亚洲成年人黄色一级片,日本香港三级亚洲三级,黄色成人小视频,国产青草视频,国产一区二区久久精品,91在线免费公开视频,成年轻人网站色直接看

合成孔徑雷達圖像中海冰和海水信息的分離方法及裝置與流程

文檔序號:11251924閱讀:603來源:國知局
合成孔徑雷達圖像中海冰和海水信息的分離方法及裝置與流程

本申請涉及衛(wèi)星遙感海洋檢測領(lǐng)域,特別涉及一種合成孔徑雷達圖像中海冰和海水信息的分離方法及裝置。



背景技術(shù):

海冰對全球熱平衡、海洋水循環(huán)和溫鹽平衡起到至關(guān)重要的作用,從而影響全球氣候,因此,極地海冰作為海冰的主要組成部分受到眾人關(guān)注。目前,合成孔徑雷達(syntheticapertureradar,sar)已成為監(jiān)測海洋的重要技術(shù)手段,因此,采用合成孔徑雷達監(jiān)測極地區(qū)域成為人們的首選。sar圖像(合成孔徑雷達所獲取的圖像)中包含有海冰信息、海水信息,以及其他信息。

為了獲得極地海冰的現(xiàn)狀,需要從sar圖像中分離出海冰信息。而sar圖像可以分為單極化圖像、雙極化圖像和全極化圖像三類,在現(xiàn)有技術(shù)中,一般從雙極化圖像所對應的紋理特征中,人工采集海冰與海水樣本,并對采集的海冰和海水樣本進行訓練得到分類模型,基于分類模型分離出sar圖像中的海冰信息。

發(fā)明人在研究過程中發(fā)現(xiàn),現(xiàn)有技術(shù)在得到分類模型的過程中,海冰和海水樣本是通過人工提取的,增加了人的工作量。



技術(shù)實現(xiàn)要素:

為了保證在現(xiàn)有的分離海冰和海水樣本準確率的前提下,實現(xiàn)全自動獲取分類模型,進而實現(xiàn)全自動分離sar圖像中海水和海冰信息?;诖?,本申請?zhí)峁┝艘环N合成孔徑雷達圖像中海冰和海水信息的分離方法。

本申請還提供一種合成孔徑雷達圖像中海冰和海水信息的分離裝置,用以保證上述方法在實際中的實現(xiàn)及應用。

為此,本申請公開了一種合成空進雷達圖像中海冰與海水信息的分離方法,該方法包括:

獲取待分離的合成孔徑雷達圖像,所述合成孔徑雷達圖像中包括hv或vh交叉極化圖像;

計算所述hv或vh交叉極化圖像中每個第一區(qū)域所對應的至少兩種紋理信息,得到分別反映所述至少兩種紋理信息的至少兩個紋理特征;其中,所述hv或vh交叉極化圖像由多個所述第一區(qū)域組成,其中,不同所述第一區(qū)域的面積大小相等,且不同第一區(qū)域之間互不重疊;所述至少兩個紋理特征包括能量特征和熵特征;

確定所述至少兩個紋理特征中的至少一個目標紋理特征的梯度矩陣;

確定所述梯度矩陣的每個第二區(qū)域中梯度極大值點,以及,最小值點,得到一個點集合;所述梯度矩陣由多個所述第二區(qū)域組成,其中,不同所述第二區(qū)域的面積大小相等,且不同第二區(qū)域之間互不重疊;

分別確定所述點集合中每個點附近的多個極大值點,并將所述多個極大值點所形成的閉合區(qū)域確定為斑塊,得到至少兩個斑塊,所述至少兩個斑塊中,至少存在一個全部為海冰信息的斑塊,且,至少存在一個全部為海水信息的斑塊;

根據(jù)每個所述斑塊分別在能量特征與熵特征中所包含的特征值,將能量平均值大于預設能量閾值的斑塊確定為海水樣本,將熵平均值大于預設熵閾值的斑塊確定為海冰樣本;

基于所述海冰樣本和所述海水樣本,從所述合成孔徑雷達圖像中分離出海冰信息以及海水信息。

其中,計算所述hv或vh交叉極化圖像中每個第一區(qū)域所對應的至少兩種紋理信息,得到分別反映所述至少兩種紋理信息的至少兩個紋理特征之前,還包括:

獲取hv或vh交叉極化圖像;

對所述hv或vh交叉極化圖像進行預處理,得到預處理后的hv或vh交叉極化圖像;所述預處理包括:圖像壓縮、陸地掩膜與輻射校正中的一種或幾種。

其中,所述至少兩種紋理特征還包括:雷達后向散射系數(shù)平均值、對比度、相關(guān)性和均一性。

其中,所述基于所述海冰樣本和所述海水樣本,從所述合成孔徑雷達圖像中分離出海冰信息以及海水信息,包括:

將所述海冰樣本與所述海水樣本確定為訓練樣本;

依據(jù)每個所述訓練樣本所對應的至少兩種紋理信息,以及,每個所述訓練樣本的類型,確定所述至少兩種紋理信息與類型間的分類模型;所述訓練樣本的類型包括海水樣本和海冰樣本;

根據(jù)所述分類模型,以及,所述至少兩個紋理特征中各坐標位置對應的至少兩種紋理信息,確定各坐標位置對應的類型,得到所述至少兩個紋理特征中的海冰信息與海水信息;

基于所述至少兩個紋理特征中的海冰信息與海水信息,確定出所述合成孔徑雷達圖像中海水信息和海冰信息。

其中,所述確定所述梯度矩陣的每個第二區(qū)域中梯度極大值的點,以及,最小值的點,得到一個點集合之后,還包括:

