基于子块特征的遥感图像边缘灰提取

（基金颁发部门：福建省科学技术厅；项目名称：事件驱动虚拟地理信息系统技术及其在城市污染突发事件中的应用；编号：2008J0126；基金申请人: 江辉仙(第二作者)）

基于子块特征的遥感图像边缘灰提取

郑子华1江辉仙2陈家祯1

（1.福建师范大学数学与计算机科学学院，福建 福州 350007

2.福建师范大学地理科学学院，福建 福州 350007）

【摘要】遥感图像为地理信息系统数据的更新和应用提供了有利条件，遥感图像的特征提取是其中的关键问题。针对灰色绝对关联度计算模型的特点，提出一种基于灰色绝对关联度和图像子块标准差的边缘检测算法，实现遥感图像边缘灰提取过程中阈值的自适应调整。实验结果表明本文算法能有效提取图像弱边缘，具有很好的实用性。

【关键词】灰色关联分析；灰色绝对关联度；边缘检测；自适应阈值

中图分类号：TN911.73文献标识码：A

Remote Sensing Image edge extraction based on gray correlation

analysis and block feature

ZHENG Zi-hua1, JIANG Hui-xian2 ,CHEN Jia-zhen1

（1．School of Mathematics and Computer Science, Fujian Normal University, Fuzhou 350007,China

2．School of Geographical Sciences, Fujian Normal University, Fuzhou 350007,China）Abstract: Remote sensing image provides the condition for Updates and application of GIS and edge extraction is important in the process. According the feature of gray absolute correlation degree, an edge detection method based on ray absolute correlation degree and standard deviation of Image sub-block is given, and the threshold is adaptive in the method. The experimental results show that the method has high efficiency, and it detects more week edges.

Key words: gray correlation analysis, gray absolute correlation degree, edge detection, adaptive threshold

引言

遥感图像为GIS（地理信息系统）数据的更新和应用提供了有利的条件。但如何自动处理、 解译海量的遥感图像数据是整个信息化过程中面临的重要问题， 其中从遥感图像中提取图像特征则成为关键问题。边缘体现了图像特征信息，遥感图像边缘检测技术在地面人工目标和自然景观如机场、山体、洪水淹没区域的识别中有着广泛的用途，因而一直受到研究者的重视。文献[1]把灰色系统理论引入边缘检测，找到了一条有效的边缘检测新途径。文献

[2]对各灰色关联度在边缘检测中的适用情况进行了讨论，确定灰色绝对关联度是适合边缘检

测的关联度模型。基于灰关联度的边缘检测是一种构思新颖的方法，但是，由于图像的灰度值不可避免地在一部分区域变化平缓，而在另一部分区域变化剧烈，若对整幅图像采用统一不变的阈值进行边缘点判定，则算法对边缘特征分布不均匀的图像没有良好的适应能力。为此，本文针对灰色绝对关联度计算模型的特点，结合图像子块标准差动态调整边缘点判定的阈值[3]，实现对遥感图像的自适应阈值灰提取。实验结果表明本文算法的有效性。

_______________________________

基金项目:福建省自然科学基金项目（2008J0126）；福建师范大学校基金项目（AK200701026）

1 基于灰色绝对关联度的边缘检测的基本思想

灰色系统理论是控制论观点和方法的延伸，是我国学者邓聚龙教授于1982年首次提出的。灰色关联分析是灰色系统理论的一个重要组成部分，它定量地比较或描述系统中各因素之间在发展过程中随时间而相对变化的情况，即分析时间序列曲线的几何形状，用它们变化的大小、方向与速度等的接近程度来衡量它们之间关联性的大小。

边缘是图像中灰度有阶跃变化或屋顶变化的像素点的集合。在通常情况下,可将信号中的奇异点或突变点认为是图像中的边缘点。信号的奇异点和突变点往往表现为相邻像素点处的灰度值发生了剧烈的变化，而灰色关联度恰好能反映这种变化的剧烈程度，从而可根据关联序判断边缘点。对一幅灰度图进行边缘检测时，可取图中某一像素点K 和其八邻域像素点顺序排列组成子序列n k ；把理想非边缘点和其八邻域像素点组成母序列0k ，根据灰关联分析的基本思想，当子序列与母序列的关联度较大时，表示两序列的几何形状较为相似，从而认为像素点K 在相邻像素点处灰度值发生变化的剧烈程度相似于理想非边缘点，因此可认为像素点K 为非边缘点；同理，当两序列的关联度较小时，可认为像素点K 为边缘点。

把灰色关联分析引入边缘检测是一种新颖的做法，其实质是依据子序列与母序列的关联度大小排序来进行边缘点的判断，所以关联度的正确计算显得十分重要。灰色系统理论创立之后，不少关联度计算模型被相继提出，本文认为灰色绝对关联度是适用于边缘检测的关联度计算模型，其具有的对称性、关联序唯一性、距离无关性、可操作性等性质体现了灰色绝对关联度的关联序在边缘检测上的优势[2]

，能有效避免某些边缘点误判，这一点多数关联度模型是无法做到的。灰色绝对关联度定义如下[4]： ()11

00

n 11,((),k ())p n p x R k k r k x x ??==∑, p 为序列中元素的个数，

关联系数()()()()()()()()()0001,111n n n r k x k x k x k x k x k x =++??+?.

