专利名称：极地冰盖边缘区域浮冰自动提取技术的制作方法
技术领域：
遥感图像自动分割、分类、提取技术；计算机软件算法研究及应用；
背景技术：
南极大陆边缘区域浮冰提取对于南极浮冰变化以及全球变化的研究有重要意义， 本研究提出一种基于区域增长图像分割技术的南极大陆边缘浮冰信息自动提取方法。并结合浮冰的灰度，轮廓，位置关系等信息进行合并和验证，有效解决图像分割过程中的过度分割以及分割不足的问题，本研究还提出一种基于像素检测的小面积浮冰提取算法，有效提取像素个数小于5的浮冰目标。目前对极地浮冰提取研究使用的数据多是合成孔径雷达(SAR)数据，因为SAR 影像中冰山不依赖于阳光或云层，而且具有来自零度以下冰山的较强的反向散射信号。 Gill Q001)[1]采用基于像元检测算法的恒虚警率(constant false alarm rate, CFAR)检测器来检测RADARSAT影像北极的冰山，并结合图像分割、分类、边缘提取等一些传统的相关算法，取得了较好的效果。Silva et al. ^00 [2]在此使用ERS-1 SAR图像数据对尺度大于200米长的南极大陆周围的冰山进行目标识别与变化跟踪，使用边缘检测算法结合分水岭图像分割算法进行图像分割，通过设定盆地的最小边缘阈值消除过度分割问题；提高了冰山提取精度并解决了相邻两块冰山由于接触被误分成同一目标的问题。但由于SAR图像空间分辨率相对比较低，对于尺度更小的冰山(小于200米)则很难识别。Liu et al. 0004) 用经过正射矫正的SAR数据以及30米分辨率的ETM+可见光数据，结合南极大陆的海岸线的线性形状特征，提出一种自适应阈值的分割算法，提取了南极大陆海岸线轮廓，但却没有针对南极大陆边缘区域形状更不规则的浮冰提出有效的提取方法。Blonski et al ^)06) M采用基于时间序列的方法对AMSR-E影像中的南极冰山进行跟踪检测，但是只能检测到IOkm以上的冰山。国际上成立专门机构如国家冰雪中心 (National Ice Center)、冰雪专业委员会等采用各种各样的卫星传感器对巨大的南极冰山进行跟踪研究。但是这些数据的分辨率都很低，只限于大型冰山的研究。
发明内容
技术问题以及技术方案单纯的基于光谱特征的遥感图像目标提取方法，难以准确的提取完整的目标，本发明在自动增长的图像分割的基础上，提出了一种基于对象的图像分割方法，该方法结合目标的光谱、结构、形状、邻域等特征，能够得到较理想的分割结果。基于该分割结果，本发明建立一种适用于南极冰盖边缘的浮冰提取的算法，把分割过程中的阈值确定在一个范围内，通过目标组合以及小面积浮冰提取等后处理过程，解决了图像分割过程中的过度分割和分割不足的问题。具体过程如下(一 )、基于对象的图像分割本文对传统的区域增长法的图像分割进行改进，采用面向对象的思想。利用的图像信息不再是单个的像素，而是将同类地物作为ー个整体进行考虑。假设图像分割的过程中分割阈值为Tcot，初始阈值是Tmin，Tmax是最终分割阈值。每 次分割结束后，整幅图像由图斑集合S組成。S= {B1;B2...，Bn}其中Bi代表标号为i的图 斑，其中与图斑Bi相邻的所有图斑集合用S:.表示，两个相邻图斑之间的异质性特征用F表 示。那么分割算法可以分为以下几个步骤(1).根据分割的初始阈值Tmin，对所有像素的8邻域像素进行分割判断，计算它们 之间的异质特性F，合并满足FSTmin的像素。这ー步的分割等同于传统的区域增长法。分 割结束后，得到初始的图斑集合S。O).通过邻域捜索算法，得到每ー个图斑Bi的邻域集合SL,。(3).把集合S中任意一个图斑Bi当成ー个整体，井随机逐次计算Bi与其邻域集 合S:中的图斑B〗的异质特性F (F的计算方法将会在3. 1. 3中単独介绍)，如果，F く Tcur, 合并も与も。否则继续取Sふ中的下ー个图斑。(4).根据合并结果更新集合S，同时更新对应于集合S中每个图斑Bi的邻域集合 S1mi计算当前阈值Tcm，如果TcmSTmax，则返回步骤(3)，继续分割过程，否则，该过程结束。
