用数学形态学处理利用高斯模型对图像进行二值化后，会有许

多较小的白班，可以通过腐蚀与膨胀进行去除。腐蚀操作定义如式(7)所示。(f/)(sa)=min{\"($ +

+ y) — ,y) \" + ')，\"+ 4)) Df 和(x，y) ) Db} (7)

其中,Df、Db是f和/的定义域，( + ')和( + y) 应在该范围内取值。腐蚀运算则根据给定的模

板选取邻近区域中的像素值与模板元素值之差 的最小值，如图4所示。(f ㊉ / (，)=mh{f(s — x，： — y) + b(x，y) (s — x)，(—y) ) Df 和(x，y) ) Db} (8)其中,Df、Db是f和b的定义域，(s — x)和(一y)

应在该范围内取值。膨胀运算则根据给定的模

板选取邻近区域中的像素值与模板元素值之和

的最大值，如图5所示。■3x3的模板膨胀后的图像图5图像的膨胀过程对二值图像进行 腐 蚀 和 膨 胀 后 二 值 图 像 可 能会出现齿轮形边界，需要对图像进行平滑操

作，以达到去除齿轮的效果。1.4边界提取与拟合边界提取的算法有很多，比如:sobel算法，

canny算法等等)本文提取二值图像轮廓是

findcontour方法，findcontour方法进行轮廓检测 时，输入的图像必须为一个二值单通道图像，将 检测到的每个轮廓都以点的形式存储在数组中，

最终得到一系列的轮廓点。最小多边形拟合方

法是多边形轮廓逼近函数，它用指定的精度逼近

曲线，并返回逼近的结果，目的是为了减少轮廓 的顶点数目，简化多边形。但多边形逼近的结果

依然是一个轮廓，它就是不断的找多边形最远的 点加入形成新的多边形，直到最短距离小于指定 的精度。最后将简化的点进行绘制，就可以得到 所提取的地块的边界。2实验结果与分析该实验是在内存为8GB，CPU为Intel (R)

Core(TM) i7-6700 CPU@3. 4GHz 的硬件环境下通 过算法编程进行实验。本文选取的是经过拼接处理

1174北京测绘第33卷第10期过后无人机影像图，作为实验数据,然后从中选出3个不同形状的地块进行举例说明，如图6所示。<==TP + FN ? 100 %= Tp-pFp X 100%TP + TNTP + TN + FP + FN ? 00%其中,PA为提取出来的地块占整个地块的比例,

CA为提取出来的地块中正确的比例AA为窗口

影像中该地块像素以及非该地块像素被正确分 (C)实例三图6不同形状的地块边界提取为了使提取结果更为客观，本文通过photO-

shop图像处理软件对实验结果进行统计并进行 精度评价分析。本文主要分析TP,TN,FP,FN四个参数：(1) TP：表示该地块被正确提取的像素数。(2) FP：表示非该地块被错误提取的像素数。(3) TN：表示非该地块被正确分割的像素数。(4) FN：表示属于该地块未被提取的像素数。 除了上述四个参数，还引入三个统计量：割的比例。将实验分割后的影像选取样本区域进行统 计分析，从表1可以看出，目标地块被提取的准

确率都达到了 95%以上，实验结果表明，利用该 算法所提取的地块边界基本符合实际地块，不仅 准确率较高，而且能够提高工作人员的效率。表1实验数据分析实验区TPFPTNFNPA/%CA/% OA/%实例一3462298219575918979796实例二2996001707814329510097实例三13328992127921329993953结束语本文基于高斯模型对遥感影像中地块边界

的提取，结论有以下四点：(1) 利用高斯模型，通过人工目视，可以选择 要进行边界提取的地块，目的性更强，具有更好 的可操作性。(2) 运用腐蚀、膨胀以及平滑的处理后，能够 有效地去除区域分割结果边界出现锯齿、毛刺等 缺陷。(3) 利用该方法进行地块边界的提取，操作