灰色绝对关联度主要依据两时间序列在对应时段上曲线的斜率来衡量其数列间的几何关系，若两曲线在各时段上斜率相等或相差较小，则二者的关联系数就大；反之，就小。 2 基于灰色绝对关联度和图像子块标准差的边缘检测算法

对M N ×的灰度图进行边缘检测，具体步骤如下：

① 构造表示理想非边缘点的母序列：[]0,,,,,,,,k a a a a a a a a a =，a 为某一灰度值。 ② 把原始图分为若干个p p ×的小块区域。

③ 在某个小块区域中，阈值与图像局部标准差的关系为2T a =，其中，a 为加权系数，

a 的取值根据对边缘的提取要求来确定，σ为本区域的标准差。

④ 取此小块区域中某一像素j i K ,与其水平垂直4邻域和对角线4邻域像素组成两组子序列

n k 和'n k ：

,1,,,1,,1,1,,,,,,,,,,n i j i j i j i j i j i j i j i j i j k K K K K K K K K K ??++??=??，

',1,1,1,1,1,1,1,1,,,,,,,,,n i j i j i j i j i j i j i j i j i j k K K K K K K K K K ???++?++??=??，1,2,,i M ="；

1,2,,j N ="；1,2,,n M N =×"；

当0i =或0j =或i M =或j N =时，4邻域上无定义的像素点取最近的像素点的灰度值为其灰度值。

⑤ 根据灰色绝对关联度定义分别计算两组子序列n k 、'

n k 与母序列0k 的关联度()0,n R k k 、()'0,n R k k 。

⑥ 当()0,n R k k T ≥或()'

0,n R k k T ≥时，可认为相应的子序列与母序列有较为相似的特征，则相应的像素点j i K ,是非边缘点，否则是边缘点。

⑦ 对原始图像每个小块区域中的每个点进行检测后，跟踪所得到的边缘，进行短链抑制。

本算法利用图像子块标准差来调整阈值。标准差越小，说明该子块低频分量越丰富，模糊边缘越多；而处于模糊边缘上的点其相应关联度则相对较大。因此，某点相应关联度值与该点所在子块的标准差应成反比关系，2T a

=就是在这个思想的指导下通过反复仿真

实验得到的。 3 仿真结果及分析

检测结果所图1所示，(a)为五角大楼遥感图片，用本文算法、prewitt 算子、sobel 算子和roberts 算子对(a)进行边缘检测结果分别如(b)、(c)、(d)、(e)所示。对图1中各子图的对比可以看出，本文算法对模糊弱边缘的检测效果优于prewitt 算子、sobel 算子、roberts 算子等传统边缘检测算子，能够勾勒地面目标的主要轮廓，边缘有较好的连续性。

(a)原图 (b)本文算法检测结果(p=8;a=0.16)

(c)prewitt 算子检测结果 (d)sobel 算子检测结果 (e)Roberts 算子检测结果

图1 本文算法与几种传统算子检测结果比较

4 结语

把灰色系统理论应用于图像处理的相关技术目前才刚刚起步，本文针对灰色绝对关联度计算模型的特点，提出了一种基于灰色绝对关联度和图像子块标准差的边缘检测算法，并把该方法用于遥感图像边缘检测，取得了良好的检测效果。该方法具有动态调整阈值的能力，对于具有明显边缘特征或微弱边缘特征的图像各局部均有良好的适应能力，其弱边缘检出率

优于传统边缘检测方法，这在寻求基于灰色系统理论的边缘检测技术方面具有积极的意义。

本文作者创新点：把灰色系统理论应用于图像处理的相关技术目前才刚刚起步，本文在把灰色系统理论应用于遥感图像边缘检测方面做了有意义的尝试，提出了一种以图像子块标准差动态控制边缘判定的阈值，通过计算灰色绝对关联度提取遥感图像边缘的新方法。仿真实验表明，该方法对图像弱边缘检出率较高，具有很好的实用性。

参考文献：

[1]马苗, 樊养余, 谢松云, 等. 基于灰色系统理论的图像边缘检测新算法 [J]. 中国图像图形学报,

2003, 8A(10): 1136—1139

[2]郑子华, 陈家祯, 陈利永. 基于灰色绝对关联度的边缘检测算法 [J]. 福建师范大学学报（自然科学

版）,2004,20(4);20-23

[3]周雪芹,刘晓红. 基于局部区域阈值的玻璃气泡的检测 [J].微计算机信息, 2007, 23(8-3); 252-254

[4]梅振国. 灰色绝对关联度及其计算方法 [J]. 系统工程, 1992, 10(5): 43─44.

作者简介:郑子华(1976-)，女，福建龙海人，讲师，硕士，主研方向：信号处理、图像处理江辉仙（1975－），男，福建仙游人，讲师，硕士，主研方向：GIS研究

陈家祯（1971-），女，福建福州人，副教授，硕士，主研方向：信号处理

Biography: ZHENG Zi-hua,(1976-), female, from Fujian, master, instructor of School of Mathematics and Computer Science, Fujian Normal University, Research area: signal process, image process . JIANG Hui-xian,(1975-), male, from Fujian, master, instructor of School of Geographical Sciences, Fujian Normal University, Research area: GIS .CHEN Jia-zhen,（1971-）, female,from Fujian, master, adjunct professor of School of Mathematics and Computer Science, Fujian Normal University, Research area: signal process.