本发明属于图像处理领域，具体涉及一种SAR海岸图像中海岸线提取方法。
背景技术：
：海岸线是陆地和海洋的分界线，是海岸带的基本组成部分，同时也是划定海岸带范围的重要依据，由于人类活动和自然环境变化等因素的影响，海岸线不断变化，直接影响到海岸带的建设、管理和保护。因此，实现快速、准确、实时的海岸线监测对于临海国家的海岸带建设十分重要。合成孔径雷达(SyntheticApertureRadar，SAR)系统不受气候条件及日照的影响，可以全天候全天时对海岸线情况进行监测，目前已经成为海岸线监测的有效工具。但由于SAR系统特殊的成像机制使得SAR海岸图像含有大量的斑点噪声，对实现SAR海岸图像中海岸线提取造成极大干扰。因此，针对SAR海岸图像进行海岸线提取是图像处理研究领域中的热点和难点。目前，图像边缘检测方法被认为是SAR海岸图像中海岸线提取最为有效的方法，而以往的图像边缘检测方法大多是基于图像局部信息来进行提取的，如Canny算子、Sobel算子、Roberts算子、Prewitt算子和Laplacian算子等，虽然这些算子具有操作简单、运算速度快等优点，但是抗噪能力差，边缘定位不够准确，尤其是对含有大量斑点噪声的SAR图像，以上方法均不能取得较好的海岸线提取结果。经学者研究发现，G0分布是基于乘性噪声发展而来的统计分布模型，是目前SAR海岸图像数据建模的一个重要模型，利用G0分布对SAR海岸图像建模，可以有效的降低噪声对海岸线提取过程中的影响，并能够很好地描述SAR海岸图像中均匀、不均匀和极不均匀区域，对于海岸线提取有很大优势。技术实现要素：针对上述现有技术存在的不足，本发明提供一种SAR海岸图像中海岸线提取方法。本发明的技术方案：一种SAR海岸图像中海岸线提取方法，包括以下步骤：步骤1：获取SAR海岸图像；步骤2：确定图像中初始海洋区域和初始陆地区域：步骤2-1：将SAR海岸图像划分为大小相等的子块；步骤2-2：根据G0分布求解每个子块的形状参数和尺度参数α^=-1+n×m^1n×m^1-(n+1/2)m^1/22γ^=(-α^-1)×m^1/2]]>其中，n为等效视数，zi为子块中的第i个像素点的灰度值，R为子块中像素点的个数；步骤2-3：对设定阈值T，大于T的子块覆盖区域记为海洋，小于T的子块覆盖区域记为陆地，得到初始海洋区域和初始陆地区域；步骤3：计算初始海洋区域的几何中心；步骤4：以初始海洋区域的几何中心为起点，以θ为间隔角度向四周做射线，并将未经过初始陆地区域的射线删除；步骤5：确定第p条射线上的海岸边界点：步骤5-1：第p条射线所经过的像素点为其中j＝{1,2,…,mp}，mp为第p条射线所经过像素点个数，以及其周围的8个像素点作为子块，将该子块形状参数和尺度参数值作为像素点的形状参数和尺度参数步骤5-2：求出第p条射线所经过的每个像素点的似然函数l(j)值：l(j)=Σk=1jln(fG0(zkp;α^rp,γ^rp))+Σk=j+1mpln(fG0(zkp;α^bp,γ^bp))]]>其中，表示第p条射线上所有像素点的值的集合，表示第p条射线上所有像素点的值的集合，为第p条射线上第k个像素点的灰度值，Γ()代表伽马函数；步骤5-3：使|vj1-vj2|取最大值的第j个像素点为第p条射线上的海岸边界点，其中，步骤6：重复执行步骤5，直到找出所有射线上的海岸边界点；步骤7：将所有海岸边界点依次连接，得到海岸线。有益效果：一种SAR海岸图像中海岸线提取方法与现有技术相比，具有如下优势：(1)传统的边缘检测方法用于海岸线提取时难以克服SAR图像固有的斑点噪声，G0分布的参数对被测区域的地表复杂程度十分敏感，不仅适合对均匀区域、粗糙区域及极度粗糙区域进行精确建模，而且计算简单，是一种参数更少，更简单实用的统计分布模型；(2)方法易于实现，运行速度快，且适用于大尺度图像。附图说明图1为本发明一种实施方式的SAR海岸图像中海岸线提取方法流程图；图2为本发明一种实施方式的SAR海岸图像中海岸线提取方法的SAR海岸图像；图3为本发明一种实施方式的SAR海岸图像中海岸线提取方法的海洋区域获取流程图；图4为本发明一种实施方式的SAR海岸图像中海岸线提取方法子块划分示意图；图5为本发明一种实施方式的SAR海岸图像中海岸线提取方法的初始海洋区域示意图；图6为本发明一种实施方式的SAR海岸图像中海岸线提取方法的海岸边界点获取流程图；图7为本发明一种实施方式的SAR海岸图像中海岸线提取结果图，其中(a)为SAR海岸图像中海岸线提取结果，(b)为海岸线提取结果和SAR海岸图像叠加图；图8为本发明一种实施方式的基于Canny算子的SAR海岸图像中海岸线提取结果图，其中(a)为SAR海岸图像中海岸线提取结果，(b)为海岸线提取结果和SAR海岸线图像叠加图。