人员的参与程度较少，可以有效地减轻了操作人

员的工作强度，而且提取速度快。(4) 该方法适用于单个目标地块的提取，如 果地块之间有道路或者田埂，那么提取的效果较

好，对于大面积的地块提取，还需要进一步的研 究，这也是今后要研究的方向。参考文献马腾，刘全明，孙红.多源遥感技术在土地利用分类中的应用

测绘通报,2018(8):5661.[2%范一大，吴玮，王薇，等.中国灾害遥感研究进展遥感学

报,2016,20(5):1170-1184.$%孙永光，赵冬至，郭文永，等.红树林生态系统遥感监测研究第33 卷 第10 期宋建涛，李大军,郭丙轩•基于遥感影像的地块边界半自动提取1175进展$% 生态学报,01333(15):4523-4538.tion$]. International Journal of Remote Sensing, 2017,38 (7):1809-1819.$2% WASSIE Y A,KEOVE M N,BENNETT R Met al. A Pro-

杨贵军，李长春,于海洋，等.农用无人机多传感器遥感辅助小 麦育种信息获取农业工程学报201531(21):184-190.王刚，高美欢,刘玉梅•基于高分辨遥感影像的城市绿地信息 提取研究北京测绘，201832(2):221224.c'dur'forS'mi-automat'dCadastralBoundaryF'atur'Eh- traction from High-Resolution Satelite Imagery]〕]. Journal

吕道双，林娜，张小青•面向对象的多尺度多特征高分遥感影 像建筑物提取口％北京测绘2019,33(2),191-195.吴晗,林晓龙•面向农业应用的无人机遥感影像地块边界提 取计算机应用，2019 39(1):298304.o[SpatialScience2018 63 1):75-92.$3% VETRIVEL A,GERKE M,KERLE N,et al. Segmentation

of UAV-basedImagesIncorporating3D PointCloudInforma- tion[J%. The International Archives of Photogrammetry‘Remote SensingandSpatialWnformationSciences201540(3):261.胡潭高，朱文泉，阳小琼，等•高分辨率遥感图像耕地地块提取 方法研究光谱学与光谱分析200929(10):2703-2707.$4%王小娟，李云伍,刘得雄，等.基于机器视觉的丘陵山区田间

道路虚拟中线提取方法$%•西南大学学报/自然科学版, 2018 40(4):162-169.庞新华，朱文泉，潘耀忠，等•基于高分辨率遥感影像的耕地 地块提取方法研究测绘科学，200934(1):48-49.$0%陈伊哲，汤修映，彭彦昆，等.农田地块图像分割技术研究

$5%李红光，郑毅，蒋晨曦，等.基于双边滤波的变电站设备图像

增强算法$%•电子世界2017(20):31-32.农业机械学报2010,4KSl):253-256.$1% GARCIA-PEDRERO A,GONEZALO~MARTIN C,LILLO-SAAVEDRA M. A Machine Learning Approach for Agricul­tural Parcel Delineation Through Agglomerative Segmenta­

$6%许辉，热依曼吐尔逊，吾守尔斯拉木，等•基于HMM和

GMM的维吾尔语联机手写体识别研究$%.计算机工程与

应用，2014,50(11):202-205.Semi-Automatic Boundary Extraction Based on Gaussian ModelSONG Jiantao1 , LI Dajun1 , GUO Bingxuan2(1. East China University of Technology, Nanchang Jiangxi 330013, China；2. State Key Laboratory of Information Engineering in Surveying, Mapping andRemote Sensing, Wuhan Universty, Wuhan Hubei 430079 , China)Abstract: Aiming at the extraction of land parcel in remote sensing image, a semi-automatic extraction method of land

parcel boundary based on gaussian model is proposed. Taking the uav image as experimental data, the window image containing the plot to be extracted was firstly obtained by image segmentation. Then gaussian model is used to extract the plots. This algorthm solves the problem of poor anti-noise abilty of tradtional graph cutting algolithm. Then,

theresultsofsegmentationarefurtherprocesedbymathematicalmorphology.Atlast!boundaryextractionfunctionis used to extract and fit the boundary. The experimental results show that the proposed algorithm can not only extract theplotswithhighprecision!butalsoreducetheworkingintensityoftheworkers.Keywords： Gaussian model； mathematical morphology； boundary extraction； minimum polygon fitting