CN105205801B - 基于变化检测的围填海信息提取方法及装置 - Google Patents
基于变化检测的围填海信息提取方法及装置 Download PDFInfo
- Publication number
- CN105205801B CN105205801B CN201410819544.0A CN201410819544A CN105205801B CN 105205801 B CN105205801 B CN 105205801B CN 201410819544 A CN201410819544 A CN 201410819544A CN 105205801 B CN105205801 B CN 105205801B
- Authority
- CN
- China
- Prior art keywords
- image
- cardiac events
- perioperative cardiac
- region
- pending
- 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.)
- Active
Links
Abstract
本发明公开了一种基于变化检测的围填海信息提取方法及装置,该方法包括:对参考影像和待处理影像进行初步配准及仿射变换,得到变换后待处理影像;以所述配准时的影像变换参数对白板图像进行变换,基于变换后白板图像得到所述参考影像与待处理影像的重叠区域;在重叠区域中分别提取所述变换后待处理影像和掩模后参考影像的边缘二值图,得到初步围填海区域;基于初步围填海区域选取感兴趣区域;基于分水岭算法对两个感兴趣区域进行分割,并基于光谱异质性对分割后的影像进行图斑合并;基于两幅所述分割后的图像的特征量对所述参考影像和待处理影像进行分类;基于分类结果得到围填海区域。本发明可实现对围填海信息的提取,自动化程度较高。
Description
技术领域
本发明涉及图像处理技术领域,具体涉及一种基于变化检测的围填海信息提取方法及装置。
背景技术
围填海是近岸海域的热点用海方式,围填海在给人类带来经济效益和社会效益的同时,也对近海的生态环境产生了极大的负面影响,采用科学的技术手段进行海岸带调查能为监管部门提供有力的科学依据。遥感技术因其快速、准确、大范围的对地观测能力而成为海域调查的有力手段。《海籍调查规程》(HY/T 124—2009)将海域使用类型划分为9个一级类和25个二级类,其中主要的围填海类型包括港口建设用海、城镇建设用海、围垦用海、围海养殖、盐田用海和未分类用地等。
目前,关于围填海信息提取的文献资料较少。徐进勇等提出的围填海遥感监测方法研究,依据“908”专项的海域使用分类体系,基于围填海类型在HJ-1CCD卫星影像上的分布特征,建立了中分辨率多光谱卫星标准假彩色合成影像关于围填海遥感分类系统和相应围填海类型的解译标志,通过目视解译提取围填海信息。
吴正鹏等提出的基于多源遥感影像的围填海监测,以天津南港工业区为例,将多时相卫星遥感影像进行叠加显示,通过计算机解译与目视解译相结合的方法得到围填海区域。
朱丽丽等提出的基于数据挖掘的遥感影像围填海智能检测方法研究,基于不同时相同区域的Landsat TM卫星影像,采用数据挖掘中的关联规则算法,挖掘了围填海检测规则,提取了影像中围填海区域。
鞠明明提出的基于面向对象图像分析的围填海工程遥感信息提取技术研究,采取分级分类的方法对高分辨率遥感影像中围填海工程区域的地物进行了分类和提取,第一级分类以地物光谱特征为主导的监督分类,将遥感图像地物划分为水体、建设用地、滩涂、植被和未分类用地等类型;第二级分类是在一级分类基础上,根据地物的基元特征建立知识规则,提取专题地物养殖水域和堤坝,也就是将水体细分类为海域、养殖水域和其他内陆水体;将建设用地细分类为堤坝和其他建设用地。
上述现有技术中,大部分围填海检测方法利用ERDAS、ArcGIS等专业遥感影像处理软件来实现,智能化、自动化程度较低,很大程度上需要依赖目视解译工作。
发明内容
有鉴于此,为克服上述至少一个缺点,并提供下述至少一种优点。本发明公开了一种基于变化检测的围填海信息提取方法及装置。
为解决上述技术问题,本发明采用以下技术方案:一种基于变化检测的围填海信息提取方法,包括:
步骤S10、将采集的前期影像作为参考影像,将采集的后期影像作为待处理影像,对所述参考影像和待处理影像进行配准,利用坐标初步配准后,获得同名点,利用所述同名点对所述待处理影像进行仿射变换,得到变换后待处理影像;
步骤S20、以所述配准时的变换参数对白板图像进行变换,得到变换后白板图像,基于所述变换后白板图像对所述参考影像进行二值掩模求与,得到所述参考影像与所述待处理影像的重叠区域;
步骤S30、在所述重叠区域中分别提取所述变换后待处理影像和掩模后参考影像的边缘二值图,对两幅所述边缘二值图进行处理得到围填海区域二值图,基于所述围填海区域二值图对所述变换后待处理影像进行处理,得到初步围填海区域;
步骤S40、基于所述初步围填海区域在所述参考影像和所述待处理影像中分别选取感兴趣区域;
步骤S50、基于分水岭算法对两个所述感兴趣区域进行分割,并基于光谱异质性对所述分割后的影像进行图斑合并;
步骤S60、分别提取两幅所述分割后的图像的特征量,基于特征量以及样本库对所述参考影像和待处理影像进行分类;以及
步骤S70、基于分类结果对所述感兴趣区域进行面向对象的变化检测,根据检测结果得到围填海区域。