任意两个图斑Bi和B〗的异质性值F都由四个变量计算而得，计算公式如下F = Wcolor*Hcolor+ffshape*Hshape 公式 1其中H。。1ot表示这两个区域的光谱异质性值，Hshape表示这两个区域的形状异质 特性值，因为在不同图像中目标的光谱性质和形状性质对目标的表现程度占有不同的 比例，我们用w。。lOT表示光谱异质性所占的权重，Wshape则表示形状异质性所占的权重，且 刘color ^ shape 丄0 刘color ネロ ^ shape 均在(0-1)区间取值。光谱异质特性值札。1( 不仅与组成区 域对象的像元数目有关，还取决于各个波段标准差(公式3- 。O。为区域内部像元灰度 值的标准差，N为像元数目。形状异质性值Hshape由目标的紧凑度H。。mpa。t和目标的光滑度 Hs_th两个变量共同決定，因为我们同样引出两个变量W。。mpa。t和Ws_th来分別表示它们所表 现的结构程度所占的比例。 \ compact ^smooth
一 i Wcompact W
smooth
取值都在0-1之间。H
smooth
和H。。mpa。t均由区域周长L和面积A(区域的像元个数)表示。
权利要求
1.一种浮冰提取的算法，其特征在于，包括以下步骤 基于对象的图像分割；通过邻域搜索算法合并过度分割； 分类与目标提取； 小面积浮冰提取与边缘优化。
2.根据权利要求1所述的算法，其中基于对象的图像分割包含以下步骤根据分割的初始阈值，对所有像素的8邻域像素进行分割判断，计算它们之间的异质特性，合并有相异质特性的像素。这一步的分割等同于传统的区域增长法。分割结束后，得到初始的图斑集合；通过邻域搜索算法，得到每一个图斑的邻域集合；把集合图斑集合中任意一个图斑当成一个整体，并随机逐次计算该图斑与其邻域集合中的图斑的异质特性，如果，他们有相同的异质特性，合并他们。否则继续取邻域图斑集合中的下一个图斑；根据合并结果更新集合，同时更新对应于集合中每个图斑的邻域集合，计算当前阈值， 如果当前的阈值在阈值范围内，则返回上一步骤，继续分割过程，否则，该过程结束。
3.在1的过程中，通过邻域搜索算法合并过度分割的过程包括以下几个步骤 采用边缘检测的方法查找每个图斑的四邻域图斑，生成邻域图斑链表；依次取图斑集合中的每一个图斑，以及该图斑的邻域图斑的每一个邻域图斑。计算它们的灰度方差；如果当前图斑和其邻域的图斑，满足光谱合并条件，同时满足合并后的图斑在边缘检测基准轮廓以内，并且它们的公共边缘大于它们最大轮廓长度的15%，那么合并这两个图斑，边缘检测基准轮廓由下面的方法得到▽ f (P)为点P的轮廓检验因子，设定轮廓检验阈值▽ F如果 Vf(P)彡VF则ρ为所需目标轮廓，▽ f(p) =max( I f(x+l,y)-f (x-l,y) |，f (χ, y+1)-f (χ, y-1) |)。
全文摘要
本发明提出了一种基于对象的图像分割的浮冰自动提取方法，属于遥感图像自动分割、分类技术领域。该方在传统的区域增长法的图像分割的基础上，结合目标的光谱、结构、形状、邻域等特征，能够得到较理想的分割结果。并建立一种适用于南极冰盖边缘的浮冰提取的算法，通过目标组合以及小面积浮冰提取等后处理过程，解决了图像分割过程中的过度分割和分割不足的问题。提取的整个过程主要包括基于区域增长法的图像分割，面向对象的区域合并，小面积浮冰目标识别及边缘检测，目标分类与对象提取四个部分。实验结果表明本方法能够得到良好的效果。一方面提高了浮冰的提取精度，另一方面又利用面向对象的思想，可以较准确的得到单个浮冰的具体信息。
文档编号G06T7/00GK102567726SQ201010586199
公开日2012年7月11日 申请日期2010年12月13日 优先权日2010年12月13日
发明者刘臻, 赵子莹 申请人:北京师范大学