對所述梯度矩陣進行平滑、去噪處理,得到處理后的梯度矩陣。

其中,所述計算所述hv或vh交叉極化圖像中每個第一區(qū)域所對應的至少兩種紋理信息,得到分別反映所述至少兩種紋理信息的至少兩個紋理特征,包括:

確定所述hv或vh交叉極化圖像中每個第一區(qū)域所對應的灰度共生矩陣;所述灰度共生矩陣反映每個所述第一區(qū)域的不同方向上,具有相同灰度值的點對個數(shù),所述每個點對中兩個像素點在同一方向上的間隔相同;

依據(jù)所述每個第一區(qū)域所對應的灰度共生矩陣,計算每個第一區(qū)域所對應的至少兩種紋理信息;

針對每種紋理信息,按照每個第一區(qū)域在所述hv或vh交叉極化圖像中的位置排列紋理信息,得到hv或vh交叉極化圖像的紋理特征。

本申請還公開一種合成孔徑雷達圖像中海冰與海水信息的分離裝置,該裝置包括:

第一獲取單元,用于獲取待分離的合成孔徑雷達圖像,所述合成孔徑雷達圖像中包括hv或vh交叉極化圖像。

計算單元,用于計算所述hv或vh交叉極化圖像中每個第一區(qū)域所對應的至少兩種紋理信息,得到分別反映所述至少兩種紋理信息的至少兩個紋理特征;其中,所述hv或vh交叉極化圖像由多個所述第一區(qū)域組成,其中,不同所述第一區(qū)域的面積大小相等,且不同第一區(qū)域之間互不重疊;所述至少兩個紋理特征包括能量特征和熵特征。

其中,所述計算單元包括:

確定子單元,用于確定所述hv或vh交叉極化圖像中每個第一區(qū)域所對應的灰度共生矩陣;所述灰度共生矩陣反映每個所述第一區(qū)域的不同方向上,具有相同灰度值的點對個數(shù),所述每個點對中兩個像素點在同一方向上的間隔相同。

計算子單元,用于依據(jù)所述每個第一區(qū)域所對應的灰度共生矩陣,計算每個第一區(qū)域所對應的至少兩種紋理信息。

排列子單元,用于針對每種紋理信息,按照每個第一區(qū)域在所述hv或vh交叉極化圖像中的位置排列紋理信息,得到hv或vh交叉極化圖像的紋理特征。

梯度矩陣確定單元,用于確定所述至少兩個紋理特征中的至少一個目標紋理特征的梯度矩陣。

第一確定單元,用于確定所述梯度矩陣的每個第二區(qū)域中梯度極大值點,以及,最小值點,得到一個點集合;所述梯度矩陣由多個所述第二區(qū)域組成,其中,不同所述第二區(qū)域的面積大小相等,且不同第二區(qū)域之間互不重疊。

第二確定單元,用于分別確定所述點集合中每個點附近的多個極大值點,并將所述多個極大值點所形成的閉合區(qū)域確定為斑塊,得到至少兩個斑塊,所述至少兩個斑塊中,至少存在一個全部為海水信息的斑塊,且,至少存在一個全部為海冰信息的斑塊。

第三確定單元,用于根據(jù)每個所述斑塊分別在能量特征與熵特征中所包含的特征值,將能量平均值大于預設能量閾值的斑塊確定為海水樣本,將熵平均值大于預設熵閾值的斑塊確定為海冰樣本。

分離單元,用于基于所述海冰樣本和所述海水樣本,從所述合成孔徑雷達圖像中分離出海水信息以及海水信息。

其中,分離單元包括:

訓練樣本確定子單元,用于將所述海冰樣本與所述海水樣本確定為訓練樣本。

分類模型確定子單元,用于據(jù)每個所述訓練樣本所對應的至少兩種紋理信息,以及,每個所述訓練樣本的類型,確定所述至少兩種紋理信息與類型間的分類模型;所述訓練樣本的類型包括海水樣本和海冰樣本;

第一分離子單元,用于根據(jù)所述分類模型,以及,所述至少兩個紋理特征中各坐標位置對應的至少兩種紋理信息,確定各坐標位置對應的類型,得到所述至少兩個紋理特征中海冰信息與海水信息。

第二分離子單元,用于基于所述至少兩個紋理特征中海冰信息與海水信息,確定出所述合成孔徑雷達圖像中海水信息和海冰信息。

其中,在計算單元之前,該裝置還包括:

第二獲取單元,用于獲取hv或vh交叉極化圖像。

預處理單元,用于對所述hv或vh交叉極化圖像進行預處理,得到預處理后的hv或vh交叉極化圖像;所述預處理包括:圖像壓縮、陸地掩膜與輻射校正中的一種或幾種。

其中,在第一確定單元之后,該裝置還包括:

處理單元,用于對所述梯度矩陣進行平滑、去燥處理,得到處理后的梯度矩陣。

與現(xiàn)有技術(shù)相比,本申請包括以下優(yōu)點:

由于水平-垂直(horizontal-vertical,hv)交叉極化圖像,或者,垂直-水平(vertical-horizontal,vh)交叉極化圖像的灰度值受風影響較小,并且,海冰和海水像素的灰度值不隨入射角變化而變化,使得計算得到的紋理特征更準確;在紋理特征上計算極大值點、區(qū)域最小值點,作為點集合,并將點集合的每個點設置為最小值點,再將點集合附近的多個極大值點所形成的閉合區(qū)域確定為斑塊,并利用海冰信息的能量比海水信息的能量值小,海冰信息的熵值比海水信息的熵值大的特點,從提取的斑塊中確定出海水樣本以及海冰樣本。由于,經(jīng)過兩次求極大值增大了所提取的任一斑塊中紋理信息相似的概率,使得根據(jù)能量特征與熵特征來確定出的海水樣本與海冰樣本的準確性得到了保證,實現(xiàn)了在保證海冰樣本以及海水樣本準確率的前提下,自動獲取海冰樣本和海水樣本,減少人的工作量。

