全 文 ：林业科学研究 2008, 21(增刊 ): 142~ 145
Forest Resea rch
文章编号: 100121498( 2008)增刊20142204
利用 Contour let域纹理特征在高分辨率遥感影像上提取林地边界
李晓峰 1, 2 , 张树清 1, 那晓东 1, 2 , 于 欢1, 2, 孔 博1, 2, 刘春悦1, 2
( 1.中国科学院东北地理与农业生态研究所,吉林长春 130012; 2.中国科学院研究生院,北京 100039 )
关键词:高空间分辨率遥感影像; Contour le t变换;分水岭变换; 区域融合
中图分类号: S771. 8 文献标识码: A
收稿日期: 2008212210
基金项目: 中国科学院知识创新工程重要方向项目 /三江平原湿地农田化过程及湿地 2农田景观优化格局研究 ( KZCX32SW2356) 0;基于
G IS的松嫩平原重要湿地管理系统 (GF /2712203 )
作者简介: 李晓峰 ( 1978) ),男,黑龙江讷河人,博士研究生,主要从事遥感图像处理方面的研究. Emai:l lixiaofeng1228@ gmai.l com
Extra cting the Boundary of Forests from H igh2resolution R emote Sensing
Im agery Using Texture F eature in Con tour let Doma in
LIXiao2feng 1, 2, ZHANG Shu2qing 1, NAXiao2dong 1, 2, YUH uan1, 2, KONG Bo1, 2, LIUChun2yue1, 2
( 1. N ortheast Inst itute of Geography and Agroecology, Ch inese Academy of Sciences, Changchun 130012, Jil in, Ch ina;
2. G raduateUn ivers ity ofCh inese Academy of Sc iences, Beijing 100039, Ch ina)
Abstr act: Contourlet is a new 22D signa l ana lysis tool as we ll as wavelet ana lysis. It provides a flexible multi2
resolution local and direct iona l image expansion, and is more suitable for image processing than otherm ath tools. In
th is paper, an IKONOS imagew ith forests is decomposed byContourlet transformation, then amethod for extracting
the boundary of forests from h igh2resolution remote sensing imagery is proposed associated watershed transform ation
and texture analysis. The experiment showed that them ethod cou ld extract the boundary of forests accurately.
K ey word: h igh2resolution remote sensing im agery; Contourlet transform; wa tershed transform; region merge
遥感影像森林分类识别, 是国家森林资源调查
的重要技术支持 [ 1]。从遥感影像上准确地识别森林
边界对于森林资源调查、林业规划等图件编制实现
自动化和计算机化具有重要意义 [ 2]。随着遥感卫星
数据获取技术的不断发展, 遥感影像空间分辨率不
断增高, 已经达到甚至突破米级, 如 IKONOS 和
QUICKBIRD影像。在高分辨率影像上, 不仅地物的
光谱特征更明显, 其景观的结构、形状、纹理和细节
等信息也都非常突出,但使用高空间分辨率遥感影
像进行分类所面临的一个挑战就是所谓的 /高分辨
率问题 (H2resolution prob lem) 0, 即随着传感器分辨
率的增长,类间的光谱变化增大,导致使用传统分类
器时的统计可分离性降低, 从而导致分类精度的下
降 [ 3- 4]。这也使得传统的基于窗口的纹理特征统计
