第34卷，第7期 2014年7月
光谱学与光谱分析 Spectroscopy and Spectral Analysis
彩色分割的航空影像房屋自动检测何培培，万幼川，蒋朋睿“，高贤君，秦家鑫
1.武汉大学通感信息工程学院，湖北武汉430079
2.包头市土地登记规划事务中心，内蒙古包头014000
Vol.34,No.7 -pp1927-1932
July，2014
摘要航空影像房屋提取方法的研究中大多基于灰度影像的区域生长算法，此类算法不仅忽略了不同材质的房屋所呈现的光谱特征对提取结果的影响，而且过于依赖种子像素的选取，处理效率不高。为了从高分辨率航空影像中实现房屋的自动检测，综合利用彩色信息与屋项材料的光谱特征，采用影像分割原理，研究了房屋自动检测的方法。首先对RGB与HIS彩色空间进行转换，利用HIS空间各分量间不相关的特点和屋项材料光谱特征进行影像分割，分离出红色瓦片屋项与灰色水泥屋项区域，并利用标记分水岭算法实现房屋区域的初始分割；然后计算各标记区域内的色调均值选取种子像斑样本，进而以像斑为单元在色调分量中进行区域生长，最后经过消除小斑和矩形拟合优化处理，得到轮廓清晰的房屋区域。与传统的基于像素区域分割算法相比，该方法整个过程无需人工十预且均在一维彩色空间进行处理，计算量明显降低，同时采用改进的基于像斑区域生长算法能够兼顾邻近区域内像素的儿何结构信息，使算法精度得到显著提高，采用上述方法对高分辨率航空影像进行广实验，结果证明该方法有者较高的处理效率和准确性，具有实用价值，
关键词彩色空间转换；影像分割；像斑；房屋自动检测
中图分类号：TP391.41文献标识码：A
引言
DOI: 10. 3964/j. issn, 1000-0593 (2014)07-1927-06
进行影像分割；林开颜等"对各种彩色影像分割方法进行了系统论述；于博等"采用一种基于在中性集和均值漂移的彩色影像非监督分类算法进行建筑物的提取工作。彩色影像分
随着现代航空航天技术、计算机技术以及数据处理技术
的发展，遥感技术迅速迈向全球化和高效化，并使与之紧密联系的对地观测手段更加精细化和多样化，可以快速、准确和及时地获取地球表面信息的高分辨率遥感影像。如何提取与分析遥感影像中与人类生活密切相关的地理空间信息是遥感对地观测的核心任务，由于房屋是人造地物中数量最多、信息量较大的重要观测目标，因此房屋的自动提取对于计算机视觉和影像理解具有重要的现实意义(2.3]
目前，航空影像房屋自动提取算法的研究中大多采用影像分割技术，找出房屋存在的候选区域，然后再重建出它的规则几何外形[4,51，其中应用最广泛的算法为：聚合分割算法、区域增长分割算法和区域分裂算法等。但是这些算法大多单纯利用影像的灰度信息，忽略广影像中不同途料的房屋所呈现的光谱特征不同而导致部分房屋错误提取，因此一些专家学者在灰度影像分割的基础上提出广适用于彩色影像分割的方法(-9]，其中Mirmehdi等[用彩色影像边缘检测做感知进行彩色分割；Sengur等利用彩色纹理特征做小波变换
收稿日期：2013-11-04，修订日期：2014-03-22
割目前正面临如下两个主要问题：（1)选择合适的颜色空间：(2)选择恰当的分割方法。其中，颜色特征空间的选择要根据具体的影像和分割方法而定，而每种影像的分割技术都是基于不同的理论来源，选择一种分割技术而不选一种主要是由所面对问题的特点决定的，到目前为止还没有研究出种对多数影像都通用的分割方法。因此，针对高分辨率彩色航空影像房屋目标大和算法要求自动化的特点，利用基于彩色影像分割的像斑区域生长方法实现房屋的自动提取，主要工作有：（1）首先根据不同房屋材料的光谱特征进行彩色空间转换，并在新的彩色空间采用标记分水岭算法进行影像分割，完成所有房屋区域的初始检测。（2）利用转换后彩色空间的色调信息，结合自动选取的种子像斑样本实现区域生长，进行彩色影像房屋自动提取。(3)根据房屋生长区域，采用区域小斑消除和矩形拟合处理，得到形状规则、轮廓清晰的房屋区域，
基金项目：国家科技支撑计划项目(2012BAJ15B04），国家高技术研究发展计划(863计划)项目(2013AA122104-3)资助
作者简介：何培培，1988年生，武汉大学遥感信息工程学院博士研究生
e-mail : he_pei@ w hu, edu, cn