CN106156758B - 一种sar海岸图像中海岸线提取方法 - Google Patents

一种sar海岸图像中海岸线提取方法 Download PDF

Info

Publication number
CN106156758B
CN106156758B CN201610621676.1A CN201610621676A CN106156758B CN 106156758 B CN106156758 B CN 106156758B CN 201610621676 A CN201610621676 A CN 201610621676A CN 106156758 B CN106156758 B CN 106156758B
Authority
CN
China
Prior art keywords
image
coast
ray
sar
initial
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
Application number
CN201610621676.1A
Other languages
English (en)
Other versions
CN106156758A (zh
Inventor
赵泉华
胡广臣
王丽英
李玉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Liaoning Technical University
Original Assignee
Liaoning Technical University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Liaoning Technical University filed Critical Liaoning Technical University
Priority to CN201610621676.1A priority Critical patent/CN106156758B/zh
Publication of CN106156758A publication Critical patent/CN106156758A/zh
Application granted granted Critical
Publication of CN106156758B publication Critical patent/CN106156758B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/13—Satellite images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/35—Categorising the entire scene, e.g. birthday party or wedding scene
    • G06V20/38—Outdoor scenes

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Astronomy & Astrophysics (AREA)
  • Remote Sensing (AREA)
  • Image Processing (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

一种SAR海岸图像中海岸线提取方法，属于图像处理领域；包括：获取SAR海岸图像；确定图像中初始海洋区域和初始陆地区域；计算初始海洋区域的几何中心；以初始海洋区域的几何中心为起点做射线；确定射线上的海岸边界点；将所有海岸边界点依次连接，得到海岸线；本发明利用G0分布对被测区域地表复杂程度敏感的特性，克服传统方法在进行海岸线提取时出现斑点噪声的问题；方法易于实现，运行速度快，且适用于大尺度图像。

Description

一种SAR海岸图像中海岸线提取方法
技术领域
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(Synthetic Aperture Radar，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。
发明内容
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
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：
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：计算使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，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为现有基于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：
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：
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：
可推出：
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：
其中1/2阶样本矩和1阶样本矩分别为：
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：
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条射线位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：
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。

Claims (2)

1.一种SAR海岸图像中海岸线提取方法，其特征在于，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具体包括：
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
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。
2.根据权利要求1所述的SAR海岸图像中海岸线提取方法，其特征在于：步骤5具体包括：
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：
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，
CN201610621676.1A 2016-07-29 2016-07-29 一种sar海岸图像中海岸线提取方法 Expired - Fee Related CN106156758B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610621676.1A CN106156758B (zh) 2016-07-29 2016-07-29 一种sar海岸图像中海岸线提取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610621676.1A CN106156758B (zh) 2016-07-29 2016-07-29 一种sar海岸图像中海岸线提取方法

Publications (2)

Publication Number Publication Date
CN106156758A CN106156758A (zh) 2016-11-23
CN106156758B true CN106156758B (zh) 2019-08-13

Family

ID=57328365

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610621676.1A Expired - Fee Related CN106156758B (zh) 2016-07-29 2016-07-29 一种sar海岸图像中海岸线提取方法

Country Status (1)

Country Link
CN (1) CN106156758B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106940797B (zh) * 2017-04-28 2018-05-22 宁皓 基于图像处理的识别系统
CN107169978B (zh) * 2017-05-10 2020-04-14 飞依诺科技(苏州)有限公司 超声图像边缘检测方法及系统
CN107358161B (zh) * 2017-06-08 2020-01-10 深圳先进技术研究院 一种基于遥感影像分类的海岸线提取方法及系统
CN107256399B (zh) * 2017-06-14 2021-01-15 大连海事大学 一种基于Gamma分布超像素方法和基于超像素TMF的SAR图像海岸线检测方法
CN107169533B (zh) * 2017-06-14 2021-01-15 大连海事大学 一种超像素的概率因子tmf的sar图像海岸线检测算法
CN115439748B (zh) * 2022-09-13 2023-09-26 中山大学 一种海岸线侵蚀程度的监测方法、装置以及电子设备