具体实施方式下面结合附图对本发明的一种实施方式作详细说明。如图1所示，本实施方式的一种SAR海岸图像中海岸线提取方法，包括以下步骤：步骤1：获取SAR海岸图像，如图2所示；步骤2：如图3所示，确定初始海洋区域和初始陆地区域：步骤2-1：将待处理图像划分为大小相等的子块，如图4所示，将1024×1024的SAR海岸图像划分成大小为64×64的子块；步骤2-2：根据G0分布求解每个子块的形状参数和尺度参数推导过程如下：G0分布的概率密度函数为：fG0(z,α,γ)=2nn(n-α)γαΓ(-α)Γ(n)z2n-1(γ+nz2)n-α---(1)]]>其中，n为等效视数；α为形状参数；γ为尺度参数；Γ()代表伽马函数，z为像素点的灰度值；式(1)的r阶矩表达式为：mG0(Zr)=(γ2n)r/2Γ(-α-r/2)Γ(-α)Γ(n+r/2)Γ(n)---(2)]]>将r＝1和r＝1/2分别代入上式，得出1阶矩和1/2阶矩表达式为：m1/2=(γn)1/4Γ(-α-1/4)Γ(n+1/4)Γ(-α)Γ(n)m1=(γn)1/2Γ(-α-1/2)Γ(n+1/2)Γ(-α)Γ(n)---(3)]]>可推出：m1/22m1=Γ2(-α-1/4)Γ(-α)Γ2(-α-1/2)Γ2(n+1/4)Γ(n)Γ2(n+1/2)---(4)]]>为了求解α和γ，将1阶矩和1/2阶矩用1阶样本矩和1/2阶样本矩代替，即：m1/22m1=m^1/22m^1---(5)]]>其中1/2阶样本矩和1阶样本矩分别为：m^1/2=1RΣi=1Rzi1/2m^1=1RΣi=1Rzi---(6)]]>其中，zi为子块中的第i个像素点的灰度值，即样本；R为子块中像素点的个数；由上述公式得出子块的形状参数和尺度参数为：α^=-1+n×m^1n×m^1-(n+1/2)m^1/22γ^=(-α^-1)×m^1/2---(7)]]>步骤2-3：对设定阈值T，大于T的子块覆盖区域记为海洋，小于T的子块覆盖区域记为陆地，得到初始海洋区域和初始陆地区域；本实施方式中，阈值T为80；如图5所示，白色区域代表海洋，黑色区域代表陆地。步骤3：计算初始海洋区域的几何中心；本实施方式中，对初始海洋区域覆盖的所有像素点的横、纵坐标分别取平均值，并进行取整运算，得到初始海洋区域的几何中心Ch的坐标为(205，692)，如图5所示，白色海洋区域中的黑点即为海洋区域的几何中心。步骤4：以初始海洋区域的几何中心为起点，以θ为间隔角度向四周做射线，第p条射线为Lp，其中p＝{1,2,…360/θ}，并将未经过初始陆地区域的射线删除；本实施方式中，选取θ＝1°，第50-205条射线经过陆地区域。步骤5：如图6所示，确定第p条射线上的海岸边界点：步骤5-1：第p条射线所经过的像素点为其中j＝{1,2,…,mp}，mp为第p条射线所经过像素点个数，以及其周围的8个像素点作为子块，将该子块形状参数和尺度参数值作为像素点的形状参数和尺度参数步骤5-2：求出第p条射线所经过的每个像素点的似然函数l(j)值：l(j)=Σk=1jln(fG0(zkp;α^rp,γ^rp))+Σk=j+1mpln(fG0(zkp;α^bp,γ^bp))]]>其中，表示第p条射线上所有像素点的值的集合，表示第p条射线上所有像素点的值的集合，为第p条射线上第k个像素点的灰度值，Γ()代表伽马函数；步骤5-3：使|vj1-vj2|取最大值的第j个像素点即为第p条射线上的海岸边界点；似然函数l(j)单调递增，在海洋区域和陆地区域递增速度有所不同，在海洋区域增速慢，即相邻两点似然函数值差值较小，在陆地区域增速快，即相邻两点似然函数值差值较大，为第p条射线所经过第1个像素点的似然函数值l(1)到第j个像素点的似然函数值l(j)的平均增速；为第j个像素点的似然函数值l(j)到第mp个像素点的似然函数值l(mp)的平均增速。步骤6：重复执行步骤5，直到找出所有射线上的海岸边界点；步骤7：如图7(a)所示，将所有海岸边界点依次连接，得到海岸线；海岸线和原SAR图像叠加结果如图7(b)所示。利用现有Canny算子对SAR海岸图像提取海岸线，海岸线提取结果如图8(a)所示，海岸线和原SAR图像叠加结果如图8(b)所示。可以看出使用本发明方法得到的海岸线准确、连续，使用Canny算子得到的海岸线受陆地区域地物类型影响，有大量虚假海岸线，即噪声，且海岸线有不连续现象。当前第1页1 2 3