CN103020959B - 一种基于引力模型的海洋锋信息提取方法 - Google Patents
一种基于引力模型的海洋锋信息提取方法 Download PDFInfo
- Publication number
- CN103020959B CN103020959B CN201210485073.5A CN201210485073A CN103020959B CN 103020959 B CN103020959 B CN 103020959B CN 201210485073 A CN201210485073 A CN 201210485073A CN 103020959 B CN103020959 B CN 103020959B
- Authority
- CN
- China
- Prior art keywords
- pixel
- gravitation
- value
- neighborhood
- amplitude
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Landscapes
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
一种基于引力模型的海洋锋信息提取方法,所属领域是信息技术领域,主要用于海洋锋的自动提取。本发明提出了基于万有引力公式的引力模型,并基于该模型进行锋面检测。首先对选取的海洋表面温度数据进行中值滤波,去除相关噪声和细小边缘,对滤波后数据进行去0处理和归一化,利用函数增强处理后数据的对比度,最后利用万有引力公式计算3*3邻域像素对中心像素的引力和,选取合适阈值进行图像二值化,得到最终的海洋锋信息。本发明简单灵活,锋面定位精度高,能降低噪声对锋面检测的影响。
Description
技术领域
本发明涉及一种海洋锋信息提取方法,特别是一种基于引力模型的海洋锋信息提取方法,属于信息技术领域。
背景技术
海洋锋面是海洋水团特性明显不同的两种或几种水体之间的狭窄过渡带,对国民生产、国防及海洋、气象有重大影响。航空遥感为海洋锋信息提取提供了先进的技术手段。目前可用于海洋锋信息提取的可见光遥感卫星数据源主要包括低分辨率的NOAA卫星的AVHRR数据和Seasat的SeaWiFS数据。
对于海洋锋的检测,国内外的学者进行了长期的研究。直方图方法(Cayula & Cornillon,1992,1995)是对相关区域进行直方图检验,若直方图呈双峰型,则说明可能存在锋面信息;若直方图不呈双峰型,则可以确定该区域不存在锋面信息。对直方图呈双峰型的区域进行区域相关性检验,确定区域内是否存在两个独立水团,若存在两个独立水团则可以进行锋面的提取。Diehl et al(2001)通过半方差对锋面检测区域进行选定,针对选定的区域,基于直方图方法进行锋面检测。具体研究和实例可以在以下文献中查到:[1]CAYULA,J.F.andCORNILLON,P.1992.Edge detection algorithm for SST images.Journal of Atmospheric andOceanic Technology,9,pp.67-80.[2]CAYULA,J.F.and CORNILLON,P.1995.Multi-image edgedetection for SST images.Journal of Atmospheric and Oceanic Technology,12,pp.821-829.[3]DIEHL,F.,BUDD,W.,ULLMAN,D.and CAYULA,J.F.2001.Geographic window sizes appliedto remote sensing sea surface temperature front detection.Journal of Atmospheric and OceanicTechnology 19,pp.1105-1113.
Vázquez et al.(1998)提出一种基于熵的锋面检测算法。其主要包括两个步骤,一是基于熵的边缘检测,二是边缘连接。基于熵的边缘检测首先针对水平、垂直、两个对角线四个方向,选取两个相邻的5*5区域,计算两个区域的熵值,选取阈值,进行边缘检测。Shimada etal(2005)针对上述方法进行了改进,使用数学形态学方法取代边缘连接。具体研究和实例可以在以下文献中查到:[1]VAZQUEZ,D.and ATAE-ALLAH,C.1998.Entropic approach to edgedetection for SST images.Journal of Atmospheric and Oceanic Technology,16,pp.970-979.[2]SHIMADA,T.,SAKAIDA,F.,KAWAMURA,H.and OKUMURA,T.2005.Application of anedge detection method to satellite images for distinguishing sea surface temperature fronts near theJapanese coast.Remote Sensing of Environment,98(1),pp.21-34.
