CN106991677A - 一种基于单点模糊初始化水平集演化的遥感图像溢油分割方法 - Google Patents
一种基于单点模糊初始化水平集演化的遥感图像溢油分割方法 Download PDFInfo
- Publication number
- CN106991677A CN106991677A CN201710227496.XA CN201710227496A CN106991677A CN 106991677 A CN106991677 A CN 106991677A CN 201710227496 A CN201710227496 A CN 201710227496A CN 106991677 A CN106991677 A CN 106991677A
- Authority
- CN
- China
- Prior art keywords
- pixel
- phi
- level set
- image
- region
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 23
- 230000011218 segmentation Effects 0.000 claims abstract description 32
- 230000006978 adaptation Effects 0.000 claims description 3
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 claims description 2
- 239000011159 matrix material Substances 0.000 claims 1
- 230000000452 restraining effect Effects 0.000 abstract 1
- 238000003709 image segmentation Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
Classifications
-
- 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
- G06V10/443—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 by matching or filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
Abstract
本发明公开了一种基于单点模糊初始化水平集演化的遥感图像溢油分割方法,其步骤为:首先,在原始图像溢油区域内任选一像素作为种子像素,计算图像中各像素相对于种子像素的模糊连接度;然后,基于模糊连接度构建初始水平集函数;最后,基于区域可伸缩匹配(Region Scalable Fitting)水平集算法进行水平集演化,至收敛时,水平集函数大于零的区域对应于遥感图像中的溢油区域。本发明克服了区域可伸缩匹配水平集算法对于不同初始水平集函数会得到不同分割结果的缺点,能够将遥感溢油图像进行精确的分割。
Description
技术领域
本发明涉及遥感图像处理技术领域,具体涉及一种基于单点模糊初始化水平集演化的遥感图像溢油分割方法。
背景技术
海上石油开采时常会有泄露的情况发生。为减小溢油造成的影响,需及时检测溢油区域。基于海面遥感图像的溢油区域检测任务通常是将遥感图像分割为溢油区域和非溢油区域的过程。区域可伸缩匹配(Region Scalable Fitting)水平集演化算法(参见文献:Li C,Kao C Y,Gore J C,et al.Minimization of region-scalable fitting energyfor image segmentation.[J].IEEE Transactions on Image Processing,2008,17(10):1940-1949)是一类广泛应用的图像分割方法。该方法需要设定待分割区域的初始轮廓。在水平集演化算法中,初始轮廓对应于初始水平集中的零水平集函数。实验证明,该方法对初始轮廓具有依赖性:对于不同的初始轮廓,其分割结果不同。将该方法应用到溢油分割时,对于与溢油区域相差较大的初始轮廓,其分割结果不准确。如图2、图3、图4和图5中(b)和(c)中白实线分别是手动设置的不同初始轮廓以及对应的分割结果。由上可知,区域可伸缩匹配水平集算法对初始轮廓的依赖,提升了初始轮廓设定的难度,给溢油检测的实际操作造成了困难,为溢油自动检测造成了困扰。
发明内容
