CN103134476A - 一种基于水平集算法的海陆分界线检测方法 - Google Patents
一种基于水平集算法的海陆分界线检测方法 Download PDFInfo
- Publication number
- CN103134476A CN103134476A CN201310031752XA CN201310031752A CN103134476A CN 103134476 A CN103134476 A CN 103134476A CN 201310031752X A CN201310031752X A CN 201310031752XA CN 201310031752 A CN201310031752 A CN 201310031752A CN 103134476 A CN103134476 A CN 103134476A
- Authority
- CN
- China
- Prior art keywords
- level set
- detection method
- remote sensing
- sea
- land
- 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.)
- Granted
Links
Images
Landscapes
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及一种基于水平集算法的海陆分界线检测方法,其包括以下步骤:1)采用GMT工具生成特定位置卫星所对应的海陆边界模板;2)对所述特定位置卫星摄取的待检测遥感图像进行预处理;3)对所述待检测遥感图像采用水平集算法进行处理,生成海陆边界线;4)对所述待检测遥感图像采用传统边缘检测方法进行检测,生成海陆边界线;5)将所述步骤3)和步骤4)所得到的两个不同的海陆边界线进行取交集运算,生成最终的海陆边界线。本发明可以广泛应用在遥感图像处理中。
Description
技术领域
本发明涉及一种图像检测方法,特别是关于一种适用于遥感数据红外通道图像的基于水平集算法的海陆分界线检测方法。
背景技术
气象卫星是我国观测系统的一个重要组成部分,它所获得的资料不仅在天气系统分析和天气预报中显示出独特的能力和作用,而且其应用范围已扩展到气候、自然灾害监测、海洋、水文、植被以及地球环境的动态监测等领域。
遥感卫星热变形、太阳光压、设备老化、仪器安装误差等多种因素都会引起卫星姿态(俯仰、滚动和偏航)发生变化,从而使得遥感仪器扫描镜指向随之变化,导致遥感卫星图像产生不同程度的几何失真,最终对于遥感定量产品反演和卫星遥感应用效果的提高以及卫星整体性能的发挥产生重大影响。为了修正在轨期间遥感仪器扫描镜的指向偏差,需要利用地标数据和实时遥感数据进行导航。其中,对海陆分界线的检测是一个非常重要的方面。由于遥感数据红外通道的图像,海陆边界比较模糊,噪声较大,传统的边缘检测方法比如Canny、Sobel等,阈值选择对检测结果影响很大,不能实现检测过程的自动化。现有的基于水平集的边缘检测算法,初始化对检测结果影响较大,且迭代次数多,检测速度慢。综上所述,现有检测方法不能实现快速、稳定和高准确度的海陆分界线的检测。
发明内容
针对上述问题,本发明的目的是提供一种快速、稳定和准确度高的基于水平集算法的海陆分界线检测方法。
为实现上述目的,本发明采取以下技术方案:一种基于水平集算法的海陆分界线检测方法,其包括以下步骤:1)采用GMT工具生成特定位置卫星所对应的海陆边界模板;2)对所述特定位置卫星摄取的待检测遥感图像进行预处理;3)对所述待检测遥感图像采用水平集算法进行处理,生成海陆边界线,包括以下步骤:①根据海陆边界模板对水平集函数进行初始化,生成初始边界线;②定义水平集演化方程,利用待检测遥感图像的灰度信息对水平集函数进行演化;③根据阈值和相邻两次演化中的零水平集曲线判断演化是否结束,如果演化未结束则将演化后的零水平集曲线定义为新的初始边界线返回步骤②再次进行演化;如果演化结束,此时的零水平集曲线为生成的海陆边界线;4)对所述待检测遥感图像采用传统边缘检测方法进行检测,生成海陆边界线;5)将所述步骤3)和步骤4)所得到的两个不同的海陆边界线进行取交集运算,生成最终的海陆边界线。
所述步骤2)对所述特定位置卫星所摄取的待检测遥感图像进行预处理采用均值滤波或中值滤波。
所述步骤4)对所述待检测遥感图像采用传统边缘检测方法进行检测采用Canny边缘检测方法或Sobel边缘检测方法。
本发明由于采取以上技术方案,其具有以下优点:1、本发明的海陆分界线检测方法首先采用GMT工具生成特定位置卫星所对应海陆边界模板,然后采用海陆边界模板对水平集函数进行初始化,并采用一种可扩展区域能量泛函推动曲线进行演化,直至收敛,实验结果表明本发明迭代次数少、稳定性好,检测速度快,可以实现海陆边界检测过程的全自动化。2、本发明通过水平集算法生成的海陆边界线的边缘是趋于圆滑的,在拐角比较大的区域,有可能导致海陆边界线的边缘出现检测错误,因此可以同时采用传统边缘检测方法检测出过量的边缘,然后与水平集算法生成的海陆边界线的结果取交集,因此可以有效保证得到海陆边界线边缘的正确性,准确度高。本发明可以广泛应用在遥感图像边缘检测中。
附图说明
图1是本发明的待检测遥感图像(完整图像);
图2是本发明的海陆边界模板示意图,深色部分为陆地区域,白色部分为水区域;
图3是本发明对待检测遥感图像(局部图像)的预处理结果示意图,图3(a)是预处理前的待检测遥感图像示意图,图3(b)是预处理后的待检测遥感图像示意图;
