本发明涉及遥感图像处理领域,尤其涉及一种基于纹理与区域能量特性分析的遥感图像结冰湖泊检测方法及其系统。
背景技术:
星载遥感平台所获数据能够反映的地物电磁波谱特性,并常以图像的形式进行记录存储。遥感观测系统具有成像范围广、可周期性重复、可实现实时定量观测等特点,从而使得遥感图像尤其是高分辨率遥感图像成为一类重要的空间信息资源。空间红外卫星成像系统是对地观测遥感系统的重要组成部分,对于空间红外卫星成像系统,在其成像波段内存在大量辐射能量很高的干扰源,如结冰湖泊、森林大火等,这些干扰源不可避免地对成像系统产生干扰。对遥感图像目标检测问题进行研究,找到自动检测干扰源的解决方案,实现遥感图像分析和解译自动化,是解决遥感数据利用率的问题的关键。
在可见光和近红外波段内,结冰体和其它地物的光谱反射差异是遥感技术提取结冰湖泊的基本依据。已有资料中还没有对结冰湖泊红外目标进行检测的研究成果,在此主要列举湖泊水体信息的自动提取方法。较为传统的方法包括阈值法、谱间关系法、光谱混合分析法等。单波段阈值法基本原理是利用水体在近红外波段反射率较低,易与其它地物区分的特点,选取单一的红外波段,确定一个区分水体与其它地物的分类阈值。但它只注意水体在某些波段的光谱特征,而忽略了水体在其它波段上存在的独特光谱特征。谱间关系法又叫波段组合法,对波段进行组合运算的目的是为了增强水陆反差,从而找出组合图像上水陆分界非常明显的影像。多光谱波段运算法是在对目标及其周围典型地物进行分析的基础上,确定它们在各波段上光谱亮度值的异同,通过对各波段进行算术运算,找出水体提取满足的关系,从而构建水体提取模型的一种方法。
传统的光学遥感提取水体的方法都存在一定的局限性,近年来,随着遥感分类技术的发展,湖泊水体信息的检测技术也在不断发展。水体识别的新方法包括神经网络分类法、决策树分类法、数学形态学方法等。神经网络是模拟生物神经网络的人工智能技术,具有并行处理、非线性、容错性、自适应和自学习的特点,因而广泛应用于模式识别、信号处理和遥感分类。决策树分类法是在充分分析水体信息和其它地物直接光谱特征差异的基础上,建立分层分类树,基于知识先分类后提取的方法。数学形态学的基本运算是腐蚀和膨胀,利用这两种运算可以组合成多种算子,如开、闭、高帽、低帽、边缘提取等算子,达到研究所期望的结果。与水体湖泊相比,结冰体湖泊在红外波段的辐射强度更大,但是,目前并没有对结冰湖泊红外目标进行检测的研究成果,因此也就无法解决空间红外卫星在对地观测成像下的结冰湖泊干扰源检测问题。
技术实现要素:
有鉴于此,本发明的目的在于提供一种遥感图像结冰湖泊检测方法及其系统,旨在通过计算并分析输入图像分形维数图的多种局部能量参数,提取图像中的感兴趣区域,从而解决空间红外卫星在对地观测成像下的结冰湖泊干扰源检测问题。
本发明提出一种遥感图像结冰湖泊检测方法,其中,所述方法包括:
纹理提取步骤:对待检测的遥感图像进行纹理特征提取并得到分形维数图;
能量分析步骤:利用区域对比度和局部熵特征分析所述分形维数图的局部图像块的能量特性;
结果输出步骤:根据分析的能量特征输出检测结果。
优选的,所述纹理提取步骤具体包括:
读取一幅待检测的遥感图像f(x,y),选择大小为(2n+1)*(2n+1)的滤波模板对所读取的遥感图像f(x,y)中心位置在(m,n)处的局部图像块x(m,n)进行最大中值滤波,以获得增强后的输出图像g1(x,y);
选择大小为(2w+1)*(2w+1)的滑动窗口,根据图像灰度信息计算所述输出图像g1(x,y)的分形维数,并得到分形维数图g2(x,y)。
优选的,在所述纹理提取步骤中,进行最大中值滤波的计算步骤具体包括:
求取滤波模板内遥感图像f(x,y)行方向的灰度中值z1,其中,z1=median{x(m,n-n),...,x(m,n),...,x(m,n+n)};