當然,實時本申請的任意產(chǎn)品并不一定需要同時達到以上所述的所有優(yōu)點。

附圖說明

為了更清楚地說明本發(fā)明實施例或現(xiàn)有技術(shù)中的技術(shù)方案,下面將對實施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡單地介紹,顯而易見地,下面描述中的附圖僅僅是本發(fā)明的實施例,對于本領(lǐng)域普通技術(shù)人員來講,在不付出創(chuàng)造性勞動的前提下,還可以根據(jù)提供的附圖獲得其他的附圖。

圖1是本申請的確定海冰樣本與海水樣本的方法實施例的流程圖;

圖2是本申請的hv或vh交叉極化圖像中一個第一區(qū)域的示意圖;

圖3是本申請的合成孔徑雷達圖像中海冰與海水信息的分離方法實施例的流程圖;

圖4是本申請的合成孔徑雷達圖像中海冰與海水信息的分離裝置實施例的結(jié)構(gòu)示意圖。

具體實施方式

下面將結(jié)合本發(fā)明實施例中的附圖,對本發(fā)明實施例中的技術(shù)方案進行清楚、完整地描述,顯然,所描述的實施例僅僅是本發(fā)明一部分實施例,而不是全部的實施例。基于本發(fā)明中的實施例,本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他實施例,都屬于本發(fā)明保護的范圍。

在本申請實施例中,為了實現(xiàn)全自動地從合成孔徑雷達圖像(為了方便描述,下面用sar圖像來代替)中分離出海冰信息,首先從sar圖像對應的紋理特征中提取出海冰與海水的斑塊,并從提取出的斑塊中確定出只包含海冰信息的海冰樣本,以及,只包含海水信息的海水樣本;然后,根據(jù)海冰樣本與海水樣本確定出sar圖像中的海冰信息。

在本實施例中,可以首先從sar圖像的紋理特征中確定出海冰樣本以及海水樣本,參考圖1所示,為本申請中確定海冰樣本以及海水樣本的方法實施例流程圖,海冰樣本以及海水樣本的確定過程可以包括以下步驟:

步驟101:獲取待分離的sar圖像,所述sar圖像中包括hv或vh交叉極化圖像。

在本實施例中,從sar圖像的紋理特征中確定出海冰樣本與海水樣本時,首先獲取待分離的sar圖像。所獲取的sar圖像中包括水平-垂直(horizontal-vertical,hv)交叉極化圖像,或者,垂直-水平(vertical-horizontal,vh)交叉極化圖像(為了方便描述,下面用hv或vh交叉極化圖像代替)。

其中,hv或vh交叉極化圖像中海水與海冰的灰度值經(jīng)輻射定標后變?yōu)槔走_的后向散射系數(shù)。hv或vh交叉極化圖像的灰度值受風的影響小,并且,hv或vh交叉極化圖像經(jīng)輻射定標后的雷達后向散射系數(shù)不隨入射角變化,因此,在相同風速時,hv或vh交叉極化圖像中海冰或海水要素具有相似的灰度值,因此,hv或vh交叉極化圖像的紋理信息受風速的影響小,可以使得基于hv或vh交叉極化圖像計算出的紋理特征更準確,因此,本實施例可以基于hv或vh交叉極化圖像計算紋理特征。

為了使得根據(jù)hv或vh交叉極化圖像的計算出的紋理信息取得更好的效果,本實施例還可以對hv或vh交叉極化圖像進行預處理,得到預處理后的hv或vh交叉極化圖像,例如進行圖像壓縮、陸地掩膜與輻射校正中的一種或幾種,當然對hv或vh交叉極化圖像進行預處理不是本實施例中必須執(zhí)行的動作。若在實際操作中對hv或vh交叉極化圖像進行了預處理,下文中基于hv或vh交叉極化圖像計算所需信息時,就是基于預處理后的hv或vh交叉極化圖像來計算所需信息。

步驟102:計算所述hv或vh交叉極化圖像中每個第一區(qū)域所對應的至少兩種紋理信息,得到分別反映所述至少兩種紋理信息的至少兩個紋理特征;其中,所述hv或vh交叉極化圖像由多個所述第一區(qū)域組成,其中,不同所述第一區(qū)域的面積大小相等,且不同第一區(qū)域之間互不重疊;所述至少兩個紋理特征包括能量特征和熵特征。

為了從hv或vh交叉極化圖像的紋理特征中提取海冰樣本與海水樣本,需要計算hv或vh交叉極化圖像的紋理特征,hv或vh交叉極化圖像的紋理特征可以為,hv或vh交叉極化圖像的雷達后向散射系數(shù)平均值、能量特征、熵特征、對比度特征、相關(guān)性特征,以及,均一性特征等。本步驟中所要獲取的至少兩種紋理特征是至少包括熵特征和能量特征的紋理特征。其中,計算hv或vh交叉極化圖像的雷達后向散射系數(shù)平均值、能量特征、熵特征、對比度特征、相關(guān)性特征,以及,均一性特征的過程類似,具體的,可以包括步驟a1~步驟a3:

步驟a1:確定hv或vh交叉極化圖像中每個第一區(qū)域所對應的灰度共生矩陣;該灰度共生矩陣反映每個第一區(qū)域在不同方向上,具有相同灰度值的像素對個數(shù)的平均值,每個像素對中兩個像素點間的間隔相同。

在本步驟中,hv或vh交叉極化圖像中的第一區(qū)域是指多個面積相同、不同區(qū)域間互不重疊的區(qū)域,且,所有第一區(qū)域的總面積等于hv或vh交叉極化圖像的面積。在實際中,可以通過一個預設大小的窗口在hv或vh交叉極化圖像上滑動,窗口所覆蓋的互不重疊的區(qū)域就是本步驟所述的第一區(qū)域。