图4是本发明利用海陆边界模板对水平集函数进行初始化示意图;
图5是本发明的水平集演化结束示意图;
图6是本发明的待检测遥感图像经水平集演化后的结果示意图;
图7是本发明的待检测遥感图像经传统边缘方法检测后的结果示意图;
图8是本发明的待检测遥感图像的最终检测结果示意图。
具体实施方式
下面结合附图和实施例对本发明进行详细的描述。
本发明的基于水平集算法的海陆分界线检测方法,包括以下步骤:
1、根据某一特定位置卫星的相关参数信息,采用GMT(the Generic Mapping tools)工具生成特定位置卫星所对应的海陆边界模板;
GMT是现有的一款专用于绘制地图的软件,也是一个被地理学界广泛使用的绘图工具,可以完成海岸线、国界、河流的绘制。如图1、图2所示,海陆边界模板的大小与卫星所摄取的遥感图像大小一致,海陆边界模板中每个像素的位置所表示的地理信息是非常精确的即:每个像素的位置都代表准确的经纬度值,且海陆边界模板是一个二值图像,在此二值图像中像素大小为0表示陆地区域(如图2所示的深色区域),像素大小为1表示水区域(如图2所示的白色区域)。在实际使用中根据某一特定位置卫星的相关参数信息,采用GMT的pscoast工具,可以生成特定位置卫星的海陆边界模板,特定位置卫星的相关参数信息包括:图像绘制范围、图像投影方式和绘制时填充的颜色,例如:Pscoast-Rg-JG86.5/0/36000/90/0/180/60/60/9–Glightgray(-Rg表示绘制范围为半个地球,等同于-R0/360/-90/90;–JG表示投影方式为透视投影;86.5/0表示图像中心位置在东经86.5与赤道交点;36000表示卫星距地表的高度;90表示图像的上下方向为实际的南北方向;0表示倾斜度;180表示扭曲度;60/60/9表示宽、高及比例,-Glightgray表示用浅灰色进行颜色的填充)生成星下点为86.5的静止卫星视角下的海陆边界模板,海陆边界模板名称为“dd.ps”,为了使图像处理过程更加直观,可以采用GMT的ps2raster工具将.ps格式转换为栅格图像,例如:ps2raster dd.ps–A-E720(-A表示调整边框以确保能显示所有图像信息,-E720表示所生成位图的分辨率为720dpi)生成“dd.jpg”。
2、如图3所示,对待检测遥感图像进行预处理;
如图3(a)所示,特定位置卫星摄取的待检测遥感图像中存在较多噪声,因此可以采用均值滤波或中值滤波对待检测遥感图像进行滤波处理,结果如图3(b)所示。
3、对待检测遥感图像采用水平集算法进行处理,生成海陆边界线,包括以下步骤:
1)如图4所示,根据海陆边界模板对水平集函数进行初始化,生成初始边界线;
设水平集二维函数为φ(x,y),φ(x,y)=0表示零水平集曲线,初始化过程是对φ(x,y)进行初始化,具体初始化过程为:遍历海陆边界模板的所有像素,并根据海陆边界模板中每个像素值的大小,依次对水平集二维函数φ(x,y)进行初始化,生成初始化边界曲线。例如:若海陆边界模板中的某一像素值为0(0表示陆地区域),则将与此像素所对应的φ(x,y)置为负数(负数可以根据实验要求进行确定,在此不作限定,本发明实施例中负数值取-2),若海陆边界模板中的某一像素值为1(1表示水区域),则将与此像素所对应的φ(x,y)置为上述负数的相反数(本发明实施例中值为2)。
2)如图5所示,定义水平集演化方程,利用待检测遥感图像的灰度信息对水平集函数φ(x,y)进行演化;
式中:φ为水平集函数,t为时间(水平集函数φ是时间t的函数,t是水平集函数的演化时间),为梯度,div表示散度;-δε(φ)(λ1e1-λ2e2)驱动零水平集曲线向真实的边缘靠近, 表示狄拉克(Dirac)函数;
式中, 为标准差为σ的高斯核函数;
式中,υ为水平集曲线长度权重,μ为内部能量权重,λ1、λ2为收敛驱动力权重,ε为狄拉克(Dirac)函数的参数。本发明的实施例中σ=3.0,ε=1.0,λ1=1.0,λ2=2.0,Δt=0.1,μ=1和υ=0.004*255*255,I为待检测遥感图像,φ=0为零水平集曲线。
3)根据阈值和相邻两次演化中的零水平集曲线判断演化是否结束,如果演化未结束则将演化后的零水平集曲线定义为新的初始边界线返回步骤2)再次进行演化;如果演化结束,此时的零水平集曲线为生成的海陆边界线。
水平集演化方程的每一次演化(迭代)都会使零水平集曲线向待检测遥感图像中的边缘靠近,前后两次演化中零水平集曲线的变化在给定阈值范围内时,认为演化结束,阈值可以根据需要进行设定,在此不作限制,本发明所设定的阈值为95%,则当前后两次演化中零水平集曲线在95%以上重合时演化结束,此时演化边界线为生成的海陆边界线(如图6所示)。
4、如图7所示,对待检测遥感图像采用传统边缘检测方法进行检测,生成海陆边界线,传统边缘检测方法可以采用Canny边缘检测方法或Sobel边缘检测方法。
5、如图8所示,将步骤3和步骤4所得到的两个不同的海陆边界线进行取交集运算,得到最终的海陆边界线。
上述各实施例仅用于说明本发明,其中各方法的实施步骤等都是可以有所变化的,凡是在本发明技术方案的基础上进行的等同变换和改进,均不应排除在本发明的保护范围之外。
Claims (3)
1.一种基于水平集算法的海陆分界线检测方法,其包括以下步骤:
1)采用GMT工具生成特定位置卫星所对应的海陆边界模板;
2)对所述特定位置卫星摄取的待检测遥感图像进行预处理;
3)对所述待检测遥感图像采用水平集算法进行处理,生成海陆边界线,包括以下步骤:
①根据海陆边界模板对水平集函数进行初始化,生成初始边界线;
