吴俐民，於雪琴，黄 亮

(1.昆明市测绘管理中心，云南 昆明 650500；2.昆明市测绘研究院，云南 昆明 650051；3.昆明理工大学 国土资源工程学院，云南 昆明 650093)

FCM聚类算法协同Canny算子的遥感影像边缘检测方法

吴俐民1，於雪琴2，黄 亮3

(1.昆明市测绘管理中心，云南 昆明 650500；2.昆明市测绘研究院，云南 昆明 650051；3.昆明理工大学 国土资源工程学院，云南 昆明 650093)

提出一种FCM聚类算法协同Canny算子的遥感影像边缘检测方法，算法采用中值滤波消除原始遥感影像中的非高斯噪声；采用FCM(Fuzzy C-mean)聚类算法将滤波处理后的遥感影像中的像素分为两类：边缘类像素和非边缘类像素，并得到聚类影像；最后采用 Canny算子对聚类影像进行边缘检测得到遥感影像地物边缘信息。实验结果表明，文中提出的方法能有效消除遥感影像中的混合噪声并准确地检测出地物目标的边缘，是一种有效的遥感影像边缘检测方法。

模糊C均值；边缘检测；遥感影像；Canny算子；中值滤波

随着遥感技术的快速发展，遥感影像的应用也越来越广泛[1-3]。为了让遥感技术更好地服务于各行各业，就需将遥感数据转换为信息，即需从遥感影像中自动地提取大量专题信息来满足各种应用的需求，其中边缘检测便是提取遥感影像地物目标空间结构的关键技术之一。

目前，国内外学者针对普通光学图像边缘检测算法开展了大量研究，也取得了一定的成果，但这些算法却难以直接应用于遥感影像的边缘信息检测[4]。其中，针对高空间分辨率遥感影像的边缘检测算法则更少，且研究进展较为缓慢，其主要原因在于高空间分辨率遥感影像更加复杂，具体体现在遥感影像具有丰富的纹理信息、数据量大且具有大量混合噪声，这给遥感影像边缘检测带来了很大的不确定性，易出现检测结果不完整和不准确的结果。在现有的研究中，对遥感影像边缘信息检测的研究主要是基于空域像元的梯度算子来进行开展的，其主要算子包括Robert算子、Sobel算子、LOG算子、Canny算子等[5]。其中Canny是较有代表性的边缘检测算子，诸多学者利用Canny算子对遥感影像进行边缘检测，如黄亮等(2011)结合Canny算子和eCognition平台对遥感影像进行分割[6]；李润生等(2012)采用Canny算子对高分辨率遥感影像进行目标边界提取[7]；但由于Canny算子对噪声过于敏感，因而采用Canny算子直接对遥感影像进行边缘检测难以达到较好的结果。基于此，本文提出一种FCM聚类算法协同Canny算子的遥感影像边缘检测方法。

1 FCM聚类算法协同Canny算子的遥感影像边缘检测方法

1.1 FCM聚类算法

FCM聚类是模糊聚类分析方法中使用最为广泛的聚类算法。FCM聚类算法最早由Dunn[8]于1973年提出，并由Bezdek[9]于1981年进行改进和推广。FCM聚类算法采用误差的平方和函数作为目标函数[10]，即

(1)

Jm(U,V)的值所反映的是在某种异质性定义下的类内紧致及一致程度。Jm(U,V)越小，则聚类越紧凑，相应地分割质量也就越高[11]。为此，FCM聚类的核心便为求解式(1)的极小化问题，其中式(1)中的uji和vj可利用拉格朗日乘数法推导得到。

(2)

(3)

1.2 Canny算子

边缘检测算子是根据影像边缘的突变性质进行边缘信息检测的，其主要可分为两类：①以一阶导数为理论基础的边缘检测算子，其通过计算影像的梯度值来进行影像边缘检测，如：Prewitt算子、Roberts算子和Sobel算子；②以二阶导数为理论基础的边缘检测算子，其通过寻求二阶导数中的零交点来检测影像边缘，如：Canny算子、Laplacian算子和LOG算子[12]。陆兴娟等(2010)对Prewitt算子、Roberts算子、Sobel算子、Canny算子以及LOG算子的性能及算法特点进行了分析，并应用MATLAB进行仿真实验，实验结果表明Canny算子的边缘检测效果最佳，主要体现在：边缘连接程度最好，景物的细节最为清晰，轮廓边缘提取最为完备[13]。为此，选取Canny算子进行边缘信息检测。

Canny算子[14]是由John Canny于1986年提出。Canny算子的基本思想为：首先采用高斯函数对原始影像进行平滑处理；然后根据一阶微分的极大值来确定影像的边缘点，同时由二阶导数的零交点来确定灰度变化剧烈的点(即强边缘)和灰度变化缓慢的点(即弱边缘)，并通过使用两个检测阈值来分别检测影像中的强边缘和弱边缘[12]。其具体实现步骤如下[6]：

