专利名称：基于sar图像检测海面溢油的方法和装置的制作方法
技术领域：
本申请涉及图像处理、遥感影像、海洋环境管理等技术领域，具体地，涉及基于SAR(Synthetic Aperture Radar,合成孔径雷达)图像检测海面溢油的方法和装置。
背景技术：
近些年来，海上溢油事件呈逐年扩大化趋势，检测和监视海面溢油区域的扩散和移动的技术引起了人们极大的关注，具有很闻的研究价值。目前，利用SAR图像进行溢油探测是国际上较为主要也是较好的手段。SAR图像利用海面产生的细微波浪在雷达图像上表现为亮色、而溢油区域表现为暗色的原理识别出受污染区域。SAR图像检测溢油的基本和关键步骤是找到图像中的黑斑区域，也就是极可能为溢油区域的地方，然后再进行下一步的判断和分析。手工绘出黑斑区域的方式费时费力且局限于人工的专业知识，计算机自动识别技术则能提高很多效率。但SAR图像形成过程中的斑点噪声会给计算机自动识别技术带来很大挑战。传统的光学图像的边缘检测方法(例如,Canny算子、Zero Crossing算子)由于强噪声的影响而不适合SAR图像分割。因此，很多整合边界信息和区域信息的算法被提出，其中的一种就是基于水平集的活动轮廓方法。水平集方法将曲线嵌入到高一维的曲面中，能够方便地表达曲线的几何参数，并且具有良好的拓扑变化结构和方便的数值离散化形式，因此被广泛地应用于图像分割。然而，利用非凸泛函模型的水平集方法特别依赖于初始位置的选择，从而使得最终结果不一定是全局极小值点或者所要分割的感兴趣区域。克服这一点往往需要人工辅助输入。然而，对于高分辨率的SAR图像来说，人工辅助输入的工作量是相当可观的。因此，如何自动地选择初始条件以得到所需结果是这类模型实现自动分割的一个重点。一些算法利用预处理的方法(例如图像恢复方法)去除噪声干扰，从而实现自动的水平集分割。然而，这种算法一方面不能有效地去噪且破坏了原有图像的一些固有信息，另外一方面还增加了算法的执行时间，降低了效率。本申请旨在提供一种方法和装置能够克服以上缺点中的至少之一，快速、准确地找到初始水平集位置，达到自动识别黑斑的目的。
发明内容
本申请的目的是提供一种基于SAR图像检测海面溢油的方法和装置，其能够从SAR图像中识别出用于水平集分割的初始零水平集，以自动检测SAR图像中的溢油区域。根据本申请的一方面，公开了一种基于SAR图像检测海面溢油的方法，包括通过对海面的SAR图像中的像素点灰度进行阈值分割，将所述SAR图像转换为二值图像；对于所述二值图像中每个像素点的预定大小的邻域，确定所述邻域中像素值为I的像素点的数量和/或比例是否大于预定值；识别像素值为I的像素点的数量和/或比例是否大于所述预定值的邻域；将识别出的所有邻域所构成的图像的边界作为检测用于水平集分割的初始零水平集以检测海面溢油。根据本申请的另一方面，公开了一种基于SAR图像检测海面溢油的装置，包括阈值分割模块，通过对海面的SAR图像中的像素点灰度进行阈值分割，将所述SAR图像转换为二值图像；确定模块，对于所述二值图像中每个像素点的预定大小的邻域，确定所述邻域中像素值为I的像素点的数量和/或比例是否大于预定值；识别模块，识别像素值为I的像素点的数量和/或比例是否大于所述预定值的邻域；边界提取模块，将识别出的所有邻域所构成的图像的边界提取出来作为检测用于水平集分割的初始零水平集以检测海面溢油。
图1为根据本申请一个示例性实施方式基于SAR图像检测海面溢油的方法的流程图；图2为本申请一个实施例中的带有溢油区域的SAR图像；图3为根据本申请一个示例性实施方式对图2的SAR图像经过阈值分割后得到的
二值图像；图4为根据本申请一个示例性实施方式对图3的二值图像进一步处理得到的图像，示出了极可能的黑斑区域；图5为根据本申请一个示例性实施方式以图4中识别出的边界位置作为初始零水平集进行水平集分割得到的结果；以及图6为根据本申请一个示例性实施方式基于SAR图像检测海面溢油的装置的框图。
具体实施例方式下面参照附图结合具体实施方式
对本申请的示例性实施方式进行描述。图1示出了根据本申请一个实施方式基于SAR图像检测海面溢油的方法100。如图所示，在步骤S101，对海面的SAR图像中的像素点灰度进行阈值分割，以将SAR图像转换为二值图像，找出可能的黑斑区域。阈值分割是一种基于区域的图像分割技术，其基本原理是通过设定灰度阈值将图像像素点分类。图2示例性地示出了带有溢油区域的SAR图像。从视觉上，可简单地依赖于图像的灰度值区别出黑斑区域和背景通常将灰度值比较低的区域识别为黑斑区域，而将灰度值比较高的区域识别为背景。例如，在图2中，中间部分颜色较深的带状部分通常可被识别为黑斑区域，而其它部分则被识别为背景。具体地，可设定灰度阈值，并将SAR图像中灰度值大于阈值的区域或像素点的像素值设定为1，将灰度值不大于阈值的区域或像素点的像素值设定为O。图2所示的SAR图像经过阈值方法生成的图像例如为图3所示。在一个实施例中，灰度阈值可如下设置lambda = O. 382*d_max+0. 618*d_min,其中，lambda是用于形成二值图像的灰度阈值,d_max和d_min分别是SAR图像中像素灰度的最大值和最小值。这样，SAR图像中像素值大于lambda的区域(或像素点)的像素值则设定为1，像素值不大于lambda的区域(或像素点)的像素值则设定为O。在另一实施例中，可基于黑斑区域的概率分布利用贝叶斯阈值方法确定灰度阈值。在这种情况下，灰度阈值可以是使图像的混合概率密度P(T) =p(o)p(x|o)+p(b)p(x|b)最大的T值。其中，X是图像像素，P (ο)和p(b)分别是黑斑区域0(图像中X < T的区域)和背景区域b(图像中x>T的区域)的概率，ρ(χ|ο)和p(x|b)分别是预先已知的黑斑区域ο和背景区域b的先验概率。p(0)和p(b)例如可以利用SAR图像的直方图统计得到。从图3所示的二值图像可以看到，应用阈值方法无法一次完成分割，因为噪声的干扰会使很多非黑斑区域也被标记为1，导致过度的分割。为了筛选出极可能的黑斑区域，在步骤S102，对于二值图像中每个像素点的预定大小的邻域，根据其中像素值为I的像素点的数量和/或比例确定该邻域是否为极可能的黑斑区域。具体地，可判断每个邻域中像素值为I的像素点的数量和/或比例是否大于预定值。在步骤S103，将识别出的极可能的黑斑区域的边界作为用于水平集演化的初始零水平集。例如，将像素值为I的像素点的数量和/或比例是否大于预定值的邻域识别为极可能的黑斑区域，并将其中全部像素点的像素值设为I;将像素值为I的像素点的数量和/或比例不大于预定值的邻域中的全部像素点的像素值设为-1。这样，根据图3所示的二值图像可进一步得到图4所示的图像，其中，中间的白色区域表示识别出的极可能的黑斑区域。在一个实施例中，可选择15X15的正方形块对整个图像逐点扫描，如果这个正方形块中绝大部分像素值为1，则把整个正方形区域中的像素点的像素值标记为1，视为极可能的黑斑区域。在这里，绝大部份像素值的数量为小于所选择正方形的面积值减去它的直径长度值后得到的值，其中直径长度值为区域中任意两点距离的最大值，例如实施例中区域直径长度为21。此后，在步骤S104，可利用该初始零水平集进行水平集演化以最终得到黑斑检测的轮廓。例如，可通过以下能量泛函来利用水平集方法求解图像分割问题
权利要求
1.基于SAR图像检测海面溢油的方法，包括 通过对海面的SAR图像中的像素点灰度进行阈值分割，将所述SAR图像转换为二值图像； 对于所述二值图像中每个像素点的预定大小的邻域，确定所述邻域中像素值为I的像素点的数量和/或比例是否大于预定值； 识别像素值为I的像素点的数量和/或比例是否大于所述预定值的邻域； 将识别出的所有邻域所构成的图像的边界作为检测用于水平集分割的初始零水平集以检测海面溢油。
2.如权利要求1所述的方法，其中，所述阈值分割包括 将所述SAR图像中灰度大于预定阈值的像素点的灰度设为O ;以及 将所述SAR图像中灰度不大于所述预定阈值的像素点的灰度设为I。
3.如权利要求2所述的方法，其中，所述预定阈值为O.382*d_max+0. 618*d_min, 其中，d_max和d_min分别为所述SAR图像中的像素点灰度的最大值和最小值。
4.如权利要求2所述的方法，其中，所述预定阈值是使所述SAR图像的混合概率密度P (T) = P (ο) P (x I o)+p (b)p(x|b)最大的 T 值， 其中，X是所述SAR图像中的像素点的像素值，P (ο)和p(b)分别是所述SAR图像中X<T和X > T的区域的概率,P (X I ο)和p(x|b)分别是预先已知的所述SAR图像中x < T和X > T的区域的先验概率。
5.如权利要求1所述的方法，其中，将识别出的像素值为I的像素点的数量和/或比例大于所述预定值的邻域中的全部像素点的像素值设为1，以及将识别出的像素值为I的像素点的数量和/或比例不大于所述预定值的邻域中的全部像素点的像素值设为-1。
6.如权利要求1所述的方法，其中，所述邻域为具有预定大小的正方形、圆形或多边形。
7.基于SAR图像检测海面溢油的方法，包括 通过对海面的SAR图像中的像素点灰度进行阈值分割，将所述SAR图像转换为二值图像； 对于所述二值图像中每个像素点的预定大小的邻域，确定所述邻域中像素值为I的像素点的数量和/或比例是否大于预定值； 在未识别出像素值为I的像素点的数量和/或比例是否大于所述预定值的邻域的情况下，基于所述二值图像人工识别用于水平集分割的初始零水平集以检测海面溢油。
8.基于SAR图像检测海面溢油的装置，包括 阈值分割模块，通过对海面的SAR图像中的像素点灰度进行阈值分割，将所述SAR图像转换为二值图像； 确定模块，对于所述二值图像中每个像素点的预定大小的邻域，确定所述邻域中像素值为I的像素点的数量和/或比例是否大于预定值； 识别模块，识别像素值为I的像素点的数量和/或比例是否大于所述预定值的邻域；边界提取模块，将识别出的所有邻域所构成的图像的边界提取出来作为检测用于水平集分割的初始零水平集以检测海面溢油。
9.如权利要求8所述的装置，其中，所述阈值分割模块将所述SAR图像中灰度大于预定阈值的像素点的灰度设为O，并将所述SAR图像中灰度不大于所述预定阈值的像素点的灰度设为I。
10.如权利要求9所述的装置，其中，所述预定阈值为O.382*d_max+0. 618*d_min, 其中，d_max和d_min分别为所述SAR图像中的像素点灰度的最大值和最小值。
11.如权利要求9所述的装置，其中，所述预定阈值是使所述SAR图像的混合概率密度P (T) = P (ο) P (x I o)+p (b)p(x|b)最大的 T 值， 其中，X是所述SAR图像中的像素点的像素值，P (ο)和p(b)分别是所述SAR图像中X<T和X > T的区域的概率，p(x|o)和p(x|b)分别是预先已知的所述SAR图像中x < T和X > T的区域的先验概率。
12.如权利要求8所述的装置，其中，所述识别模块将识别出的像素值为I的像素点的数量和/或比例大于所述预定值的邻域中的全部像素点的像素值设为1，以及将识别出的像素值为I的像素点的数量和/或比例不大于所述预定值的邻域中的全部像素点的像素值设为_1。
13.如权利要求8所述的装置，其中，所述邻域为具有预定大小的正方形、圆形或多边形。
14.如权利要求8所述的装置，还包括 指示模块，在未识别出像素值为I的像素点的数量和/或比例是否大于所述预定值的邻域的情况下，指示基于所述二值图像人工识别用于水平集分割的初始零水平集以检测海面溢油。
全文摘要
公开一种基于SAR图像检测海面溢油的方法和装置。该方法包括通过对海面的SAR图像中的像素点灰度进行阈值分割，将所述SAR图像转换为二值图像；对于所述二值图像中每个像素点的预定大小的邻域，确定所述邻域中像素值为1的像素点的数量和/或比例是否大于预定值；识别像素值为1的像素点的数量和/或比例是否大于所述预定值的邻域；将识别出的所有邻域所构成的图像的边界作为检测用于水平集分割的初始零水平集以检测海面溢油。
文档编号G06T7/00GK102999897SQ20111027773
公开日2013年3月27日 申请日期2011年9月19日 优先权日2011年9月19日
发明者张渊智, 刘强 申请人:香港中文大学