第３ １卷第 １期 计算机应用与软件 Ｖｏ

ｌ３１ Ｎｏ．
１
２０１４年 １月 Ｃｏ
ｍｐｕｔ
ｅｒＡｐｐ
ｌｉｃ
ａｔｉ
ｏｎｓａ
ｎｄＳｏ
ｆｔ
ｗａｒ
ｅ Ｊａ
ｎ．２ ０１４

三种图像分割算法的对比及图像分割方法的改进
朱俊杰 杜小平 范湘涛 郭华东
（中国科学院数字地球重点实验室 中国科学院对地观测与数字地球科学中心 北京 １０００９４）

摘 要 通过研究图像分割算法的原理和实验对比，可以发现标记分水岭分割方法是以边缘特性为基础，通过设置光谱特征标记
来分割图像，其分割结果边缘精度高，但是仍然存在较为严重的过分割和欠分割情况。而 ｍｅ
ａｎｓ
ｈｉｆ
ｔ分割方法和 ｅ
Ｃｏｇ
ｎｉｔ
ｉｏ
ｎ分割方法
是以光谱特征为分割依据的分割方法，虽然它们分割结果的过分割和欠分割情况较少，但是分割对象的边缘精度较差。分析以上存
在的问题后，通过融合边缘特征和区域特征，并且依据一定的特征来选择种子点，尽量避免种子点选择在边缘区，从而实现提高图像
分割的效果。通过实验取得了好的分割效果，说明改进的图像分割方法是可行的。

关键词 分割 分水岭分割 分型网络演化方法 Ｍｅ

ａｎｓ
ｈｉｆ
ｔ 种子点

中图分类号 ＴＰ３
９１．
４１ 文献标识码 Ａ ＤＯＩ
：１０．
３９６
９／ｊ
．ｉｓ
ｓｎ．
１００
０３
８６ｘ
．２０
１４．
０１．
０５１

ＣＯＮＴＲＡＳＴＯＦＴＨＲＥＥＩＭＡＧＥＳＥＧＭＥＮＴＡＴＩ
ＯＮＡＬＧＯＲＩ
ＴＨＭＳＡＮＤ
ＩＭＰＲＯＶＥＭＥＮＴＯＦＩＭＡＧＥＳＥＧＭＥＮＴＡＴＩ
ＯＮＭＥＴＨＯＤＳ

Ｚｈ
ｕＪｕ
ｎｊｉ
ｅ ＤｕＸｉ
ａｏｐｉ
ｎｇ Ｆａ
ｎＸｉ
ａｎｇ
ｔａｏ ＧｕｏＨｕａ
ｄｏｎｇ
（Ｋｅ
ｙＬａｂ
ｏｒａｔ
ｏｒｙｏ
ｆＤｉ
ｇｉｔ
ａｌＥａｒ
ｔｈＳ
ｃｉｅ
ｎｃｅ
，Ｃｅ
ｎｔｅ
ｒｆｏ
ｒＥａｒ
ｔｈＯｂ
ｓｅｒ
ｖａｔ
ｉｏ
ｎａｎｄＤｉ
ｇｉｔ
ａｌＥａｒ
ｔｈ，Ｃｈｉ
ｎｅｓ
ｅＡｃ
ａｄｅ
ｍｙｏ
ｆＳｃ
ｉｅｎｃ
ｅｓ，Ｂｅ
ｉｊ
ｉｎｇ１０００９４，Ｃｈｉ
ｎａ）

