一种大幅面遥感图像海陆分割的方法及系统的制作方法
【技术领域】
[0001] 本发明属于遥感图像处理技术领域，尤其涉及一种大幅面遥感图像海陆分割的方 法及系统。
【背景技术】
[0002] 近年来，基于遥感图像的海上目标检测、识别越来越引起研究人员的关注。然而， 大量的研究结果表明，针对遥感图像的海洋目标检测算法在遥感图像中包含有陆地区域或 海岛区域的情况下，直接检测的结果总是在较低的检测概率和较高的虚警概率内进行波 动。为了让海洋目标检测算法仅仅作用于海洋遥感区域，进而提高算法检测率，降低虚警、 漏检，必须在对海洋目标进行检测前对大幅面遥感图像进行陆地、海岛区域屏蔽或移除，此 即为对遥感图像进行海陆分割处理的目的。
[0003] 现有技术提出的针对光学遥感图像进行海陆分割的方法主要有以下几种：
[0004] -、利用人工手动标注的方式实现对光学遥感图像的海陆分离。该方法十分耗时， 计算效率低，不能满足大数据量的应用需求。
[0005] 二、利用基于阈值分割的海陆分割方法。基于阈值分割方法主要有0TSU阈值法、基 于最大熵等方法。这类分割方法一般会根据图像的直方图分布选取阈值对图像进行分割， 阈值选取的好坏直接决定了海陆分割的效果。对于图像的直方图呈现双峰分布或近似双峰 分布的理想情况，阈值选取较为简单，但当图像灰度分布较为复杂，如近海区域灰度接近或 低于海洋区域灰度时，不容易自动选取阈值，因此该类算法有一定局限性。
[0006] 三、利用基于纹理的方法，特别是将纹理特征与其他特征融合在一起进行海陆分 割的方法。例如，将灰度图像和纹理特征图融合后进行海陆分离;将灰度图像与LBP特征图 融合后利用阈值来实现海陆分离等。这类海陆分离方法一般对局部遥感图像的海陆分割效 果较佳，但当图像背景复杂时，或将这类方法应用至大幅面遥感图像时，这类方法的分割效 果有待改进。
[0007] 四、利用简单统计模型的海陆分割方法。例如，利用贝叶斯统计模型的海陆分割方 法，以及利用阈值分割和高斯统计模型相结合的海陆分割方法。但经调研发现，上述算法在 应用过程中都需人工手动辅助，操作较为繁琐；另外，这类算法也不适合直接应用于大幅面 遥感图像中。
[0008] 上述这几类传统的海陆分割算法一般应用在小尺度范围内对遥感图像进行海陆 分割，而对于大幅面遥感图像特别是背景复杂的遥感图像，这些算法的分割结果较差，这在 近岸、近海多岛屿区域以及有云雾背景下的海洋区域表现的尤为明显。
[0009] 综上所述，现有技术提出的针对光学遥感图像进行海陆分离的方法存在局部有 效、分割精度低的问题。
【发明内容】
[0010] 本发明所要解决的技术问题在于提供一种大幅面遥感图像海陆分割的方法及系 统，旨在解决现有技术提出的针对光学遥感图像进行海陆分离的方法存在局部有效、分割 精度低的问题。
[0011] 本发明是这样实现的，一种大幅面遥感图像海陆分割的方法，步骤包括：
[0012] 步骤A，对所述遥感图像进行海陆填充，获取海陆粗分割结果图；
[0013] 步骤B，结合所述海陆粗分割结果图对所述遥感图像进行分块提取，获取海陆精细 分割结果图；
[0014] 步骤C，将所述海陆粗分割结果图与所述海陆精细分割结果图进行融合，获取海陆 分割结果图。
[0015] 本发明与现有技术相比，有益效果在于:本发明实现了一种自动的大幅面遥感图 像的海陆分割方法，较好地解决了现有的海陆分割技术中，在近岸、近海多岛屿区域、地貌 特征复杂的陆海区域等复杂背景下的海陆分割精度较低、分割效果几乎失效的问题。本发 明可以有效处理复杂背景情形下的大幅面遥感图像的海陆分割问题，分割结果更为精准， 对基于海陆分离的相关技术研究如海洋目标检测影响较小，适用于对遥感图像进行批量处 理，实用性更强。
【附图说明】
[0016] 图1是本发明实施例提供的一种大幅面遥感图像海陆分割的方法的流程图，
[0017] 图2是本发明实施例提供的大幅面遥感图像的海陆分割方法的具体流程图；
[0018] 图3a是本发明实施例中为粗分割步骤中的遥感图像添加海岸线的流程图；
[0019] 图3b是本发明实施例中需用到的一卫星遥感多光谱原始示例图；
[0020] 图3c是本发明实施例中，在遥感示例图中添加海岸线后的结果图；
[0021] 图4a是本发明中粗分割步骤中的遥感图像海陆填充流程图；
[0022] 图4b是本发明实施例中，遥感示例图中海陆粗分割后的结果图；
[0023]图4c是本发明实施例中得到的局部海陆粗分割结果图；
[0024]图5是本发明实施例中海陆精细分割步骤中的自动提取训练集子图像和测试集子 图像流程图；
[0025] 图6是本发明实施例中获取位于有效遥感影像区域的海陆粗分割结果实例图；
[0026] 图7是本发明实施例中从原始遥感图像中分别提取全陆地区域、全海洋区域、以及 需进行精细海陆分割处理的海岸线附近区域和海岛区域流程图；
[0027] 图8是本发明实施例中自动提取相关区域子块的结果示例图；
[0028]图9a是图10中提取的部分全陆地训练集子图像；
[0029]图9b是图10中提取的部分全海洋训练集子图像；
[0030]图10a是本发明实施例中全陆地区域训练集对应的特征集的概率密度曲线；
[0031] 图10b是本发明实施例中全海洋区域训练集对应的特征集的概率密度区曲线；
[0032] 图11a是本发明实施例中全陆地训练集特征概率分布评估结果；
[0033] 图lib是本发明实施例中全海洋训练集特征概率分布评估结果；
[0034] 图12是本发明实施例中对测试集海陆精细分割结果进行形态学处理步骤流程图； [0035]图13是本发明实施例中对所述海陆粗分割结果图与所述海陆精细分割结果图进 行融合的流程图；
[0036] 图14为本发明实施例提供的一种大幅面遥感图像海陆分割的系统的结构示意图。
[0037] 图15为本发明实施例提供的一种大幅面遥感图像海陆分割的系统的详细结构示 意图。
【具体实施方式】
[0038]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。
[0039] 为了解决现有技术存在的问题，本发明提出的大幅面遥感图像的海陆分割方法主 要包括基于地理信息的遥感图像海陆粗分割和基于统计学习的海陆精细分割两个部分。该 方法首先利用遥感图像的经炜度信息，在全球一致化多层次高分辨率海岸线数据库 (GSHHS,A Global Self-consistent Hierarchical High-resolution Shoreline Database)的基础上填充大部分陆地区域，实现大幅面遥感图像的海陆粗分割，从而避免了 陆地区域背景过于复杂、地貌信息过于丰富、不易分析的问题。因海岸线数据库精度、人工 填海造陆、卫星图像拍摄角度等因素会造成部分遥感图像陆地区域，特别是海岸线附近区 域和海岛区域未被粗分割填充，因此需对这类区域进行精细海陆分割。根据海陆粗分割结 果，提取需进一步精细分割处理的区域子图像作为测试集，提取全陆地区域和全海洋区域 子图像作为训练集，对训练集图像建立基于局部信息熵特征的自适应概率统计学习模型， 利用该模型对测试集子图像进行基于局部信息熵的海陆精细分割。将基于地理信息的海陆 粗分割结果和海陆精细分割结果融合在一起，并对融合结果进行形态学处理，最终得到完 整的大幅面遥感图像海陆分割图像。
[0040] 如图1所示，为本发明实施例提供的一种大幅面遥感图像海陆分割的方法，步骤包 括：
[0041 ] A，对所述遥感图像进行海陆填充，获取海陆粗分割结果图；
[0042] B，结合所述海陆粗分割结果图对所述遥感图像进行分块提取，获取海陆精细分割 结果图；
[0043] C，将所述海陆粗分割结果图与所述海陆精细分割结果图进行融合，获取海陆分割 结果图。
[0044]以下结合图2对本发明实施例提供的一种大幅面遥感图像海陆分割的方法进行详 细的阐述：
[0045] A:进行海陆粗分割
[0046] 遥感图像的海陆粗分割过程是基于地理信息实现的，即借助于遥感图像4个顶点 对应的经炜度信息以及全球海岸线数据库GSHHS实现的。GSHHS数据库根据用户的不同需求 提供不同分辨率的海岸线数据文件，包括全分辨率数据文件gshhs_f. b、高分辨率数据文件 gshhs_h. b、中等分辨率数据文件gshhs_i . b、低分辨率数据文件gshhs_l. b、粗分辨率数据 文件gshhs_C.b。本节的海陆粗分割方法使用的海岸线数据文件为全分辨率数据文件 gshhs_f. b，即通过对gshhs_f. b文件中的原始经炜度数据进行组织、变换来实现为大幅面 光学遥感图像添加海岸线、海陆填充等功能。本实施例的海陆粗分割过程包括S1和S2两个 步骤：
[0047] SI:利用GSHHS数据库为遥感图像添加海岸线。
[0048]其中，步骤S1为遥感图像添加海岸线的流程，如图3a所示，具体步骤如下：
[0049] S11:输入某一遥感图像，读取与该遥感图像相对应的地理信息文件（.xml)，获得 遥感图像4个顶点A、B、C、D对应的经炜度坐标信息（latl，lonl)，（l