为了解决上述问题,本发明根据模糊连接度(参见文献:Udupa J K,Saha PK.Fuzzy connectedness and image segmentation[J].Proceedings of the IEEE,2003,91(10):1649-1669)提出了一种基于单点模糊初始化水平集演化的遥感图像溢油分割方法。该方法有效解决了背景技术中提到的水平集演化对初始化轮廓的依赖问题,能够实现对遥感溢油图像的精确分割。
本发明的技术方案是:一种基于单点模糊初始化水平集演化的遥感图像溢油分割方法,包含以下步骤:
步骤一:计算图像中各像素相对于种子像素的模糊连接度:
定义I表示一张分辨率为X×Y的遥感溢油灰度图像,I是X×Y维矩阵,I(x,y)是矩阵(x,y)位置的元素,表示溢油图像(x,y)位置像素的灰度值。
在原始图像溢油区域内任选一个(x0,y0)位置的像素作为种子像素。
计算图像中所有位置中任意两位置所对应像素间的模糊邻近度,位于任意(xi,yi)和(xj,yj)位置两像素间模糊邻近度ρi,j如下计算:
其中,k1是距离递减因子,为非负常数,用来调整图像中两像素间的距离权重;
计算图像中所有位置中任意两位置所对应像素间的模糊相似度,位于任意(xi,yi)与(xj,yj)位置两像素间模糊相似度ai,j如下计算:
其中,k2是梯度权重,为非负常数,是平衡像素强度差异的权重;
计算图像中所有位置的像素与(x0,y0)位置的种子像素之间的模糊连接度,位于任意(x,y)位置的像素与位于(x0,y0)位置的种子像素之间的模糊连接度如下计算:
其中,P是位置(x,y)到(x0,y0)的所有路径,p是P中的一条路径。
步骤二:基于模糊连接度构建初始水平集函数:
设定阈值θ,基于θ和构建初始水平集函数φ0(x,y):
步骤三:以φ0(x,y)为初始水平集函数,基于区域可伸缩匹配进行水平集演化,具体执行过程为:
定义平滑阶跃函数为:
H∈(φ)导数为:
定义
基于上述定义,构建区域可伸缩匹配函数:
其中,Kσ为高斯核函数σ是它的尺度参数。
基于Kσ和qi(x,y),定义数据拟合函数:
ei(x,y)=∫∫Kσ(x-u,y-υ)|I(u,υ)-qi(x,y)|2dudυ (8)
基于公式(6)和公式(8),梯度流方程如下:
其中,λi是正数,用来平衡各个数据拟合函数的权重;v、η均是非负参数,保证水平集演化的正则性;
以公式(4)为t=0时初始水平集函数,构建水平集演化方程为:
式中,α是演化速率。
经公式(10)迭代演化至收敛,得到最终的水平集函数,其大于零的区域分割为遥感图像中的溢油区域。
本发明的有益效果为:图2、图3、图4、图5中,(b)、(c)中白实线是采用区域可伸缩匹配水平集算法设定的不同初始轮廓,(g)、(h)是对应的分割结果,其中黑色区域是分割出的溢油区域。由分割结果可知,初始轮廓不同,分割结果不同,且分割结果不准确。(d)、(e)中溢油区域内的白点是对于同一幅遥感溢油图像采用本发明所提单点模糊初始化方法分别设定的不同初始种子像素,图像中的白虚线是由设定的不同初始种子像素所得的初始轮廓(即公式(4)中初始水平集φ0(x,y)的零水平集函数φ0(x,y)=0曲线),(i)、(j)是对应的分割结果,其中黑色区域是分割出的溢油区域。由分割结果可知,初始种子像素不同,所得分割结果相同,且分割结果准确。
附图说明
图1为本发明一种基于单点模糊初始化水平集演化的遥感图像溢油分割方法的原理框图。
图2、图3、图4和图5是四组实验结果图。其中,(a)、(f)分别是原始遥感图像和真实的分割结果;(b)、(c)中的白实线是采用区域可伸缩匹配初始化水平集算法分别设定的不同初始轮廓,(g)、(h)是对应的分割结果,其中黑色区域是分割出的溢油区域;(d)、(e)中,溢油区域内的白点是采用本发明所提方法设定的不同初始种子像素,图像中的白虚线是由设定的不同初始种子像素所得的初始轮廓(即公式(4)中初始水平集φ0(x,y)的零水平集函数φ0(x,y)=0曲线),(i)、(j)是对应的分割结果,其中黑色区域是分割出的溢油区域。
具体实施方式
为了更好地说明本发明的技术方案,以下结合附图对本发明的实施方式作进一步描述。
一种基于单点模糊初始化水平集演化的遥感图像溢油分割方法,包含以下步骤:
步骤一:参见图1,计算图像中各像素相对于种子像素的模糊连接度:
定义I表示一张分辨率为X×Y的遥感溢油灰度图像,I是X×Y维矩阵,I(x,y)是矩阵(x,y)位置的元素,表示溢油图像(x,y)位置像素的灰度值。
在原始图像溢油区域内任选一个(x0,y0)位置的像素作为种子像素。
计算图像中所有位置中任意两位置所对应像素间的模糊邻近度,位于任意(xi,yi)和(xj,yj)位置两像素间模糊邻近度ρi,j如下计算:
其中,k1是距离递减因子,为非负常数,用来调整图像中两像素间的距离权重;
计算图像中所有位置中任意两位置所对应像素间的模糊相似度,位于任意(xi,yi)与(xj,yj)位置两像素间模糊相似度ai,j如下计算:
其中,k2是梯度权重,为非负常数,是平衡像素强度差异的权重;
