專利名稱：基于序列非線性濾波的遙感影像水體專題信息提取方法
技術(shù)領(lǐng)域：
本發(fā)明屬于遙感技術(shù)領(lǐng)域，具體涉及一種基于序列非線性濾波的遙感影像水體專題信 息提取方法。
背景技術(shù)：
水體是重要的專題信息，它對于地學(xué)分析有重要的價值，是一類基礎(chǔ)的專題信息數(shù)據(jù)。 對于各地理信息系統(tǒng)的管理與建設(shè)有重要意義。利用遙感影像進行水體信息提取是一種快 速、且現(xiàn)勢性好的方式。目前利用遙感影像提取村鎮(zhèn)專題信息的方法有人工方法、半自 動跟蹤提取方法，以及自動模式分類識別方法；這些方法中人工方法、半自動獲取方法需 要大量的人工操作效率低；利用多光譜信息分類識別方法是一種重要的方法，但現(xiàn)有的分 類識別方法不是專門針對遙感影像上的水體信息提取而研究的，而且這種識別分類方法對 于一般分辨率(空間分辨率20m，或更低)的多波段遙感影像才比較適用；對于高分辨率 (分辨率達到5m及以上)且波段較少(4個波段或更少)的遙感影像，其對水體的分類識 別提取結(jié)果不能滿足后續(xù)成圖及應(yīng)用要求。目前，在高分辨率遙感影像分類識別方面，德 國的eCognition系統(tǒng)的分類方法是比較好的一種，其基于多尺度分割，分類時需要有分 類協(xié)議，每一次分類的分類協(xié)議用于其它分類時需經(jīng)過修改，最終實現(xiàn)分類過程的自動化， 這里的分類協(xié)議類似于知識支持。其特點是分類的細化，但對分類協(xié)議有較大依賴(有協(xié) 議庫支持較好)，并且也不是專門針對水體這類信息而進行的，因此應(yīng)用于水體信息提取 時效率不高。為提高水體提取效率，避免提取過程中的人工干擾，實現(xiàn)一種全自動的水體 提取方法，本方法針對上述的情況產(chǎn)生了利用灰度數(shù)學(xué)形態(tài)學(xué)運算，構(gòu)成一種序列非線性 濾波模型，直接進行非線性濾波，有效提取遙感影像中的水體區(qū)域；在此基礎(chǔ)上，根據(jù)水 體的相關(guān)知識，對上面提取出的水體區(qū)域，計算不同標(biāo)定區(qū)域的各項特征值(面積，區(qū)域 灰度均值，區(qū)域的灰度直方圖)，根據(jù)水體成像特性和水體區(qū)域相關(guān)知識，建立水體目標(biāo) 區(qū)域選擇準(zhǔn)則，以此進行水體區(qū)域自動選擇提取，得到水體專題信息。

發(fā)明內(nèi)容
本發(fā)明的目的在于，針對現(xiàn)有的利用高分辨率遙感影像進行水體專題信息提取方法存 在的受各種細節(jié)信息干擾嚴重、提取效率低、效果差等缺點，提出一種基于序列非線性濾 波的遙感影像水體專題信息提取方法，本發(fā)明在保留利用遙感影像進行水體專題信息提取 現(xiàn)勢性強、重復(fù)性高等優(yōu)點的同時，對高分辨率多波段遙感影像的水體信息提取更加適用，其效率更高?？朔艘话闾崛》椒ㄐ枰闰炛R，對噪音及細節(jié)干擾信息敏感的缺點，利 用灰度數(shù)學(xué)形態(tài)學(xué)運算來構(gòu)成一種序列非線性濾波模型，直接對高分辨率遙感影像進行非 線性濾波，統(tǒng)計標(biāo)定目標(biāo)區(qū)域的特征值，根據(jù)水體所具有的特征，來進行遙感影像水體專 題信息自動識別。
本發(fā)明提出的基于序列非線性濾波的遙感影像水體專題信息提取方法，通過從灰度數(shù) 學(xué)形態(tài)學(xué)基本運算入手，構(gòu)成一種序列非線性濾波模型，直接進行非線性濾波，提取遙感 影像中的水體區(qū)域；在此基礎(chǔ)上，根據(jù)水體的相關(guān)知識，對序列非線性濾波提取出的水體 區(qū)域，計算不同區(qū)域的各項特征值(面積，區(qū)域灰度均值，區(qū)域的灰度直方圖)，根據(jù)水 體成像特性和水體區(qū)域相關(guān)知識，建立水體目標(biāo)區(qū)域選擇準(zhǔn)則，從而實現(xiàn)遙感影像上水體 專題信息的自動快速提取，具體包括遙感影像的預(yù)處理與序列非線性濾波，濾波結(jié)果影 像區(qū)域標(biāo)定和各標(biāo)定區(qū)域各項特征值的計算，水體目標(biāo)區(qū)域選擇準(zhǔn)則的建立，水體區(qū)域的 自動提取及基于形態(tài)學(xué)的水體專題提取信息后處理四個步驟，具體如下