Ａｂｓ
ｔｒａ
ｃｔ Ｂｙａ
ｎａｌ
ｙｓｉ
ｎｇｔ
ｈｅｉ
ｒｐｒ
ｉｎｃ
ｉｐｌ
ｅｓａ
ｎｄｅ
ｘｐｅ
ｒｉｍｅ
ｎｔｃ
ｏｎｔ
ｒａｃ
ｔｓ，ｗｅｃ
ａｎｆ
ｉｎｄｔ
ｈａｔｔ
ｈｅｍａ
ｒｋｅ
ｒｃｏ
ｎｔｒ
ｏｌｌ
ｅｄｗａ
ｔｅｒ
ｓｈｅ
ｄｓｅ
ｇｍｅ
ｎｔａ
ｔｉ
ｏｎｉ
ｓａｎ
ｅ
ｄｇｅ
ｂａ
ｓｅｄｓ
ｅｇｍｅ
ｎｔａ
ｔｉ
ｏｎｍｅ
ｔｈｏ
ｄ，ｉ
ｔｓｅ
ｇｍｅ
ｎｔｓｔ
ｈｅｉ
ｍａｇ
ｅｂｙｓ
ｅｔｔ
ｉｎｇｔ
ｈｅｓ
ｐｅｃ
ｔｒａ
ｌｆｅ
ａｔｕ
ｒｅｍａ
ｒｋｅ
ｒａｎ
ｄｈａ
ｓｈｉ
ｇｈｅ
ｄｇｅｐ
ｒｅｃ
ｉｓｉ
ｏｎｉ
ｎｓｅ
ｇｍｅ
ｎｔａ
ｔｉ
ｏｎ
ｒ
ｅｓｕ
ｌｔ，ｂ
ｕｔｓ
ｔｉ
ｌｌｈ
ａｓａｌ
ｏｔｏ
ｆｏｖ
ｅｒ
ｓｅｇ
ｍｅｎ
ｔａｔ
ｉｏ
ｎａｎ
ｄｕｎ
ｄｅｒ
ｓｅ
ｇｍｅ
ｎｔａ
ｔｉ
ｏｎｓ
ｉｔ
ｕａｔ
ｉｏ
ｎｓ．Ａｓｔ
ｈｅｓ
ｅｇｍｅ
ｎｔａ
ｔｉ
ｏｎｍｅ
ｔｈｏ
ｄｓｂ
ａｓｅ
ｄｏｎｓ
ｐｅｃ
ｔｒａ
ｌｆｅ
ａｔｕ
ｒｅ，ｔ
ｈｅ
ｍｅ
ａｎｓ
ｈｉｆ
ｔｓｅ
ｇｍｅ
ｎｔａ
ｔｉ
ｏｎｍｅ
ｔｈｏ
ｄａｎ
ｄｔｈ
ｅｅＣｏ
ｇｎｉ
ｔｉ
ｏｎｓ
ｅｇｍｅ
ｎｔａ
ｔｉ
ｏｎｍｅ
ｔｈｏ
ｄｈａ
ｖｅｌ
ｅｓｓｏ
ｖｅｒ
ｓｅ
ｇｍｅ
ｎｔａ
ｔｉ
ｏｎａ
ｎｄｕ
ｎｄｅ
ｒｓ
ｅｇｍｅ
ｎｔａ
ｔｉ
ｏｎｓ
ｉｔ
ｕａｔ
ｉｏ
ｎｓｉ
ｎ
ｓ
ｅｇｍｅ
ｎｔａ
ｔｉ
ｏｎｒ
ｅｓｕ
ｌｔｓ
，ｂｕ
ｔｔｈ
ｅｅｄ
ｇｅｐ
ｒｅｃ
ｉｓｉ
ｏｎｏ
ｆｓｅ
ｇｍｅ
ｎｔｉ
ｎｇｏ
ｂｊｅ
ｃｔｓｉ
ｓｐｏ
ｏｒｅ
ｒ．Ｗｉ
ｔｈｔ
ｈｅａ
ｎａｌ
ｙｓｉ
ｓｏｎｔ
ｈｅｐ
ｒｏｂ
ｌｅｍｓａ
ｂｏｖ
ｅ，ｉ
ｎｔｈ
ｉｓｐ
ａｐｅ
ｒｗｅｓ
ｅｌｅ
ｃｔ
ｔ
ｈｅｓ
ｅｅｄｐ
ｏｉｎ
ｔｓａ
ｃｃｏ
ｒｄｉ
ｎｇｔ
ｏｃｅ
ｒｔａ
ｉｎｆ
ｅａｔ
ｕｒｅ
ｓｔｈ
ｒｏｕ
ｇｈｆ
ｕｓｉ
ｎｇｔ
ｈｅｅ
ｄｇｅｆ
ｅａｔ
ｕｒｅ
ｓａｎ
ｄｒｅ
ｇｉｏ
ｎａｌｆ
ｅａｔ
ｕｒｅ
ｓ，ａ
ｎｄｄ
ｏｂｅ
ｓｔｔ
ｏａｖ
ｏｉｄｔ
ｈｅｓ
ｅｅｄｐ
ｏｉｎ
ｔｓｔ
ｏｂｅ
ｃ
ｈｏｓ
ｅｎｎ
ｅａｒｔ
ｈｅｅ
ｄｇｅ
ｓ，ｓ
ｏａｓｔ
ｏｉｍｐ
ｒｏｖ
ｅｔｈ
ｅｉｍａ
ｇｅｓ
ｅｇｍｅ
ｎｔａ
ｔｉ
ｏｎｅ
ｆｆ
ｅｃｔ
ｓ．Ｂｅ
ｔｔ
ｅｒｒ
ｅｓｕ
ｌｔｉ
ｓａｌ
ｓｏｏ
ｂｔａ
ｉｎｅ
ｄｔｈ
ｒｏｕ
ｇｈｔ
ｈｅｅ
ｘｐｅ
ｒｉｍｅ
ｎｔ，ｔ
ｈｉｓｐ
ｒｏｖ
ｅｓｔ
ｈａｔ
ｔ
ｈｅｉ
ｍｐｒ
ｏｖｅ
ｄｓｅ
ｇｍｅ
ｎｔａ
ｔｉ
ｏｎｍｅ
ｔｈｏ
ｄｉｓｆ
ｅａｓ
ｉｂｌ
ｅ．

Ｋｅ
ｙｗｏ
ｒｄｓ Ｓ
ｅｇｍｅ
ｎｔａ
ｔｉ
ｏｎ Ｗａ
ｔｅｒ
ｓｈｅ
ｄｓｅ
ｇｍｅ
ｎｔａ
ｔｉ
ｏｎｍｅ
ｔｈｏ
ｄ Ｆｒ
ａｃｔ
ａｌｎ
ｅｔｅ
ｖｏｌ
ｕｔｉ
ｏｎａ
ｐｐｒ
ｏａｃ
ｈ Ｍｅ
ａｎｓ
ｈｉｆ
ｔＳｅ
ｅｄｐ
ｏｉｎ
ｔ

对相邻的像素搜索与比较，
找到一个最接近的像素点进行增长合
０ 引 言 并，
直到超过设定的异质性为止。其异质性包括地物光谱异质性
和几何形状异质性［２］，
对这种方法的研究和探讨也很多［５］。
图像中的地物具有多种特征：光谱特征（区域特征）、边缘 分形网络演化分割方法的光谱异质性公式：
特征、纹理特征、形状特征、上下文特征、时空特征和尺度特征等 ｈｃｏｌｏｒ ＝∑ （ｎｍｅｒｇｅ ×σｍ
ｃ
ｅｒ
ｇｅ
－（ｎｏｂｊ１ ×σｏ
ｂｊ１
ｃ ＋ｎｏ
ｂｊ２ ×σ
ｏ
ｂｊ２
ｃ ） ） （１）
［１］ ｃ
等，
其中尺度特征是地理学的主要问题之一 。图像分析软件
其中，ｎｏｂｊ１和 ｎｏｂｊ２合并前的两个对象（像素）的像素个数，σｏ
ｂｊ１
ｃ 和
ｅ
Ｃｏｇ
ｎｉｔ
ｉｏ
ｎ的分形网络演化分割算法就是一个典型的图像多尺
ｏ
ｂｊ２
σｃ 表示两个对象（像素）的方差，ｎｍｅｒｇｅ表示合并后的对象像素
度分割算法 ［２］，促进了遥感图像分析的研究和相关算法的研
个数，σｍｅｒ
ｇｅ
表示合并后的对象的方差。
制 ［３］，Ｚｕ
ｖａ等人从理论上比较了基于边缘的图像分割和基于 ｃ

