專利名稱：極地冰蓋邊緣區(qū)域浮冰自動提取技術(shù)的制作方法
技術(shù)領(lǐng)域：
遙感圖像自動分割、分類、提取技術(shù)；計算機軟件算法研究及應(yīng)用；
背景技術(shù)：
南極大陸邊緣區(qū)域浮冰提取對于南極浮冰變化以及全球變化的研究有重要意義， 本研究提出一種基于區(qū)域增長圖像分割技術(shù)的南極大陸邊緣浮冰信息自動提取方法。并結(jié)合浮冰的灰度，輪廓，位置關(guān)系等信息進行合并和驗證，有效解決圖像分割過程中的過度分割以及分割不足的問題，本研究還提出一種基于像素檢測的小面積浮冰提取算法，有效提取像素個數(shù)小于5的浮冰目標(biāo)。目前對極地浮冰提取研究使用的數(shù)據(jù)多是合成孔徑雷達(SAR)數(shù)據(jù)，因為SAR 影像中冰山不依賴于陽光或云層，而且具有來自零度以下冰山的較強的反向散射信號。 Gill Q001)[1]采用基于像元檢測算法的恒虛警率(constant false alarm rate, CFAR)檢測器來檢測RADARSAT影像北極的冰山，并結(jié)合圖像分割、分類、邊緣提取等一些傳統(tǒng)的相關(guān)算法，取得了較好的效果。Silva et al. ^00 [2]在此使用ERS-1 SAR圖像數(shù)據(jù)對尺度大于200米長的南極大陸周圍的冰山進行目標(biāo)識別與變化跟蹤，使用邊緣檢測算法結(jié)合分水嶺圖像分割算法進行圖像分割，通過設(shè)定盆地的最小邊緣閾值消除過度分割問題；提高了冰山提取精度并解決了相鄰兩塊冰山由于接觸被誤分成同一目標(biāo)的問題。但由于SAR圖像空間分辨率相對比較低，對于尺度更小的冰山(小于200米)則很難識別。Liu et al. 0004) 用經(jīng)過正射矯正的SAR數(shù)據(jù)以及30米分辨率的ETM+可見光數(shù)據(jù)，結(jié)合南極大陸的海岸線的線性形狀特征，提出一種自適應(yīng)閾值的分割算法，提取了南極大陸海岸線輪廓，但卻沒有針對南極大陸邊緣區(qū)域形狀更不規(guī)則的浮冰提出有效的提取方法。Blonski et al ^)06) M采用基于時間序列的方法對AMSR-E影像中的南極冰山進行跟蹤檢測，但是只能檢測到IOkm以上的冰山。國際上成立專門機構(gòu)如國家冰雪中心 (National Ice Center)、冰雪專業(yè)委員會等采用各種各樣的衛(wèi)星傳感器對巨大的南極冰山進行跟蹤研究。但是這些數(shù)據(jù)的分辨率都很低，只限于大型冰山的研究。

發(fā)明內(nèi)容
技術(shù)問題以及技術(shù)方案單純的基于光譜特征的遙感圖像目標(biāo)提取方法，難以準(zhǔn)確的提取完整的目標(biāo)，本發(fā)明在自動增長的圖像分割的基礎(chǔ)上，提出了一種基于對象的圖像分割方法，該方法結(jié)合目標(biāo)的光譜、結(jié)構(gòu)、形狀、鄰域等特征，能夠得到較理想的分割結(jié)果。基于該分割結(jié)果，本發(fā)明建立一種適用于南極冰蓋邊緣的浮冰提取的算法，把分割過程中的閾值確定在一個范圍內(nèi)，通過目標(biāo)組合以及小面積浮冰提取等后處理過程，解決了圖像分割過程中的過度分割和分割不足的問題。具體過程如下(一 )、基于對象的圖像分割本文對傳統(tǒng)的區(qū)域增長法的圖像分割進行改進，采用面向?qū)ο蟮乃枷?。利用的圖像信息不再是單個的像素，而是將同類地物作為ー個整體進行考慮。假設(shè)圖像分割的過程中分割閾值為Tcot，初始閾值是Tmin，Tmax是最終分割閾值。每 次分割結(jié)束后，整幅圖像由圖斑集合S組成。S= {B1;B2...，Bn}其中Bi代表標(biāo)號為i的圖 斑，其中與圖斑Bi相鄰的所有圖斑集合用S:.表示，兩個相鄰圖斑之間的異質(zhì)性特征用F表 示。那么分割算法可以分為以下幾個步驟(1).根據(jù)分割的初始閾值Tmin，對所有像素的8鄰域像素進行分割判斷，計算它們 之間的異質(zhì)特性F，合并滿足FSTmin的像素。這ー步的分割等同于傳統(tǒng)的區(qū)域增長法。分 割結(jié)束后，得到初始的圖斑集合S。O).通過鄰域捜索算法，得到每ー個圖斑Bi的鄰域集合SL,。(3).把集合S中任意一個圖斑Bi當(dāng)成ー個整體，井隨機逐次計算Bi與其鄰域集 合S:中的圖斑B〗的異質(zhì)特性F (F的計算方法將會在3. 1. 3中単獨介紹)，如果，F(xiàn) く Tcur, 合并も與も。否則繼續(xù)取Sふ中的下ー個圖斑。(4).根據(jù)合并結(jié)果更新集合S，同時更新對應(yīng)于集合S中每個圖斑Bi的鄰域集合 S1mi計算當(dāng)前閾值Tcm，如果TcmSTmax，則返回步驟(3)，繼續(xù)分割過程，否則，該過程結(jié)束。
任意兩個圖斑Bi和B〗的異質(zhì)性值F都由四個變量計算而得，計算公式如下F = Wcolor*Hcolor+ffshape*Hshape 公式 1其中H。。1ot表示這兩個區(qū)域的光譜異質(zhì)性值，Hshape表示這兩個區(qū)域的形狀異質(zhì) 特性值，因為在不同圖像中目標(biāo)的光譜性質(zhì)和形狀性質(zhì)對目標(biāo)的表現(xiàn)程度占有不同的 比例，我們用w。。lOT表示光譜異質(zhì)性所占的權(quán)重，Wshape則表示形狀異質(zhì)性所占的權(quán)重，且 劉color ^ shape 丄0 劉color ネロ ^ shape 均在(0-1)區(qū)間取值。光譜異質(zhì)特性值札。1( 不僅與組成區(qū) 域?qū)ο蟮南裨獢?shù)目有關(guān)，還取決于各個波段標(biāo)準(zhǔn)差(公式3- 。O。為區(qū)域內(nèi)部像元灰度 值的標(biāo)準(zhǔn)差，N為像元數(shù)目。形狀異質(zhì)性值Hshape由目標(biāo)的緊湊度H。。mpa。t和目標(biāo)的光滑度 Hs_th兩個變量共同決定，因為我們同樣引出兩個變量W。。mpa。t和Ws_th來分別表示它們所表 現(xiàn)的結(jié)構(gòu)程度所占的比例。 \ compact ^smooth
一 i Wcompact W
smooth
取值都在0-1之間。H
smooth
和H。。mpa。t均由區(qū)域周長L和面積A(區(qū)域的像元個數(shù))表示。
權(quán)利要求
1.一種浮冰提取的算法，其特征在于，包括以下步驟 基于對象的圖像分割；通過鄰域搜索算法合并過度分割； 分類與目標(biāo)提??； 小面積浮冰提取與邊緣優(yōu)化。
2.根據(jù)權(quán)利要求1所述的算法，其中基于對象的圖像分割包含以下步驟根據(jù)分割的初始閾值，對所有像素的8鄰域像素進行分割判斷，計算它們之間的異質(zhì)特性，合并有相異質(zhì)特性的像素。這一步的分割等同于傳統(tǒng)的區(qū)域增長法。分割結(jié)束后，得到初始的圖斑集合；通過鄰域搜索算法，得到每一個圖斑的鄰域集合；把集合圖斑集合中任意一個圖斑當(dāng)成一個整體，并隨機逐次計算該圖斑與其鄰域集合中的圖斑的異質(zhì)特性，如果，他們有相同的異質(zhì)特性，合并他們。否則繼續(xù)取鄰域圖斑集合中的下一個圖斑；根據(jù)合并結(jié)果更新集合，同時更新對應(yīng)于集合中每個圖斑的鄰域集合，計算當(dāng)前閾值， 如果當(dāng)前的閾值在閾值范圍內(nèi)，則返回上一步驟，繼續(xù)分割過程，否則，該過程結(jié)束。
3.在1的過程中，通過鄰域搜索算法合并過度分割的過程包括以下幾個步驟 采用邊緣檢測的方法查找每個圖斑的四鄰域圖斑，生成鄰域圖斑鏈表；依次取圖斑集合中的每一個圖斑，以及該圖斑的鄰域圖斑的每一個鄰域圖斑。計算它們的灰度方差；如果當(dāng)前圖斑和其鄰域的圖斑，滿足光譜合并條件，同時滿足合并后的圖斑在邊緣檢測基準(zhǔn)輪廓以內(nèi)，并且它們的公共邊緣大于它們最大輪廓長度的15%，那么合并這兩個圖斑，邊緣檢測基準(zhǔn)輪廓由下面的方法得到▽ f (P)為點P的輪廓檢驗因子，設(shè)定輪廓檢驗閾值▽ F如果 Vf(P)彡VF則ρ為所需目標(biāo)輪廓，▽ f(p) =max( I f(x+l,y)-f (x-l,y) |，f (χ, y+1)-f (χ, y-1) |)。
全文摘要
本發(fā)明提出了一種基于對象的圖像分割的浮冰自動提取方法，屬于遙感圖像自動分割、分類技術(shù)領(lǐng)域。該方在傳統(tǒng)的區(qū)域增長法的圖像分割的基礎(chǔ)上，結(jié)合目標(biāo)的光譜、結(jié)構(gòu)、形狀、鄰域等特征，能夠得到較理想的分割結(jié)果。并建立一種適用于南極冰蓋邊緣的浮冰提取的算法，通過目標(biāo)組合以及小面積浮冰提取等后處理過程，解決了圖像分割過程中的過度分割和分割不足的問題。提取的整個過程主要包括基于區(qū)域增長法的圖像分割，面向?qū)ο蟮膮^(qū)域合并，小面積浮冰目標(biāo)識別及邊緣檢測，目標(biāo)分類與對象提取四個部分。實驗結(jié)果表明本方法能夠得到良好的效果。一方面提高了浮冰的提取精度，另一方面又利用面向?qū)ο蟮乃枷耄梢暂^準(zhǔn)確的得到單個浮冰的具體信息。
文檔編號G06T7/00GK102567726SQ201010586199
公開日2012年7月11日 申請日期2010年12月13日 優(yōu)先權(quán)日2010年12月13日
發(fā)明者劉臻, 趙子瑩 申請人:北京師范大學(xué)