如上所述的基于变化检测的围填海信息提取方法,在一种可能的实现方式中,所述步骤S10具体包括:
步骤S11、分别采集不同时期的可见光影像,将前期影像作为参考影像,将后期影像作为待处理影像;
步骤S12、根据所述参考影像和所述待处理影像的地理坐标信息对所述参考影像和所述待处理影像进行初步配准,得到大致对应关系;
步骤S13、在所述大致对应关系的基础上,分别提取所述初步配准后的所述参考影像和所述待处理影像的特征点;
步骤S14、在所述参考影像的特征点的邻域范围内,与经初步配准的所述待处理影像进行特征点匹配,获得所述参考影像和经初步配准的所述待处理影像的同名点;
步骤S15、利用RANSAC算法对所述同名点进行粗差剔除,得到精确的同名点;以及
步骤S16、利用精确的同名点对所述待处理影像进行仿射变换,得到变换后待处理影像。
如上所述的基于变化检测的围填海信息提取方法,在一种可能的实现方式中,所述步骤S20中基于式(1)计算所述重叠区域:
I1_c=I1.*(I3.*p) (1)
其中,I1为所述参考影像,I3为与所述参考影像尺寸相同的白板影像,p为所述配准过程中得到的变换参数。
如上所述的基于变化检测的围填海信息提取方法,在一种可能的实现方式中,所述步骤S30具体包括:
步骤S31、采用基于Canny算子的边缘提取方法分别提取所述变换后待处理影像和掩模后参考影像的边缘二值图;
步骤S32、对两幅所述边缘二值图分别进行膨胀和孔洞填充,利用小面积连通域去除海面上的小的干扰区域,然后再经过与膨胀相同参数的腐蚀操作,得到两幅所述海陆分割二值图;
步骤S33、对两幅所述海陆分割二值图进行差分计算得到围填海区域二值图;以及
步骤S34、基于所述围填海区域二值图对所述待处理影像进行二值掩模求与,得到初步围填海区域。
如上所述的基于变化检测的围填海信息提取方法,在一种可能的实现方式中,所述步骤S40中以所述初步围填海区域周围100像素的矩形范围作为感兴趣区域。
如上所述的基于变化检测的围填海信息提取方法,在一种可能的实现方式中,所述步骤S50中,基于式(2)计算所述光谱异质性,并且,如果所计算出的光谱异质性小于设置的图斑阈值,则对所述光谱异质性对应的区域进行合并;
其中,hcolor表示光谱异质性,nmerge表示合并后的图斑像元数,n1、n2分别表示合并前的两个图斑像元数,分别表示合并前的两个图斑的标准差,表示合并后的图斑标准差,c表示波段总数。
如上所述的基于变化检测的围填海信息提取方法,在一种可能的实现方式中,所述步骤S60中的特征量包括:两幅所述分割后的图像中的各个图斑的纹理特征值,以及对两幅所述分割后的图像进行hough变换直线检测所得到的直线数,所述纹理特征值包括熵、逆差矩、能量以及对比度。
如上所述的基于变化检测的围填海信息提取方法,在一种可能的实现方式中,所述步骤70中,根据所述分类后的参考影像和所述待处理影像的感兴趣区域内对应位置属性值的不同,得到变化区域,所述变化区域对应围填海区域。
一种基于变化检测的围填海信息提取装置,包括:
配准模块,用于将采集的前期影像作为参考影像,将采集的后期影像作为待处理影像,对所述参考影像和待处理影像进行配准,利用坐标初配准后,获得同名点,利用所述同名点对所述待处理影像进行仿射变换,得到变换后待处理影像;
重叠区域获取模块,用于以所述配准时的变换参数对白板图像进行变换,得到变换后白板图像,基于所述变换后白板图像对所述参考影像进行二值掩模求与,得到所述参考影像与所述待处理影像的重叠区域;
初步围填海区域计算模块,用于在所述重叠区域中分别提取所述变换后待处理影像和掩模后参考影像的边缘二值图,对两幅所述边缘二值图进行处理得到围填海区域二值图,基于所述围填海区域二值图对所述变换后待处理影像进行处理,得到初步围填海区域;
感兴趣区域选取模块,用于基于所述初步围填海区域在所述参考影像和所述待处理影像中分别选取感兴趣区域;
分割模块,用于基于分水岭算法对两个所述感兴趣区域进行分割,并基于光谱异质性对所述分割后的影像进行图斑合并;
分类模块,用于分别提取两幅所述分割后的图像的特征量,基于特征量以及样本库对所述参考影像和待处理影像进行分类;以及
检测模块,用于基于分类结果对所述感兴趣区域进行面向对象的变化检测,根据检测结果得到围填海区域。
如上所述的基于变化检测的围填海信息提取装置,在一种可能的实现方式中,所述配准模块包括:
采集单元,用于分别采集不同时期的可见光影像,将前期影像作为参考影像,将后期影像作为待处理影像;
配准单元,用于根据所述参考影像和所述待处理影像的地理坐标信息对所述参考影像和所述待处理影像进行初步配准,得到大致对应关系;
特征点提取单元,用于在所述大致对应关系的基础上,分别提取所述初步配准后的所述参考影像和所述待处理影像的特征点;
同名点匹配模块,用于在所述参考影像的特征点的邻域范围内,与经初步配准的所述待处理影像进行特征点匹配,获得所述参考影像和经初步配准所述待处理影像的同名点;
剔除单元,用于利用RANSAC算法对所述同名点进行粗差剔除,得到精确的同名点;以及
仿射变换单元,用于利用精确的同名点对所述待处理影像进行仿射变换,得到变换后待处理影像。
如上所述的基于变化检测的围填海信息提取装置,在一种可能的实现方式中,所述初步围填海区域计算模块包括:
边缘提取单元,用于采用基于Canny算子的边缘提取方法分别提取所述变换后待处理影像和掩模后参考影像的边缘二值图;