分形网络演化分割方法的形状异质性公式：
区域的图像分割的文献较少 ［４］。本文选择了三种讨论较多的
ｈｓｈａｐｅ ＝ｗｃｍｐｃｔ ×ｈｃｍｐｃｔ －（１－ｗｃｍｐｃｔ）×ｈｓｍｏｏｔｈ （２）
图像分割方法，对它们的分割结果进行了对比分析和探讨，通过
形状异质性又可以分为对象紧凑度和对象平滑性两个计算
对比来发现不同分割方法的优点和不足，之后利用不同分割方
量，其中 ｈｓｈａｐｅ表示形状异质性，ｗｃｍｐｃｔ表示紧凑性权重，其取值范
法的优点，融合了边缘和光谱特征实现了更好的图像分割。
围在 ０～１之间，ｈｃｍｐｃｔ表示紧凑度异质性，（１－ｗｃｍｐｃｔ）表示形状异
质性权重，ｈｓｍｏｏｔｈ表示平滑异质性。
１ 三种典型的图像分割方法
收稿日期：
２０１２－１０－２９。国家自然科学基金项目（４１０７１２７４）；国
１．
１ 分形网络演化分割方法 家科技支撑计划课题（２０１２ＢＡＣ１６Ｂ０１）。朱俊杰，副研究员，主研领域：
ｅ
Ｃｏｇ
ｎｉｔ
ｉｏ
ｎ软件的分形网络演化方法是以种子点为起始点， 图像处理。杜小平，助理研究员。范湘涛，研究员。郭华东，院士。
第 １期 朱俊杰等：三种图像分割算法的对比及图像分割方法的改进 １９５

分形网络演化分割方法的总异质性公式： 行了叠加如图 ３所示，为了清晰显示，将图 ３（ａ

）的局部放大，如
ｈｅ
ｔｅｒ
ｏｇｅ
ｎｅｉ
ｔｙ＝ｗ×ｈｃｏｌｏｒ ＋（１－ｗ）×ｈｓｈａｐｅ （３） 图 ３（ｂ）所示。图 ３（ａ
）中黑色为图 ２显示的边缘与分水岭分割
分形网络演化分割方法的异质性由两部分组成，一种是光 的对象的边缘叠加的效果，白色为图 ２中的边缘。通过分析图
谱或散射异质性 ｈｃｏｌｏｒ，另一种是形状异质性 ｈｓｈａｐｅ，所以总的异质 ３，可以发现分割对象的边缘与 ｃ
ａｎｎ
ｙ算子提取的边缘非常吻
性是这两部分的加权和。其中 ｈ
ｅｔｅ
ｒｏｇ
ｅｎｅ
ｉｔ
ｙ表示总的异质性，ｗ 合，
这是因为分水岭分割方法是针对图像的梯度数据进行分割
表示光谱异质性的权重，其取值范围在 ０～１之间，（１－ｗ）表示 而产生的分割对象，所以分水岭分割方法能够得到边缘精确的
形状异质性的权重。 分割对象。标记分水岭分割方法依然严重存在过分割，同时分
１．
２ ｍｅ
ａｎｓ
ｈｉｆ
ｔ分割方法 割结果中还存在明显的欠分割情况，图 ３中的白色边缘为 ｃ
ａｎｎ
ｙ
算子检测到的边缘，而分水岭分割方法在此处没有分割对象边
ｍｅ
ａｎｓ
ｈｉｆ
ｔ方法就是基于核聚类的图像分析是一类重要的
［６］ ［７］ 缘，将图 ３与图 １对比，可以发现这种地方往往存在欠分割情
图像分析工具 ，它由 Ｆｕ
ｋｕｎ
ａｇａ等人于 １
９７５年首先提出 ，在
况，如图 ３中黑色方框所示。
后来的应用中，Ｃｈ
ｅｎｇ对基本的 ｍｅ
ａｎｓ
ｈｉｔ算法做了推广 ［８］。之
ｆ
后，Ｃｏ
ｍａｎ
ｉｃｉ
ｕ等人将 ｍｅ
ａｎｓ
ｈｉｆ
ｔ算法应用于图像平滑和图像分
割取得了不错的效果 ［９］，扩展的 ｍｅ
ａｎｓ
ｈｉｆ
ｔ算子公式为：

∑Ｇ( )
ｎ
ｘｉ －ｘ
ｗ（ｘ）ｘ
ｉ ｉ
ｉ＝１ ｈ
Ｍｈ（ｘ
）＝ －ｘ （４）
( )
ｎ
ｘｉ －ｘ
∑
ｉ＝１
Ｇ
ｈ
ｗ（ｘｉ）

其中，Ｇ（ｘ
）表示单位核函数，ｗ（ｘ
）表示权重函数，ｎ表示小窗口
内的像素个数，ｈ表示核带宽。
１．
３ 标记分水岭分割方法
图 ３ 分水岭分割方法
分水岭算法是由 Ｖｉ
ｎｃｅ
ｎｔ在 １
９９１年提出来 ［１０］，Ｓ
ｏｉｌ
ｌｅ采用 ３）分型网络演化分割实验及分析
限制局部极小值的个数来降低过分割现象 ［１１］，但是对噪声等影 采用 ｅ
Ｃｏｇ
ｎｉｔ
ｉｏ
ｎ的分形网络演化分割算法对图 １进行了分
响引起的过分割依然没有改善。对确定图像，仅对属于不同目 割，
分割时尺度值设置为 ６，光谱特征设置为 １，形状特征设置为
标的极小值区域做不同标记，形成种子区域，再进行生长，并且 ０，分割结果如图 ４所示，为了清晰显示，将图 ４（ａ
）的局部放大，
在生长过程中，仅当具有不同比较的水域汇合时构筑起水坝形 如图 ４（ｂ）所示。从图 ４（ａ
）可以看出分形网络分割算法的边缘
成分水岭，这就是基于标记的分水岭变换 ［１２］。另一种降低分水 精确性好像很不错，但是放大之后可以看出分割对象的边缘与
岭变换过分割现象的方法就是分割之后，对分割对象进行合并 ｃ
ａｎｎ
ｙ算子的边缘有一定的出入，而且存在一定的过分割和欠
的方法，这种方法是依据分割对象相邻并且光谱特征或者纹理 分割现象，但好于分水岭分割方法。另外由于 ｅ
Ｃｏｇ
ｎｉｔ
ｉｏ
ｎ的分
特征近似来实现分割对象的合并 ［１３，１４］。 形网络演化分割方法的种子点选择采用随机选择的方式，有些
种子点就选择在图像边缘，所以这种方法存在将边缘当做对象
２ 图像分割实验与分析 进行分割的情况，如图 ４中黑色方框所示的区域中的对象，它们
是对象间的边缘，却被当做了对象。
２．
１ 实验数据
本实 验 采 用 了 Ｇｅ
ｏＥｙ
ｅ１卫 星 拍 摄
的海地太子港 ２
０１０年 １月 １
３日的多光
谱图像，其分辨率为 １．６
５米，如图 １所
示。图像中目标清晰可见，相邻地物之
间对比强弱不同，同一目标的各个组成
结构之间也具有光谱特征的差异，这是
一块非常典型的实验数据。 图 １ 原图像