對于每個第一區(qū)域,本步驟需要計算該區(qū)域的灰度共生矩陣,以圖2所示的區(qū)域為例,介紹該區(qū)域的灰度共生矩陣的具體計算過程。圖2所示的區(qū)域是hv或vh交叉極化圖像中的一個第一區(qū)域,可以將此區(qū)域看成一個矩陣,圖2所示的區(qū)域是一個10行10列的矩陣,當然,圖2所示的區(qū)域大小只是一個示例,在實際的應用中,具體第一區(qū)域的大小可以根據(jù)實際需要來定,本實施例不對區(qū)域大小做限定,優(yōu)選的區(qū)域大小可以為32行32列。

在計算圖2所示的區(qū)域的灰度共生矩陣時,需要三個參數(shù),分別為方向θ,步長d,以及灰度級別b,其中,方向θ可以為水平方向、垂直方向、45度方向、135度方向等等,該區(qū)域在各方向上都可以確定出一個灰度共生矩陣;步長d表示在該區(qū)域上所要尋找的像素對間的間隔;灰度級別b為該區(qū)域的所有像素點的灰度值所需量化的范圍,例如,例如灰度級別b為[1,64],則表示將該區(qū)域的所有灰度值量化到[1,64]的范圍內(nèi)。

接著根據(jù)該區(qū)域的方向θ,步長d,以及灰度級別b這三個參數(shù),計算該區(qū)域的灰度共生矩陣,該區(qū)域的灰度共生矩陣是一個矩陣,該矩陣的行數(shù)和列數(shù)為灰度級別b的最大值,例如灰度級別b為[1,64],則灰度共生矩陣有64行與64列;該矩陣中的各坐標位置用(i,j)表示,其中,i表示第i列,j表示第j行,該矩陣的各坐標位置處的取值為s(i,j),s(i,j)表示在圖2所示的區(qū)域中,沿各方向上第一灰度值為i,第二灰度值為j,且,第一像素點與第二像素點間的間隔為步長d的像素對數(shù)量的平均值,因此,計算灰度共生矩陣的過程就是計算灰度共生矩陣中各坐標位置處的取值。

具體的,以步長d=8,方向θ為水平方向、垂直方向、45度方向與135度方向四個方向,灰度級別b的取值范圍為[1,64]為例,介紹圖2所示區(qū)域的灰度共生矩陣的計算過程,其中,每個方向上的灰度共生矩陣的計算方法相同,下面以水平方向為例來進行詳細介紹。

首先,將該區(qū)域中各坐標位置的灰度值量化到[1,64]范圍內(nèi),得到量化后的區(qū)域。

然后,在量化后的區(qū)域內(nèi),分別計算水平方向即各行中,坐標位置的間隔為8個像素間隔的像素對(i,j),其中,i為(i,j)中第一個像素點的灰度值,j為(i,j)中第二個像素點的灰度值,將所有像素對(i,j)中,i與j的值都相同的像素對歸為一類,并統(tǒng)計每類像素對的個數(shù),每類像素對(i,j)的個數(shù),就是水平方向的灰度共生矩陣中第i列,第j行位置處的取值,此時,就得到了該區(qū)域的在水平方向上的灰度共生矩陣。

例如,假設統(tǒng)計得到各行中位置間隔為8的像素對中,像素對為(2,5)的像素對個數(shù)為20,像素對為(3,9)的像素對個數(shù)為30,那么灰度共生矩陣中,第2列、第5行位置處取值為20,第3列、第9行位置處取值為30。按照這種方法,確定出灰度共生矩陣中每個坐標位置處的值,得到了水平方向的灰度共生矩陣。

按照計算該區(qū)域水平方向的灰度共生矩陣的方法,分別計算垂直方向,45度方向,以及,135度方向的灰度共生矩陣,計算各灰度共生矩陣的相同坐標位置取值的平均值,并將該平均值作為該區(qū)域的灰度共生矩陣各坐標位置處的取值。按照計算圖2所示區(qū)域的灰度共生矩陣的方法,計算hv或vh交叉極化圖像中每個第一區(qū)域的灰度共生矩陣。

需要說明的是,上述計算共生矩陣的過程中,共生矩陣的大小為64行64列,此大小使本實施例的一個優(yōu)選取值,當然,在實際應用中,還可以將共生矩陣的大小確定為其他值,本實施例不對共生矩陣的大小做具體限定。

步驟a2:依據(jù)每個第一區(qū)域所對應的灰度共生矩陣,計算每個第一區(qū)域所對應的至少兩種紋理信息。

在得到hv或vh交叉極化圖像中每個第一區(qū)域的灰度共生矩陣后,根據(jù)各第一區(qū)域的灰度共生矩陣計算各第一區(qū)域的至少兩種紋理信息,其中,每個第一區(qū)域的至少兩種紋理信息的計算過程相同,在本步驟中,以圖2所示的區(qū)域為例,介紹該區(qū)域的至少兩種紋理信息的計算過程。

具體的,依據(jù)該區(qū)域灰度共生矩陣的列數(shù)i、行數(shù)j,以及,第i列第j行的取值s(i,j)來計算紋理信息,其中,能量紋理的計算公式如(1)式所示,熵紋理的計算公式如(2)式所示,對比度紋理的計算公式如(3)式所示,均一性的計算公式如(4)式所示,相關(guān)性紋理的計算公式如(5)式所示。