二值图获取单元,用于对两幅所述边缘二值图分别进行膨胀和孔洞填充,利用小面积连通域去除海面上的小的干扰区域,然后再经过与膨胀相同参数的腐蚀操作,得到两幅所述海陆分割二值图;
差分计算单元,用于对两幅所述海陆分割二值图进行差分计算得到围填海区域二值图;以及
二值计算单元,基于所述围填海区域二值图对所述待处理影像进行二值掩模求与,得到初步围填海区域。
通过采用上述技术方案,本发明的所达到的有益效果为:通过对不同时间的可见光影像进行配准,通过重叠区域获取、海陆分割等过程能够获得准确的围填海区域,并实现了从围填海提取到围填海类型分析的信息提取的完整过程;增加了对图像中线状特征的提取,并用于构建用海类型识别的特征矢量,提高了围填海信息提取精度;综上本发明通过采用图像配准、图像分割、围填海提取、围填海分类等方法对影像进行智能化处理,可实现对围填海信息的提取,自动化程度较高。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对本发明实施例描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据本发明实施例的内容和这些附图获得其他的附图。
图1为本发明一个实施例提供的基于变化检测的围填海信息提取方法的流程图;
图2为本发明一个实施例提供的影像配准的流程图;
图3为本发明一个实施例提供的海陆分割的流程图;
图4为本发明一个实施例提供的邻域范围示意图;
图5为本发明一个实施例提供的图斑合并的流程图;
图6为本发明另一个实施例提供的基于变化检测的围填海信息提取装置的结构示意图。
具体实施方式
为使本发明解决的技术问题、采用的技术方案和达到的技术效果更加清楚,下面将结合附图对本发明实施例的技术方案作进一步的详细描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
下面结合附图并通过具体实施方式来进一步说明本发明的技术方案。
通过上述背景技术中的描述可知,现有技术中的大部分围填海信息提取方法多采用目视解译方法,自动化程度较低;而且仅利用单幅影像的围填海信息提取,未进行围填海区域检测,直接将整幅影像作为围填海区域进行围填海用海分类;或只对多幅卫星影像进行叠加显示;也未充分利用围海养殖区与围海盐田区的网格线状特征。本发明人通过采用图像配准、图像分割、围填海提取、围填海分类等方法对图像进行智能化处理,该围填海信息提取方法的主要思想是利用不同时间的可见光影像获取在该时间段增加的围填海区域,并基于所获得的围填海区域进行围填海类型分类,不需过多的人工干预即可实现对围填海信息的提取。
实施例1
如图1所示,为本发明一个实施例提供的基于变化检测的围填海信息提取方法的流程图,该方法具体包括以下步骤:
步骤S10、将不同时期的前期影像I1和后期影像I2进行影像配准;
如图2所示,该步骤具体包括:
步骤S11、分别读取不同时期的可见光影像,将前期影像I1作为参考影像,将后期影像I2作为待处理影像;
步骤S12、根据前期影像I 1和后期影像I2的地理坐标信息对该两幅影像进行初步配准,得到两幅影像的大致对应关系;
步骤S13、在初步配准得出的大致对应关系的基础上,分别提取初步配准后的两幅影像I1和I2的sift特征点;
步骤S14、在参考影像I1的特征点的一定邻域范围,例如几个像素的范围内,与经过初步配准的待处理影像I2进行特征点匹配,获取参考影像I1和经初步配准的待处理影像I2的同名点;
步骤S15、利用RANSAC算法对同名点进行粗差剔除,剔除误匹配点,得到精确的同名点;
步骤S16、利用精确的同名点对待处理影像I2进行仿射变换,仿射变换时采用沿参考影像I1边界范围裁剪的方式实现,得到变换后待处理影像。
步骤S20、以配准时时的影像变换参数对与参考影像I1相同尺寸的白板图像I3(灰度值均为1的图像)进行影像变换,得到变换后的白板图像I3,利用变换后的白板图像I3对参考影像I1进行二值掩膜求与,得到掩模后的参考影像,以及参考影像I1与待处理影像的重叠区域。
其中,影像变换参数包括旋转系数或缩放系数等;
经过步骤S11的影像配准后需计算参考影像I1和待处理影像I2的重叠区域,才能在后续步骤中对两幅影像进行差分计算,得到围填海区域。
本步骤中,设影像变换参数为p,则参考影像I1与变换后待处理影像对应的的重叠区域根据式(1)来计算:
I1_c=I1.*(I3.*p) (1)
其中,I1为参考影像,I3为与所述参考影像尺寸相同的白板影像,p为所述配准过程中得到的变换参数,该变换参数包括初步配准过程和精确配准过程两个部分的变换参数,即p=p1*p2,p1为初步配准变换参数,p2为精配准变换参数。
步骤S30、在重叠区域中进行海陆分割,如图3所示,具体包括:
步骤S31、在重叠区域中,分别对变换后的待处理影像与掩模后的参考影像进行边缘提取;
具体地,本实施例中采用基于Canny算子的边缘提取,而且阈值需要设置较小的值,例如0.02和0.05,以确保所提取的边缘二值图的细化程度以及提取尽量多的边缘信息。
步骤S32、对所提取的两幅边缘二值图进行处理得到两幅海陆分割二值图;
对两幅边缘二值图分别通过膨胀和孔洞填充,利用小面积连通域去除海面上的小的干扰区域,然后再经过与膨胀相同参数的腐蚀操作,得到两幅海陆分割二值图。
步骤S33、对两幅海陆分割二值图进行差分计算,得到围填海区域二值图;
步骤S34、以此围填海区域二值图对配准后待处理影像进行二值掩膜求与,得到初步围填海区域。