２．
２ 图像分割实验与分析 图４ ｅ
Ｃｏｇ
ｎｉｔ
ｉｏ
ｎ的分形网络演化分割方法（增强显示）
１）图像的边缘 ４）ｍｅ
ａｎｓ
ｈｉｆ
ｔ分割实验及分析
为了对比不同分割方法生成的分割 采用 ｍｅ
ａｎｓ
ｈｉｆ
ｔ分 割 方 法 对 图 １进 行 分 割，在 采 用 ｍｅ
ａｎ
对象的边缘精确性，这里利用 ｃ
ａｎｎ
ｙ算 ｓ
ｈｉｆ
ｔ算子对图像滤波时，选择窗口宽度为 ３，在分割时采用像素
子来检测图像的边缘，得到的 ｃ
ａｎｎ
ｙ边 差为 ６进行聚类，将分割结果与图 ２叠加后如图 ５所示，图 ５
缘如图 ２所示。由于这里的 ｃ
ａｎｎ
ｙ算子 （ｂ）为局部放大效果。其中白色边缘为 ｃ
ａｎｎ
ｙ算子检测到的边
提取的边缘是用来分析图像分割的边缘 缘和 ｍｅ
ａｎｓ
ｈｉｆ
ｔ分割对象边缘叠加的效果，从图 ５（ａ
）可以看出
精确性和内部均一性，所以 ｃ
ａｎｎ
ｙ算子 分割对象的边缘与 ｃ
ａｎｎ
ｙ检测到的边缘比较吻合，这种分割方
提取的边缘用来做参考。 图 ２ Ｃａ
ｎｎｙ边缘 法在边缘精度方面要优于 ｅ
Ｃｏｇ
ｎｉｔ
ｉｏ
ｎ的分形网络演化方法，但
２）标记分水岭分割实验及分析 是比分水岭分割方法要差。分析图 ５，可以发现这种分割方法
这里采用了标记分水岭分割方法对图 １进行了分割，为了 也存在一定的过分割和欠分割现象。另外由于种子点选择方式
分析其边缘精确性，将图 ２的 ｃ
ａｎｎ
ｙ边缘与图 １的分割结果进 是随机选择的方式，有些种子点就选择在图像边缘，即将边缘当
１９６ 计算机应用与软件 ２０１４年

做对象进行分割，如图 ５中黑色方框所示的区域中的对象。 和光谱特征的图像分割，在分割时 ｃ

ａｎｎ
ｙ算子提取图像边缘的
相关参数设置，当滤波窗口为 ３和自动将边缘阈值设置为 ０．
０５
和 ０．
１２５。由于分型网络演化分割方法和 ｍｅ
ａｎｓ
ｈｉｆ
ｔ分割方法
都是基于光谱特征的分割方法，而且分割结果相近，所以就以
ｍｅ
ａｎｓ
ｈｉｆ
ｔ方法作为实验方法，ｍｅ
ａｎｓ
ｈｉｆ
ｔ相关参数设置为像素
差为 ６进行聚类，并且将像素个数低于 １
６个的分割对象进行合
并。分割结果如图 ７所示。

图 ５ ｍｅ
ａｎｓ
ｈｉｆ
ｔ图像分割方法（增强显示）

３ 融合边缘与光谱特征的图像分割改进

光谱特征和边缘特征是地物的两个主要特征，基于边缘特
征的图像分割能够使得图像边缘平滑、边缘位置精确，但是基于
边缘特征的图像分割需要解决图像边缘间断这一难题。基于光 图 ７ 依据梯度选择种子点并且融合边缘与光谱特征的

谱特征的图像分割能够很好地获得边缘闭合的分割对象，但是 ｍｅ
ａｎｓ
ｈｉｆ
ｔ图像分割方法（增强显示）

其对象边缘的平滑性和边缘位置的精确性要差一些。因此，从 图像分割效果的评价有两类方法，一类是视觉上的主观判
理论上讲，集成图像边缘特征和光谱特征的图像分割能够得到 断，
另一类是手工提取结果与算法提取结果的对比统计分析，手
更好的分割效果，Ｖａ
ｋｉｌ
ｉａ
ｎ、Ｃｈ
ｒｉｓ
ｔ和 Ａｌ
ｌａ
ｏｕｉ等人分别通过实践 工提取结果通常会受到个人因素的影响。因此将图 ７与图 ５、
研究了融合边缘特征与光谱特征的图像分割，试图降低过分割 图 ４和图 ３进行视觉上的对比，可以发现分割对象边缘更平滑，
和欠分割的产生 ［１
５－１
７］
。本文通过依据梯度特征来选择种子点， 边缘附近小对象变少，消除了边缘被分割成对象的情况，即减少
并且融合边缘与光谱特征来实现图像分割，来得到更好的分割 了虚假分割对象的产生，也可以看出分割结果与实际地物更
效果。 一致。