②定义水平集演化方程,利用待检测遥感图像的灰度信息对水平集函数进行演化;
③根据阈值和相邻两次演化中的零水平集曲线判断演化是否结束,如果演化未结束则将演化后的零水平集曲线定义为新的初始边界线返回步骤②再次进行演化;如果演化结束,此时的零水平集曲线为生成的海陆边界线;
4)对所述待检测遥感图像采用传统边缘检测方法进行检测,生成海陆边界线;
5)将所述步骤3)和步骤4)所得到的两个不同的海陆边界线进行取交集运算,生成最终的海陆边界线。
2.如权利要求1所述的一种基于水平集算法的海陆分界线检测方法,其特征在于:所述步骤2)对所述特定位置卫星所摄取的待检测遥感图像进行预处理采用均值滤波或中值滤波。
3.如权利要求1或2所述的一种基于水平集算法的海陆分界线检测方法,其特征在于:所述步骤4)对所述待检测遥感图像采用传统边缘检测方法进行检测采用Canny边缘检测方法或Sobel边缘检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310031752.XA CN103134476B (zh) | 2013-01-28 | 2013-01-28 | 一种基于水平集算法的海陆分界线检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310031752.XA CN103134476B (zh) | 2013-01-28 | 2013-01-28 | 一种基于水平集算法的海陆分界线检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103134476A true CN103134476A (zh) | 2013-06-05 |
CN103134476B CN103134476B (zh) | 2014-12-03 |
Family
ID=48494620
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310031752.XA Active CN103134476B (zh) | 2013-01-28 | 2013-01-28 | 一种基于水平集算法的海陆分界线检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103134476B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104077777A (zh) * | 2014-07-04 | 2014-10-01 | 中国科学院大学 | 一种海面舰船目标检测方法 |
CN104978741A (zh) * | 2015-06-10 | 2015-10-14 | 中国科学院遥感与数字地球研究所 | 一种基于水平集的水体边界时空无缝插值方法 |
CN109886134A (zh) * | 2019-01-25 | 2019-06-14 | 北京市遥感信息研究所 | 高分辨率全球数字高程模型图像的海陆信息索引编码方法 |
CN111353974A (zh) * | 2020-02-20 | 2020-06-30 | 凌云光技术集团有限责任公司 | 一种检测影像边界缺陷的方法及装置 |
US11114539B2 (en) | 2017-10-12 | 2021-09-07 | Power Integrations, Inc. | Gate stack for heterostructure device |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101976445A (zh) * | 2010-11-12 | 2011-02-16 | 西安电子科技大学 | 边缘和区域概率密度差相结合的水平集sar图像分割方法 |
CN102096820A (zh) * | 2011-01-12 | 2011-06-15 | 河南理工大学 | 数字图像中基于距离分布的正方形检测方法 |
CN102236894A (zh) * | 2010-04-30 | 2011-11-09 | 西门子公司 | 圆检测方法及装置 |
US20120155756A1 (en) * | 2010-12-20 | 2012-06-21 | Samsung Electronics Co., Ltd. | Method of separating front view and background and apparatus |
-
2013
- 2013-01-28 CN CN201310031752.XA patent/CN103134476B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102236894A (zh) * | 2010-04-30 | 2011-11-09 | 西门子公司 | 圆检测方法及装置 |
CN101976445A (zh) * | 2010-11-12 | 2011-02-16 | 西安电子科技大学 | 边缘和区域概率密度差相结合的水平集sar图像分割方法 |
US20120155756A1 (en) * | 2010-12-20 | 2012-06-21 | Samsung Electronics Co., Ltd. | Method of separating front view and background and apparatus |