计算图像中所有位置的像素与(x0,y0)位置的种子像素之间的模糊连接度,位于任意(x,y)位置的像素与位于(x0,y0)位置的种子像素之间的模糊连接度如下计算:
其中,P是位置(x,y)到(x0,y0)的所有路径,p是P中的一条路径。
具体的,运用动态规划方法实现公式(13)的计算。
步骤二:参见图1,基于模糊连接度构建初始水平集函数:
设定阈值θ,基于θ和构建初始水平集函数φ0(x,y):
步骤三:参加图1,以φ0(x,y)为初始水平集函数,基于区域可伸缩匹配进行水平集演化,具体执行过程为:
定义平滑阶跃函数为:
H∈(φ)导数为:
定义
基于上述定义,构造区域可伸缩匹配函数:
其中,Kσ为高斯核函数σ是它的尺度参数。
基于Kσ和qi(x,y),定义数据拟合函数:
ei(x,y)=∫∫Kσ(x-u,y-υ)|I(u,υ)-qi(x,y)|2dudυ (18)
基于公式(16)和公式(18),定义梯度流方程:
其中,λi是正数,用来平衡各个数据拟合函数的权重;v、η均是非负参数,保证水平集演化的正则性;
以公式(4)为t=0时初始水平集函数,构建水平集演化方程为:
式中,α是演化速率。
经公式(20)迭代演化至收敛,得到最终的水平集函数,其大于零的区域分割为遥感图像中的溢油区域。
图2、图3、图4和图5给出了不同处理方法的对比图。
其中,(a)、(f)分别是原始遥感图像和真实的分割结果。
(b)、(c)中白实线是采用区域可伸缩匹配初始化水平集算法分别设定的不同初始轮廓,(g)、(h)代表最终分割结果,其中黑色区域是分割出的溢油区域。由分割结果可以看出,初始轮廓不同,分割结果不同,且分割结果不准确。
(d)、(e)中,溢油区域内的白点是采用基于单点模糊初始化水平集演化方法设定的不同种子像素,图像中的白虚线是由设定的不同初始种子像素所得的初始轮廓(即公式(4)中初始水平集φ0(x,y)的零水平集函数φ0(x,y)=0曲线),(i)、(j)代表最终分割结果,其中黑色区域代表分割出的溢油区域。由分割结果可以看出,初始种子像素不同,所得初始轮廓相同,最终分割结果相同,且分割结果精确。
以上所举实施例仅用为方便举例说明本发明,并非对本发明保护范围的限制,在本发明所述技术方案范畴,所属技术领域的技术人员所作各种简单变形与修饰,均应包含在以上申请专利范围中。
Claims (1)
1.一种基于单点模糊初始化水平集演化的遥感图像溢油分割方法,其特征在于:包含以下步骤:
步骤一:设定溢油区域中的种子像素,计算图像中各像素相对于种子像素的模糊连接度:
定义I表示一张分辨率为X×Y的遥感溢油灰度图像,I是X×Y维矩阵,I(x,y)是矩阵中(x,y)位置的元素,表示溢油图像(x,y)位置像素的灰度值。
在原始图像溢油区域内任选一个(x0,y0)位置的像素作为种子像素。
计算图像中所有位置中任意两位置所对应像素间的模糊邻近度,位于任意(xi,yi)和(xj,yj)位置两像素间模糊邻近度ρi,j如下计算:
其中,k1是距离递减因子,为非负常数,用来调整图像中两像素间的距离权重;
计算图像中所有位置中任意两位置所对应像素间的模糊相似度,位于任意(xi,yi)与(xj,yj)位置两像素间模糊相似度ai,j如下计算:
其中,k2是梯度权重,为非负常数,是平衡像素强度差异的权重;
计算图像中所有位置的像素与(x0,y0)位置的种子像素之间的模糊连接度,位于任意(x,y)位置的像素与位于(x0,y0)位置的种子像素之间的模糊连接度如下计算:
其中,P是位置(x,y)到(x0,y0)的所有路径,p是P中的一条路径。
步骤二:基于模糊连接度构建初始水平集函数:
设定阈值θ,基于θ和构建初始水平集函数φ0(x,y):
步骤三:以φ0(x,y)为初始水平集函数,基于区域可伸缩匹配进行水平集演化,具体执行过程为:
定义平滑阶跃函数为:
H∈(φ)导数为:
定义
基于上述定义,构建区域可伸缩匹配函数:
其中,Kσ为高斯核函数σ是它的尺度参数。
基于Kσ和qi(x,y),定义数据拟合函数:
ei(x,y)=∫∫Kσ(x-u,y-υ)|I(u,υ)-qi(x,y)|2dudυ (8)
基于公式(6)和公式(8),定义梯度流方程:
其中,λi是正数,用来平衡各个数据拟合函数的权重;v、η均是非负参数,保证水平集演化的正则性;
以公式(4)为t=0时初始水平集函数,构建水平集演化方程为:
式中,α是演化速率;
经公式(10)迭代演化至收敛,得到最终的水平集函数,其大于零的区域分割为遥感图像中的溢油区域。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710227496.XA CN106991677A (zh) | 2017-04-10 | 2017-04-10 | 一种基于单点模糊初始化水平集演化的遥感图像溢油分割方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710227496.XA CN106991677A (zh) | 2017-04-10 | 2017-04-10 | 一种基于单点模糊初始化水平集演化的遥感图像溢油分割方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106991677A true CN106991677A (zh) | 2017-07-28 |
Family
ID=59416127
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710227496.XA Pending CN106991677A (zh) | 2017-04-10 | 2017-04-10 | 一种基于单点模糊初始化水平集演化的遥感图像溢油分割方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106991677A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109241976A (zh) * | 2018-07-26 | 2019-01-18 | 中国船舶工业系统工程研究院 | 一种基于图像处理和激光测距溢油面积估计的方法 |
CN109615595A (zh) * | 2018-12-03 | 2019-04-12 | 中国石油大学(华东) | 一种基于双边滤波的水平集sar溢油提取方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110081066A1 (en) * | 2009-10-07 | 2011-04-07 | Marie-Pierre Jolly | System and method for cardiac segmentation in mr-cine data using inverse consistent non-rigid registration |
CN102903109A (zh) * | 2012-09-27 | 2013-01-30 | 武汉大学 | 一种光学影像和sar影像一体化分割配准方法 |
CN103942780A (zh) * | 2014-03-27 | 2014-07-23 | 北京工业大学 | 基于改进模糊连接度算法的丘脑及其子结构分割方法 |
CN104050479A (zh) * | 2014-06-03 | 2014-09-17 | 北京航天福道高技术股份有限公司 | 遥感图像中汽车阴影、车窗的干扰消除以及汽车识别方法 |
CN104299232A (zh) * | 2014-09-30 | 2015-01-21 | 西安电子科技大学 | 一种基于自适应窗方向波域和改进fcm的sar图像分割方法 |
CN106447688A (zh) * | 2016-03-31 | 2017-02-22 | 大连海事大学 | 一种高光谱溢油图像的有效分割方法 |
-
2017
- 2017-04-10 CN CN201710227496.XA patent/CN106991677A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110081066A1 (en) * | 2009-10-07 | 2011-04-07 | Marie-Pierre Jolly | System and method for cardiac segmentation in mr-cine data using inverse consistent non-rigid registration |
CN102903109A (zh) * | 2012-09-27 | 2013-01-30 | 武汉大学 | 一种光学影像和sar影像一体化分割配准方法 |
CN103942780A (zh) * | 2014-03-27 | 2014-07-23 | 北京工业大学 | 基于改进模糊连接度算法的丘脑及其子结构分割方法 |
CN104050479A (zh) * | 2014-06-03 | 2014-09-17 | 北京航天福道高技术股份有限公司 | 遥感图像中汽车阴影、车窗的干扰消除以及汽车识别方法 |
CN104299232A (zh) * | 2014-09-30 | 2015-01-21 | 西安电子科技大学 | 一种基于自适应窗方向波域和改进fcm的sar图像分割方法 |
CN106447688A (zh) * | 2016-03-31 | 2017-02-22 | 大连海事大学 | 一种高光谱溢油图像的有效分割方法 |
Non-Patent Citations (3)
Title |
---|
CHUNMING LI等: "Minimization of Region-Scalable Fitting Energy for Image Segmentation" * |
JAYARAM K等: "Fuzzy Connectedness and Object Definition: Theory, Algorithms,and Applications in Image Segmentation" * |
赖凯;刘军伟;范亚;黄煜峰;王兴家;冯焕清;: "基于相对模糊连接度的联合主动轮廓模型及其在医学图像分割中的应用" * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109241976A (zh) * | 2018-07-26 | 2019-01-18 | 中国船舶工业系统工程研究院 | 一种基于图像处理和激光测距溢油面积估计的方法 |
CN109241976B (zh) * | 2018-07-26 | 2021-10-22 | 中国船舶工业系统工程研究院 | 一种基于图像处理和激光测距溢油面积估计的方法 |
CN109615595A (zh) * | 2018-12-03 | 2019-04-12 | 中国石油大学(华东) | 一种基于双边滤波的水平集sar溢油提取方法 |
CN109615595B (zh) * | 2018-12-03 | 2019-07-23 | 中国石油大学(华东) | 一种基于双边滤波的水平集sar溢油提取方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11055574B2 (en) | Feature fusion and dense connection-based method for infrared plane object detection | |
CN106909902B (zh) | 一种基于改进的层次化显著模型的遥感目标检测方法 | |
CN106228125B (zh) | 基于集成学习级联分类器的车道线检测方法 | |
CN107862261A (zh) | 基于多尺度卷积神经网络的图像人群计数方法 | |
CN102651132B (zh) | 一种基于交叉视觉皮质模型的医学图像配准方法 | |
CN111563473A (zh) | 基于密集特征融合和像素级注意力的遥感舰船识别方法 | |
CN110148162A (zh) | 一种基于复合算子的异源图像匹配方法 | |
CN107067415A (zh) | 一种基于图像匹配的目标快速精确定位方法 | |
CN109446894B (zh) | 基于概率分割及高斯混合聚类的多光谱图像变化检测方法 | |
CN104866868A (zh) | 基于深度神经网络的金属币识别方法和装置 | |
CN104299006A (zh) | 一种基于深度神经网络的车牌识别方法 | |
CN104392228A (zh) | 基于条件随机场模型的无人机图像目标类检测方法 | |
CN103279759A (zh) | 一种基于卷积神经网络的车辆前方可通行性分析方法 | |
CN103500449B (zh) | 一种星上可见光遥感图像云检测方法 | |
CN106295637A (zh) | 一种基于深度学习与强化学习的车辆识别方法 | |
CN108710909B (zh) | 一种可变形旋转不变装箱物体清点方法 | |
CN106096655A (zh) | 一种基于卷积神经网络的光学遥感图像飞机检测方法 | |
CN103426158A (zh) | 两时相遥感图像变化检测的方法 | |
CN104680151B (zh) | 一种顾及雪覆盖影响的高分辨全色遥感影像变化检测方法 | |
CN107944437B (zh) | 一种基于神经网络和积分图像的人脸定位方法 | |
CN102169631A (zh) | 基于流形学习的交通拥堵事件协同检测方法 | |
CN107481235A (zh) | 一种数学形态学滤波结合卡方变换的多时相遥感影像变化检测方法 | |
CN103839234A (zh) | 一种基于可控核的双几何非局部均值图像去噪方法 | |
CN104408731B (zh) | 基于区域图和统计相似性编码的sar图像分割方法 | |
CN104282008A (zh) | 对图像进行纹理分割的方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20170728 |
|
WD01 | Invention patent application deemed withdrawn after publication |