(1) 遙感多波段影像的預(yù)處理與序列非線性濾波
根據(jù)水體光譜特性和遙感影像波段設(shè)置，選擇紅外或紅波段、藍或綠波段作為備選波 段，根據(jù)公式(l)進行預(yù)處理，并對預(yù)處理結(jié)果做直方圖均衡化，生成待處理數(shù)據(jù)圖層， BW0 = BL + k x BL / (BH + w)(1)
其中，BL表示紅外或紅波段亮度值，BH表示藍或綠波段亮度值，BW。表示預(yù)處理后 的像素亮度值，k為比例變換系數(shù)，w是為了避免除零問題，而対Bh加上的一個很小的 正數(shù)。
采用序列非線性濾波方法，對生成待處理數(shù)據(jù)圖層首先進行最大值濾波處理，消除影
像中非連續(xù)面狀分布的暗的像素，同時呈面狀連續(xù)分布的水體區(qū)域也被削弱；然后進行中 值濾波進行降噪處理；進而采用最小值濾波處理恢復(fù)最大值濾波處理中被削弱的水體區(qū) 域。
(2) 對濾波結(jié)果影像進行區(qū)域標(biāo)定、計算各個標(biāo)定區(qū)域的各項特征值 采用區(qū)域生長算法，對步驟(1)中的結(jié)果影像先標(biāo)定候選水體像素組成連續(xù)區(qū)域，
然后計算各個區(qū)域的各項統(tǒng)計特征區(qū)域面積、區(qū)域灰度均值、區(qū)域灰度直方圖， 區(qū)域灰度直方圖為
邵]二X!1i = 0,l，.."255 (2) 叩]
區(qū)域面積A為,=o
區(qū)域灰度均值 1 255
(4) 直方圖峰值灰度級
OP^尸/， H[PI]=MAX{H[i]，i = 0,l,...,255} (5) 其中，R[i]為區(qū)域中灰度值為i的像素集合，H[i]為直方圖第i級灰度的像素個數(shù)，A 為區(qū)域面積，GM為區(qū)域灰度均值，GP為直方圖峰值灰度級； (3)水體目標(biāo)區(qū)域選擇準(zhǔn)則的建立
①區(qū)域面積A < A0的區(qū)域為非水體區(qū)域；②區(qū)域灰度均值GM > GM0的區(qū)域為非水 體；③區(qū)域峰值灰度GP >區(qū)域均值灰度GM的區(qū)域為非水體區(qū)域。其中A0及GM0取 值均有較大的冗余度，可取八0=100， GM0 = 64。
(4)水體區(qū)域的自動提取，基于形態(tài)學(xué)的水體專題提取信息后處理
根據(jù)步驟(3)建立的水體區(qū)域準(zhǔn)則，及各個區(qū)域的特征值，對標(biāo)記的各個區(qū)域進行 判定，從而自動剔除雜波及其他目標(biāo)，得到水體目標(biāo)區(qū)域；通過形態(tài)開、閉運算，對生成 的專題圖像進行濾波，除去比結(jié)構(gòu)元素小的特定圖像細節(jié)，在形態(tài)學(xué)濾波的基礎(chǔ)上對提取 的矢量進行長度及面積統(tǒng)計，對提取出的矢量長度及所圍面積小于閾值的進行剔除。閾值 可調(diào)整，對于高分辨率航空遙感影像一般長度閾值為25，面積閾值為500，最后提取的專 題信息分層表示為ArcGIS軟件的形文件，即shp文件格式。
以下對本發(fā)明方法作進一步的限定，具體如下
1、遙感多波段影像的預(yù)處理與序列非線性濾波
根據(jù)水體光譜特性和遙感影像波段設(shè)置，選擇紅外(IR)及藍(B)兩個波段作為備選
波段；針對不同遙感影像，如果沒有波段設(shè)置或缺少上述波段，也可選擇紅(R)代替紅
外(IR)或綠(G)代替藍(B)波段。則可根據(jù)下式進行預(yù)處理并對預(yù)處理結(jié)果作直方圖
均衡化，生成待處理數(shù)據(jù)圖層。
BWo = BL + k x BL / (BH + w)
其中，Bl表示紅外(IR)或紅(R)波段亮度值，BH表示藍(B)或綠(B)波段亮
度值，BWo表示預(yù)處理后的像素亮度值，k為比例變換系數(shù)，w是為了避免除零問題，而
対Bh加上的一個很小的正數(shù)。