为了在一定范围内尽可能锁定围填海检测目标区域,通过海陆分割的二值图差分初步得到围填海区域。
步骤S40、以所获得的初步围填海区域一定邻域范围内在变换后两幅影像中所对应的区域为后续研究对象,即感兴趣区域;
本步骤中,如图4所示,初步围填海区域一定邻域范围可以是例如100像素的矩形范围。
步骤S50、基于分水岭算法对两个感兴趣区域进行分割,并根据光谱异质性对分割后的影像进行图斑合并;
具体地,如图5所示,包括以下步骤:
步骤S51、基于分水岭算法对两个感兴趣区域进行分割;
步骤S52、根据式(2)计算合并后的图斑标准差与合并前两图斑标准差之和的差,并按面积进行加权,得到光谱异质性:
其中,hcolor表示光谱异质性,nmerge表示合并后的图斑像元数,n1、n2分别表示合并前的两个图斑像元数,分别表示合并前的两个图斑的标准差,表示合并后的图斑标准差,c表示波段总数。
步骤S53、考虑到围填海各用地类型的特点,设置图斑阈值和光谱异质性阈值,并将光谱异质性作为合并代价指标,判断所计算出的光谱异质性是否小于阈值;
步骤S54、将面积或光谱异质性小于相应阈值的区域进行合并,得到两幅最终分割图像。
步骤S60、分别以两幅最终分割图像中的各个图斑为对象,提取其纹理特征值;另外,考虑到围海养殖区和盐田区域的网格特征,对两幅最终分割图像进行hough变换直线检测,得到直线数;将纹理特征值和直线数作为特征量,基于样本库神经网络判定两幅分割后影像的地物类型。
图像在某个颜色空间下,颜色空间的三个分类分别为C1,C2和C3,设m=Ck,n=Ck',m和n分别为三个颜色分量组合空间(k,k'∈{1,2,3})中的两个成分,用颜色共生矩阵CCMm,n表示对图像中像素颜色成分Ck与Ck',即m与n空间相互作用的测量。假设其第k个颜色分量值为i,即m=i,第k'个颜色分量值为j,即n=j,则用矩阵中的元素CCMm,n(i,j)来表示图像中这样的像素出现的次数,即对于颜色共生矩阵以式(3)来表示:
其中,CCMm,n(i,j)表示各分量组合共生矩阵。
利用HIS变换,将影像转换到HIS颜色空间,对图像HIS各颜色分量进行L级量级化,根据公式(3)计算各颜色分量共生矩阵,基于式(4)-(7)计算纹理特征值,即熵、逆差矩、能量以及对比度:
其中,ENT表示熵,ρ(i,j)表示颜色共生矩阵,即CCMm,n(i,j);
其中,IDM表示逆差矩;
其中,ASM表示能量,即角二阶矩;
其中,CON表示对比度,即惯性矩。
由于在HIS颜色空间中,CCMH,H、CCMS,S、CCMI,I三个矩阵对纹理区分作用不大,故本发明只采用CCMH,S、CCMH,I、CCMI,S三个矩阵进行计算。
具体地,提前建立训练样本库,选取包括城镇建设用地、港口、养殖区、盐田、海域及其他干扰地物的几种地物类型作为训练样本,以与上述步骤相同方法进行特征量的提取,基于所选取的训练样本训练BP神经网络参数,并在本步骤中,基于训练好的神经网络对各图像分割区域进行地物类型识别。
步骤S70、基于分类结果对上述感兴趣区域进行面向对象的变化检测,根据变化检测结果得到围填海区域。
具体地,对不同类型的地物赋予不同属性值,根据分类后参考影像和待处理影像感兴趣区域内对应位置属性值的变化,得到由海域变为其他用地类型的区域,即精确的围填海区域。通过上述过程最终得到围填海区域及其用地类型信息。
其中在训练样本库中增加围填海区域干扰地物的训练样本,可以对海陆分割中的误检区域进行剔除,提高信息提取精度。
实施例2
如图5所示,为本发明另一个实施例提供的基于变化检测的围填海信息提取装置的结构示意图,该围填海信息提取装置100包括:配准模块10、重叠区域获取模块20、初步围填海区域计算模块30、感兴趣区域选取模块40、分割模块50、分类模块60以及检测模块70。
具体而言,配准模块10用于将采集的前期影像作为参考影像,将采集的后期影像作为待处理影像,对所述参考影像和待处理影像进行配准,利用坐标初步配准后,获得同名点,利用所述同名点对所述待处理影像进行仿射变换,得到变换后待处理影像;重叠区域获取模块20用于以所述配准时的变换参数对白板图像进行变换,得到变换后白板图像,基于所述变换后白板图像对所述参考影像进行二值掩模求与,得到所述参考影像与所述待处理影像的重叠区域;初步围填海区域计算模块30用于在所述重叠区域中分别提取所述变换后待处理影像和掩模后参考影像的边缘二值图,对两幅所述边缘二值图进行处理得到围填海区域二值图,基于所述围填海区域二值图对所述变换后待处理影像进行处理,得到初步围填海区域;感兴趣区域选取模块40用于基于所述初步围填海区域在所述参考影像和所述待处理影像中分别选取感兴趣区域;分割模块50用于基于分水岭算法对两个所述感兴趣区域进行分割,并基于光谱异质性对所述分割后的影像进行图斑合并;分类模块60用于分别提取两幅所述分割后的图像的特征量,基于特征量以及样本库对所述参考影像和待处理影像进行分类;检测模块70用于基于分类结果对所述感兴趣区域进行面向对象的变化检测,根据检测结果得到围填海区域。
其中,配准模块10包括:采集单元,用于分别采集不同时期的可见光影像,将前期影像作为参考影像,将后期影像作为待处理影像;配准单元,用于根据所述参考影像和所述待处理影像的地理坐标信息对所述参考影像和所述待处理影像进行配准,得到大致对应关系;特征点提取单元,用于在所述大致对应关系的基础上,分别提取配准后的所述参考影像和所述待处理影像的特征点;同名点匹配模块,用于在所述参考影像的特征点的邻域范围内,与经初配准的所述待处理影像进行特征点匹配,获得所述参考影像和经初配准的所述待处理影像的同名点;剔除单元,用于利用RANSAC算法对所述同名点进行粗差剔除,得到精确的同名点;仿射变换单元,用于利用精确的同名点对所述待处理影像进行仿射变换,得到变换后待处理影像。
