基于改进活动轮廓模型的矢量边界更新方法

　　活动轮廓模型演化过程集成了图像数据、初始位置、理想边界和基于知识的约束条件;而GIS 中存储的矢量边界数据，可以作为活动轮廓模型的初始位置，对演化过程提供先验知识，通过与栅格形式的遥感数据相互作用[1-7]，改变矢量数据点的定位与多点连线的形态，实现 GIS 矢量边界的更新。活动轮廓模型中经典问题之一就是

　　初始位置的选择，通常需要人为设定，利用 GIS中已有的数据作为初始位置可以避免这种问题。但是，传统的活动轮廓模型是基于简单的二值图或灰度图进行实验的，对于复杂图像或复杂矢量边界并不适用，因此一些针对遥感影像或医学图片中轮廓检测的活动轮廓模型的改进方案相继被提出。贪婪算法实现了活动轮廓模型计算的离散化与局部化，简化了活动轮廓模型的计算复杂度，同时也有可能导致蛇点定位精度的下降。

　　1 蛇点分组法

　　活动轮廓模型也称为蛇模型，由Kass于1988年首次提出，是一种经典的轮廓提取方法。该模型同时考虑边界控制点的梯度信息和空间分布，将整体轮廓的连续性和弯曲程度与局部边界梯度信息相结合。

　　活动轮廓模型演化是一个能量最小化过程，其能量包括内部能量和外部能量，内部能量用来度量蛇轮廓的形状特征，如平滑性和连续性;外部能量用于度量图像信息对蛇轮廓的驱动力。

　　传统活动轮廓模型[8-9]的轮廓v 的能量公式为:

　　扎龙湿地位于黑龙江省西部乌裕尔河下游齐齐哈尔市及富裕、林甸、杜蒙、泰来县交界地域，面积 210 000 ha2，是亚洲最大的湿地之一。本实验选取扎龙湿地内边界相对清晰的克钦湖和东升水库为例，对上述矢量更新的方法进行仿真。实验根据一幅上世纪 90 年代中期的矢量数据及 1999 年的矢量数据，作为先验知识;选取2000 年 9 月 24 日的扎龙湿地 TM 遥感影像，截取地物位置图像，作为更新边界的数据源。

　　考虑初始位置距真实边界较近和较远的两种情况，对传统活动轮廓模型、贪婪算法和分组式活动轮廓模型进行仿真。图 3 和图 4 分别为以克钦湖和东升水库为实验对象的仿真结果。图3(a)、(b)、(c)、图 4(a)、(b)、(c)分别为初始位置距真实边界较近时传统蛇模型、贪婪算法和分组式蛇模型的实验结果;图 3(d)、(e)、(f)、图 4(d)、(e)、(f)分别为初始边界距真实边界较远时传统蛇模型、贪婪算法和分组式蛇模型的实验结果;图 3(g)和图4(g)为真实地物遥感影像。

　　表 1 显示，当活动轮廓模型的初始轮廓位置距真实目标边界距离较近时，在 3 种方法中，基于分组式活动轮廓模型的实验得到的结果较好但优势并不明显。此外，由于克钦湖覆盖的面积明显大于东升水库，在同一分辨率的图像中，其形状的演化过程对图像的敏感性比东升水库弱。基于以上因素，分组式活动轮廓模型分别得到了89.1%的更新准确率和 97.8%的多边形相似度。表 2 显示，当活动轮廓模型的初始轮廓位置距真实目标边界距离较远时，在 3 种方法中，基于分组式活动轮廓模型的实验同样可以得到最高的更新准确率与多边形相似度。但是，由于初始位置设定上的劣势，使得 3 种方法在更新准确率与多边形相似度上整体小于表 1 中的结果。