３．
１ 种子点选择
一般实现区域增长的图像分割时，往往采用随机生成的种
４ 结 语
子点，这样的种子点是没有任何特征，仅仅是随机产生，它不符
通过对比这三种遥感图像分割方法，可以发现分水岭分割
合种子点应尽可能在图像对象内部的要求，如果种子点选择在
方法是一种以边缘特征的图像分割方法，标记分水岭分割通过
边缘位置，那么生成的分割对象就有可能不正确。因为基于区
设置光谱特征标记来改善过分割情况。ｅ
Ｃｏｇ
ｎｉｔ
ｉｏ
ｎ软件的分型
域增长的图像分割是将相近的像素分割到一起，所以相近的像
网络演化分割方法和 ｍｅ
ａｎｓ
ｈｉｆ
ｔ分割方法是基于光谱特征的图
素之间的梯度是比较低的，因此，对像素梯度按照由小到大进行
像分割方法。正因为不同的特征和不同的方法有各自的优点和
排序，利用小梯度像素作为种子点来实现图像的分割，这样就保
缺点，集成多种特征的图像分割方法获得的分割结果会有一定
证了种子点不会选择在对象的边缘位置，从而尽可能实现分割
程度的改善。因此，本文尝试了利用分水岭分割方法中浸水点
对象的内部一致性。
作为种子点，利用分水岭分割方法的分割效果能够很好地保持
３．
２ 融合边缘与光谱特征的图像分割原理
边缘的优点，将边缘特征引入图像分割之中，利用 ｍｅ
ａｎｓ
ｈｉｆ
ｔ这
融合边缘与光谱特征进行图像分割是利用图像的边缘特征 种基于光谱特征的分割方法能够获得边缘闭合的分割对象的优
约束基于光谱特征的图像分割，也就是说在基于光谱特征的对 点，
最终实现了融合边缘与光谱特征的图像分割，得到了边缘平
象增长的时候，不仅仅受到光谱的约束，还要受到边缘的约束， 滑且与实际地物更加一致的分割效果，有效地降低了过分割和
这两个特征约束下来实现图像的分割。图 ６是融合边缘与光谱 欠分割现象。
特征的图像分割示意图，其中绿色为用 ｃ
ａｎｎ
ｙ算子提取得到的
边缘，这些边缘将图像分割成 Ａ、Ｂ、Ｃ和 Ｄ四个区域，由于边缘 参 考 文 献
的存在，区域增长时，增长的像素不能越过图像边缘，像素增长
［１］周成虎，骆剑承．高分辨率卫星遥感影像地学计算［Ｍ］．北京：科学
只能发生在边缘约束的范围之内。
出版社，
２００９．
［２］ ｅ
Ｃｏｇ
ｎｉｔ
ｉｏ
ｎＤｅ
ｖｅｌ
ｏｐｅ
ｒ．ｅ
Ｃｏｇ
ｎｉｔ
ｉｏ
ｎＵｓ
ｅｒＧｕｉ
ｄｅ［ＥＢ／
ＯＬ］．ｈｔ
ｔｐ：／／
ｗｗｗ．
ｅ
ｃｏｇ
ｎｉｔ
ｉｏ
ｎ．ｃ
ｏｍ／
ｐｒｏ
ｄｕｃ
ｔｓ／
ｔｒ
ｉａｌ
ｓｏ
ｆｔ
ｗａｒ
ｅ．
［３］ Ｂｌ
ａｓｃ
ｈｋｅＴ，Ｌａ
ｎｇＳ，Ｇｅ
ｏｆｆ
ｒｅｙＪＨａ
ｙ．Ｏｂｊ
ｅｃｔ
Ｂａ
ｓｅｄＩ
ｍａｇ
ｅＡｎａ
ｌｙｓ
ｉｓ
Ｓｐａ

ｔ
ｉａ
ｌＣｏ
ｎｃｅ
ｐｔｓｆ
ｏｒＫｎｏ
ｗｌｅ
ｄｇｅ
Ｄｒ
ｉｖｅ
ｎＲｅ
ｍｏｔ
ｅＳｅ
ｎｓｉ
ｎｇＡｐｐｌ
ｉｃ
ａｔｉ
ｏｎｓ
［Ｃ］．
Ｖｅ
ｒｌａ
ｇＢｅ
ｒｌｉ
ｎＨｅ
ｉｄｅ
ｌｂｅ
ｒｇ，Ｇｅ
ｒｍａ
ｎ，２００８．
［４］ ＴｓＺ，Ｏｌ
ｕｇｂａ
ｒａＯＯ，Ｓｕｎｄａ
ｙＯＯ，ｅ
ｔａｌ
．Ｉｍａ
ｇｅＳｅ
ｇｍｅ
ｎｔａ
ｔｉ
ｏｎ，Ａｖ
ａｉｌ
ａｂｌ
ｅ
图 ６ 融合边缘与光谱特征的图像分割示意图（放大图）
Ｔｅ
ｃｈｎｉ
ｑｕｅ
ｓ，Ｄｅ
ｖｅｌ
ｏｐｍｅ
ｎｔｓａ
ｎｄＯｐｅ
ｎＩｓ
ｓｕｅ
ｓ［Ｊ
］．Ｃａ
ｎａｄｉ
ａｎＪ
ｏｕｒ
ｎａｌｏ
ｎ
３．
３ 融合边缘与光谱特征的图像分割的实验 Ｉ
ｍａｇ
ｅＰｒ
ｏｃｅ
ｓｓｉ
ｎｇａ
ｎｄＣｏ
ｍｐｕｔ
ｅｒＶｉ
ｓｉ
ｏｎ，
２０１１，
２（３）：
２０ ２９．
我们实验了依据图像梯度选择种子点、集成图像边缘特征 （下转第 ２
００页）
 ２００ 计算机应用与软件 ２０１４年

频为 ２
５帧 ／
ｓ。进行实验的三个视频序列分别为运动较剧烈的 ｆ
ｏｒＶｉ
ｄｅｏＴｅ
ｃｈｎｏ
ｌｏｇ
ｙ，２００３，
１３（１７）：
５６０ ５７６．
Ｆｏ
ｒｅｍａ
ｎ，相对静止的 ａ
ｋｉｙ
ｏ和图像内容很丰富的 ｍｏ
ｂｉｌ
ｅ。表 ５ ［３］ 丁媛媛，司玉娟．Ｈ．
２６４／
ＡＶＣ快速帧内预测算法的研究［Ｊ
］．计算
给出三个测试序列 ＱＰ取不同值的实验结果。Ｔｉ
ｍｅ表示本文算 机工程与应用，
２００８，
４４（１４）：
１ ４．

法相对于全搜索算法的编码总时间较少百分比；Ｙ、Ｕ、Ｖ分别为 ［４］ 王慧，常建平．改进的 Ｈ．

２６４快速帧内预测模式选择算法［Ｊ
］．计

亮度和两个色度信噪比峰峰值改变量，单位为 ｄ
Ｂ；ＢＲ表示本文 算机工程，
２００８， ２２８ ２２９．
３４（１９）：

算法相对于全搜索算法的比特率增加百分比。 ［５］ Ｇａ
ｒｃｉ
ａＣ，Ｔｚ
ｉｒ
ｉｔ
ａｓＧ．Ｆａ
ｃｅｄｅ
ｔｅｃ
ｔｉ
ｏｎｕｓ
ｉｎｇｑｕａ
ｎｔｉ
ｚｅｄｓ
ｋｉｎｃ
ｏｌｏ
ｒｒｅ
ｇｉｏ
ｎｓ
ｍｅ
ｒｇｉ
ｎｇａ
ｎｄｗａ
ｖｅｌ
ｅｔｐａ
ｃｋｅ
ｔａｎａ
ｌｙｓ
ｉｓ［Ｊ
］．Ｉ
ＥＥＥＴｒ
ａｎｓ
ａｃｔ
ｉｏ
ｎｓｏ
ｎＭｕｌ
ｔｉ

表 ５ 本文算法与全搜索算法性能对比结果
ｍｅ
ｄｉａ
，１９９９， ２６４ ２７７．
１（３）：
ＱＰ Ｔｉ
ｍｅ／
％ Ｙ／
ｄＢ Ｕ／
ｄＢ Ｖ／
ｄＢ ＢＲ／
％ ［６］ 胡少华，叶水生，周登峰．基于时间相关的 Ｈ．２６４帧内预测算法
２６ －４５．
２５ －０．
０８２ －０．
０１１ 不变 ２．
８３ ［Ｊ
］．计算机应用研究，
２０１０，
２７（７）：
２７７０ ２７７２．

２８ －４１．
１５ －０．
０７２ －０．
００３ ０．
００１ ２．
６５ ［７］ 谢翠兰，郑艺玲．基于 ＳＡＤ和 ＳＡＴＤ的 Ｈ．
２６４快速帧内预测算法
［Ｊ
］．计算机工程，
２００８，
３４（１０）：
２１５ ２１７．
３０ －４０．
４０ －０．
０８２ ０．
００３ －０．
００１ ３．
０２
Ｆｏ
ｒｅｍａ
ｎ ［８］Ｊ
ｉＱ，ＺｈｕＺ，Ｌａ
ｎＰ．Ｒｅ
ａｌｔ
ｉｍｅｎｏ
ｎｉｎｔ
ｒｕｓ
ｉｖｅｍｏ
ｎｉｔ
ｏｒｉ
ｎｇａ
ｎｄｐｒ
ｅｄｉ
ｃｔ
ｉｏ
ｎ
３２ －３７．
６０ －０．
０８５ －０．
００４ －０．
００９ ３．
１０
ｏ
ｆｄｒ
ｉｖｅ
ｒｆａ
ｔｉ
ｇｕｅ［Ｊ］．Ｉ
ＥＥＥ Ｔｒ
ａｎｓ
ａｃｔ
ｉｏ
ｎｓｏ
ｎＶｅ
ｈｉｃ
ｕｌａ
ｒＴｅ
ｃｈｎｏ
ｌｏｇ
ｙ，
３４ －３３．
８２ －０．
０８０ －０．
００４ ０．
００３ ３．
１３
２００４， １０５２ １０６８．
５３（４）：
３６ －３３．
３４ －０．
０８９ －０．
００８ ０．
００３ ３．
３０
［９］ Ｓｉ
ｎｇｈＳ，Ｐａ
ｐａｎｉ
ｋｏｌ
ｏｐｏ
ｕｌｏ
ｓＮＰ．Ｍｏ
ｎｉｔ
ｏｒｉ
ｎｇｄｒ
ｉｖｅ
ｒｆａ
ｔｉ
ｇｕｅｕｓ
ｉｎｇｆ
ａｃｉ
ａｌ
２６ －４２．
３４ －０．
０７２ ０．
００２ ０．
００２ ０．
７５ ａ
ｎａｌ
ｙｓｉ
ｓｔｅ
ｃｈｎｉ
ｑｕｅ
ｓ［Ｃ］／／
ＩＥＥＥ／
ＩＥＥＪ／
ＪＳＡＩＩ
ｎｔｅ
ｒｎａ
ｔｉ
ｏｎａ
ｌＣｏ
ｎｆｅ
ｒｅｎｃ
ｅ
２８ －４１．
８７ －０．
０１２ 不变 不变 １．
３８ ｏ
ｎＩｎｔ
ｅｌ
ｌｉ
ｇｅｎｔＴｒ
ａｎｓ
ｐｏｒ
ｔａｔ
ｉｏ
ｎＳｙ
ｓｔｅ
ｍｓ，Ｔｏ
ｋｙｏ
， ３１４ ３１８．
１９９９：
３０ －４２．
４５ －０．
０８３ 不变 ０．
００２ １．
０４
ａ
ｋｉｙ
ｏ 
３２ －４１．
５８ －０．
０３９ 不变 －０．
００１ １．
７９
（上接第 １
９６页）
３４ －４１．
８６ －０．
０８３ ０．
００１ ０．
００２ １．
８５ ［５］ 吴宁，陈秋晓．面向影像分割的多尺度快速区域合并方法［Ｊ
］．计
３６ －４２．
１６ ０．
０６３ ０．
０３８ ０．
００３ ２．
１６ 算机工程与应用，２０１２，４８（６）：
１ ４．
２６ －４２．
５７ ０．
１６４ ０．
００１ ０．
００３ １．
３１ ［６］ Ｊ
ｉｎＸｉ
ａｏｌ
ｉ，Ｌｉ
ｎＴｕ
ｓｈｅ
ｎｇ，Ｌｉ
ａｏＬｉ
ａｎｇ
，ｅｔａ
ｌ．Ｍｕ
ｌｔ
ｉ
Ｓｐｅ
ｃｔｒ
ａｌＭＲＩＢｒ
ａｉ
ｎＩｍ
２８ －４２．
９３ ０．
１６４ ０．
００２ ０．
００４ １．
４３ ａ
ｇｅＳ
ｅｇｍｅ
ｎｔａ
ｔｉ
ｏｎＢａ
ｓｅｄＯｎＫｅ
ｒｎｅ
ｌＣｌ
ｕｓｔ
ｅｒ
ｉｎｇＡｎ
ａｌｙ
ｓｉｓ
［Ｃ］．Ｉ
ｎｔｅ
ｒｎａ
ｔｉ
ｏｎａ
ｌ
３０ －４２．
４３ ０．
１６４ 不变 不变 １．
５７ Ｃｏ
ｎｆｅ
ｒｅｎ
ｃｅｏ
ｎＳｙ
ｓｔｅ
ｍＥｎ
ｇｉｎ
ｅｅｒ
ｉｎｇａ
ｎｄＭｏ
ｄｅｌ
ｉｎ
ｇ，２
０１ １
２：４１ １
４６．
ｍｏ
ｂｉｌ
ｅ
３２ －４１．
５３ ０．
１５４ ０．
００２ ０．
００１ １．
６２ ［７］ Ｆｕｋａ
ｎａｇ
ａＫ，Ｈｏ
ｓｔｅ
ｔｌ
ｅｒＬＤ．ＴｈｅＥｓ
ｔｉ
ｍａｔ
ｉｏ
ｎｏｆｔ
ｈｅＧｒ
ａｄｉ
ｅｎｔｏ
ｆａＤｅ
ｎｓｉ


３４ －３６．
３８ ０．
１４５ ０．
００１ ０．
００１ ２．
１２ ｔ
ｙＦｕｎｃ
ｔｉ
ｏｎ，ｗｉ
ｔｈＡｐｐｌ
ｉｃ
ａｔｉ
ｏｎｓｉ
ｎＰａ
ｔｔ
ｅｒｎＲｅ
ｃｏｇ
ｎｉｔ
ｉｏ
ｎ［Ｊ］．Ｉ
ＥＥＥ
Ｔｒ
ａｎｓ
ａｃｔ
ｉｏ
ｎｓｏ
ｎＩｎｆ
ｏｒｍａ
ｔｉ
ｏｎＴｈｅ
ｏｒｙ
，１９７５，２１（１）：３２ ４０．
３６ －３５．
７６ ０．
１５９ ０．
００１ 不变 ２．
２７
［８］ Ｃｈ
ｅｎｇＹ．Ｍｅ
ａｎＳ
ｈｉｆ
ｔ，Ｍｏ
ｄｅＳ
ｅｅｋ
ｉｎｇ
，ａｎ
ｄＣｌ
ｕｓｔ
ｅｒ
ｉｎｇ
［Ｊ］．Ｉ
ＥＥＥＴｒ
ａｎｓｏ
ｎ
由实验结果可知，本文算法与全搜索算法相比，在信噪比几 Ｐａ
ｔｔ
ｅｒ
ｎＡｎ
ａｌｙ
ｓｉｓａ
ｎｄＭａ
ｃｈｉ
ｎｅＩ
ｎｔｅ
ｌｌ
ｉｇ
ｅｎｃ
ｅ，１
９９５，１
７（８
）：７
９０ ７
９９．
乎不变，比特率上升很小的情况下，编码时间减少了 ４
０％左右， ［９］ Ｃｏ
ｍａｎｉ
ｃｉ
ｕＤ，Ｍｅ
ｅｒＰ．Ｍｅ
ａｎｓ
ｈｉｆ
ｔ：ＡＲｏ
ｂｕｓ
ｔＡｐｐｒ
ｏａｃ
ｈｔｏ
ｗａｒ
ｄＦｅ
ａｔｕｒ
ｅ
很大幅度提高了编码性能。本文算法对运动剧烈程度不同、图 Ｓｐａ
ｃｅＡｎａ
ｌｙｓ
ｉｓ［Ｊ
］．Ｉ
ＥＥＥＴｒ
ａｎｓ
ａｃｔ
ｉｏ
ｎｓｏ
ｎＰａ
ｔｔ
ｅｒｎＡｎａ
ｌｙｓ
ｉｓａ
ｎｄＭａ


像内容丰富程度不同的视频序列均能取得较好的编码效果，充 ｃ
ｈｉｎｅＩ
ｎｔｅ
ｌｌ
ｉｇ
ｅｎｃ
ｅ，２００２， ６０３ ６１９．
２４（５）：
［１０］Ｖｉ
ｎｃｅ
ｎｔＬ，Ｓｏ
ｉｌ
ｌｅＰ．Ｗａ
ｔｅｒ
ｓｈｅ
ｄｓｉ
ｎｄｉ
ｇｉ
ｔａ
ｌｓｐａ
ｃｅｓ
：ａｎｅ
ｆｆ
ｉｃ
ｉｅｎｔａ
ｌｇｏ
ｒｉｔ
ｈｍ
分体现了本文算法的自适应特性。
ｂａ
ｓｅｄｏ
ｎｉｍｍｅ
ｒｓｉ
ｏｎｓ
ｉｍｕｌ
ａｔ
ｉｏ
ｎｓ［Ｊ］．Ｉ
ＥＥＥＴｒ
ａｎｓ
ａｃｔ
ｉｏ
ｎｓｏ
ｎＰａ
ｔｔ
ｅｒｎＡ
ｎａ
ｌｙｓ
ｉｓａ
ｎｄＭａ
ｃｈｉ
ｎｅＩ
ｎｔｅ
ｌｌ
ｉｇ
ｅｎｃ
ｅ，１９９１， ５８３ ５９８．
１３（６）：
６ 结 语 ［１１］ Ｓｏ
ｉｌ
ｌｅＰ．Ｍｏ
ｒｐｈｏ
ｌｏｇ
ｉｃａ
ｌｉｍａ
ｇｅａ
ｎａｌ
ｙｓｉ
ｓａｐｐｌ
ｉｅ
ｄｔｏｃ
ｒｏｐｆ
ｉｅ
ｌｄｍａ
ｐｐｉ
ｎｇ
［Ｊ
］．Ｉ
ｍａｇ
ｅａｎｄＶｉ
ｓｉ
ｏｎＣｏ
ｍｐｕｔ
ｉｎｇ
，２０１０， １０２５ １０３２．
１８（１３）：
本文充分利用视频序列的时间和空间相关性，提出基于时
［１２］ 李蒙，方家乐，朱颖合．ＬＥＤ 芯片图像的势函数标记分水岭分割
空相关的快速帧内预测算法，一方面对 Ｉ
ｎｔｒ
ａ＿４×４和 Ｉ
ｎｔｒ
ａ＿１
６× ［Ｊ
］．机电工程，
２０１０，
２７（７）：
８１ ８４．
１
６预测方式提前预判，另一方面利用模式聚集特性选出 Ｉ
ｎｔｒ
ａ＿４ ［１３］Ｓａ
ｌｍａ
ｎＮＨ，Ｌｉ
ｕＣｈｏ
ｎｇｇ
ｉｎｇ
．Ｗａ
ｔｅｒ
ｓｈｅ
ｄｂａ
ｓｅｄＩ
ｍａｇ
ｅＳｅ
ｇｍｅ
ｎｔａ
ｔｉ
ｏｎｗｉ
ｔｈ
×４的候选模式，实验证明本文算法在保证编码质量的情况下 Ｒｅ
ｇｉｏ
ｎＭｅ
ｒｇｉ
ｎｇａ
ｎｄＥｄｇ
ｅＤｅ
ｔｅｃ
ｔｉ
ｏｎ［Ｊ
］．ＨＩ
ＧＨ ＴＥＣＨＮＯＬＯＧＹＬＥＴ
很大程度上提高了编码效率。本文只对预判和 Ｉ
ｎｔｒ
ａ＿４×４预测 ＴＥＲＳ，
２００３， ５８ ６３．
９（１）：
方式做了改进，在 ＱＰ值非常大，编码大量采用 Ｉ
ｎｔｒ
ａ＿１
６×１
６预 ［１４］ 卢中宁，强 赞 霞．基 于 梯 度 修 正 和 区 域 合 并 的 分 水 岭 分 割 算 法