初步围填海区域计算模块30包括:边缘提取单元,用于采用基于Canny算子的边缘提取方法分别提取所述变换后待处理影像和掩模后参考影像的边缘二值图;二值图获取单元,用于对两幅所述边缘二值图分别进行膨胀和孔洞填充,利用小面积连通域去除海面上的小的干扰区域,然后再经过与膨胀相同参数的腐蚀操作,得到两幅所述海陆分割二值图;差分计算单元,用于对两幅所述海陆分割二值图进行差分计算得到围填海区域二值图;二值计算单元,基于所述围填海区域二值图对所述待处理影像进行二值掩模求与,得到初步围填海区域。
以上实施例提供的技术方案中的全部或部分内容可以通过软件编程实现,其软件程序存储在可读取的存储介质中,存储介质例如:计算机中的硬盘、光盘或软盘。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (11)
1.一种基于变化检测的围填海信息提取方法,其特征在于,包括:
步骤S10、将采集的前期影像作为参考影像,将采集的后期影像作为待处理影像,对所述参考影像和待处理影像进行配准,利用坐标初步配准后,获得同名点,利用所述同名点对所述待处理影像进行仿射变换,得到变换后待处理影像;
步骤S20、以所述配准时的变换参数对白板图像进行变换,得到变换后白板图像,基于所述变换后白板图像对所述参考影像进行二值掩模求与,得到所述参考影像与所述待处理影像的重叠区域;
步骤S30、在所述重叠区域中分别提取所述变换后待处理影像和掩模后参考影像的边缘二值图,对两幅所述边缘二值图进行处理得到围填海区域二值图,基于所述围填海区域二值图对所述变换后待处理影像进行处理,得到初步围填海区域;
步骤S40、基于所述初步围填海区域在所述参考影像和所述待处理影像中分别选取感兴趣区域;
步骤S50、基于分水岭算法对两个所述感兴趣区域进行分割,并基于光谱异质性对所述分割后的影像进行图斑合并;
步骤S60、分别提取两幅所述分割后的图像的特征量,基于特征量以及样本库对所述参考影像和待处理影像进行分类;以及
步骤S70、基于分类结果对所述感兴趣区域进行面向对象的变化检测,根据检测结果得到围填海区域。
2.如权利要求1所述的基于变化检测的围填海信息提取方法,其特征在于,所述步骤S10具体包括:
步骤S11、分别采集不同时期的可见光影像,将前期影像作为参考影像,将后期影像作为待处理影像;
步骤S12、根据所述参考影像和所述待处理影像的地理坐标信息对所述参考影像和所述待处理影像进行初步配准,得到大致对应关系;
步骤S13、在所述大致对应关系的基础上,分别提取所述初步配准后的所述参考影像和所述待处理影像的特征点;
步骤S14、在所述参考影像的特征点的邻域范围内,与经初步配准的所述待处理影像进行特征点匹配,获得所述参考影像和经初步配准的所述待处理影像的同名点;
步骤S15、利用RANSAC算法对所述同名点进行粗差剔除,得到精确的同名点;以及
步骤S16、利用精确的同名点对所述待处理影像进行仿射变换,得到变换后待处理影像。
3.如权利要求1所述的基于变化检测的围填海信息提取方法,其特征在于,所述步骤S20中基于式(1)计算所述重叠区域:
I1_c=I1.*(I3.*p) (1)
其中,I1为所述参考影像,I3为与所述参考影像尺寸相同的白板影像,p为所述配准过程中得到的变换参数。
4.如权利要求1所述的基于变化检测的围填海信息提取方法,其特征在于,所述步骤S30具体包括:
步骤S31、采用基于Canny算子的边缘提取方法分别提取所述变换后待处理影像和掩模后参考影像的边缘二值图;
步骤S32、对两幅所述边缘二值图分别进行膨胀和孔洞填充,利用小面积连通域去除海面上的小的干扰区域,然后再经过与膨胀相同参数的腐蚀操作,得到两幅海陆分割二值图;
步骤S33、对两幅所述海陆分割二值图进行差分计算得到围填海区域二值图;以及
步骤S34、基于所述围填海区域二值图对所述待处理影像进行二值掩模求与,得到初步围填海区域。
5.如权利要求1所述的基于变化检测的围填海信息提取方法,其特征在于,所述步骤S40中以所述初步围填海区域周围100像素的矩形范围作为感兴趣区域。
6.如权利要求1所述的基于变化检测的围填海信息提取方法,其特征在于,所述步骤S50中,基于式(2)计算所述光谱异质性,并且,如果所计算出的光谱异质性小于设置的图斑阈值,则对所述光谱异质性对应的区域进行合并;
<mrow>
<msub>
<mi>h</mi>
<mrow>
<mi>c</mi>
<mi>o</mi>
<mi>l</mi>
<mi>o</mi>
<mi>r</mi>
</mrow>
</msub>
<mo>=</mo>
<mi>&Sigma;</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>n</mi>
<mrow>
<mi>m</mi>
<mi>e</mi>
<mi>r</mi>
<mi>g</mi>
<mi>e</mi>
</mrow>
</msub>
<msubsup>
<mi>&sigma;</mi>
<mi>c</mi>
<mrow>
<mi>m</mi>
<mi>e</mi>
<mi>r</mi>
<mi>g</mi>