求取滤波模板内遥感图像f(x,y)列方向的灰度中值z2,其中,z2=median{x(m-n,n),...,x(m,n),...,x(m+n,n)};
求取滤波模板内遥感图像f(x,y)主对角线方向的灰度中值z3,其中,z3=median{x(m-n,n-n),...,x(m,n),...,x(m+n,n+n)};
求取滤波模板内遥感图像f(x,y)副对角线方向的灰度中值z4,其中,z4=median{x(m+n,n-n),...,x(m,n),...,x(m-n,n+n)};
求取对当前局部图像块x(m,n)的最大中值滤波结果y(m,n),其中,y(m,n)=max{z1,z2,z3,z4}。
优选的,在所述纹理提取步骤中,所述输出图像g1(x,y)的分形维数的计算步骤具体包括:
初始化参数,选择大小为(2w+1)*(2w+1)的滑动窗口,按移动步长为1个像素点对所述输出图像g1(x,y)进行图像块划分;
设v(i,j)代表局部图像块的灰度值函数,令u0和b0分别代表距图像灰度差为0的毯子,则u0(i,j)=b0(i,j)=v(i,j),其中,i和j分别表示像素点的横坐标和纵坐标;
利用
计算图像的分形维数d;
计算下一个局部图像块的分形维数,直到最终得到整幅输出图像g1(x,y)的分形维数图g2(x,y)。
优选的,在所述纹理提取步骤中,所述计算图像的分形维数d的步骤具体包括:
计算局部图像块的毯子的表面积a(k,l,r),其中,
对公式loga(k,l,r)=c1logr+c0进行直线拟合,其中,r表示图像上下表面的毯子距离图像灰度值函数v(i,j)的灰度差,c1为拟合直线斜率,c0为一个常数;
根据拟合直线斜率c1得到局部图像块的分形维数d,其中,d=2|c1。
优选的,所述能量分析步骤具体包括:
计算分形维数图g2(x,y)的区域对比度特征,并生成显著性图g3(x,y);
选择大小为(2s1+1)*(2s2+1)的滑动窗口计算所述显著性图g3(x,y)的局部熵特征,并将局部熵映射为灰度图g4(x,y);
对所述灰度图g4(x,y)进行阈值分割,以得到分割后的二值图bw1(x,y);
利用给定的像元类型和像元尺寸t对二值图bw1(x,y)进行膨胀操作以生成二值图bw2(x,y);
对二值图bw2(x,y)进行连通区域提取,并统计各个连通区域内的像素点数ci,i|[1:n],其中,i表示连通区域序号,n表示连通区域总数;
根据像素点数对连通区域进行筛选。
优选的,在所述能量分析步骤中,所述计算分形维数图g2(x,y)的区域对比度特征的步骤具体包括:
计算两个区域r1和r2之间的对比度cd(r1,r2),其中,
计算区域rx在分形维数图g2(x,y)中的对比度值c,其中,
优选的,在所述能量分析步骤中,计算所述显著性图g3(x,y)的局部熵特征的步骤具体包括:
设置大小为(2s1+1)*(2s2+1)的滑动窗口,将所述显著性图g3(x,y)按设定的滑动窗口以一个像素点为步长划分成相同尺寸的图像块;
令b(i,j)代表局部图像块的灰度值函数,利用公式
优选的,在所述能量分析步骤中,所述二值图bw1(x,y)的计算步骤具体包括:
利用公式
优选的,在所述能量分析步骤中,所述根据像素点数对连通区域进行筛选的步骤具体包括:
若像素点数ci在th1≤ci≤th2范围之内,则剔除对应的连通区域,否则,则判定对应的连通区域为结冰湖泊,其中,th1和th2分别为遥感图像f(x,y)在其分辨率成像条件下湖泊所占像素点数的下界和上界。
另一方面,本发明还提供一种遥感图像结冰湖泊检测系统,其中,所述系统包括:
纹理提取模块,用于对待检测的遥感图像进行纹理特征提取并得到分形维数图;