其中,en表示能量。

其中,entr表示熵。

其中,con表示對比度。

其中,hom表示均一性。

其中,cor表示相關(guān)性,ux的計算公式如式(6)所示、uy的計算公式如式(7)所示、σx的計算公式如式(8)所示、σy的計算公式如式(9)所示。

hv或vh交叉極化圖像中的每個第一區(qū)域都對應一個雷達后向散射系數(shù)矩陣,對于每個第一區(qū)域的雷達后向散射系數(shù)為該區(qū)域?qū)睦走_后向散射系數(shù)矩陣中所有數(shù)值的平均值,每個第一區(qū)域的雷達后向散射系數(shù)平均值ba的計算公式如式(10)所示。

其中,ba表示雷達后向散射系數(shù)平均值,σ0表示雷達后向散射系數(shù)矩陣中各坐標位置的取值,w為第一區(qū)域的總行數(shù)、總列數(shù),m代表第一區(qū)域中的行數(shù),n代表第一區(qū)域中的列數(shù)。

步驟a3:針對每種紋理信息,按照每個第一區(qū)域在所述hv或vh交叉極化圖像中的位置排列紋理信息,得到hv或vh交叉極化圖像的紋理特征。

在計算出hv或vh交叉極化圖像中各第一區(qū)域所對應的至少兩種紋理信息后,接著,針對每一種紋理信息,分別按照各第一區(qū)域在hv或vh交叉極化圖像中的位置,對各第一區(qū)域的紋理信息進行排列。例如,假設至少兩種紋理信息為能量與熵,則按照每個第一區(qū)域在hv或vh交叉極化圖像中的位置,對每個第一區(qū)域的能量進行排列,得到hv或vh交叉極化圖像的能量特征,同理,得到hv或vh交叉極化圖像的熵特征。

步驟103:確定所述至少兩個紋理特征中的至少一個目標紋理特征的梯度矩陣。

在確定出至少包括能量特征以及熵特征的紋理特征后,接著需要從至少包括能量特征以及熵特征的至少兩種紋理特征中,確定出目標紋理特征,該目標紋理特征是至少兩種紋理特征中的一個或多個紋理特征,本實施例對目標紋理特征的數(shù)量不作限定,只要可以從目標紋理特征中確定出至少一個海水樣本,以及,至少一個海冰樣本即可。

在確定出目標紋理特征后,接著計算目標紋理特征的梯度矩陣,如果目標紋理特征有多個,則分別計算每個目標紋理特征的梯度矩陣。具體的計算目標紋理特征的梯度矩陣的過程,可以使用sobel算子對目標紋理特征進行水平方向和垂直方向上梯度值,然后將水平方向與垂直方向上的梯度值的模值作為梯度矩陣中各坐標位置的取值。

步驟104:確定所述梯度矩陣的每個第二區(qū)域中極大值點,以及,最小值點,得到一個點集合;所述梯度矩陣由多個所述第二區(qū)域組成,其中,不同所述第二區(qū)域的面積大小相等,且不同第二區(qū)域之間互不重疊。

在計算得到目標紋理特征的梯度矩陣后,接著,分別將每個梯度矩陣分為多個第二區(qū)域,對于任意一個梯度矩陣,都由面積相同的不同第二區(qū)域組成,不同第二區(qū)域之間互不重疊。在每個第二區(qū)域中確定出梯度最小值的點,以及,在每個第二區(qū)域中確定出極大值點,每個第二區(qū)域的極大值點會有多個,本步驟的極大值點是指在梯度矩陣中梯度值的導數(shù)為零的極大值點。

具體確定所有第二區(qū)域中的極大值點,可以采用分水嶺算法,將每個第二區(qū)域中梯度最小值點分別作為集水盆,將確定各第二區(qū)域的集水盆的梯度矩陣經(jīng)過預處理,得到預處理后的梯度矩陣,并將預處理后的梯度矩陣作為分水嶺算法的輸入,經(jīng)過分水嶺算法的計算,輸出梯度矩陣中每個第二區(qū)域內(nèi)的極大值點。本步驟在得到梯度矩陣中每個第二區(qū)域內(nèi)的極大值點后,將得到的極大值點以及梯度矩陣中各第二區(qū)域的最小值點,確定為一個點集合。

步驟105:分別確定所述點集合中每個點附近的多個極大值點,并將所述多個極大值點所形成的閉合區(qū)域確定為斑塊,得到至少兩個斑塊,所述至少兩個斑塊中,至少存在一個全部為海水信息的斑塊,且,至少存在一個全部為海冰信息的斑塊。

在得到點集合后,接著確定出點集合中每個點附近的多個極大值點,具體的,可以接著采用分水嶺算法,在采用分水嶺算法之前,將梯度矩陣中,點集合中的各點的梯度值設置為無窮小,并將設置后的點集合中的各點作為梯度矩陣的集水盆,得到包括設置后的點集合的梯度矩陣,并將包括設置后的點集合的梯度矩陣進行預處理后,作為分水嶺算法的輸入,經(jīng)過計算,輸出每個集水盆附近的多個極大值點,本實施例將輸出的梯度矩陣中所有的極大值點所形成閉合區(qū)域稱為斑塊。在本步驟從各梯度矩陣中所確定出的斑塊數(shù)量至少為兩個,并且,至少兩個斑塊中至少有一個全部為海冰信息的斑塊,至少有一個全部為海水信息的斑塊。

為了使本步驟中所提取的每個斑塊中,海冰信息與海水信息混合的概率降低,本實施例還可以將步驟104得到的包括點集合的梯度矩陣,進行平滑、濾波等預處理,以去掉一些細節(jié)噪聲,具體可以采用形態(tài)學的方法來實現(xiàn)平滑、濾波等預處理以達到對包括點集合的梯度矩陣中梯度值修正的目的,得到修正后的梯度矩陣,接著對修正后的梯度矩陣中點集合中的各點的梯度值設置為無窮小等動作。當然,本實施例中將步驟104得到的包括點集合的梯度矩陣進行平滑、濾波等預處理不是本實施例所必須執(zhí)行的動作。