<mi>e</mi>
</mrow>
</msubsup>
<mo>-</mo>
<mo>(</mo>
<mrow>
<msub>
<mi>n</mi>
<mn>1</mn>
</msub>
<msubsup>
<mi>&sigma;</mi>
<mi>c</mi>
<mn>1</mn>
</msubsup>
<mo>+</mo>
<msub>
<mi>n</mi>
<mn>2</mn>
</msub>
<msubsup>
<mi>&sigma;</mi>
<mi>c</mi>
<mn>2</mn>
</msubsup>
</mrow>
<mo>)</mo>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
</mrow>
其中,hcolor表示光谱异质性,nmerge表示合并后的图斑像元数,n1、n2分别表示合并前的两个图斑像元数,分别表示合并前的两个图斑的标准差,表示合并后的图斑标准差,c表示波段总数。
7.如权利要求1所述的基于变化检测的围填海信息提取方法,其特征在于,所述步骤S60中的特征量包括:两幅所述分割后的图像中的各个图斑的纹理特征值,以及对两幅所述分割后的图像进行hough变换直线检测所得到的直线数,所述纹理特征值包括熵、逆差矩、能量以及对比度。
8.如权利要求1所述的基于变化检测的围填海信息提取方法,其特征在于,所述步骤70中,根据所述分类后的参考影像和所述待处理影像的感兴趣区域内对应位置属性值的不同,得到变化区域,所述变化区域对应围填海区域。
9.一种基于变化检测的围填海信息提取装置,其特征在于,包括:
配准模块,用于将采集的前期影像作为参考影像,将采集的后期影像作为待处理影像,对所述参考影像和待处理影像进行配准,利用坐标初步配准后,获得同名点,利用所述同名点对所述待处理影像进行仿射变换,得到变换后待处理影像;
重叠区域获取模块,用于以所述配准时的变换参数对白板图像进行变换,得到变换后白板图像,基于所述变换后白板图像对所述参考影像进行二值掩模求与,得到所述参考影像与所述待处理影像的重叠区域;
初步围填海区域计算模块,用于在所述重叠区域中分别提取所述变换后待处理影像和掩模后参考影像的边缘二值图,对两幅所述边缘二值图进行处理得到围填海区域二值图,基于所述围填海区域二值图对所述变换后待处理影像进行处理,得到初步围填海区域;
感兴趣区域选取模块,用于基于所述初步围填海区域在所述参考影像和所述待处理影像中分别选取感兴趣区域;
分割模块,用于基于分水岭算法对两个所述感兴趣区域进行分割,并基于光谱异质性对所述分割后的影像进行图斑合并;
分类模块,用于分别提取两幅所述分割后的图像的特征量,基于特征量以及样本库对所述参考影像和待处理影像进行分类;以及
检测模块,用于基于分类结果对所述感兴趣区域进行面向对象的变化检测,根据检测结果得到围填海区域。
10.如权利要求9所述的基于变化检测的围填海信息提取装置,其特征在于,所述配准模块包括:
采集单元,用于分别采集不同时期的可见光影像,将前期影像作为参考影像,将后期影像作为待处理影像;
配准单元,用于根据所述参考影像和所述待处理影像的地理坐标信息对所述参考影像和所述待处理影像进行初步配准,得到大致对应关系;
特征点提取单元,用于在所述大致对应关系的基础上,分别提取所述初步配准后的所述参考影像和所述待处理影像的特征点;
同名点匹配模块,用于在所述参考影像的特征点的邻域范围内,与经初步配准的所述待处理影像进行特征点匹配,获得所述参考影像和经初步配准的所述待处理影像的同名点;
剔除单元,用于利用RANSAC算法对所述同名点进行粗差剔除,得到精确的同名点;以及
仿射变换单元,用于利用精确的同名点对所述待处理影像进行仿射变换,得到变换后待处理影像。
11.如权利要求9所述的基于变化检测的围填海信息提取装置,其特征在于,所述初步围填海区域计算模块包括:
边缘提取单元,用于采用基于Canny算子的边缘提取方法分别提取所述变换后待处理影像和掩模后参考影像的边缘二值图;
二值图获取单元,用于对两幅所述边缘二值图分别进行膨胀和孔洞填充,利用小面积连通域去除海面上的小的干扰区域,然后再经过与膨胀相同参数的腐蚀操作,得到两幅海陆分割二值图;
差分计算单元,用于对两幅所述海陆分割二值图进行差分计算得到围填海区域二值图;以及
二值计算单元,基于所述围填海区域二值图对所述待处理影像进行二值掩模求与,得到初步围填海区域。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410819544.0A CN105205801B (zh) | 2014-12-24 | 2014-12-24 | 基于变化检测的围填海信息提取方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410819544.0A CN105205801B (zh) | 2014-12-24 | 2014-12-24 | 基于变化检测的围填海信息提取方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105205801A CN105205801A (zh) | 2015-12-30 |
CN105205801B true CN105205801B (zh) | 2018-05-22 |
Family
ID=54953463