测方式的情况下，编码效率提升效果有所下降。在以后的工作 ［Ｊ
］．计算机工程与设计，
２０１１，
３０（８）：
２０７５ ２０７７．
［１５］ Ｖａ
ｋｉｌ
ｉａ
ｎＡＡ，Ｖａ
ｋｉｌ
ｉａ
ｎＫＡ．ＡＮｅ
ｗＳａ
ｔｅｌ
ｌｉ
ｔｅＩ
ｍａｇ
ｅＳｅ
ｇｍｅ
ｎｔａ
ｔｉ
ｏｎＥｎ
中，
将对 Ｉ
ｎｔｒ
ａ＿１
６×１
６预测方式做改进，进一步提高帧内预测编
ｈａ
ｎｃｅ
ｍｅｎｔＴｅ
ｃｈｎｉ
ｑｕｅｆ
ｏｒＷｅ
ａｋＩ
ｍａｇ
ｅＢｏ
ｕｎｄａ
ｒｉｅ
ｓＢａ
ｓｅｄｏ
ｎＡｃ
ｔｉ
ｖｅ
码性能。
Ｃｏ
ｎｔｏ
ｕｒｓａ
ｎｄＬｅ
ｖｅｌＳｅ
ｔＭｅ
ｔｈｏ
ｄ［Ｊ
］．Ｉ
ｎｔｅ
ｒｎａ
ｔｉ
ｏｎａ
ｌＲｅ
ｓｅａ
ｒｃｈＪ
ｏｕｒ
ｎａｌｏ
ｆ
参 考 文 献 Ａｐｐｌ
ｉｅ
ｄａｎｄＢａ
ｓｉｃＳｃ
ｉｅｎｃ
ｅｓ，
２０１２， ３６２ ３７０．
３（２）：
［１６］ Ｃｈｒ
ｉｓ
ｔＭＣＪ
．Ｓｅ
ｇｍｅ
ｎｔａ
ｔｉ
ｏｎｏ
ｆＭｅ
ｄｉｃ
ａｌＩ
ｍａｇ
ｅｕｓ
ｉｎｇＫ
Ｍｅａ
ｎｓＣｌ
ｕｓｔ
ｅｒｉ
ｎｇ
［１］ Ｊ
ｏｉｎｔＶｉ
ｄｅｏＴｅ
ａｍ．Ｄｒ
ａｆｔＩ
ＴＵ
ＴＲｅ
ｃｏｍｍｅ
ｎｄａ
ｔｉ
ｏｎａ
ｎｄＦｉ
ｎａｌＤｒ
ａｆｔＩ
ｎｔｅ
ｒ
ａ
ｎｄＭａ
ｒｋｅ
ｒＣｏ
ｎｔｒ
ｏｌｌ
ｅｄＷａ
ｔｅｒ
ｓｈｅ
ｄＡｌ
ｇｏｒ
ｉｔ
ｈｍ［Ｊ
］．Ｅｕｒ
ｏｐｅ
ａｎＪ
ｏｕｒ
ｎａｌｏ
ｆ
ｎａ
ｔｉ
ｏｎａ
ｌＳｔ
ａｎｄａ
ｒｄｏ
ｆＪｏ
ｉｎｔＶｉ
ｄｅｏＳ
ｐｅｃ
ｉｆ
ｉｃ
ａｔｉ
ｏｎ，Ｉ
ＴＵ
Ｔ Ｒｅ
ｃｏｍ［Ｓ］． Ｓｃ
ｉｅｎｔ
ｉｆ
ｉｃＲｅ
ｓｅａ
ｒｃｈ，
２０１２，
７１（２）：
１９０ １９４．
Ｈ．
２６４ａ
ｎｄＩ
ＳＯ／
ＩＥＣ１４４９６－１０ＡＶＣ，Ｍａ
ｙ２０
０３． ［１７］ Ａｌ
ｌａ
ｏｕｉＡＥ，Ｎａ
ｓｒｉＭ．Ｍｅ
ｄｉｃ
ａｌＩ
ｍａｇ
ｅＳｅ
ｇｍｅ
ｎｔａ
ｔｉ
ｏｎｂｙＥｖ
ｏｌｕｔ
ｉｏ
ｎａｒ
ｙＡｐ
［２］ Ｗｉ
ｅｇａ
ｎｄＴ，Ｇａ
ｒｙＪ
，Ｓｕｌ
ｌｉ
ｖａｎＧＪ
，ｅｔａ
ｌ．Ｏｖ
ｅｒｖ
ｉｅｗｏ
ｆｔｈｅＨ．
２６４／
ＡＶＣ ｐｒ
ｏａｃ
ｈａｎｄＷａ
ｔｅｒ
ｓｈｅ
ｄＭｏ
ｒｐｈｏ
ｌｏｇ
ｙ［Ｊ
］．Ｉ
ｎｔｅ
ｒｎａ
ｔｉ
ｏｎａ
ｌＪｏ
ｕｒｎａ
ｌｏｆＣｏ
ｍ
ｖ
ｉｄｅ
ｏｃｏ
ｄｉｎｇｓ
ｔａｎｄａ
ｒｄ［Ｊ
］．Ｉ
ＥＥＥＴｒ
ａｎｓ
ａｃｔ
ｉｏ
ｎｓｏ
ｎＣｉ
ｒｃｕ
ｉｔｓａ
ｎｄＳ
ｙｓｔ
ｅｍｓ ｐｕｔ
ｅｒＡｐｐｌ
ｉｃ
ａｔｉ
ｏｎｓ
，２０１２， ２４ ２８．
４７（２４）：