步驟106:根據(jù)每個所述斑塊分別在能量特征與熵特征中所包含的特征值,將能量平均值大于預設能量閾值的斑塊確定為海水樣本,將熵平均值大于預設熵閾值的斑塊確定為海冰樣本。

在確定出多個斑塊后,接著,從所有斑塊中確定出海冰樣本與海水樣本。由于海冰信息與海水信息在能量值與熵值上表現(xiàn)出不同的特征,海水信息的能量值大于海冰信息的能量值,海冰信息的熵值大于海水信息的熵值,因此,本實施例設定了能量閾值與熵閾值,通過將每個斑塊的能量平均值與能量閾值進行比較,并將每個斑塊的熵平均值與預設的熵閾值進行比較,從斑塊中確定出海冰樣本與海水樣本。

具體從斑塊中確定出海冰樣本與海水樣本的過程為:首先,確定每個斑塊的能量平均值與熵平均值,并確定出能量閾值與熵閾值。其中,每個斑塊的能量平均值是每個斑塊在能量特征中所包含的能量特征值的平均值,每個斑塊的熵平均值是每個斑塊在熵特征中所包含熵特征值的平均值。其中,確定能量閾值與熵閾值可以采用最大類間方差法,通過最大類間方差法在能量特征計算出將能量特征值分為兩類,且內(nèi)方差最小的能量閾值;同理,通過最大類間方差法在熵特征上確定出熵閾值。

在計算出每個斑塊的能量平均值、熵平均值以及能量閾值與熵閾值后,將能量平均值大于能量閾值的斑塊確定為海水樣本,將熵平均值大于熵閾值的斑塊確定為海冰樣本。

在本實施例中,由于hv或vh交叉極化圖像的灰度值受風影響較小,并且,海冰和海水像素的亮度值經(jīng)輻射校正后的雷達后向散射系數(shù)不隨入射角變化而變化,使得計算得到的紋理特征更準確;在紋理特征上計算出極大值點來確定出點集合,并將點集合的每個點設置為最小值點,再將點集合附近的多個極大值點所形成的閉合區(qū)域確定為斑塊,并利用海冰信息的能量比海水信息的能量值小,海冰信息的熵值比海水信息的熵值大的特點,從提取的斑塊中確定出海水樣本以及海冰樣本。由于,經(jīng)過兩次計算極大值點增大了所提取的任一斑塊中紋理信息相似的概率,使得根據(jù)能量與熵來確定出的海水樣本與海冰樣本的準確率得到了保證,實現(xiàn)了在保證海冰樣本以及海水樣本準確性的前提下,自動獲取海冰樣本和海水樣本,減少人的工作量。

圖1所對應的實施例確定出了海冰樣本與海水樣本,為了實現(xiàn)對合成孔徑雷達圖像中海冰與海水信息的分離,本申請采用圖1所對應的實施例所得到的海冰樣本與海水樣本,來實現(xiàn)對合成孔徑雷達圖像中海冰信息與海水信息的分離,參考圖3,示出了本申請一種合成孔徑雷達圖像中海冰與海水信息的分離方法實施例的流程圖,本實施例可以包括以下步驟:

步驟301:獲取待分離的合成孔徑雷達圖像,所述合成孔徑雷達圖像中包括hv或vh交叉極化圖像。

步驟302:計算所述hv或vh交叉極化圖像中每個第一區(qū)域所對應的至少兩種紋理信息,得到分別反映所述至少兩種紋理信息的至少兩個紋理特征;其中,所述hv或vh交叉極化圖像由多個所述第一區(qū)域組成,其中,不同所述第一區(qū)域的面積大小相等,且不同第一區(qū)域之間互不重疊;所述至少兩個紋理特征包括能量特征和熵特征。

步驟303:確定所述至少兩個紋理特征中的至少一個目標紋理特征的梯度矩陣。

步驟304:確定所述梯度矩陣的每個第二區(qū)域中極大值點,以及,最小值點,得到一個點集合;所述梯度矩陣由多個所述第二區(qū)域組成,其中,不同所述第二區(qū)域的面積大小相等,且不同第二區(qū)域之間互不重疊。

步驟305:分別確定所述點集合中每個點附近的多個極大值點,并將所述多個極大值點所形成的閉合區(qū)域確定為斑塊,得到至少兩個斑塊,所述至少兩個斑塊中,至少存在一個全部為海水信息的斑塊,且,至少存在一個全部為海冰信息的斑塊。

步驟306:根據(jù)每個所述斑塊分別在能量特征與熵特征中所包含的特征值,將能量平均值大于預設能量閾值的斑塊確定為海水樣本,將熵平均值大于預設熵閾值的斑塊確定為海冰樣本。

上述步驟301~步驟306的具體實施與圖1所對應的實施例中步驟101~步驟106相同,具體細節(jié)可對應參考步驟101~步驟106,這里不再贅述。

步驟307:基于所述海冰樣本和所述海水樣本,從所述合成孔徑雷達圖像中分離出海水信息以及海水信息。

通過步驟301~步驟306自動確定去海冰樣本與海水樣本后,本實施例通過確定出的海冰樣本與海水樣本,從合成孔徑雷達圖像中分離出海水信息以及海冰信息,具體的分離過程可以包括以下步驟b1~b4:

步驟b1:將所述海冰樣本與所述海水樣本確定為訓練樣本。

在圖1所對應的實施例中,從至少兩個紋理特征中確定出了海冰樣本以及海水樣本。在本步驟中,利用該海冰樣本與海水樣本作為訓練樣本。

步驟b2:依據(jù)每個所述訓練樣本所對應的至少兩種紋理信息,以及,每個所述訓練樣本的類型,確定所述至少兩種紋理信息與類型間的分類模型;所述訓練樣本的類型包括海水樣本和海冰樣本。