應(yīng)用灰度形態(tài)學(xué)算子與非線性統(tǒng)計濾波算子，在灰度形態(tài)學(xué)運算中定義一個特殊的結(jié)構(gòu)元素，將灰度形態(tài)學(xué)運算轉(zhuǎn)化為非線性濾波處理，通過序列非線性濾波，將形態(tài)學(xué)灰度 膨脹運算轉(zhuǎn)化為最大值濾波處理，灰度腐蝕運算轉(zhuǎn)化為最小值濾波處理。采用組合處理步 驟，對遙感影像首先進行最大值濾波處理，消除影像中非連續(xù)面狀分布的暗的像素，同時 呈面狀連續(xù)分布的水體區(qū)域也被削弱；然后進行中值濾波進行降噪處理；進而采用最小值 濾波處理恢復(fù)最大值濾波處理中被削弱的水體區(qū)域。處理過程中鄰域大小可以靈活選取， 也可以連續(xù)進行多次最大值濾波，最小值濾波時也連續(xù)進行相同次數(shù)的處理，則對于連續(xù) 面狀分布的水體目標(biāo)可以得到保留，而消除掉大部分非水體區(qū)域，提取遙感影像中水體目 標(biāo)區(qū)域。
2、對濾波結(jié)果影像進行區(qū)域標(biāo)定、計算各個標(biāo)定區(qū)域的各項特征值 采用區(qū)域生長算法，對(1)中的結(jié)果影像先標(biāo)定候選水體像素組成連續(xù)區(qū)域，然后計 算各個區(qū)域的各項統(tǒng)計特征區(qū)域面積、區(qū)域灰度均值、區(qū)域灰度直方圖。以此為自動建 立各個區(qū)域的判斷規(guī)則做準(zhǔn)備，避免了影像全局閾值設(shè)定困難的問題。
3、 水體目標(biāo)區(qū)域選擇準(zhǔn)則的建立
根據(jù)水體成像特性和水體區(qū)域相關(guān)知識，建立水體目標(biāo)區(qū)域選擇準(zhǔn)則，根據(jù)水體為連 續(xù)面狀分布，建立區(qū)域面積判定規(guī)則，對面積小于額定像素的區(qū)域判定為非水體區(qū)域；根 據(jù)水體區(qū)域亮度比較統(tǒng)一，其直方圖應(yīng)為單峰形狀，建立灰度分布判定規(guī)則，判定出非水 體區(qū)域。這里亮度判斷可以設(shè)定比較寬松的標(biāo)準(zhǔn)，結(jié)合直方圖單峰特征，先排除掉明顯非 水體區(qū)域。再根據(jù)區(qū)域直方圖峰值灰度和區(qū)域均值灰度的關(guān)系，自動判斷水體區(qū)域。自動 確定以下水體選擇準(zhǔn)則1)區(qū)域面積A〈AO的區(qū)域為非水體區(qū)域；2)區(qū)域灰度均值GM 〉GMO的區(qū)域為非水體；3)區(qū)域峰值灰度GP〉區(qū)域均值灰度GM的區(qū)域為非水體區(qū)域。 其中AO及GMO取值均有較大的冗余度，可取AO-IOO， GM0 = 64。
4、 水體區(qū)域的自動提取，基于形態(tài)學(xué)的水體專題提取信息后處理 根據(jù)以上建立的水體區(qū)域準(zhǔn)則，及各個區(qū)域的特征值，對標(biāo)記的各個區(qū)域進行判定，
從而自動剔除雜波及其它目標(biāo)，得到水體目標(biāo)區(qū)域；在此基礎(chǔ)上，為了消除結(jié)果上因細小 地物以及噪聲影響，而產(chǎn)生的細小地物圖斑，通過形態(tài)開、閉運算，對生成的專題圖像進 行濾波(結(jié)構(gòu)元素的大小可以選擇有3X3、 5X5,7X7, 15X15)，除去比結(jié)構(gòu)元素小的特 定圖像細節(jié)，同時保證不產(chǎn)生全局的集合失真，在形態(tài)學(xué)濾波的基礎(chǔ)上對提取的矢量進行 長度及面積統(tǒng)計，對提取出的矢量長度及所圍面積小于閾值的進行剔除。閾值可調(diào)整(對 于高分辨率航空遙感影像一般長度閾值為25，面積閾值為500)，最后提取的專題信息分 層表示為ArcGIS軟件的形文件，即shp文件格式。
與現(xiàn)有技術(shù)相比，本發(fā)明采用了序列非線性濾波方法，避免了傳統(tǒng)方法二值化中的閾值計算確定，速度更快，而且對高分辨率衛(wèi)星影像更加適用，效率更高，采用區(qū)域直方圖 形狀及灰度峰值均值相對關(guān)系判斷方法，有效的避免了水體判斷時的閾值問題，避免提取 過程中作業(yè)者的人工干預(yù)，具有更好的魯棒性和自適應(yīng)特性。本發(fā)明可以應(yīng)用于高分辨率 多波段遙感影像的水體專題信息快速自動提取，在水體專題信息獲取與變化檢測方面發(fā)揮 作用。


