【高分辨率影像的山地耕地地块提取方法研究】山地耕地机
时间：2019-05-17 03:28:26 来源：雅意学习网 本文已影响 人 
摘要文章提出了一种基于光谱特征和数学形态学相结合的方法自动提取山地耕地地块。首先利用影像分类结果对原始图像的灰度值进行对比增强处理； 然后对图像进行小波变换，并对小波变换后的低频图像进行形态梯度和区域生长分割；分割后的图像进行边缘连通和移除小区域计算，去除多余边缘；最后对重构图像进行canny算子边缘信息检测，得到最终的地块提取结果。利用数学计算软件MATLAB在高分辨率遥感影像上作了实验，并进行了总结和分析。
关键词：地块；形态梯度；区域生长；小波变换；图像分割
AbstractA new method of farmland parcel of mountainous region extraction from high resolution remote sensing image based on Spectral characteristics and morphological gradient segmentation was proposed in this paper. First， classification results were used to enhance the contrast of gray- scale value o f typical pixels in the orig inal image using the high resolution remote sensing imag based on spectral information. Second， wavelet transform was applied to Smooth the enhanced image， then Morphological gradient and Region growing method were used to image segmentation， the results was processing with Edge connectivity and remove the small region algorithm .Finally， inverse wavelettransform was taken to get the reconstructed image，then Canny operator was introduced to add the edge information， and the result of farmland parcel segmentation was obtained. The developed method has tested on high resolution remote sensing image under MATLAB.
KeywordsParcel；Morphological gradient；Region growing；Image segmentation
中图分类号：S341.1 文献标识码：A文章编号：
1 引言
耕地是土地资源最重要、最珍贵的部分，保护耕地就是保护我们的生命线。我国是个多山地的国家，大部分耕地分布在山地丘陵区，人地矛盾突出，耕地的后备资源有限，耕地问题始终制约着我国农业和整个国民经济的发展。因此如何准确地获知耕地资源信息成为耕地资源可持续利用的迫切需要。
地块是指可辨认出同类属性的最小土地单元，即内部特性和区位条件相对均匀的土地区域， 是评定和划分土地级别的基本空间单位。地块作为评价单元， 在土地利用动态监测、土地覆盖、精准农业和生态规划等领域都有着非常重要的意义。近年来，从遥感影像中提取耕地信息的方法相继提出并得到了应用。但对于自动提取耕地地块的研究较少。耕地信息提取是遥感专题信息提取的难点之一， 因为耕地与背景地物在空间上镶嵌，相互交错而构成复杂的混合体。加上山地存在一定的阴影，增加了耕地地块自动提取的难度。
2 研究内容
目前，对于地块的提取方法主要是借助GIS软件对高分辨遥感影像进行人工手动数字化，这种方法劳动强度大，效率较低，并且和操作人员的经验密切相关，因此具有很强的主观性。基于图像光谱信息自动提取地块的方法也有少量研究，胡潭高等[1] 提出了一种基于小波变换和分水岭分割的高分辨率遥感图像耕地地块提取方法，该方法对于提取大面积的耕地地块取得了较好的效果。
数学形态学图像处理[2]的基本思想是利用一个称作结构元素的“探针”收集图像的信息。当探针在图像中不断移动时，便可考察图像各个部分间的相互联系，从而了解图像各个部分的结构特征。数学形态学的基本运算有四个：膨胀、腐蚀、开启和闭合。数学形态学已广泛用于遥感影像处理，如面状地物提取[3]，遥感图像分割[4]，基于遥感影像提取道路网络 [5]等。
本文在总结前人经验基础上，提出了一种基于光谱特征和数学形态学相结合的方法自动提取山地耕地地块。首先利用影像分类结果对原始图像的灰度值进行对比增强处理；然后对图像进行小波变换，并对小波变换后的低频图像进行形态梯度分割，然后再利用区域生长算法进行搜索，进行再次分割；对分割后的图像进行区域连通和移除小区域计算，去除多余边缘；最后对重构图像引入Canny 算子提取边缘信息，并对图像进行区域标记，得到最终的地块提取结果。
3 方法
基于光谱特征和数学形态学相结合的方法自动提取山地耕地地块的主要流程（见图3.1）：分类后影像灰度值对比增强，基于小波变换的平滑处理，形态梯度与区域生长算法的图像分割，区域连通和移除小区域计算去除多余边缘，对重构图像进行边缘检测及区域标记等环节。
图3.1 图像分割流程图
3.1图像增强处理
空间上与耕地地块相邻的像元，其灰度值通常与其相邻的耕地像元比较接近， 如果直接运用基于光谱特征图像分割的方法，难以准确得到耕地地块边缘；首先通过图像分类方法区分出典型地物和耕地，然后对分类后的图像进行灰度值拉伸，目的是增强典型地物与耕地灰度值对比度，避免边缘混淆，从而提高图像分割的精度。
3.2 小波变换
小波变换是一种信号的时一频分析方法。它具有多分辨率分析的特点。本文选取小波变换对典型地物灰度值对比增强后的图像进行平滑预处理，不仅可以缓解图像过度分割的问题，还能有效抗噪。具体方法如下：
(1)对图像进行2层的二维小波分解；[c，l]=wavedec2(I，2，"db3")；csize=size(c)；式中I为经过图像增强后图像，"db3"为小波函数。(2)对低频系数进行放大处理，并抑制高频系数；for i=1：csize(2)；if(c(i)