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410819544.0A Active CN105205801B (zh) | 2014-12-24 | 2014-12-24 | 基于变化检测的围填海信息提取方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105205801B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106846344B (zh) * | 2016-12-14 | 2018-12-25 | 国家海洋局第二海洋研究所 | 一种基于边缘完备度的图像分割最优识别方法 |
CN106803070A (zh) * | 2016-12-29 | 2017-06-06 | 北京理工雷科电子信息技术有限公司 | 一种基于遥感图像的港口区域舰船目标变化检测方法 |
CN111598045B (zh) * | 2020-05-27 | 2021-05-18 | 中国科学院地理科学与资源研究所 | 一种基于对象图谱和混合光谱的遥感耕地变化检测方法 |
CN113033510B (zh) * | 2021-05-21 | 2021-10-15 | 浙江大华技术股份有限公司 | 图像变化检测模型的训练和检测方法、设备及存储介质 |
CN113298856B (zh) * | 2021-05-28 | 2023-10-20 | 上海联影医疗科技股份有限公司 | 一种图像配准方法、装置、设备和介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1987896A (zh) * | 2005-12-23 | 2007-06-27 | 中国科学院中国遥感卫星地面站 | 高分辨率sar影像配准处理方法及系统 |
CN101976437A (zh) * | 2010-09-29 | 2011-02-16 | 中国资源卫星应用中心 | 基于自适应阈值分割的高分辨率遥感影像变化检测方法 |
EP2455915A1 (en) * | 2010-11-18 | 2012-05-23 | BAE SYSTEMS plc | Change detection in image sequences |
-
2014
- 2014-12-24 CN CN201410819544.0A patent/CN105205801B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1987896A (zh) * | 2005-12-23 | 2007-06-27 | 中国科学院中国遥感卫星地面站 | 高分辨率sar影像配准处理方法及系统 |
CN101976437A (zh) * | 2010-09-29 | 2011-02-16 | 中国资源卫星应用中心 | 基于自适应阈值分割的高分辨率遥感影像变化检测方法 |
EP2455915A1 (en) * | 2010-11-18 | 2012-05-23 | BAE SYSTEMS plc | Change detection in image sequences |
Non-Patent Citations (3)
Title |
---|
Changes Monitoring of Reclamation Land Use Patterns with Remote Sensing Images;Huaguo Zhang 等;《Multimedia Technology(ICMT),2010 International Conference on》;20101031;1-4 * |
基于对象的海岸带地物变化遥感检测技术的研究;张汉松;《中国博士学位论文全文数据库 基础科学辑》;20101215(第12期);A008-11 * |
基于面向对象图像分析技术的围填海用海工程遥感监测;鞠明明 等;《海洋通报》;20131215;第32卷(第6期);678-684 * |
Also Published As
Publication number | Publication date |
---|---|
CN105205801A (zh) | 2015-12-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Sahebjalal et al. | Analysis of land use-land covers changes using normalized difference vegetation index (NDVI) differencing and classification methods | |
CN105205801B (zh) | 基于变化检测的围填海信息提取方法及装置 | |
Zheng et al. | Large-scale oil palm tree detection from high-resolution remote sensing images using faster-rcnn | |
Yang et al. | River delineation from remotely sensed imagery using a multi-scale classification approach | |
