專利名稱：極地冰蓋邊緣浮冰自動變化檢測技術的制作方法
技術領域：
遙感圖像自動分割、分類、變化檢測技術；計算機軟件算法研究及應用；二、背景技術
極地冰蓋、冰塊變化對于全球變化研究的意義十分重大。在全球變暖的背景下，南極大陸邊緣地區(qū)快速變化區(qū)，冰架的崩解、冰山的運動等與氣候變化和海洋環(huán)流等都密切相關。使用自動變化檢測技術來快速定位極地冰蓋融化區(qū)域和冰塊漂移位置，不僅將有力支撐全球變化研究，并會為建立極地冰蓋融化和冰塊位移的預警機制奠定基礎。
目前國內(nèi)外關于變化檢測的算法很多，國內(nèi)外應用遙感及圖像分析與處理技術在變化檢測領域已進行了較深入的研究與應用工作，提出了大量算法，在很多方面已經(jīng)取得了良好效果?？偟膩碚f，目前變化檢測的方法趨于綜合化，在過去的20多年中，產(chǎn)生了許多基于遙感影像的變化檢測方法，這些眾多變化檢測方法可以從三個層面上進行分類1 基于像素級的變化檢測、基于特征級的變化檢測和基于目標級的變化檢測?；谙袼丶壍淖兓瘷z測常用的方法有圖像差值法，圖像比值法，圖像回歸法，變化向量分析法；基于特征級的變化檢測常用的方法有紋理分析法，主成份分析法，形狀分析法，植被索引法，小波分析法；基于目標級的變化檢測常用的方法有分類后比較法，直接多時相分類法，人工智能方法以及人工神經(jīng)網(wǎng)絡方法。目前出現(xiàn)的大多數(shù)變化檢測算法都是綜合使用這些算法，或是基于這些算法的改進創(chuàng)新，用來適用不同的情況。為了能更準確地獲取變化信息，綜合使用各種變化檢測方法目前已經(jīng)成為變化檢測發(fā)展的一個主要趨勢。
國內(nèi)外關于冰山、冰蓋的研究目前還比較少，技術方面還不夠成熟，尤其是對高分辨率影像中南極冰山、冰蓋的相對小尺度范圍內(nèi)變化監(jiān)測的研究很少。Williams and MacDonald在1995介紹了一種針對TM衛(wèi)星圖像中冰山的識別和輪廓提取算法——該算法主要是基于圖像的光照和陰影特點進行冰山的識別與提取。隨著SARA圖像的廣泛應用和技術的逐步成熟，對SARA數(shù)據(jù)中冰山的研究有了較多的進展，由于SARA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，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SARA影像中船只 (Vachon et al.，1997)和北極的冰山(Gill, 2001 ；Power et al.，2001)，其中用到了圖像分割、分類、邊緣提取等一些傳統(tǒng)的相關算法，取得了較好的效果。SAR圖像對水體和表面特征敏感，有一定的表面滲透能力，成為對冰雪監(jiān)測和研究的主要方式。例如新疆典型流域多衛(wèi)星積雪遙感監(jiān)測信息系統(tǒng)的設計與實踐。利用的數(shù)據(jù)N0AA-AVHRR，這種數(shù)據(jù)空間分辨率較低，星下點是1. 1km，但是時間分辨率較高，周期短，時相多，成像范圍大，實時性強，成本低。這項技術比較適合于識別黯淡的海水背景下的光亮物體，而且目標物體要相對較小。 而南極巨大的冰山、冰蓋不僅面積大，冰海的對比度也比較差，尤其是在冬季。因此，將上述技術應用于檢測南極冰山、冰蓋，效果不夠理想。2006年Blonski采用基于時序的方法對 AMSR-E影像中的南極冰山進行跟蹤檢測。Silva et al. (200 [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識別與變化跟蹤，使用邊緣檢測算法結合分水嶺圖像分割算法進行圖像分割，通過設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. Q004) ω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)，結合南極大陸的海岸線的線性形狀特征，提出一種自適應閾值的分割算法，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 (2006) 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。三、發(fā)明內(nèi)容
傳統(tǒng)的基于像素的變化檢測，只能從整體上得到圖像上各種地物發(fā)生變化的總體情況，而且因為利用的信息都是獨立的像元的信息，變化檢測的結果也很容易受到噪聲的干擾，從而導致精度相對很低。