经典的边缘检测算法同样可用于海洋锋面检测。梯度强度算子(Sobel,Prewitt,Kirsch等)可用于海洋纹理分析(Sauter and Parson,1994)和环流的自动检测(Janowitz,1985)。二阶算子(the Laplacian or Laplacian of Gaussian)可用于海洋渔业检测(Savage et al.,1994)。Canny算子作为经典的边缘检测算子,同样可以用于海洋锋面提取。Oram and James(2007)用Canny算子进行南加州湾锋面的探测,Shi(2010)综合Canny算子和数学形态学,针对中国南海进行锋面检测。具体研究和实例可以在以下文献中查到:[1]SAUTER,D.,andPARSON,L.1994.Spatial filtering for speckle reduction contrast enhancement,and textureanalysis of GLORIA images.IEEE J.Oceanic Eng.,19,pp.563-576.[2]JANOWITZ,M.F.1985.Automatic detection of Gulf Stream rings.Office of Naval Research Tech.Rep.TR-J8501,Contr.N-00014-79-C-0629,45pp.[Available from Office of Naval Research,800N.Quincy St.,Arlington,VA 22217-5660.][3]SAVAGE,C.R.,PETRELL,R.J.and NEUFELD,T.P.1994.Underwater fish video images:Image quality and edge detection techniques.Can.Agric.End.,36,pp.175-183.[4]ORAM,J.,MCWILLIAMS,J.and STOLZENBACH,K.2008.Gradient-basededge detection and feature classification of sea-surface images of the southern California bight.Remote Sensing of Environment,112(5),pp.2397-2415.[5]SHI HANQING,ZHANG WEI andYIN ZHIQUAN.2010.Study on ocean front detection based on Canny operator and mathematicalmorphology.International Conference on Remote Sensing,978-1-4244-8729-5/10.
Sun et al(2007)提出基于万有引力定律的边缘检测算法,该算法是将数字影像的每一个像素点都作为一个天体,并将其像素值作为其质量,根据牛顿的万有引力定律,计算邻域像素对中心点的引力和,得到引力幅值,并基于Ostu方法得到阈值,最终得到边缘影像。张春雪(2011)利用两个非线性梯度为自变量的函数代替中心像素点的质量,并结合万有引力算法进行边缘检测。具体研究和实例可以在以下文献中查到:[1]Genyun Sun,Qinhuo Liu,Qiang liu al.A novel approach for edge detection based on the theory of universal gravity.PatternRecognition,2007,40(2007)2766-2775.[2]张春雪,陈秀宏.基于非线性滤波的万有引力边缘检测方法.计算机应用,2011,31(3):763-766.
目前海洋锋面提取多受到噪声的干扰,海洋锋面信息多属于弱信息,强度较低,检测效果易受到噪声和细小边缘的影响。一方面,当锋面信息定位精度高时,往往伴随着较大的噪声干扰;而当对噪声进行较好抑制时,锋面信息往往不能得到充分检测。基于万有引力定律的海洋锋面检测受噪声和细小边缘的影响较大,对像素值为0的像素的引力计算存在问题,且受到原始图像明暗程度的影响。
发明内容
本发明技术解决方案:为了克服现有锋面检测算法和引力计算在锋面检测上的不足,提供一种基于引力模型的海洋锋面信息提取方法,该方法对海洋锋面信息进行提取,提高了海洋锋面信息提取的精度和准确度,且能较好的抑制噪声和细小边缘的影响。
本发明的技术解决方案:基于引力模型的海洋锋信息提取方法,其特点在于:通过对原始数据的归一化和增强,基于引力公式计算邻域像素对中心点的引力和,并将各个像素点的引力值与预设的阈值比较,从而得到海洋表面温度锋信息,具体实现步骤如下:
步骤(1):读取海洋表面温度数据,数据格式为hdf,选取特定海洋锋面区域。对选取的海洋表面温度数据进行3*3模板的二维中值滤波,滤除相关噪声和细小边缘;
步骤(2):对滤波后的数据进行判定,若像素点值为0,则将该像素点加一个极小量0.001,若像素点值大于0,则将该像素点的值保留;