圖1為本發(fā)明實施例1中TM(專題成像儀)圖像數(shù)據(jù)除熱紅外波段以外的其它譜段1、 2、 3、 4、 5、 7，其中(a)為1波段譜段(藍)，(b)為2波段譜段，(c)為3波段譜段，(d) 為4波段譜段，(e)為5波段譜段，(f)為7波段譜段(紅外)。
具體實施例方式
以下結(jié)合一個實施例子對具體實現(xiàn)方法進行說明，即要對一幅高分辨率多波段遙感影 像進行水體專題信息識別，獲得滿足ArcGIS軟件要求的水體專題信息矢量數(shù)據(jù)(.shp文 件)。
實施例1:
這里取某一TM (專題成像儀)數(shù)據(jù)——圖象大小為2516X2395像素，含7個波段， 其己具有地理編碼信息——圖象左上角點坐標(biāo)為(285950， 3475350)，像素分辨率為25 米，圖l顯示的是除熱紅外波段以外的其它譜段l、 2、 3、 4、 5、 7。由于數(shù)據(jù)量極大，例 子中U)、 (2)、 (3)中的顯示數(shù)據(jù)是該圖象局部自圖象像素行列坐標(biāo)(753， 723)至(768， 738)范圍的16X16大小圖像塊的處理結(jié)果。
(1)遙感多波段影像的預(yù)處理和序列非線性濾波
根據(jù)水體光譜特性和遙感影像波段設(shè)置，選擇紅外(IR)及藍(B)兩個波段作為備 選波段；針對不同遙感影像，如果沒有波段設(shè)置缺少上述波段，也可選擇紅(R)代替紅 外(IR)或綠(G)代替藍(B)波段。定義BL表示上述紅外(IR)或紅(R)波段亮度 值，BH表示上述藍(B)或綠(B)波段亮度值，BWo表示預(yù)處理后的像素亮度值。則可 以下式進行預(yù)處理，并對預(yù)處理結(jié)果作直方圖均衡化生成待處理數(shù)據(jù)圖層。 BW0 = BL + k* BL/ (BH + w)
其中，參數(shù)k及w取值都有很大的冗余度，這里取k-20,w-0.1。如果BWo〉255，則 限制BWo-255。
然后，采用序列非線性濾波方法，針對上述預(yù)處理后圖層，可根據(jù)公式(6) (8) 依次進行具有非線性特性的最大值濾波，中值濾波及最小值濾波。
必^ = AWJV{i/8cg^;)} (6)5『2 = (fi『,)} (7)
5= Ar/7V{J7S (丑)} (8)
其中，"—)表示像素的8鄰域，M^(')， M￡"(')， M^(')分別表示取鄰域內(nèi)像
素的最大值、中值及最小值，BWQ， BW,， BW2， BW3分別表示預(yù)處理后圖層、最大值濾 波后、中值濾波后及最小值濾波后的像素亮度值。
這里，選用TM圖像的第1波段(藍)和第7波段(紅外)作為BH和B^波段灰度 數(shù)據(jù)。表l及表2為選取的一個16xl6大小區(qū)域影像波段數(shù)據(jù)示例。表3及表4為線性變 換及直方圖均衡化后結(jié)果數(shù)據(jù)。表5為根據(jù)公式(6) ~ (8)進行序列非線性濾波后結(jié)果 數(shù)據(jù)，其中已將大于128的像素灰度置為背景灰度255。
表1藍色波段
102104108110107105106103105110109103102100100102
100104107107106106105102104107107103104102100103
10010511011010710610811010711010910410210199102
97103107105105106107106104106107104101101102103
10110210198103105104104103101103105104102103102
101100100102104103100100101101101104104103104102
9799102103103103100999899103103100102104102
97100100999910210310210110110110299101103101
99991009897100103104101102102102101102102100
100100100989910010210110210310210110410510299