CN104318051B (zh) | 基于规则的大范围水体信息遥感自动提取系统及方法 | |
Gilani et al. | Fusion of LiDAR data and multispectral imagery for effective building detection based on graph and connected component analysis | |
Mustafa et al. | Identification and mapping of tree species in urban areas using worldview-2 imagery | |
Bamdadinejad et al. | Shoreline extraction using image processing of satellite imageries | |
Trisakti | Vegetation type classification and vegetation cover percentage estimation in urban green zone using pleiades imagery | |
Bin et al. | Parcel-based change detection in land-use maps by adopting the holistic feature | |
Singh et al. | A hybrid approach for information extraction from high resolution satellite imagery | |
Bektas Balcik et al. | Determination of magnitude and direction of land use/land cover changes in Terkos Water Basin, Istanbul | |
Hu et al. | Combination of hard and soft classification method based on adaptive threshold | |
Ratnaparkhi et al. | Analysis of land use/land cover changes using remote sensing and GIS techniques in Parbhani City, Maharashtra, India | |
Alrassi et al. | GEOBIA For Land Use Mapping Using Worldview2 Image In Bengkak Village Coastal, Banyuwangi Regency, East Java | |
CN110910496B (zh) | 基于大数据和ai的vr自然环境自动构成方法 | |
Ujjinakoppa et al. | Multimodal and Multitemporal Spatial Data Analysis in Google Earth Engine Cloud Computing Platform to Detect Human Settlements Without Electricity: A Case Study of Bangalore City | |
Bergsjö | Object based change detection in urban area using KTH-SEG | |
Avudaiamma et al. | Automatic building extraction from VHR satellite image | |
Das | Land use/Land cover change detection: An object oriented approach, Münster, Germany | |
Arezki et al. | AQUAZONE: a spatial decision support system for aquatic zone management | |
Zhang et al. | Refined deep features for unsupervised change detection in high resolution remote sensing images | |
CN115019184B (zh) | 基于遥感影像的石漠化程度自动分级方法及装置 | |
Fadaei et al. | Estimation of tree density with high-resolution imagery in the zarbin forest of North Iran (Cupressus sempervirence var. horzontalis) | |
Sheikh et al. | MAN-MADE OBJECT EXTRACTION FROM REMOTE SENSING IMAGES USING GABOR ENERGY FEATURES AND PROBABILISTIC NEURAL NETWORKS. |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |