一种基于海浪理论的海面图像分割方法

本发明涉及海洋遥感技术领域，具体的说是一种基于海浪理论的海面图像分割方法。

背景技术：

随着近年来海洋探测技术的发展，光学遥感图像的分辨率变得越来越高，图像的数据量也随之增加。可见光和红外相机可以搭载在机载或者固定的平台上，具有分辨率高、使用方便等优点，在海洋观测中得到了广泛的应用，例如2014年09月10日申请的cn104034270a《一种基于无人机的水面油污监测方法和装置》。但是，光学传感器对海面成像受到多种因素的影响，例如观测角度、太阳高度角、海面粗糙度、传感器所在平台的运动和摇摆等，它们都容易造成图像中出现太阳耀斑、斑点噪声，这给利用光学图像定量提取海面信息带来很大不便。因此，在进行图像分析时，需要先对图像做区域分割、矫正，以方便后期的数据处理，也是进一步理解图像的基础。

目前应用较为广泛的图像分割算法包括基于阈值的分割算法、基于边缘的分割算法和基于区域的分割算法等。这些算法在一定程度上将具有特殊性质的目标区域提取出来，但仍存在对噪声敏感、图像被过度分割以及不能提供较好的区域结构等缺陷。与此同时，基于深度学习的图像分割算法在图像处理中也得到了应用，例如2020年08月28日申请的cn111598914a《一种基于不确定性引导的自适应图像分割方法》，但是它需要利用大数据集做训练学习，不适合用于短时间的实时海面观测。海洋遥感中常用小型无人机等平台获取海面的光学图像，它的观测几何变化快、成像时间短，传统的图像分割算法不能有效区分有效的海面信息。

针对现有的图像分割的算法技术的不足，本专利提出一种基于海浪的累积分布函数的模糊评价模型，依据符合海浪理论的隶属度函数更为准确地对采集的图像进行有效区域划分。

技术实现要素：

本发明要解决的技术问题是提供一种基于海浪理论的海面图像分割方法，适用于高分辨率光学传感器所观测到的海面图像，将海面图像分割后，能够获得具有有效海浪信息的图像数据，具有操作简单、适用性强等特点。

为解决上述技术问题，本发明采用的技术方案为：

一种基于海浪理论的海面图像分割方法，其特征在于：依据符合海浪理论的隶属度函数准确地对采集的图像进行区域划分，获得有效的海浪图像，具体步骤如下：

步骤1，读取原始图像数据，选定研究区域，对研究区域内图像做二维傅里叶变换，根据所得频谱的峰值确定主波波向；

步骤2，选取平行于主波波向的各个径向，找出其波峰和波谷的位置，再由相邻的波峰与波谷求出该径向包含的波浪的所有波长，然后对径向波长做直方图，得到该区域的波长分布，波长的均值和方差，以及相关物理参数；

步骤3，根据随机海浪理论建立海浪的波长的概率分布函数，将其作为海浪波长的理论隶属度函数；

步骤4，针对海浪波长的统计参数建立隶属度函数，将步骤2获得的海浪波长的统计参数代入建立的隶属度函数，计算隶属度值u；再将海浪观测点数据代入理论函数中，求出理论值u0，如果隶属度函数值u>u0，则选取的区域合理；否则，重新选取区域，并利用以上步骤判断其合理性。

所述的步骤3中建立的随机海浪波长的统计分布函数为：

式中，λ为波长，为平均波长，为平均波数，d为波高，

所述的步骤4中建立的隶属度函数为：

式中，u、v分别为波长隶属度矩阵和波浪观测点的聚类中心矩阵，是径向的第k个观测点属于第i类的海浪波长参数的隶属度值的m次方，而则是第k个观测点的xk到第i类聚类中心点vi距离的平方‖xk-vi||²；

隶属度函数中和vi的计算公式如下：

当j(u,v)取最小值时完成聚类，此时可根据所建立的隶属度函数来分析海浪观测点聚类的合理性，若uik>u0，则保留被检验观测点；反之则剔除这些观测点。

所述的海浪图像观测点的聚类判断变量，包括但不限于海浪波长、波长的均值及方差。

该种基于海浪理论的海面图像分割方法能够达到的有益效果为：通过获取海浪图像中观测区域的波数谱求得海浪波长，再根据随机海浪理论确定海浪波长的累计统计分布函数，是理想状态下海浪波长的隶属度函数关系，仅实现对海浪的初步聚类，无法完成对图像区域的准确划分，因而利用本算法可以精确计算波长的隶属度函数，最终对图像区域做出有效划分，具有精确度高，适用性强等优点。

附图说明

图1为本发明一种基于海浪理论的海面图像分割方法的算法流程图。

图2为本发明一种基于海浪理论的海面图像分割方法中观测到的海面图像示意图。

图3为本发明一种基于海浪理论的海面图像分割方法中两组不同区域图像的直方图。

具体实施方式

以下结合说明书附图和具体优选的实施例对本发明作进一步描述。

如图1所示的一种基于海浪理论的海面图像分割方法，依据符合海浪理论的隶属度函数准确地对采集的图像进行区域划分，获得有效的海浪图像，具体步骤如下：

步骤1，读取如图2所示的原始图像数据，将原始图像分割成若干区域，其中图2中的左下方框选区域为第一区域，右上方框选区域为第二区域；首先选定第一区域作为研究区域，对研究区域内图像做二维傅里叶变换，根据所得频谱的峰值确定主波波向；

步骤2，选取平行于主波波向的各个径向，找出其波峰和波谷的位置，再由相邻的波峰与波谷求出该径向包含的波浪的所有波长，然后对径向波长做直方图，得到该区域的波长分布，以及波长的均值和方差，以及相关物理参数；

步骤3，根据随机海浪理论建立海浪的波长的概率分布函数，将其作为海浪波长的理论隶属度函数；所述的随机海浪波长的统计分布函数为：

式中，λ为波长，为平均波长，为平均波数，d为波高，

步骤4，针对海浪波长的统计参数建立隶属度函数，所述的隶属度函数为：

式中，u、v分别为波长隶属度矩阵和波浪观测点的聚类中心矩阵，是径向的第k个观测点属于第i类的海浪波长参数的隶属度值的m次方，而则是第k个观测点的xk到第i类聚类中心点vi距离的平方||xk-vi||²；该式中观测点的聚类没有确定的判断变量，可以依据波长，均值或方差等来进行聚类分析。

隶属度函数中和vi的计算公式如下：

当j(u,v)取最小值时完成聚类，此时可根据所建立的隶属度函数来分析海浪观测点聚类的合理性，若uik>u0，则保留被检验观测点；反之则剔除这些观测点。

将步骤2获得的海浪波长的统计参数代入建立的隶属度函数，计算隶属度值u；再将海浪观测点数据代入理论函数中，求出理论值u0，若隶属度函数值u大于u0，第一区域选取合理。即第一区域图像内包含有效的海浪信息。

重新选取第二区域作为研究区域，并利用以上步骤判断其合理性。若隶属度函数值u小于u0，则第二区域图像内不包含有效的海浪信息，可剔除该区域。

以上仅是本发明的优选实施方式，本发明的保护范围并不仅局限于上述实施例，凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理前提下的若干改进和润饰，应视为本发明的保护范围。