能量分析模块,用于利用区域对比度和局部熵特征分析所述分形维数图的局部图像块的能量特性;
结果输出模块,用于根据分析的能量特征输出检测结果。
优选的,所述纹理提取模块具体用于:
读取一幅待检测的遥感图像f(x,y),选择大小为(2n+1)*(2n+1)的滤波模板对所读取的遥感图像f(x,y)中心位置在(m,n)处的局部图像块x(m,n)进行最大中值滤波,以获得增强后的输出图像g1(x,y);
选择大小为(2w+1)*(2w+1)的滑动窗口,根据图像灰度信息计算所述输出图像g1(x,y)的分形维数,并得到分形维数图g2(x,y)。
优选的,所述纹理提取模块具体用于:
求取滤波模板内遥感图像f(x,y)行方向的灰度中值z1,其中,z1=median{x(m,n-n),...,x(m,n),...,x(m,n+n)};
求取滤波模板内遥感图像f(x,y)列方向的灰度中值z2,其中,z2=median{x(m-n,n),...,x(m,n),...,x(m+n,n)};
求取滤波模板内遥感图像f(x,y)主对角线方向的灰度中值z3,其中,z3=median{x(m-n,n-n),...,x(m,n),...,x(m+n,n+n)};
求取滤波模板内遥感图像f(x,y)副对角线方向的灰度中值z4,其中,z4=median{x(m+n,n-n),...,x(m,n),...,x(m-n,n+n)};
求取对当前局部图像块x(m,n)的最大中值滤波结果y(m,n),其中,y(m,n)=max{z1,z2,z3,z4}。
优选的,所述纹理提取模块具体用于:
初始化参数,选择大小为(2w+1)*(2w+1)的滑动窗口,按移动步长为1个像素点对所述输出图像g1(x,y)进行图像块划分;
设v(i,j)代表局部图像块的灰度值函数,令u0和b0分别代表距图像灰度差为0的毯子,则u0(i,j)=b0(i,j)=v(i,j),其中,i和j分别表示像素点的横坐标和纵坐标;
利用
计算图像的分形维数d;
计算下一个局部图像块的分形维数,直到最终得到整幅输出图像g1(x,y)的分形维数图g2(x,y)。
优选的,所述纹理提取模块具体用于:
计算局部图像块的毯子的表面积a(k,l,r),其中,
对公式loga(k,l,r)=c1logr+c0进行直线拟合,其中,r表示图像上下表面的毯子距离图像灰度值函数v(i,j)的灰度差,c1为拟合直线斜率,c0为一个常数;
根据拟合直线斜率c1得到局部图像块的分形维数d,其中,d=2|c1。
优选的,所述能量分析模块具体用于:
计算分形维数图g2(x,y)的区域对比度特征,并生成显著性图g3(x,y);
选择大小为(2s1+1)*(2s2+1)的滑动窗口计算所述显著性图g3(x,y)的局部熵特征,并将局部熵映射为灰度图g4(x,y);
对所述灰度图g4(x,y)进行阈值分割,以得到分割后的二值图bw1(x,y);
利用给定的像元类型和像元尺寸t对二值图bw1(x,y)进行膨胀操作以生成二值图bw2(x,y);
对二值图bw2(x,y)进行连通区域提取,并统计各个连通区域内的像素点数
根据像素点数对连通区域进行筛选。
优选的,所述能量分析模块具体用于:
计算两个区域r1和r2之间的对比度cd(r1,r2),其中,
计算区域rx在分形维数图g2(x,y)中的对比度值c,其中,
优选的,所述能量分析模块具体用于:
设置大小为(2s1+1)*(2s2+1)的滑动窗口,将所述显著性图g3(x,y)按设定的滑动窗口以一个像素点为步长划分成相同尺寸的图像块;
令b(i,j)代表局部图像块的灰度值函数,利用公式
优选的,所述能量分析模块具体用于:
利用公式
优选的,所述能量分析模块具体用于:
若像素点数ci在th1≤ci≤th2范围之内,则剔除对应的连通区域,否则,则判定对应的连通区域为结冰湖泊,其中,th1和th2分别为遥感图像f(x,y)在其分辨率成像条件下湖泊所占像素点数的下界和上界。
本发明提供的技术方案基于图像纹理特征区域能量分析方法对红外遥感图像中的结冰湖泊进行检测,与水体湖泊相比,结冰体湖泊由于在红外波段的辐射强度更大,因此具有更丰富的纹理信息和更强能量特性,本发明通过计算并分析输入图像分形维数图的多种局部能量参数,提取图像中的感兴趣区域,从而解决空间红外卫星在对地观测成像下的结冰湖泊干扰源检测问题,本发明通过分析结冰湖泊特有的纹理特征,将干扰源从背景中提取出来,在低噪比/信杂比场景中具有很好的效果,并且该方法运行速度快,容易编程,可以跨平台在各类系统下实现及运行。
附图说明
图1为本发明一实施方式中遥感图像结冰湖泊检测方法流程图;
图2为本发明一实施方式中遥感图像结冰湖泊检测系统10的结构示意图;
图3为本发明一实施方式中输入遥感图像f(x,y);
图4为本发明一实施方式中利用最大中值滤波进行背景后的增强图像g1(x,y);
图5为本发明一实施方式中提取图像分形特征得到的分形维数图g2(x,y);
图6为本发明一实施方式中对分形维数图提取区域对比度特征后生成的显著性图g3(x,y);
图7为本发明一实施方式中对显著性图计算局部熵特征后映射得到的灰度图g4(x,y);
图8为本发明一实施方式中阈值分割后得到二值图bw1(x,y);
图9为本发明一实施方式中形态学滤波后生成的二值图bw2(x,y)。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
以下将对本发明所提供的一种遥感图像结冰湖泊检测方法进行详细说明。
请参阅图1,为本发明一实施方式中遥感图像结冰湖泊检测方法流程图。
在本实施方式中,该遥感图像结冰湖泊检测方法主要是基于纹理与区域能量特性分析的遥感图像结冰湖泊检测方法,应用于遥感图像处理领域。
在步骤s1中,纹理提取步骤:对待检测的遥感图像进行纹理特征提取并得到分形维数图。
在本实施方式中,所述纹理提取步骤具体包括:
读取一幅待检测的遥感图像f(x,y),选择大小为(2n+1)*(2n+1)的滤波模板对所读取的遥感图像f(x,y)中心位置在(m,n)处的局部图像块x(m,n)进行最大中值滤波,以获得增强后的输出图像g1(x,y);
选择大小为(2w+1)*(2w+1)的滑动窗口,根据图像灰度信息计算所述输出图像g1(x,y)的分形维数,并得到分形维数图g2(x,y)。
其中,n为选取的滤波模板的大小,例如20个像素,x,y分别为图像中像素点的横坐标、纵坐标,m,n分别为中心位置坐标;w为整数,代表像素点数。
在本实施方式中,在所述纹理提取步骤中,进行最大中值滤波的计算步骤具体包括:
求取滤波模板内遥感图像f(x,y)行方向的灰度中值z1,其中,z1=median{x(m,n-n),...,x(m,n),...,x(m,n+n)};
求取滤波模板内遥感图像f(x,y)列方向的灰度中值z2,其中,z2=median{x(m-n,n),...,x(m,n),...,x(m+n,n)};
求取滤波模板内遥感图像f(x,y)主对角线方向的灰度中值z3,其中,z3=median{x(m-n,n-n),...,x(m,n),...,x(m+n,n+n)};
求取滤波模板内遥感图像f(x,y)副对角线方向的灰度中值z4,其中,z4=median{x(m+n,n-n),...,x(m,n),...,x(m-n,n+n)};
求取对当前局部图像块x(m,n)的最大中值滤波结果y(m,n),其中,y(m,n)=max{z1,z2,z3,z4}。
在本实施方式中,在所述纹理提取步骤中,所述输出图像g1(x,y)的分形维数的计算步骤具体包括:
初始化参数,选择大小为(2w+1)*(2w+1)的滑动窗口,按移动步长为1个像素点对所述输出图像g1(x,y)进行图像块划分;
设v(i,j)代表局部图像块的灰度值函数,令u0和b0分别代表距图像灰度差为0的毯子,则u0(i,j)=b0(i,j)=v(i,j),其中,i和j分别表示像素点的横坐标和纵坐标;
利用
计算图像的分形维数d;
计算下一个局部图像块的分形维数,直到最终得到整幅输出图像g1(x,y)的分形维数图g2(x,y)。
在本实施方式中,将图像视为一座山丘,则山丘的高度为图像的灰度值,令u0和b0分别代表距图像灰度差为0的毯子,图像上下表面的毯子ur和br按上述方法进行生长。在本实施方式中,计算下一个局部图像块的分形维数也是重复之前的几个步骤,即重复执行:
设v(i,j)代表局部图像块的灰度值函数,令u0和b0分别代表距图像灰度差为0的毯子,则u0(i,j)=b0(i,j)=v(i,j),其中,i和j分别表示像素点的横坐标和纵坐标;
利用
计算图像的分形维数d。
在本实施方式中,在所述纹理提取步骤中,所述计算图像的分形维数d的步骤具体包括:
计算局部图像块的毯子的表面积a(k,l,r),其中,
对公式loga(k,l,r)=c1logr+c0进行直线拟合,其中,r表示图像上下表面的毯子距离图像灰度值函数v(i,j)的灰度差,c1为拟合直线斜率,c0为一个常数;
根据拟合直线斜率c1得到局部图像块的分形维数d,其中,d=2|c1。
在步骤s2中,能量分析步骤:利用区域对比度和局部熵特征分析所述分形维数图的局部图像块的能量特性。
在本实施方式中,所述能量分析步骤具体包括:
计算分形维数图g2(x,y)的区域对比度特征,并生成显著性图g3(x,y);
选择大小为(2s1+1)*(2s2+1)的滑动窗口计算所述显著性图g3(x,y)的局部熵特征,并将局部熵映射为灰度图g4(x,y);
对所述灰度图g4(x,y)进行阈值分割,以得到分割后的二值图bw1(x,y);
利用给定的像元类型和像元尺寸t对二值图bw1(x,y)进行膨胀操作以生成二值图bw2(x,y);
对二值图bw2(x,y)进行连通区域提取,并统计各个连通区域内的像素点数ci,i|[1,n],其中,i表示连通区域序号,n表示连通区域总数;
根据像素点数对连通区域进行筛选。
在本实施方式中,利用给定的像元类型和像元尺寸t对二值图bw1(x,y)进行膨胀操作以生成二值图bw2(x,y),也即经过形态学滤波后生成的二值图bw2(x,y)。
在本实施方式中,在所述能量分析步骤中,所述计算分形维数图g2(x,y)的区域对比度特征的步骤具体包括:
计算两个区域r1和r2之间的对比度cd(r1,r2),其中,
计算区域rx在分形维数图g2(x,y)中的对比度值c,其中,
在本实施方式中,在所述能量分析步骤中,计算所述显著性图g3(x,y)的局部熵特征的步骤具体包括:
设置大小为(2s1+1)*(2s2+1)的滑动窗口,将所述显著性图g3(x,y)按设定的滑动窗口以一个像素点为步长划分成相同尺寸的图像块;
令b(i,j)代表局部图像块的灰度值函数,利用公式
在本实施方式中,在所述能量分析步骤中,所述二值图bw1(x,y)的计算步骤具体包括:
利用公式
在本实施方式中,在所述能量分析步骤中,所述根据像素点数对连通区域进行筛选的步骤具体包括:
若像素点数ci在th1≤ci≤th2范围之内,则剔除对应的连通区域,否则,则判定对应的连通区域为结冰湖泊,其中,th1和th2分别为遥感图像f(x,y)在其分辨率成像条件下湖泊所占像素点数的下界和上界。
在本实施方式中,若像素点数ci在th1≤ci≤th2范围之内,则表明目标为结冰湖泊的干扰源,需要剔除对应的连通区域。在本实施方式中,若像素点数ci不在th1≤ci≤th2范围之内,则表明目标区域为结冰湖泊。在本实施方式中,根据像素点数对连通区域进行筛选也就是分析能量特征。
在步骤s3中,结果输出步骤:根据分析的能量特征输出检测结果。
本发明提供的一种遥感图像结冰湖泊检测方法,通过计算并分析输入图像分形维数图的多种局部能量参数,提取图像中的感兴趣区域,从而解决空间红外卫星在对地观测成像下的结冰湖泊干扰源检测问题,本发明通过分析结冰湖泊特有的纹理特征,将干扰源从背景中提取出来,在低噪比/信杂比场景中具有很好的效果,并且该方法运行速度快,容易编程,可以跨平台在各类系统下实现及运行。
以下将对本发明所提供的一种遥感图像结冰湖泊检测系统10进行详细说明。
请参阅图2,所示为本发明一实施方式中遥感图像结冰湖泊检测系统10的结构示意图。
在本实施方式中,遥感图像结冰湖泊检测系统10,主要包括纹理提取模块11、能量分析模块12和结果输出模块13。
纹理提取模块11,用于对待检测的遥感图像进行纹理特征提取并得到分形维数图。
在本实施方式中,所述纹理提取模块11具体用于:
读取一幅待检测的遥感图像f(x,y),选择大小为(2n+1)*(2n+1)的滤波模板对所读取的遥感图像f(x,y)中心位置在(m,n)处的局部图像块x(m,n)进行最大中值滤波,以获得增强后的输出图像g1(x,y);
选择大小为(2w+1)*(2w+1)的滑动窗口,根据图像灰度信息计算所述输出图像g1(x,y)的分形维数,并得到分形维数图g2(x,y)。
在本实施方式中,所述纹理提取模块11具体用于:
求取滤波模板内遥感图像f(x,y)行方向的灰度中值z1,其中,z1=median{x(m,n-n),...,x(m,n),...,x(m,n+n)};
求取滤波模板内遥感图像f(x,y)列方向的灰度中值z2,其中,z2=median{x(m-n,n),...,x(m,n),...,x(m+n,n)};
求取滤波模板内遥感图像f(x,y)主对角线方向的灰度中值z3,其中,z3=median{x(m-n,n-n),...,x(m,n),...,x(m+n,n+n)};
求取滤波模板内遥感图像f(x,y)副对角线方向的灰度中值z4,其中,z4=median{x(m+n,n-n),...,x(m,n),...,x(m-n,n+n)};
求取对当前局部图像块x(m,n)的最大中值滤波结果y(m,n),其中,y(m,n)=max{z1,z2,z3,z4}。
在本实施方式中,所述纹理提取模块11具体用于:
初始化参数,选择大小为(2w+1)*(2w+1)的滑动窗口,按移动步长为1个像素点对所述输出图像g1(x,y)进行图像块划分;
设v(i,j)代表局部图像块的灰度值函数,令u0和b0分别代表距图像灰度差为0的毯子,则u0(i,j)=b0(i,j)=v(i,j),其中,i和j分别表示像素点的横坐标和纵坐标;
利用
计算图像的分形维数d;
计算下一个局部图像块的分形维数,直到最终得到整幅输出图像g1(x,y)的分形维数图g2(x,y)。
在本实施方式中,所述纹理提取模块11具体用于:
计算局部图像块的毯子的表面积a(k,l,r),其中,
对公式loga(k,l,r)=c1logr+c0进行直线拟合,其中,r表示图像上下表面的毯子距离图像灰度值函数v(i,j)的灰度差,c1为拟合直线斜率,c0为一个常数;
根据拟合直线斜率c1得到局部图像块的分形维数d,其中,d=2|c1。
能量分析模块12,用于利用区域对比度和局部熵特征分析所述分形维数图的局部图像块的能量特性。
在本实施方式中,所述能量分析模块12具体用于:
计算分形维数图g2(x,y)的区域对比度特征,并生成显著性图g3(x,y);
选择大小为(2s1+1)*(2s2+1)的滑动窗口计算所述显著性图g3(x,y)的局部熵特征,并将局部熵映射为灰度图g4(x,y);
对所述灰度图g4(x,y)进行阈值分割,以得到分割后的二值图bw1(x,y);
利用给定的像元类型和像元尺寸t对二值图bw1(x,y)进行膨胀操作以生成二值图bw2(x,y);
对二值图bw2(x,y)进行连通区域提取,并统计各个连通区域内的像素点数ci,i|[1:n],其中,i表示连通区域序号,n表示连通区域总数;
根据像素点数对连通区域进行筛选。
在本实施方式中,所述能量分析模块12具体用于:
计算两个区域r1和r2之间的对比度cd(r1,r2),其中,
计算区域rx在分形维数图g2(x,y)中的对比度值c,其中,
在本实施方式中,所述能量分析模块12具体用于:
设置大小为(2s1+1)*(2s2+1)的滑动窗口,将所述显著性图g3(x,y)按设定的滑动窗口以一个像素点为步长划分成相同尺寸的图像块;
令b(i,j)代表局部图像块的灰度值函数,利用公式
在本实施方式中,所述能量分析模块12具体用于:
利用公式
在本实施方式中,所述能量分析模块12具体用于:
若像素点数ci在th1≤ci≤th2范围之内,则剔除对应的连通区域,否则,则判定对应的连通区域为结冰湖泊,其中,th1和th2分别为遥感图像f(x,y)在其分辨率成像条件下湖泊所占像素点数的下界和上界。
结果输出模块13,用于根据分析的能量特征输出检测结果。
本发明提供的一种遥感图像结冰湖泊检测系统10,通过计算并分析输入图像分形维数图的多种局部能量参数,提取图像中的感兴趣区域,从而解决空间红外卫星在对地观测成像下的结冰湖泊干扰源检测问题,本发明通过分析结冰湖泊特有的纹理特征,将干扰源从背景中提取出来,在低噪比/信杂比场景中具有很好的效果,并且该方法运行速度快,容易编程,可以跨平台在各类系统下实现及运行。
请参阅图3,所示为本发明一实施方式中输入遥感图像f(x,y);
请参阅图4,所示为本发明一实施方式中利用最大中值滤波进行背景后的增强图像g1(x,y);
请参阅图5,所示为本发明一实施方式中提取图像分形特征得到的分形维数图g2(x,y);
请参阅图6,所示为本发明一实施方式中对分形维数图提取区域对比度特征后生成的显著性图g3(x,y);
请参阅图7,所示为本发明一实施方式中对显著性图计算局部熵特征后映射得到的灰度图g4(x,y);
请参阅图8,所示为本发明一实施方式中阈值分割后得到二值图bw1(x,y);
请参阅图9,所示为本发明一实施方式中形态学滤波后生成的二值图bw2(x,y)。
本发明提供的技术方案基于图像纹理特征区域能量分析方法对红外遥感图像中的结冰湖泊进行检测,与水体湖泊相比,结冰体湖泊由于在红外波段的辐射强度更大,因此具有更丰富的纹理信息和更强能量特性,本发明通过计算并分析输入图像分形维数图的多种局部能量参数,提取图像中的感兴趣区域,从而解决空间红外卫星在对地观测成像下的结冰湖泊干扰源检测问题,本发明通过分析结冰湖泊特有的纹理特征,将干扰源从背景中提取出来,在低噪比/信杂比场景中具有很好的效果,并且该方法运行速度快,容易编程,可以跨平台在各类系统下实现及运行。
值得注意的是,上述实施例中,所包括的各个单元只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。
另外,本领域普通技术人员可以理解实现上述各实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,相应的程序可以存储于一计算机可读取存储介质中,所述的存储介质,如rom/ram、磁盘或光盘等。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。