【遥感数字图像处理（朱文泉）】第九章 感兴趣目标及对象提取

9 1 感兴趣目标及对象提取概述

 一、感兴趣目标提取的作用
 二、感兴趣目标及对象提取流程
 三、感兴趣目标及对象提取的知识点

一、感兴趣目标提取的作用

 遥感图像中的感兴趣目标是指图像中用户最为关注的目标地物。
 遥感图像庞大的数据量→后续处理及分析工作量大→提取感兴趣目标。
 感兴趣目标提取的作用：
  （1）去除冗余数据、提高图像处理和分析速度、排除其它无关数据的干扰
  （2）获得高分辨率遥感图像上的目标对象。

二、感兴趣目标及对象提取流程

三、感兴趣目标及对象提取的知识点

 一、图像分割
  阈值分割法、边界分割法、区域提取分割法、形态学分水岭分割
 二、二值图像处理
 三、对象提取

 重点：各类图像分割方法的优缺点

9 2 阈值分割法

 一、阈值分割法原理
 二、阈值分割方法
 三、局部自适应阈值分割法

重点：各阈值分割方法的原理及优缺点

一、阈值分割法原理

二、阈值分割方法

 对于灰度直方图具有明显峰谷的图像，阈值可以直接通过查看图像的灰度直方图获得。

 当图像的灰度直方图不具备峰谷特征，或者当我们想要通过图像自动获取分割阈值时，就需要采用一些方法来自动搜索最佳阈值，这些搜索最佳阈值方法主要有均匀性度量法、最大类间距离法、最大类间方差法、最大熵法等。

三、局部自适应阈值分割法

 全局阈值法是对整幅图像的分割只使用了一个阈值。但是有些时候当图像所受光照不均匀时，使用同一个阈值对图像进行分割并不能取得理想的效果。这个时候，我们可以将整幅图像划分为若干个子区域，并且对不同的子区域采用不同的阈值对其进行分割。当然，子区域阈值的求取也可以采用前面全局阈值里面所讲的方法。

9 3 边界分割法

 一、边界分割法概述
 二、边缘检测
 三、边缘连接

难点：Canny边缘检测算法
重点：各边缘检测算法的原理及优缺点

一、边界分割法概述

 图像边缘是指图像局部区域亮度变化显著的部分，该区域的灰度剖面一般可以看作是一个阶跃。图像边缘是物体的轮廓或物体不同表面之间的交界在图像上的反映，是图像局部特性不连续（或突变）的结果。
 边界是具有相同灰度值的最大连通域的外廓线，边界是孤立且闭合的，它由边缘连接而成。
 边界分割方法是利用不同区域间像元灰度不连续的特点检测出区域间的边缘，从而实现图像分割。
 边缘检测只是所有基于边界分割方法的第一步，当完成边缘检测之后，还需将相互不连通的边缘连接起来构成封闭的区域才能实现目标与背景的分离，换句话说，边界分割法就是沿着目标周边闭合的边界线将其包围的区域剪切出来。

二、边缘检测

 边缘检测的方法主要有基于微分算子的边缘检测、综合边缘检测和形态学梯度的边缘检测。
 原理：将微分算子作用于原图像，计算出各像元的梯度值。由于目标或背景内部像元的梯度值较低，而其边缘的梯度值较高，因此可以通过对梯度图像的灰度值进行统计来选择合适的阈值对梯度图像进行分割以得到边缘。

三、边缘连接

 边缘检测算子经常得到的是不连续的边缘，而我们感兴趣的目标往往是连续的边缘或者区域，所以需要通过某些方法将这些不连续边缘连接成连续边缘或者闭合的边界。
 哈夫变换是一种对图像中已知形状曲线（如直线、曲线、圆等）进行检测的有效方法，其设计思想是：在图像空间和参数空间建立一种点-线的对偶关系，通过对参数空间上的参数分布情况的分析来对已知形状的曲线进行检测。

9 4 区域提取分割法

 一、区域生长分割法
 二、区域分裂合并分割法

一、区域生长分割法

 区域生长法是利用相邻像元之间的相似性将像元扩充到一个区域。首先在待分割区域选取一小块作为种子区域，然后将与其性质相同或相似的邻域像元添加至区域并作为新的种子，再以新的种子向外扩张直到无法继续归并像元，也就达到终止状态。区域生长法是一种迭代方法。由此可知，区域生长的好坏取决于种子点的选取、生长准则和终止条件。

 种子点的选取：一般需借助先验知识进行选取。要是对具体问题没有先验知识，常可借助生长所用准则对图像进行聚类分析，接近聚类中心的像元可作为种子像元。
 生长准则：即在生长过程中归并邻域像元的相似性准则，相似性准则可以是灰度级、颜色、组织、梯度或其它特性。生长准则的选取不仅依赖于具体问题本身，也和所用图像数据的种类有关。另外还需考虑像元间的连通性和邻近性，否则有时的分割结果没有意义。常用的生长准则有：基于区域灰度差、基于区域内灰度分布统计性质和基于区域形状。
 终止条件：决定区域生长的停止条件或规则，一般情况下，无法找到满足生长准则的像元时就停止。但常用的基于灰度、纹理、颜色的准则大多只考虑图像的局部性质，并没有充分考虑生长的过程，需要设置终止条件从全局进行把关。

 相似性既可以是两个空间邻接像元之间的最小灰度差，也可以是种子像元集合的平均灰度值与邻域像元间的最小灰度差，但它们产生的分割结果会有差异：当图像中存在灰度缓慢变化的区域时，如果相似性采用两个空间邻接像元之间的最小灰度差来度量则有可能会将不同区域逐步合并而产生错误的分割结果；为了克服这个问题，可以不用新像元的灰度值去与邻域像元的灰度值进行比较，而是用新像元所在区域的平均灰度值去与各邻域像元的灰度值进行比较。

二、区域分裂合并分割法

 区域分裂合并法的设计思想是：如果一个大区域的属性不一致，则将区域不断分裂为若干不相交的子区域，直到每个子区域内部属性都一致；分裂之后，如果相邻的子区域具有相同的性质，则将相邻区域进行合并。区域分裂合并法的关键是确定分裂准则和合并准则，也就是一致性准则，通常以区域的某种特征（如灰度、颜色、统计特征等）均匀性作为准则。

9 5 形态学分水岭分割法

 一、形态学分水岭分割原理
 二、形态学分水岭分割效果
 三、形态学分水岭分割的过分割问题

一、形态学分水岭分割原理

 分水岭分割是将灰度图像看作地形曲面，灰度值表示高程，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水过程来说明：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外扩展，在两个集水盆汇合处构筑大坝，即形成分水岭，根据分水岭可以将图像分割成不同的区域。

二、形态学分水岭分割效果

 形态学分水岭分割的最大优点是能直接得到封闭的边界，其缺点是最容易产生过度分割（即一个实际的目标被分割成了多个目标）

三、形态学分水岭分割的过分割问题

 过度分割问题主要是由图像中存在的噪声或者局部不规则现象所导致，目前解决过度分割有两类常用的方法：
  一是对图像进行预处理，如进行平滑、梯度变换、标记等
  二是对分割后的图像进行再处理，如区域合并。

9 6 二值图像处理

 一、四近邻与八近邻
 二、四连通与八连通
 三、内部点与边界点
 四、空洞点填补和碎块消除

重点：基本概念的理解

一、四近邻与八近邻

 四近邻是指当前像元最近的四个像元，即上下左右4个像元，不包含对角像元。而八近邻则是指当前像元周边的八个像元，包括上下左右4个像元和对角4个像元。

二、四连通与八连通

 四连通是指当前目标像元在其四近邻中存在同类像元；同样，八连通是指当前目标像元在其八近邻中存在同类像元。所以，四连通成立的时候，八连通一定成立；但八连通成立，四连通不一定成立。

三、内部点与边界点

 在每个连通域中，与背景相邻接的点称为边界点，与背景不邻接的点称为内部点。在四连通定义下，如果当前目标像元的八近邻像元中没有背景像元，则该像元为内部点；反之，为边界点。在八连通定义下，如果当前目标像元的四近邻像元中没有背景像元，则该像元为内部点；反之，为边界点。

四、空洞点填补和碎块消除

 空洞点填补通常可以采用数学形态学的闭运算实现。
 碎块消除通常可以采用数学形态学的开运算实现。
 通常为了同时进行空洞点填补和碎块消除，开运算和闭运算都是以组合的方式出现，所以可以对图像进行闭-开运算或开-闭运算。

9 7 对象提取

 一、对象提取概述
 二、贴标签
 三、边界提取

一、对象提取概述

 遥感图像中的对象：即遥感图像上具有相同特征（如光谱、纹理和空间组合关系等特征）的“同质均一”单元，“同质均一”不仅体现在光谱域上，也体现在空间域上。
 二值图像存在多个连通域时，需将各个连通域分开来单独分析其属性，因此需对各目标单元进行识别并赋以单独的编号（即贴标签）。同时，为了方便对对象的形态特征进行分析，还需将各目标单元进行矢量化，以提取各目标单元的封闭边界轮廓。

二、贴标签

 贴标签处理是对二值图像的每个不同连通域进行不同的编号以区分不同的连通域。
 四连通和八连通意义下的连通域存在差别，所以在贴标签时需区别对待。
 贴标签涉及两个关键步骤：首先是遍历图像贴新的标签；其次是对已贴好的标签进行校正。

三、边界提取

 目的：栅格数据较适合对各目标物的统计特征进行描述，但不适合描述其形态特征；而矢量数据适合描述各目标物的形态特征。为此，需要找出各目标物的矢量。
 方法：边界提取通常是对贴标签的结果图像进行递归搜索运算以获得各目标物的边界坐标，将这些边界坐标首尾连接起来则得到了闭合的矢量边界。