1)为了抑制噪声，对原始影像进行高斯(低通)平滑滤波；

2)计算方向导数及梯度；

3)抑制局部像素非最大梯度点；

4)根据梯度计算结果对经过非最大值抑制后的结果设定阈值；

5)寻找边界起点及跟踪边界。

1.3 结合FCM聚类和Canny算子的边缘检测方法

对于一般影像来说，Canny算子具有极好的边缘检测效果，且具有良好的鲁棒性，因此Canny算子是目前应用最为广泛的边缘检测算子。但Canny算子对遥感影像的边缘信息检测效果则一般，其原因在于遥感影像包含了丰富的边缘信息及大量的混合噪声，且随着其空间分辨率的不断提高，其纹理细节会更为复杂，从而造成边缘检测难度更大[15]。利用Canny算子对遥感影像进行边缘检测，易产生大量“虚假边缘”，且在提取边缘信息时易受到纹理信息的干扰，导致提取的边缘不准确[15]。为此，需消除大量混合噪声及纹理细节对遥感影像边缘信息检测的影响。基于此，本文提出一种FCM聚类算法协同Canny算子的遥感影像边缘检测方法。其流程如图1所示，实现步骤如下：

图1 流程

1)输入原始遥感影像。

2)非高斯噪声消除。由于遥感影像具有大量混合噪声(高斯噪声和非高斯噪声)，而Canny算子采用高斯函数可消除遥感影像中的高斯噪声，为此需先消除遥感影像中的非高斯噪声。由于中值滤波可以在消除噪声的同时，尽量保留遥感影像中的边缘信息，因此本文采用中值滤波来消除非高斯噪声。

3)聚类图生成。在获得滤波后的遥感影像后，为了消除地物内部的纹理细节对地物轮廓边缘信息提取造成的干扰，需首先消除地物内部的纹理细节。由于FCM算法具有可以将聚类到同一簇的对象间相似度最大，而不同簇的对象间相似度最小的优点，本文采用FCM聚类算法对遥感影像中地物内部的纹理细节进行聚类处理，从而减少其对地物轮廓边缘信息检测造成的干扰。

4)边缘信息检测。经2)、3)处理之后，遥感影像的噪声和纹理信息得到了较好的抑制，结合Canny算子具有极好的边缘检测效果，本文采用Canny算子对聚类图进行边缘信息检测。

5)精度评价。采用主观和客观的评价方法对边缘检测结果进行分析和评价。

2 实验结果与分析

为了验证本文方法的可行性和有效性，进行了两组实验。第1组实验数据为安宁市某区域2009年成像的QuickBird全色波段影像，其分辨率为0.61 m，实验区大小为1 013×1 146像元，如图2(a)所示。第2组实验数据为安宁市另一区域2009年成像的QuickBird全色波段影像，其分辨率为0.61 m，实验区大小为669×606像元，如图2(b)所示。本实验采用MATLAB R2010b平台进行仿真实验。

图2 实验图

为了评价本文方法的效果和质量，采用主观评价和客观评价两种方法对边缘检测结果进行精度评估。主观评价是指对不同方法得到的结果进行视觉比较。图3(a)、图3(b)以及图4(a)、图4(b)分别为采用基于传统Canny算子和采用本文方法分别对第1组和第2组遥感影像进行边缘信息检测得到的结果。对比图3(a)、图3(b)、图4(a)、图4(b)，以及4张结果图中的红色圈出部分的放大图图5和图6可以看出：采用基于传统Canny算子的边缘检测方法，由于受混合噪声和纹理细节的影响，检测出大量的伪边缘；而本文提出的方法，由于采用中值滤波在降低了原始遥感影像中非高斯噪声的同时，并未对地物边缘造成影响，且通过FCM聚类减少了纹理细节造成的干扰，检测出来的边缘信息较为清晰，边缘线型的连接程度好，边缘提取完整，且伪边缘数量少。为了定量分析减少的伪边缘数量，实验还对检测后的地物边缘像素进行了统计：第1组实验图采用传统Canny算子和本文方法得到的像素数分别为342 915像素和141 781像素；第2组实验图采用传统Canny算子和本文方法得到的像素数分别为81 382像素和39 268像素。从两组实验结果可以看出，本文方法与传统Canny算子相比减少了大量的伪边缘数量。

图3 第1组遥感影像实验对比

图4 第2组遥感影像实验对比

图5 第1组遥感影像实验局部放大对比

图6 第2组遥感影像实验局部放大对比

为了进一步评价两组实验结果的质量，实验还采用了敏感度[16]作为客观评价因子。其中检测出的伪边缘越少，其敏感度就越小，说明边缘检测结果的质量越好。两组实验结果的敏感度如表1所示，从表1可以看出本文方法的边缘检测结果明显优于基于传统Canny算子的边缘检测结果。