CN102096820A (zh) * | 2011-01-12 | 2011-06-15 | 河南理工大学 | 数字图像中基于距离分布的正方形检测方法 |
Non-Patent Citations (1)
Title |
---|
沈琦等: "几何活动轮廓模型用于高分辨率遥感影像海岸线自动提取", 《复旦学报(自然科学版)》, vol. 51, no. 1, 28 February 2012 (2012-02-28), pages 77 - 82 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104077777A (zh) * | 2014-07-04 | 2014-10-01 | 中国科学院大学 | 一种海面舰船目标检测方法 |
CN104077777B (zh) * | 2014-07-04 | 2017-01-11 | 中国科学院大学 | 一种海面舰船目标检测方法 |
CN104978741A (zh) * | 2015-06-10 | 2015-10-14 | 中国科学院遥感与数字地球研究所 | 一种基于水平集的水体边界时空无缝插值方法 |
US11114539B2 (en) | 2017-10-12 | 2021-09-07 | Power Integrations, Inc. | Gate stack for heterostructure device |
CN109886134A (zh) * | 2019-01-25 | 2019-06-14 | 北京市遥感信息研究所 | 高分辨率全球数字高程模型图像的海陆信息索引编码方法 |
CN111353974A (zh) * | 2020-02-20 | 2020-06-30 | 凌云光技术集团有限责任公司 | 一种检测影像边界缺陷的方法及装置 |
CN111353974B (zh) * | 2020-02-20 | 2023-08-18 | 苏州凌云光工业智能技术有限公司 | 一种检测影像边界缺陷的方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN103134476B (zh) | 2014-12-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112949549B (zh) | 一种基于超分辨率的多分辨率遥感影像的变化检测方法 | |
US9734398B2 (en) | Method and apparatus for identifying object | |
CN104637073B (zh) | 一种基于太阳照射阴影补偿的带状地下结构探测方法 | |
CN103134476B (zh) | 一种基于水平集算法的海陆分界线检测方法 | |
US20210012120A1 (en) | System and Method for Free Space Estimation | |
CN105678754A (zh) | 一种无人机实时地图重建方法 | |
CN105335955A (zh) | 对象检测方法和对象检测装置 | |
CN102628942B (zh) | 一种雷达影像双视向信息补偿方法 | |
CN103198476B (zh) | 一种粗线型十字圆环标记的图像检测方法 | |
CN101826157B (zh) | 一种地面静止目标实时识别跟踪方法 | |
CN103325105B (zh) | 一种高精度合成孔径雷达图像自动配准方法及设备 | |
CN104574393A (zh) | 一种三维路面裂缝图像生成系统和方法 | |
CN105957058A (zh) | 一种星图的预处理方法 | |
CN103871039A (zh) | 一种sar图像变化检测差异图生成方法 | |
CN103914829B (zh) | 一种含噪图像边缘检测方法 | |
JP5548212B2 (ja) | 横断歩道標示検出方法および横断歩道標示検出装置 | |
CN104864852A (zh) | 一种基于密集控制点的高分辨率卫星姿态颤振探测方法 | |
CN104537675A (zh) | 一种sar图像双边cfar舰船目标检测方法 | |
Guo et al. | Visibility detection approach to road scene foggy images | |
CN105631849A (zh) | 多边形目标的变化检测方法及装置 | |
CN112837404B (zh) | 一种平面对象的三维信息的构建方法及装置 | |
CN103886289A (zh) | 方向自适应的水上桥梁目标识别方法及系统 | |
US10373321B2 (en) | Sun position tracking method based on black sun effect of image sensor, computer program stored in medium, and solar sensor using the same | |
Li et al. | Vehicle 3-dimension measurement by monocular camera based on license plate | |
CN113724205A (zh) | 图像变化检测方法、设备及存储介质 |
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 |