本發(fā)明的研究目標是極地冰蓋、浮冰的自動變化檢測，針對于中、高空間分辨率影像的變化檢測應該具有的特點，針對極地大陸邊緣區(qū)域的地物特征，確定總的技術路線基于面向對象的思想，結合極地邊緣區(qū)域冰蓋、浮冰特有的的光譜、結構等特征，通過這些特征的分析最終實現(xiàn)對冰蓋邊緣區(qū)域冰蓋及浮冰融化以及浮冰漂移的自動變化檢測。主要技術過程包括基于對象的目標提取得到不同時相的冰蓋及浮冰目標提取結果、通過差值法得到差值圖像以及整個區(qū)域的面積變化情況、用三種相似度判定方法分別對進行基于對象相似度的變化檢測、進行獨立浮冰的跟蹤從而得到單個浮冰的變化檢測結果。算法流程圖如附圖1所示。具體過程如下
1.對要進行變化檢測的兩幅圖像，進行基于對象的目標提取。過程包括基于對象的圖像分割、通過鄰域搜索算法合并過度分割、按照冰雪地物的特征設定閾值進行分類與目標提取、小面積浮冰提取與邊緣優(yōu)化。最終得到源圖像相應的提取結果。
2.通過差值法，得到差值圖像以及宏觀的面積邊變化。
3.對提取出的浮冰進行基于相似度的匹配跟蹤，首先以選中浮冰的輪廓為基礎， 以輪廓閾值范圍內(nèi)的平行邊緣所覆蓋的區(qū)域為搜索區(qū)域，在另一幅時相的該區(qū)域內(nèi)搜索浮冰，把選中浮冰和搜索到的浮冰進行相似度匹配，匹配方法包括以下3種
a)面積、周長的相似度匹配，得到面積周長差異值A
b)基于HausdorfT距離的輪廓相似度匹配，得到輪廓相似度差異值B
c)基于輪廓拐點方差相似度匹配以浮冰的中心點為標準，每旋轉5°記錄其輪廓上的點到中心點的距離，用這些點構成由72個長度組成的集合，對兩個集合進行最佳匹配，得到最少差異值C。
把上術三種方法得到的差異值分別作為一個特征向量，然后求三個特征向量的平方差，得到差值最小的目標。即使得差異廠=Ja2 + Β2 + C2最小的浮冰為選中浮冰變化后所對應的浮冰。
4.計算選中浮冰的面積變化，周長輪廓變化等信息。
本發(fā)明針對極地冰蓋、浮冰的光譜、結構、輪廓等特征，采用面向對象的變化檢測方法，首先提取出獨立的目標對象，在對這些目標進行變化檢測，不僅能夠克服噪聲的干擾，提高了浮冰的提取精度，另一方面還能夠得到獨立目標的變化情況，比如可以得到任意一個可識別的冰山的漂移旋轉情況以及它的融化情況。
實驗結果表明基于對象相似度的極地冰蓋邊緣區(qū)域冰蓋及浮冰的變化檢測方法取得了良好的效果，在很大程度上提高了目前對南極浮冰提取的精確度(Silva et al. 2005年把冰山識別的精度提高到200米)。


附圖1 是本發(fā)明的算法技術流程圖。
附圖2 (a)，(b)分別是2003年1月7日禾Π 2003年1月16日同一區(qū)域不同時相的LandSat ETM+, 1，2，3波段的數(shù)據(jù)，分辨率是30m，覆蓋范圍有116 平方公里。
附圖3 (a)，(b)分別對應附圖2中基于對象的浮冰提取結果。
附圖4 對應附圖2的兩個時相的浮冰，經(jīng)過差值法的變化檢測結果。
附圖5 對于圖像的單個浮冰跟蹤結果，從結果中可以看出，對于選中的浮冰，本發(fā)明的算法能夠準確的跟蹤到其變化后的圖像，并可以得到相應的變化結果。
具體實施方式
本發(fā)明結合以下實施例進行進一步說明，但并不是限制本發(fā)明。
實施例1
選取LandSat ETM+數(shù)據(jù)作為測試數(shù)據(jù)，取2003年1月7日及2003年1月16日， 南緯 70. 27454853 度，西經(jīng) 12. 38573410 度到南緯 71. 44474167 度，西經(jīng) 10. 39252222 度的 116 平方公里的南極大陸邊緣區(qū)域(如附圖2-a、附圖2-b所示)，分別按照上述發(fā)明方法的過程進行浮冰提取。
步驟1 對要進行變化檢測的兩幅圖像，進行基于對象的目標提取，得到如附圖3 所示結果。
步驟2 通過差值法，得到差值圖像以及宏觀的面積邊變化。得到如附圖4所示的結果。
步驟3 對提取出的浮冰進行基于相似度的匹配跟蹤，任意選擇浮冰，得到如附圖 5所示結果。
參考文獻
[1]. GEOFFREY G H. 0bject21evel change detection in spectral imagery[J]. I EEE Transactions on Geoscience and Remote Sensing，2001，39 (3) :553.