100999998100999910010210110210210310310199
9999101101999999100100101賜101100104102101
1001011011009910110010010110099101102105103104
99100999910010010099100102100102103102101101
99100101101100101100100100102102100102102102102
9910010310110010210410310210210299101101102103
表2紅外波段
22 335360615346515957503325273026
33 395968646454424949604320332921
32 426168574853524851603815251512
29 3851605449525451565733131598
31 34273041494134303036372517149
24 262413213027252319253933161422
10 1318141291217202421212111817
537161915101825251233434
3304152019262614500210
24237162126164252211
233105131361240230
1340133323101112
2132142022223312
0021001121221220
0330121340111221
3300351132203413
表3線性轉(zhuǎn)換后結(jié)果
926396270726354607067593929323531
39467080767664505858715123393425
38497280675762615660704517291814
3445607164586164606667391517109
37403236485848403535424429201610
28312815253532292722294639191626
1215211614101420242825252513920
638192217112129291433434
3304182322303116500210
24238192531194252211
233106151571240230
1340133323101112
2132142022223312
0021001121221220
0330121340111221
3300351132203413
表4線性轉(zhuǎn)換并經(jīng)直:方圖均衡化后結(jié)果
601101822032071851571762031951731107285恥81
110132203221214214187144170170205147501109256
10614120722119516718217916417620312941724238
9212917620518717017918717619319511039413433
1031138510013817013811396恥12012672454034
6781673956968572644972132110444060
35394740383438455367565656373345
29273244494134477272382727282728
2727028425049768140280025220
25282527324456814428252825252222
25272722029393930222528025270
222728022272727252722022222225
2522272522282502525252527272225
002522002222252225252225250
02727022252227280222222252522
27270027282222272525027282227
表5序列非線性濾波后結(jié)果
255255255255255255255255255255255255255255255255
255255255255255255255255255255255255255255255255
255255255255255255255255255255255255255255255255