方法 (如灰度共生矩阵等 )其窗口尺寸难以确定。
Marceau等 [ 5 ]深入研究了高分辨率上森林的不同空
间纹理特征, 提出了一种新的结构纹理刻画方法
( TPN),并对高分辨率影像上森林进行了分类, 获得
了比灰度共生矩阵更高的精度。H ay等 [ 6]使用面向
对象方法对森林区域实现了多尺度的图像分割, 也
获得了很好的分割结果。最近, W ang等 [ 7]应用区域
融合方法和小波域纹理特征对航空影像上的森林进
行分割提取了林地边界;但由于高空间分辨率遥感
影像上林种和森林疏密程度不同使得林地表现得很
不均质,目前的方法分割和提取林地边界还不能够
获得很好的精度,所以研究能够良好表达不同疏密
程度和林种纹理特征的方法就很有必要。
Contourle t变换是继小波分析后的新一代信号
增刊 李晓峰等:利用 Contourlet域纹理特征在高分辨率遥感影像上提取林地边界
分析工具,具有多分辨、局部化和多方向性等优良特
性,更适合处理图像等高维信号。它克服了小波变
换的方向性的不足, 能够多尺度多方向的刻画二维
图像的纹理特征。Bouzidi等 [ 8]利用 Contourlet域纹
理特征实现对图像的确认, 沙宇恒等 [ 9]基于 Con t2
ourlet域隐马尔可树模型对图像进行了多尺度分割;
但还没有文献使用 Con tourlet纹理特征进行森林纹
理的提取和林地边界的描述。本文将基于面向对象
的思想,应用第二代小波变换 ) Contourlet变换对高
分辨率影像进行分解得到多尺度纹理特征图像和近
似图像,并基于近似图像进行分水岭分割获得同质
区域,在每个区域上对其纹理特征进行分析,融合具
有相似纹理特征的区域,最后获得森林边界。
1 研究方法
1. 1 Contour let变换
小波变换日益成熟和发展, 多分辨分析在图像
处理领域得到了广泛应用 [ 10] , 但对于二维图像处
理,由一维小波的张量积构成的二维小波基只能对
图像进行水平、垂直和对角方向的分析,多方向的缺
失使得小波在表示信号的二维 /奇异0时, 不是最优
的基。为了寻求最优逼近意义下的高维函数表示方
法, 多尺度几何分析 (MGA)的思想应运而生。
2002年, Donoho等 [ 11]提出了一种 /真正 0的图像二
维表示方法: Contourlet变换 [ 12]。它是利用塔形分
解 ( LP)和方向滤波器组 ( DFB)实现的一种多分辨
率、局域的、方向的图像表示方法。首先, Contourlet
变换对图像应用双重滤波结构, 由拉普拉斯塔形分
解 ( LP)对图像进行多尺度分解以捕获点状奇异性,
然后由方向滤波器组 (DFB)将分布在同方向上的奇
异点连接成周线结构。Contourlet变换最终以类似
于周线结构来逼近元图像, 这也是被称为 Contourlet
的原因 [ 9]。
本文将应用冗余 (非下采样 )Contourlet变换获
得和原图像等尺寸的稀疏近似图像和三个尺度的细
节图像,在每个尺度上又由方向滤波器组生成各个
方向的细节图像, 频域分解如图 1所示, 图中每个
Con tourlet子带用 Cld表示, 其中 l是尺度级别, d是
频率方向。
1. 2 分水岭变换
分水岭变换的图像分割方法就是将梯度图像看
成是假想的地形表面,而每个像素的梯度值则代表
该点的海拔高度。因为一般待分割图像的边缘像素
通常有较大的梯度值, 故它对应于地表上的 /分水岭
线 0,而每个区域的内部像素通常有较小的梯度值,
故可对应于地表上的 /集水盆地 0。这种 /分水岭
线 0将梯度图像分割成若干个不同的 /集水盆地 0,
这些 /集水盆地 0则分别对应于待分割图像中的均
匀一致区域 (图 2)。
传统的分水岭分割方法是对梯度图像进行分
水岭变换, 从而得到分割区域, 但由于一般图像
中噪声和微小集水盆的存在, 而且分水岭算法对
梯度图像中强度的变化十分敏感, 因此采用传统
的分水岭算法得到的结果往往存在过度分割的
现象。为了克服这一问题, 学者们提出了很多基
于分水岭改进的方法 [ 13 ]。H aris等 [ 14]提出在实
行分水岭变换前对图像进行基于边缘保留的去
噪处理, 在图像分割的后续过程中进行区域的合
并过程。有研究表明, Con tou rlet变换对图像具有
比小波更好的边缘保留降噪效果 [ 9]。因此, 作者
在 Con tourlet变换后获得的近似 (去噪 )图像上,
使用梯度的分水岭变换获得初始分割, 然后根据
每个区域的纹理特征进行区域合并。
图 1 Con tou rlet变换在频域的分解
图 2 分水岭算法示意图
143
林 业 科 学 研 究 第 21卷
2 结果与分析
实验选择大小为 512 @512像素,分辨率为 1m