[2]. Silva Τ. Α. Μ. , Bigg G. R. , Computer-based identification and tracking of Antarctic icebergs in SAR images[J]. Remote Sensing of Environment，2005， (94)287-297.
[3]. Liu H.，Jezek K. C. , A Complete High-Resolution Coastline of Antarctica Extracted from Orthorectied Radarsat SAR Imagery[J]. Photogrammetric Engineering&Remote Sensing，2004 (70)605-616.
[4].Blonski S. , Peterson C. A. , Antarctic Iceberg Tracking Based on Time Series of Aqua AMSR-E Microwave Brightness Temperature Measurements[J]. American Geophysical Union, Fall Meeting 2006.
權利要求
1.一種浮冰的自動變化檢測技術，其特征在于，包括以下步驟 對要進行變化檢測的兩幅圖像，進行基于對象的目標提取；通過差值法，得到差值圖像以及宏觀的面積邊變化； 對提取出的浮冰進行基于相似度的匹配跟蹤； 計算選中浮冰的面積變化，周長輪廓變化等信息。
2.根據(jù)權利要求1所述的算法，其中基于對象的目標提取包括以下幾個步驟 基于對象的圖像分割；通過鄰域搜索算法合并過度分割； 按照冰雪地物的特征設定閾值進行分類與目標提取； 小面積浮冰提取與邊緣優(yōu)化。
3.在1的過程中，其中相似度匹配的方法如下首先以選中浮冰的輪廓為基礎，以輪廓閾值范圍內(nèi)的平行邊緣所覆蓋的區(qū)域為搜索區(qū)域，在另一幅時相的該區(qū)域內(nèi)搜索浮冰，把選中浮冰和搜索到的浮冰進行相似度匹配，匹配方法包括以下3種面積、周長的相似度匹配，得到面積周長差異值A ； 基于Hausdorff距離的輪廓相似度匹配，得到輪廓相似度差異值B ； 基于輪廓拐點方差相似度匹配以浮冰的中心點為標準，每旋轉5°記錄其輪廓上的點到中心點的距離，用這些點構成由72個長度組成的集合，對兩個集合進行最佳匹配，得到最少差異值C;把上術三種方法得到的差異值分別作為一個特征向量，然后求三個特征向量的平方差，得到差值最小的目標。即使得差異F = V^2 +B2 + C2最小的浮冰為選中浮冰變化后所對應的浮冰。
全文摘要
本發(fā)明提出了一種基于對象浮冰自動變化檢測技術，屬于遙感圖像自動分割、分類、模式識別、變化檢測的領域。該方法在基于對象的浮冰提取技術的基礎上，結合目標的光譜、結構、形狀、鄰域輪廓等特征，把這些特征作為特征向量，用最佳相似度匹配的思路得到要檢測的獨立浮冰，能夠準確的跟蹤浮冰，并能較準確的得到浮冰的變化信息。主要技術過程包括基于對象的目標提取得到不同時相的冰蓋及浮冰目標提取結果、通過差值法得到差值圖像以及整個區(qū)域的面積變化情況、用三種相似度判定方法分別對進行基于對象相似度的變化檢測、進行獨立浮冰的跟蹤從而得到單個浮冰的變化檢測結果。
文檔編號G06T7/00GK102542551SQ20101058620
公開日2012年7月4日 申請日期2010年12月13日 優(yōu)先權日2010年12月13日
發(fā)明者劉臻, 趙子瑩 申請人:北京師范大學