步骤(3):针对每一个像素点,选取该像素点的3*3邻域,将3*3邻域内的像素点同除该3*3区域中的最大值,达到对该3*3区域的归一化;
步骤(4):基于函数 进行数据增强,其中,Xnew(i,j)为增强后像素值,Xold(i,j)为原始像素值,para是3*3区域中心点与该区域最大值的比值;
步骤(5):针对3*3区域,基于和两式,计算8邻域中每一个像素对中心点像素的引力值,其中, 是3*3邻域像素与中心点的距离,k,l为8邻域像素的坐标,i,j为中心点的坐标,mk,l为8邻域像素的像素值,mi,j为中心像素的像素值,G为引力常量,可以取G为1,和分别8邻域像素点对中心点的x和y方向的引力值;当计算3*3邻域的引力时,将i,j作为原点,即取0;
因此,邻域像素对中心点像素的引力和为 中心点的引力幅值为其中,Fx和Fy分别为邻域像素对中心点像素x和y方向的引力。遍历海洋表面温度图像,计算每一个像素点的引力幅值;
步骤(6):基于得到的引力幅值,计算整个实验区域的累计引力直方图,选取引力累计直方图达到某一比例值时对应的引力值为阈值,然后对每一个像素点进行判定,若像素点的引力幅值大于阈值,则将该像素点作为锋面点,若该像素点点的引力幅值小于阈值,则将该像素点点作为非锋面点。
本发明与现有技术相比的优点在于:
(1)本发明基于去0处理,能够有效消除像素值为0的像素点对引力计算造成的干扰。通过引力计算公式可知,像素值为0的像素点在计算邻域像素对其的引力时,引力幅值均为0,这样会对最后的锋面检测效果造成影响。通过去0处理,可以部分消除此影响,能降低噪声对锋面检测的影响,锋面定位精度高,能够有效对锋面信息进行提取。
(2)本发明对3*3区域进行归一化,可以消除引力计算对原始数据明暗程度的依赖,提高引力计算的精度,并提高锋面提取的精度。
(3)本发明局部数据增强,可以加大数据对比度,从而提高锋面检测的精度,并且可以抑制和消除部分相关噪声和细小边缘的影响,为分析锋面时空演变机制与规律提供更为科学完备的数据资料支持。
(4)本发明简单灵活,易于实现。
附图说明
图1为本发明方法的流程框图;
图2a为黑潮区域2007年5月的月平均海表温度数据;
图2b为针对该区域,基于本发明的锋面信息提取结果;
图3a为墨西哥湾区域2008年5月的月平均海表温度数据;
图3b为针对该区域,基于本发明的锋面信息提取结果。
具体实施方式
下面结合附图及实施例详细阐述本发明的实现过程。
如图1所示,本发明方法实现为:首先针对研究区域选取海洋表面温度数据,对所选区域进行去0处理,针对每一个像素点,选取3*3邻域,对该区域数据进行归一化和数据增强,对增强后数据,利用引力公式,计算邻域像素对中心点像素的引力和,选取合适的阈值提取锋面信息。
以下数据处理使用的是Matlab作为平台。
1、数据准备
以黑潮区域(其跨度大约为25°33′N-34°33′N,121°5′E-143°33′E)2007年5月的月平均海洋表面温度数据和墨西哥湾区域(其跨度大约为24°30′N-38°39′N,67°12′W-81°19′W)2008年5月的月平均海洋表面温度数据为研究对象。
实验数据来自NOAA-11 AVHRR卫星的SST海温数据(the National Oceanic andAtmospheric Administration),数据分辨率为4km,由于地面点无数据,因此基于黑潮区域SST数据,可以得到黑潮区域的海洋温度范围是从0℃到33℃,基于墨西哥湾区域SST数据,可以得到墨西哥湾区域的海洋温度范围是从0℃到30.8℃。数据格式为hdf。
2、基于引力模型的海洋锋面信息提取
(1)遍历该区域,进行去0处理。当像素值为0时,将该像素值加上0.001作为该像素的新像素值;当像素值大于0时,保持该像素值不变。
(2)针对每一个像素点,选取其3*3邻域,将该3*3区域的像素同除该区域的最大值,对数据进行归一化。
(3)针对每一个归一化后的3*3区域,基于函数:
进行数据增强。其中,Xnew(i,j)为增强后像素值,Xold(i,j)为原始像素值,para是3*3区域中心点与该区域最大值的比值。
(4)基于引力公式计算3*3邻域像素对中心点像素的引力和。
(5)基于得到的引力值,计算图像累计引力直方图,选取引力累计直方图达到90%时对应的引力值为阈值。对每一个像素点进行判定。若点的引力幅值大于阈值,则将该点作为锋面点;若点的引力幅值小于阈值,则将该点作为非锋面点。
3、实验结果
图2a和图3a分别为选取的两个实验区域,其中图2a为黑潮区域,图3a为墨西哥湾区域。图2b和图3b分别为基于本发明的实验结果。由实验结果可知,本发明能够较好的提取锋面信息,并且同时抑制相关噪声和细小边缘的影响。能够针对不同的实验区域,提取较好的锋面信息,能够作为研究海洋锋面信息提取在空间、时间上分布规律的可靠数据基础。
本发明未详细阐述部分属于本领域公知技术。
以上所述,仅为本发明部分具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本领域的人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。
Claims (1)