的 IKONOS影像 Pan波段影像,如图 3A所示。对影
像进行冗余 (非下采样 ) Contourlet变换得到近似图
像 (图 3C)和细节图像, 图 3B给出了图 1中所示的
C31图像,即第 3层方向大约为 45b的纹理图像。对
图 3C使用梯度的分水岭分割, 首先使用 Sobel算子
计算梯度幅度,所得结果如图 3D所示。梯度幅度图
像在沿对象边缘处有较高的像素值, 而在其它地方
则有较低的像素值。理想情况下, 分水岭变换会在
沿对象边缘处产生分水岭脊线。图 3E显示了分水
岭变换后的结果, 而且能看到其中还存在着过分割
现象。下面将利用 Con tourlet变换所产生的多尺度
各方向的细节纹理图像,对各个分水岭区域进行分
析,以确认出森林区域和非森林区域。
设 P l, di, j表示尺度为 l方向 d的 Contourlet系数图
像中第 i个区域内像素 j的灰度值,那么在每个区域
内计算下列纹理特征:
E i = {E
l, d
E
n
i= 1
P l, di, j } /N ( 1)
式 ( 1)中: n表示第 i个区域中的像素个数; N表
示各个尺度和方向图像上第 i个区域所对应的像素
总数。计算 E i后, 其值正规化到 [ 0, 1], 发现森林
区域的纹理均值 …E 总是分布在同样的范围 [E1,
E2 ]。实验中, 取 E1 = 0. 12, E2 = 0. 46, l= 3, 对应 3
个尺度的方向分别是 d1 = 4, d2 = 8, d3 = 8。分水岭
区域融合结果如图 3F所示。从结果上可以看到,森
林边界可以准确地提取出来, 林地中间有些斑块被
确认为是非林地, 这也是由于此处林地比较稀疏,甚
至表现出裸土的光谱和纹理特征。对于林地边界的
识别问题实际上也是对于林地和非林地的分类问
题。为了数量上评价本文方法的有效性, 以人工解
译出的林地与非林地为基准, 对该结果进行精度评
价, 可得到的总体精度为 96. 5%, Kappa系数为
0. 903。
图 3 (A )原始 IKONOS影像 ( Pan波段 ); ( B) Con tou rlet变换后的细节图像 C31; ( C) Con tourlet变换后的近似图像;
(D )近似图像的梯度幅度图像; ( E )图像的分水岭分割; ( F)区域合并后林地边界提取结果
144
增刊 李晓峰等:利用 Contourlet域纹理特征在高分辨率遥感影像上提取林地边界
3 结论与讨论
本文结合分水岭变换和 Contourlet变换,发展了
一种用 Con tourlet域纹理特征刻画森林纹理实现从
高分辨率影像上提取林地边界的新方法。实验结果
证明, Contourlet域多尺度纹理特征与分水岭方法的
结合使得林地的纹理能够得到有效表达, 林地边界
的提取获得比较满意的结果。
自从 IKONOS、Quickhrid等高空间分辨率影像
出现以来,传统的利用面向像元的影像分类技术就
面临着许多挑战 [ 15] ,于是面向对象的图像分类方法
应运而生。它首先是对图像进行分割, 在此基础上,
计算每个对象的各种特征, 包括形状、纹理及拓扑特
征等,最后, 选择相应的特征进行图像分类。本文利
用分水岭变换对图像进行初始分割, 然后针对每个
区域分别进行纹理的计算与合并, 这正体现了面向
对象的思想。如何进一步避免过分割, 发展更有效
的方法提高分割效果是作者下一步将要研究的
内容。
本文利用 Contourlet变换在频域刻画区域的纹
理特征,展示了蕴涵于多尺度几何分析中的先进思
想,但包括 Contourlet变换在内的多尺度几何分析的
研究尚处于起步阶段,许多问题有待进一步研究, 随
着进一步成熟和完善,它必将在图像处理领域发挥
更大的作用。
参考文献:
[ 1] 杨永恬,田 昕,冯仲科,等.遥感混和分类算法及其在森林分类
中的应用 [ J].测绘科学, 2004, 29 ( 4): 55- 57
[ 2] 李春干,李崇贵,景海涛.森林小班多边形的自动聚合 [ J].北京
林业大学学报, 2005, 27 ( 1): 55 - 58
[ 3] W oodcock C E, Strah ler A H. The factor of scale in remote sen sing
[ J]. R emote Sen sE nvironment, 1987, 21: 311- 332
[ 4] H ayG J, Castilla G, W u lderM A, et al. An automated ob ject2based
approach for the mu ltiscale image segmen tation of forest scenes[ J].