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103530635A (zh) * 2013-09-23 2014-01-22 上海海洋大学 一种基于卫星微波遥感图像的海岸线提取方法
CN105740794A (zh) * 2016-01-27 2016-07-06 中国人民解放军92859部队 一种基于卫星影像的海岸线自动提取与分类方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101315669B (zh) * 2008-07-15 2010-07-07 北京石油化工学院 一种浮选泡沫图像的处理方法及装置
US8374431B2 (en) * 2010-07-27 2013-02-12 Aerotec, Llc Method and apparatus for direct detection, location, analysis, identification, and reporting of vegetation clearance violations
US9256619B2 (en) * 2014-01-29 2016-02-09 Raytheon Company Method for detecting and recognizing boats

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103530635A (zh) * 2013-09-23 2014-01-22 上海海洋大学 一种基于卫星微波遥感图像的海岸线提取方法
CN105740794A (zh) * 2016-01-27 2016-07-06 中国人民解放军92859部队 一种基于卫星影像的海岸线自动提取与分类方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
《Accuracy of edge detection methods with local information in speckled imagery》;Juliana Gambini 等;《Stat Comput》;20081231;全文
《基于种子点增长的SAR图像海岸线自动提取算法》;谢明鸿 等;《中国科学院研究生院学报》;20070131;第24卷(第1期);全文

Also Published As

Publication number Publication date
CN106156758A (zh) 2016-11-23

Similar Documents

Publication Publication Date Title
CN106156758B (zh) 一种sar海岸图像中海岸线提取方法
WO2021093283A1 (zh) 基于多传感融合的海面小面积溢油区域检测系统及检测方法
CN106022288B (zh) 基于sar图像的海洋溢油信息识别与提取方法
CN107247927B (zh) 一种基于缨帽变换的遥感图像海岸线信息提取方法及系统
CN106650812B (zh) 一种卫星遥感影像的城市水体提取方法
CN104715255B (zh) 一种基于sar图像的滑坡信息提取方法
CN111027446B (zh) 一种高分辨率影像的海岸线自动提取方法
Hu et al. Monitoring coastline variations in the Pearl River Estuary from 1978 to 2018 by integrating Canny edge detection and Otsu methods using long time series Landsat dataset
CN105469390B (zh) 一种基于改进Seam Carving的全景海天线提取方法
CN106295562A (zh) 一种高分辨率遥感影像道路信息提取方法
CN103442209A (zh) 一种输电线路的视频监控方法
CN104361582A (zh) 一种对象级高分辨率sar影像洪水灾害变化检测方法
Osorio et al. An algorithm for the measurement of shoreline and intertidal beach profiles using video imagery: PSDM
CN102663385B (zh) 一种星上点目标检测方法
CN108764132B (zh) 一种湖泊湿地遥感图像误差检测方法
CN115060343B (zh) 一种基于点云的河流水位检测系统、检测方法
CN106443593B (zh) 基于相参雷达慢扫增强的自适应溢油信息提取方法
CN103971370A (zh) 一种针对遥感大图像的海洋溢油智能检测方法
CN105488787A (zh) 基于几何活动轮廓模型的遥感图像海岸线检测方法
CN111597930A (zh) 一种基于遥感云平台的海岸线提取方法
CN102567726B (zh) 极地冰盖边缘区域浮冰自动提取技术
Xu-kai et al. Automated detection of coastline using Landsat TM based on water index and edge detection methods
CN110473255A (zh) 一种基于多重网格划分的船舶系船柱定位方法
Teodoro et al. Extraction of Cabedelo sand spit area (Douro estuary) from satellite images through image processing techniques
Valentini et al. New coastal video-monitoring system achievement and development

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
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: 20190813