1.一种基于引力模型的海洋锋信息提取方法,其特征在于,通过对原始数据的归一化和增强,基于引力公式计算邻域像素对中心点的引力幅值,并将各个像素点的引力幅值与预设的阈值比较,从而得到海洋表面温度锋信息,所述方法包括以下步骤:
步骤(1):读取海洋表面温度数据,数据格式为hdf,选取特定海洋锋面区域,对选取的海洋表面温度数据进行3*3模板的二维中值滤波,滤除相关噪声和细小边缘;
步骤(2):对滤波后的数据进行判定,若像素点值为0,则将该像素点加一个极小量0.001,若像素点值大于0,则将该像素点的值保留;
步骤(3):针对每一个像素点,选取该像素点的3*3邻域,将3*3邻域内的像素点同除该3*3邻域中的最大值,达到对该3*3邻域的归一化;
步骤(4):基于函数进行数据增强,其中,Xnew(i,j)为增强后像素值,Xold(i,j)为原始像素值,para是3*3邻域中心点与该邻域最大值的比值;
步骤(5):针对3*3邻域,基于和两式,计算8邻域中每一个像素对中心点像素的引力值,其中, 是8邻域像素与中心点的距离,k,l为8邻域像素的坐标,i,j为中心点的坐标,mk,l为8邻域像素的像素值,mi,j为中心像素的像素值,G为引力常量,和分别为8邻域像素点对中心点的x和y方向的引力值;当计算3*3邻域的引力时,将i,j作为原点,即取0;
因此,邻域像素对中心点像素的引力和为 中心点的引力幅值为其中,Fx和Fy分别为邻域像素对中心点像素x和y方向的引力,遍历海洋表面温度图像,计算每一个像素点的引力幅值;
步骤(6):基于得到的引力幅值,计算整个实验区域的累计引力直方图,选取累计引力直方图达到某一比例值时对应的引力幅值为阈值,然后对每一个像素点进行判定,若像素点的引力幅值大于阈值,则将该像素点作为锋面点,若该像素点的引力幅值小于阈值,则将该像素点作为非锋面点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210485073.5A CN103020959B (zh) | 2012-11-24 | 2012-11-24 | 一种基于引力模型的海洋锋信息提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210485073.5A CN103020959B (zh) | 2012-11-24 | 2012-11-24 | 一种基于引力模型的海洋锋信息提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103020959A CN103020959A (zh) | 2013-04-03 |
CN103020959B true CN103020959B (zh) | 2015-05-20 |
Family
ID=47969525
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210485073.5A Expired - Fee Related CN103020959B (zh) | 2012-11-24 | 2012-11-24 | 一种基于引力模型的海洋锋信息提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103020959B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107274420B (zh) * | 2017-06-15 | 2020-08-14 | 中国水产科学研究院东海水产研究所 | 基于图像分割的海洋锋面提取方法 |
CN108827904B (zh) * | 2018-06-19 | 2021-01-26 | 广东工业大学 | 基于太赫兹光谱的物质识别方法、装置、设备及存储介质 |
CN109086818B (zh) * | 2018-07-25 | 2022-02-25 | 中国海洋大学 | 海洋锋面识别方法和装置 |
CN110502801B (zh) * | 2019-07-25 | 2023-03-24 | 天津大学 | 海洋温度锋自动追踪和特征参数信息提取方法 |
CN113063906B (zh) * | 2021-02-09 | 2022-03-25 | 国家海洋局南海预报中心(国家海洋局广州海洋预报台) | 一种叶绿素a锋面的检测方法及装置 |
CN113111785A (zh) * | 2021-04-14 | 2021-07-13 | 国家海洋环境预报中心 | 海洋温度锋的特征参数提取方法和装置 |
CN116933014B (zh) * | 2023-09-14 | 2023-11-28 | 成都信息工程大学 | 一种干型昆明准静止锋的自动识别方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101894373A (zh) * | 2010-08-19 | 2010-11-24 | 潘海朗 | 采用外接矩形的气象传真图像锋线提取方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3233623B2 (ja) * | 2000-03-30 | 2001-11-26 | 学校法人東海大学 | 水温図作成方法とシステム |
-
2012
- 2012-11-24 CN CN201210485073.5A patent/CN103020959B/zh not_active Expired - Fee Related
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101894373A (zh) * | 2010-08-19 | 2010-11-24 | 潘海朗 | 采用外接矩形的气象传真图像锋线提取方法 |
Non-Patent Citations (3)
Title |
---|
Anovel approach for edge detection based on the theory of universal gravity;Genyun Sun等;《Pattern Recognition》;20071231(第40期);第2766-2775页 * |
Gradient-based edge detection and feature classification of sea-surface images of the Southern California Bight;John J.Oram等;《Remote Sensing of Environment》;20081231;第112卷(第5期);第2397-2415页 * |
基于非线性滤波的万有引力边缘检测方法;张春雪等;《计算机应用》;20110331;第31卷(第3期);第763-766页 * |
Also Published As
Publication number | Publication date |
---|---|
CN103020959A (zh) | 2013-04-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103020959B (zh) | 一种基于引力模型的海洋锋信息提取方法 | |
CN103413276B (zh) | 一种基于纹理分布特征的深度增强方法 | |
Sun et al. | A novel approach for edge detection based on the theory of universal gravity | |
Zheng et al. | Edge detection methods in digital image processing | |
CN103455991B (zh) | 一种多聚焦图像融合方法 | |
CN104361582B (zh) | 一种对象级高分辨率sar影像洪水灾害变化检测方法 | |
CN103020918B (zh) | 基于形状自适应邻域均值的非局部均值去噪方法 | |
CN106600625A (zh) | 检测小型生物的图像处理方法及装置 | |
CN104504652A (zh) | 一种快速有效保留边缘及方向特征的图像去噪方法 | |
CN104103041B (zh) | 超声图像混合噪声自适应抑制方法 | |
CN103279957A (zh) | 一种基于多尺度特征融合的遥感图像感兴趣区域提取方法 | |
CN107808161A (zh) | 一种基于光视觉的水下目标识别方法 | |
CN104574324A (zh) | 一种对地建筑群遥感图像频谱特性约束的去噪方法 | |
CN110400274B (zh) | 一种车载红外行人检测用红外图像增强方法 | |
CN105488787A (zh) | 基于几何活动轮廓模型的遥感图像海岸线检测方法 | |
CN102830404A (zh) | 基于距离像的激光成像雷达地面目标识别方法 | |
CN109003233A (zh) | 一种基于自适应权重全变分模型的图像去噪方法 | |
CN105608689B (zh) | 一种全景拼接消除图像特征误匹配方法及装置 | |
CN103745453A (zh) | 基于Google Earth遥感影像的城镇信息提取方法 | |
CN104036461A (zh) | 一种基于联合滤波的红外复杂背景抑制方法 | |
Xu-kai et al. | Automated detection of coastline using Landsat TM based on water index and edge detection methods | |
CN108805845A (zh) | 小波包与偏微分方程相结合的图像去噪方法 | |
CN108428221A (zh) | 一种基于shearlet变换的邻域双变量阈值去噪方法 | |
Lijun et al. | Geo‐information mapping improves Canny edge detection method | |
CN102314675B (zh) | 基于小波高频的贝叶斯去噪方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20150520 Termination date: 20171124 |