25525525525525525525525525525525525525525525533
25525525525525525525525525525525525525525525534
2552552552552552552552552552552552552552554060
2552552552552552552552552552552552552552553345
292732444925525525525525525525527282728
27270284250255255255255280025220
25282527324425525525528252825252222
2527272202925525530222528025270
222728022272727252722022222225
2522272522282502525252527272225
002522002222252225252225250
02727022252227280222222252522
27270027282222272525027282227(2)對濾波結(jié)果影像進行區(qū)域標(biāo)定、計算各個標(biāo)定區(qū)域的各項特征值 對非線性濾波結(jié)果影像采用區(qū)域生長算法進行區(qū)域標(biāo)定，然后統(tǒng)計各個標(biāo)定區(qū)域的灰 度直方圖，根據(jù)下面4式，分別計算各個區(qū)域的面積、灰度均值和直方圖峰值灰度。
則二》p0，1,…,255 對']
255
1 255
力,.=i
OP = P/ ， H[PI] =MAX{H[i],i = 0,l,...,255}
其中，R[i]為區(qū)域中灰度值為i的像素集合，H[i]為直方圖第i級灰度的像素個數(shù)，A為區(qū) 域面積，GM為區(qū)域灰度均值，GP為直方圖峰值灰度級。
(3) 水體目標(biāo)區(qū)域選擇準(zhǔn)則的建立
根據(jù)第(2)歩計算的特征值，可以自動確定以下水體選擇準(zhǔn)則1)區(qū)域面積A〈AO 的區(qū)域為非水體區(qū)域；2)區(qū)域灰度均值GM > GMO的區(qū)域為非水體；3)區(qū)域峰值灰度 GP>區(qū)域均值灰度GM的區(qū)域為非水體區(qū)域。其中AO及GMO取值均有較大的冗余度， 這里取AO-IOO， GMO = 64。
(4) 水體區(qū)域的自動提取，基于形態(tài)學(xué)的水體專題提取信息后處理
根據(jù)(3)建立的水體區(qū)域準(zhǔn)則以及各個區(qū)域的特征值，自動對標(biāo)記的各個區(qū)域進行
判定，從而自動剔除雜波及其它目標(biāo)，從備選區(qū)域中選擇出水體區(qū)域。在此基礎(chǔ)上，通過
形態(tài)開、閉運算，對選出的水體區(qū)域進行形態(tài)學(xué)濾波(結(jié)構(gòu)元素的大小可以選擇有3X3、
5X5,7X7, 15X15),去掉微小矢量分支(除去比結(jié)構(gòu)元素小的特定圖像細節(jié))，同時保證
不產(chǎn)生全局的集合失真，在形態(tài)學(xué)濾波的基礎(chǔ)上，提取區(qū)域邊緣矢量，對提取的矢量進行
長度及面積統(tǒng)計，矢量長度及所圍面積小于閾值的進行剔除。閾值可調(diào)整(對于高分辨率
航空遙感影像一般長度閾值為25，面積閾值為500)，最后提取的專題信息分層表示為
ArcGIS軟件的形文件，即shp文件格式。表6為生成的某一地物專題矢量數(shù)據(jù)示例。
表6生成的某一地物專題矢量數(shù)據(jù)
點號 專題矢量結(jié)點坐標(biāo)(X， Y)
1 ~ 4 300600,3452250 300550,3452200 300475,3452200 300475， 3452075 5~8 300450,3452050300450,3451950300425,3451925 300400,3451925<image>image see original document page 12</image>
權(quán)利要求
1、一種基于序列非線性濾波的遙感影像水體專題信息提取方法，其特征在于具體步驟如下(1)遙感多波段影像的預(yù)處理與序列非線性濾波根據(jù)水體光譜特性和遙感影像波段設(shè)置，選擇紅外或紅波段、藍或綠波段作為備選波段，根據(jù)公式(1)進行預(yù)處理生成待處理數(shù)據(jù)圖層，BW0＝BL+k×BL/(BH+w) (1)其中，BL表示紅外或紅波段亮度值，BH表示藍或綠波段亮度值，BW0表示預(yù)處理后的像素亮度值，k為比例變換系數(shù)，w是為了避免除零問題，而對BH加上的一個很小的正數(shù)；采用序列非線性濾波方法，根據(jù)預(yù)處理生成待處理數(shù)據(jù)圖層公式(1)，對遙感影像首先進行最大值濾波處理，消除影像中非連續(xù)面狀分布的暗的像素，同時呈面狀連續(xù)分布的水體區(qū)域也被削弱；然后進行中值濾波進行降噪處理；進而采用最小值濾波處理恢復(fù)最大值濾波處理中被削弱的水體區(qū)域；(2)對濾波結(jié)果影像進行區(qū)域標(biāo)定、計算各個標(biāo)定區(qū)域的各項特征值采用區(qū)域生長算法，對步驟(1)中的結(jié)果影像先標(biāo)定候選水體像素組成連續(xù)區(qū)域，然后利用公式(2)～(5)，計算各個區(qū)域的各項統(tǒng)計特征區(qū)域面積、區(qū)域灰度均值、區(qū)域灰度直方圖，區(qū)域灰度直方圖為區(qū)域面積A為區(qū)域灰度均值直方圖峰值灰度級GP＝PI，H[PI]＝MAX{H[i]，i＝0，1，...，255}(5)其中，R[i]為區(qū)域中灰度值為i的像素集合，H[i]為直方圖第i級灰度的像素個數(shù)，A為區(qū)域面積，GM為區(qū)域灰度均值，GP為直方圖峰值灰度級；(3)水體目標(biāo)區(qū)域選擇準(zhǔn)則的建立①區(qū)域面積A<A0的區(qū)域為非水體區(qū)域；②區(qū)域灰度均值GM>GMO的區(qū)域為非水體；③區(qū)域峰值灰度GP>區(qū)域均值灰度GM的區(qū)域為非水體區(qū)域；其中A0及GM0取值均有較大的冗余度；(4)水體區(qū)域的自動提取，基于形態(tài)學(xué)的水體專題提取信息后處理根據(jù)步驟(3)建立的水體區(qū)域準(zhǔn)則，及各個區(qū)域的特征值，對標(biāo)記的各個區(qū)域進行判定，從而自動剔除雜波及其他目標(biāo)，得到水體目標(biāo)區(qū)域；通過形態(tài)開、閉運算，對生成的專題圖像進行濾波，除去比結(jié)構(gòu)元素小的特定圖像細節(jié)，在形態(tài)學(xué)濾波的基礎(chǔ)上對提取的矢量進行長度及面積統(tǒng)計，對提取出的矢量長度及所圍面積小于閾值的進行剔除，最后提取的專題信息分層表示為ArcGIS軟件的形文件，即shp文件格式。
全文摘要
本發(fā)明屬于遙感技術(shù)領(lǐng)域，具體涉及一種基于序列非線性濾波的遙感影像水體專題信息提取方法。具體步驟為遙感影像的預(yù)處理與序列非線性濾波，濾波結(jié)果影像區(qū)域標(biāo)定和各標(biāo)定區(qū)域各項特征值的計算，水體目標(biāo)區(qū)域選擇準(zhǔn)則的建立，水體區(qū)域的自動提取及基于形態(tài)學(xué)的水體專題提取信息后處理四個步驟，最后生成滿足通用GIS軟件要求的專題信息矢量數(shù)據(jù)。本發(fā)明從灰度數(shù)學(xué)形態(tài)學(xué)基本運算入手，構(gòu)成一種序列非線性濾波模型，直接進行非線性濾波，提取遙感影像中的水體區(qū)域；根據(jù)水體的相關(guān)知識，對序列非線性濾波提取出的水體區(qū)域，計算不同區(qū)域的各項特征值根據(jù)水體成像特性和水體區(qū)域相關(guān)知識，建立水體目標(biāo)區(qū)域選擇準(zhǔn)則，從而實現(xiàn)遙感影像上水體專題信息的自動快速提取，本發(fā)明受噪聲和誤差影響較少，魯棒性強，處理提取水體過程全自動進行，無須人工干預(yù)，能處理的數(shù)據(jù)廣泛，耗時少。
文檔編號G06T7/00GK101546431SQ200910050718
公開日2009年9月30日 申請日期2009年5月7日 優(yōu)先權(quán)日2009年5月7日
發(fā)明者勤 葉, 張紹明, 棟 王, 鋒 謝, 邵永社 申請人:同濟大學(xué)