在圖1所對應的實施例中計算得到了海冰樣本與海水樣本的至少兩個紋理特征,該至少兩個紋理特征對應至少包括能量特征與熵特征的至少兩種紋理特征,為了更準確的確定訓練樣本的至少兩種紋理信息與樣本類型間的對應關(guān)系,本步驟中的至少兩種紋理信息還可以包括:雷達后向散射系數(shù)平均值、對比度、相關(guān)性和均一性,并且,訓練樣本的類型有海冰樣本和海水樣本,在本步驟中,可以采用支持向量機的方法獲取各訓練樣本的六種紋理信息與訓練樣本的類型間的對應關(guān)系,得到一個分類模型。當然,本實施例采用訓練樣本的六種紋理信息來確定紋理信息與樣本類型間的對應關(guān)系,并不是唯一的實施方式,在實際的應用中,可以通過在六種紋理信息的基礎上添加或減少紋理信息,只要能保證所確定出的紋理信息與樣本類型間的對應關(guān)系準確性即可,本實施例不對具體的紋理信息做限定。

步驟b3:根據(jù)所述分類模型,以及,所述至少兩個紋理特征中各坐標位置對應的至少兩種紋理信息,確定各坐標位置對應的類型,得到所述至少兩個紋理特征中海冰與海水的分離圖像。

在確定了至少兩種紋理信息與訓練樣本類型間的對應關(guān)系后,在本步驟中,針對包括能量特征與熵特征的至少兩個紋理特征中,各紋理特征的相同坐標位置處所對應的紋理信息,依據(jù)確定的對應關(guān)系,確定出該坐標位置處所屬的類型,例如,根據(jù)確定出的對應關(guān)系,確定出至少兩種紋理特征中,任一相同坐標位置處的標識類型為海冰,則得到至少兩個紋理特征的在該坐標位置處標識為海冰。采用此方法,確定至少兩個紋理特征中各坐標位置處標識為海冰還是海水,將至少兩個紋理特征中,所有標識海冰的坐標位置所形成的區(qū)域作為海冰信息,所有標識海水的坐標位置所形成的區(qū)域作為海水信息,得到至少兩個紋理特征中的海冰信息與海水信息。

具體的,本步驟確定出至少兩種紋理特征中的海冰信息與海水信息時,可以將至少兩個紋理特征輸入步驟302訓練得到的分類模型,直接輸出海冰信息與海水信息。

步驟b4:基于所述至少兩個紋理特征中海冰信息與海水信息,從所述合成孔徑雷達圖像中分離出海水信息和海冰信息。

由于,在計算紋理特征時,hv或vh交叉極化圖像中的一個預設大小的第一區(qū)域,對應紋理特征中的一個坐標位置。因此,在得到至少兩個紋理特征中標識海冰的坐標位置以及標識海水的坐標位置后,本步驟將hv或vh交叉極化圖像中,與至少兩個紋理特征中標識海冰的各坐標位置對應的各第一區(qū)域,確定為hv或vh交叉極化圖像中的海冰信息;同理,確定出hv或vh交叉極化圖像中的海冰信息與海水信息。當然,上述確定hv或vh交叉極化圖像海冰信息與海水信息,只是本實施例給出的一種實施方式,在實際中,也可以采用其他的方式來實現(xiàn)。

在得到hv或vh交叉極化圖像中的海冰信息與海水信息后,根據(jù)海冰信息與海水信息在hv或vh交叉極化圖像中的位置,確定出合成孔徑雷達圖像中的海冰信息與海水信息。

如果在圖1所對應的實施例中,hv或vh交叉極化圖像是經(jīng)過圖像壓縮的預處理hv或vh交叉極化圖像,此時,需要根據(jù)確定出海冰信息與海水信息的hv或vh交叉極化圖像進行圖像壓縮的逆變換,得到可區(qū)分海冰信息與海水信息的合成孔徑雷達圖像。

由于圖1所對應的實施例中,提取出了可保證準確率的海冰樣本與海水樣本,因此,在本實施例中,基于可保證準確率的海冰樣本與海水樣本作為訓練樣本,確定至少兩種紋理信息與標識類型間的對應關(guān)系,進而確定出合成孔徑雷達圖像中的海冰信息與海水信息,實現(xiàn)了在保證分離sar中海冰信息與海水信息準確率的前提下,實現(xiàn)了全自動的分離sar圖像中海冰與海水信息。

與上述本申請一種合成孔徑雷達圖像中海冰與海水信息的分離方法實施例所提供的方法相對應,參考圖4,本申請還提供了一種合成孔徑雷達圖像中海冰與海水信息的分離裝置實施例,在本實施例中,該裝置可以包括:

第一獲取單元401,用于獲取待分離的合成孔徑雷達圖像,所述合成孔徑雷達圖像中包括hv或vh交叉極化圖像。

計算單元402,用于計算所述hv或vh交叉極化圖像中每個第一區(qū)域所對應的至少兩種紋理信息,得到分別反映所述至少兩種紋理信息的至少兩個紋理特征;其中,所述hv或vh交叉極化圖像由多個所述第一區(qū)域組成,其中,不同所述第一區(qū)域的面積大小相等,且不同第一區(qū)域之間互不重疊;所述至少兩個紋理特征包括能量特征和熵特征。

其中,所述計算單元402可以包括:

確定子單元,用于確定所述hv或vh交叉極化圖像中每個第一區(qū)域所對應的灰度共生矩陣;所述灰度共生矩陣反映每個所述第一區(qū)域的不同方向上,具有相同灰度值的點對個數(shù),所述每個點對中兩個像素點在同一方向上的間隔相同。