表1 两组实验结果的敏感度

通过客观评价方法和主观评价方法得到的评价结果可以看出，本文提出的方法与传统Canny算子相比，效果更好，说明本文方法具有可行性和有效性。

3 结束语

为了更好地提取遥感影像边缘信息，提出一种FCM聚类算法协同Canny算子的遥感影像边缘检测方法。该方法采用中值滤波方法消除了遥感影像中的非高斯噪声，降低了噪声对边缘信息提取造成的影响，并采用FCM聚类算法解决了地物内部纹理信息对地物轮廓边缘信息提取造成的干扰。实验结果表明，本文提出的方法具有更好的检测效果，减少了大量伪边缘信息，对于遥感影像边缘信息检测具有一定的借鉴作用。但对于林地边界提取还存在一定的问题，有待进一步研究。

[1]吴俐民，左小清，倪曙，等. 卫星遥感影像专题信息提取[M].成都：西南交通大学出版社，2013.

[2]周家香，朱建军，梅小明，等. 多维特征自适应MeanShift遥感图像分割方法[J]. 武汉大学学报：信息科学版，2012，37(4)：419-422.

[3] 高燕，苏奋振，周成虎，等. 面向对象的遥感影像时空特征模型研究[J]. 测绘工程，2013，22(5)：29-33.

[4]孙根云，黄丙湖，朝旭军. 遥感图像边缘检测的不确定性及其处理方法探讨[J]. 遥感信息，2010(6)：110-114.

[5]吴桂平，肖鹏峰，冯学智，等. 一种基于频谱段能量的高分辨率遥感图像边缘特征检测方法[J]. 测绘学报，2011，40(5)：587-591.

[6]黄亮，左小清，冯冲，等. 基于Canny算法的面向对象影像分割[J]. 国土资源遥感，2011(4)：26-30.

[7]向晶，周绍光，陈超.基于改进高斯混合模型的遥感影像道路提取[J]. 测绘工程，2014，23(3)：42-45.

[8]DUANN J C. A Fuzzy Relative of the ISODATA Process and Its Use in Detecting Compact Well-Separated Clusters [J]. Journal of Cybernetics, 1973, (3): 32-57.

[9]BEZDEK J C. Pattern Recognition with Fuzzy Objective Function Algorithms [M]. New York: Plenum Press, 1981.

[10]苗京，黄红星，程卫生，等. 基于蚁群模糊聚类算法的图像边缘检测[J]. 武汉大学学报：工学版，2005，38(5)：124-127.

[11]李岩，孙劲光，张新君. 一种基于FCM聚类的图像快速分割算法研究[J]. 计算机与信息技术，2008(3)：7-11.

[12]徐献灵，林弈水. 图像边缘检测算法比较与分析[J]. 自动化与信息工程，2007(3)：44-46.

[13]陆兴娟，吴震宇. 图像边缘检测算法研究[J]. 现代电子技术，2010(6)：128-130.

[14]CANNY J. A Computational Approach to Edge Detection [J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 1986, 8(6): 679-698.

[15]HUANG L, FANG Y M, ZUO X Q, et al. Application of Markov Chain to Edge Information Extraction from High Resolution Remote Sensing Image [J]. Electronic Journal of Geotechnical Engineering, 2013, 18(P): 3237-3245.

[16]NASHAT S, ABDULLAH A, ABDULLAH M Z. Unimodal threshold for Laplacian-based Canny-Deriche Filter [J]. Pattern Recognition Letters, 2012(33): 1269-1285.

[责任编辑：刘文霞]

Edge detection method of remote sensing images based on FCM clustering algorithm and canny operator

WU Li-min1, YU Xue-qin2, HUANG Liang3

(1. Kunming Surveying and Mapping Management Center, Kunming 650500, China; 2. Kunming Surveying and Mapping Institute, Kunming 650051, China; 3. School of Land Resource Engineering, Kunming University of Science and Technology, Kunming 650093, China)

An edge detection method is based on FCM clustering and Canny operator for remote sensing image is proposed. In the algorithm, median filter is first used to eliminate non-Gaussian noise of original remote sensing image; then, FCM (Fuzzy C-mean) is used to divide pixels of image processed into two categories: edge pixels and non-edge pixels, and clustering image can be obtained; finally, Canny algorithm is used for clustering image to get ground objects edge information of remote sensing image by edge detection. The experiment results show that the proposed method can denoise effectively and accurately the edge of ground objects. Proposed method is an effective edge detection method for remote sensing.

fuzzy C-mean; edge detection; remote sensing image; Canny operator; median filtering

2013-10-21；补充更新日期：2014-08-12

云南省教育厅科学研究基金资助项目(2013J062)

吴俐民(1965-)，男，正高级工程师，注册测绘师.

P237

：A

：1006-7949(2014)12-0001-04