In ternat ional Journal of Appl ied Earth Observation and Geo informa2
t ion, 2005, 7: 339- 359
[ 5 ] Marceau D J, H owarth P J, Dubois JM M, et al. Evaluation of the
Grey2LevelCo2Occu rrenceMatrixMethod For Land2Cover Classifica2
t ion U sing SPOT Imagery[ J]. IEEE T ran saction on Geoscience and
Remote Sens ing, 1990, 28 ( 4 ): 513- 519
[ 6 ] H ayG J, N iemannK O, McLeanG F. An ob ject2specific image2tex2
ture analysis ofH 2resolu tion forest imagery [ J]. Remote Sen singE n2
viron, 1996, 55: 108 122
[ 7] W ang Zuyu an, Boesch R. Color2 andTex ture2Based Image Segmen2
tation for Imp roved Forest Delin eation[ J]. IEEE T ran saction on G e2
oscience and Remote Sen sing, 2007, 45 ( 10): 3055- 3062
[ 8 ] Bouzid iA, BaazizN. Con tourlet Domain Featu re Extract ion for Im2
age Conten tAu th ent icat ion Mu lt imed ia Signal Processing [ J]. 2006
IEEE 8 thW orkshop on, 2006: 202- 206
[ 9 ] 沙宇恒,丛 琳,孙 强,等.基于 Con tourlet域 HMT模型的多尺
度图像分割 [ J].红外与毫米波学报, 2005, 24( 6): 472- 476
[ 10 ] 侯 彪,刘 芳,焦李成.基于小波变换的高分辨 SAR港口目
标自动分割 [ J].红外与毫米波学报, 2002, 21( 5): 385- 389
[ 11 ] DonohoM N, VetterliM. Contou rlets: a new d irectionalmu ltireso2
lut ion image representation[ C]. Sign als, Sys tems and Computers,
Conference Record of the Th irty2Sixth As ilomar Conference, Roch2
es ter, 2002, 1: 3- 6
[ 12] 焦李成,谭 山.图像的多尺度几何分析:回顾和展望 [ J].电子
学报, 2003, 31 ( 12): 1975- 1981
[ 13 ] 杨丽君, 王保保.一种基于小波和分水岭变换的图像分割方法
[ J].计算机应用, 2005, 25: 253- 254
[ 14 ] H arisK, E fstrat iad is S N, Mag laveras N, et a l. H ybrid image seg2
men tation u sing watersh eds and fas t reg ion merg ing [ J ]. IEEE
Transact ions on Image Process ing, 1998, 7( 12 ): 1684 - 1699
[ 15 ] Vander S C J, JongSM, RooA P J. A Segmen tat ion and Classifi2
cat ion Approach of IKONOS22 lmagery for Land CoverMapp ing to
Ass ist F lood R isk and F lood Damage A ssessmen t[ J]. In ternat ional
Journ al of App lied E arth Observation and Geoin format ion, 2003
( 4 ): 217 - 229
145