計算子單元,用于依據(jù)所述每個第一區(qū)域所對應的灰度共生矩陣,計算每個第一區(qū)域所對應的至少兩種紋理信息。

排列子單元,用于針對每種紋理信息,按照每個第一區(qū)域在所述hv或vh交叉極化圖像中的位置排列紋理信息,得到hv或vh交叉極化圖像的紋理特征。

梯度矩陣確定單元403,用于確定所述至少兩個紋理特征中的至少一個目標紋理特征的梯度矩陣。

第一確定單元404,用于確定所述梯度矩陣的每個第二區(qū)域中梯度極大值點,以及,最小值點,得到一個點集合;所述梯度矩陣由多個所述第二區(qū)域組成,其中,不同所述第二區(qū)域的面積大小相等,且不同第二區(qū)域之間互不重疊。

第二確定單元405,用于分別確定所述點集合中每個點附近的多個極大值點,并將所述多個極大值點所形成的閉合區(qū)域確定為斑塊,得到至少兩個斑塊,所述至少兩個斑塊中,至少存在一個全部為海水信息的斑塊,且,至少存在一個全部為海冰信息的斑塊。

第三確定單元406,用于根據(jù)每個所述斑塊分別在能量特征與熵特征中所包含的特征值,將能量平均值大于預設能量閾值的斑塊確定為海水樣本,將熵平均值大于預設熵閾值的斑塊確定為海冰樣本。

分離單元407,用于基于所述海冰樣本和所述海水樣本,從所述合成孔徑雷達圖像中分離出海水信息以及海水信息。

其中,分離單元407可以包括:

訓練樣本確定子單元,用于將所述海冰樣本與所述海水樣本確定為訓練樣本。

分類模型確定子單元,用于據(jù)每個所述訓練樣本所對應的至少兩種紋理信息,以及,每個所述訓練樣本的類型,確定所述至少兩種紋理信息與類型間的分類模型;所述訓練樣本的類型包括海水樣本和海冰樣本;

第一分離子單元,用于根據(jù)所述分類模型,以及,所述至少兩個紋理特征中各坐標位置對應的至少兩種紋理信息,確定各坐標位置對應的類型,得到所述至少兩個紋理特征中海冰信息與海水信息。

第二分離子單元,用于基于所述至少兩個紋理特征中海冰信息與海水信息,確定出所述合成孔徑雷達圖像中海水信息和海冰信息。

在實際應用中,在計算單元402之前,該裝置還可以包括:

第二獲取單元408,用于獲取hv或vh交叉極化圖像。

預處理單元409,用于對所述hv或vh交叉極化圖像進行預處理,得到預處理后的hv或vh交叉極化圖像;所述預處理包括:圖像壓縮、陸地掩膜與輻射校正中的一種或幾種。

在實際應用中,在第一確定單元404之后,該裝置還可以包括:

處理單元410,用于對所述梯度矩陣進行平滑、去燥處理,得到處理后的梯度矩陣。

本實施例中的裝置,由于hv或vh交叉極化圖像的灰度值受風影響較小,并且,海冰和海水像素的灰度值經(jīng)輻射定標后的雷達后向散射系數(shù)不隨入射角變化而變化,使得計算得到的紋理信息更準確;在紋理特征上計算出極大值點來確定出點集合,并將點集合的每個點設置為最小值點,再將點集合附近的多個極大值點所形成的閉合區(qū)域確定為斑塊,并利用海冰信息的能量值比海水信息的能量值小,海冰信息的熵值比海水信息的熵值大的特點,從提取的斑塊中確定出海水樣本以及海冰樣本。由于,經(jīng)過兩次計算極大值點增大了所提取的任一斑塊中紋理信息相似的概率,使得根據(jù)能量與熵來確定出的海水樣本與海冰樣本的準確率得到了保證,實現(xiàn)了在保證海冰樣本以及海水樣本準確性的前提下,自動獲取海冰樣本和海水樣本,減少人的工作量?;诳杀WC準確率的海冰樣本與海水樣本作為訓練樣本,確定至少兩種紋理信息與像素類型間的對應關(guān)系,進而確定出可區(qū)分海冰像素與海水像素的合成孔徑雷達圖像,實現(xiàn)了在保證分離sar中海冰信息與海水信息準確率的前提下,實現(xiàn)了全自動的分離sar圖像中海冰與海水信息。

需要說明的是,本說明書中的各個實施例均采用遞進的方式描述,每個實施例重點說明的都是與其他實施例的不同之處,各個實施例之間相同相似的部分互相參見即可。對于裝置類實施例而言,由于其與方法實施例基本相似,所以描述的比較簡單,相關(guān)之處參見方法實施例的部分說明即可。

最后,還需要說明的是,在本文中,術(shù)語“包括”、“包含”或者其任何其他變體意在涵蓋非排他性的包含,從而使得包括一系列要素的過程、方法、物品或者設備不僅包括那些要素,而且還包括沒有明確列出的其他要素,或者是還包括為這種過程、方法、物品或者設備所固有的要素。在沒有更多限制的情況下,由語句“包括一個……”限定的要素,并不排除在包括所述要素的過程、方法、物品或者設備中還存在另外的相同要素。

以上對本申請所提供的數(shù)據(jù)發(fā)送方法及裝置、密鑰索引的生成方法及裝置進行了詳細介紹,本文中應用了具體個例對本申請的原理及實施方式進行了闡述,以上實施例的說明只是用于幫助理解本申請的方法及其核心思想;同時,對于本領(lǐng)域的一般技術(shù)人員,依據(jù)本申請的思想,在具體實施方式及應用范圍上均會有改變之處,綜上所述,本說明書內(nèi)容不應理解為對本申請的限制。

當前第1頁1 2 
網(wǎng)友詢問留言 已有0條留言
  • 還沒有人留言評論。精彩留言會獲得點贊!
1