CN107133958A - 基于块粒度预判平衡直方图的光学遥感船舶切片分割方法 - Google Patents

Abstract

基于块粒度预判平衡直方图的光学遥感船舶切片分割方法。本发明涉及光学遥感图像船舶及其特征的自动提取，尤其是其中船舶切片图像的准确分割。针对现有图像分割方法难以适用于光学遥感船舶切片分割的问题，本发明提出一种基于块粒度预判平衡直方图的光学遥感船舶切片分割方法。该方法基于对船舶图像切片的分格进行特性分析，预判出分格的属性。接着，根据分格属性在切片直方图统计时进行分策略的平衡，获得易于阈值迭代搜寻的“双峰”直方图分割形态，最终利用搜寻到的准确分割阈值实现切片的有效分割。

Description

基于块粒度预判平衡直方图的光学遥感船舶切片分割方法

技术领域

本发明涉及光学遥感图像船舶及其特征的自动提取，尤其是其中船舶切片图像的准确分割。

背景技术

近年来，随着高分辨率光学遥感平台的发展，基于高分辨率遥感图像的船舶检测，已经成为了卫星遥感数据海洋应用的研究热点。由于其具有探测范围广、时效性高的优势，已经被应用在许多重要的海洋遥感领域，例如：港口动态监测，海事管理、船舶救援、以及走私活动检测等。对检测结果的进一步处理分析，可以获取船舶的几何外观、尺寸、运动方向等特征属性。

采用图像分割技术准确的将船舶目标区域从背景中自动分离，是提取船舶检测结果切片中几何外观、尺寸、运动方向等特征属性的基础。因此，对船舶切片图像分割结果的准确性就显得尤为重要。光学遥感船舶切片图像由于光照、尾迹、大气透度、海色不均匀等不理想因素的干扰，易导致目标区域不能准确分割，进而影响后续船舶特征属性的准确获取。采用传统方法进行光学遥感船舶切片的图像分割有诸多缺陷。基于纹理的图像分割方法，由于图像中船体和周围海域的纹理特性复杂多变，此类分割方法的普适性较差。基于边缘的分割方法，由于时常受强海浪干扰，船舶上层建筑产生阴影等因素的影响，导致船体边缘不能正确提取，影响分割结果。遥感图像船舶目标区域与周围海域的局部区域灰度区分特性明显，采用基于灰度的分割方法提取目标区域应是一条有效的技术途径。然而，受到海面光照条件、浅海水下不同地形反射率差异等因素的影响，海面灰度呈现不均匀性。这造成典型采用直方图阈值的灰度分割方法容易误分割，其主要原因是：海面区域相对较大和局部的不均匀性，造成直方图统计时，低灰度值区域(海面)直方图跨度较宽、像素数较多、且局部多峰；高灰度值区域(目标区域)像素量小，对应的直方图峰值不显著。这样在进行基于直方图的分割阈值搜寻时时常会陷入局部最优，或者无法搜寻到分割阈值，导致最终难以对船舶切片准确分割。

发明内容

针对现有图像分割方法难以适用于光学遥感船舶切片分割的问题，本发明提出一种基于块粒度预判平衡直方图的光学遥感船舶切片分割方法。该方法基于对船舶图像切片的分格进行特性分析，预判出分格的属性；接着，根据分格属性在切片直方图统计时进行分策略的平衡，获得易于阈值迭代搜寻的“双峰”直方图分割形态，最终利用搜寻到的准确分割阈值实现切片的有效分割。

本方法相比较于传统方法，能有效适应光学遥感图像的典型影响因素，对船舶检测切片实现有效分割，为进一步的船舶特征准确提取提供支持。

本发明针对现有技术的上述问题，提出了一种基于块粒度预判平衡直方图的光学遥感船舶切片分割方法，包括：

A)目标切片分格及直方图统计，包括：

首先将目标切片划分为等粒度尺寸的小格，对每个小格区域统计其局部的灰度直方图。

B)分格直方图奇异值去除，包括：

对获得的每个小格直方图进行置信区域的截取，去除直方图低像素区域和高像素区域中少量的奇异值。

C)局部直方图特征提取,包括：

对每个奇异值去除后的小格局部直方图，提取小格均值、均方差两类特征。

D)确定分格类型,包括：

根据每个小格直方图提取得到的特征，确定小格的类型。具体分为三种类型：混合型小格、亮小格和暗小格。

E)平衡直方图统计，包括：

为了更准确的找到直方图的全局分割阈值，根据小格直方图的类型，进行有策略的直方图平衡统计：统计被判定为亮和暗类的小格个数，以个数少的类为标准，剔除个数多的类中的部分小格，使亮、暗小格数目相等，未被剔除的亮和暗小格参与直方图统计。之后，对类型判定为混合型的小格全部参与直方图统计。经过以上平衡处理，可使切片整体直方图呈现双峰形态，便于后续分割阈值的搜寻；

F)基于平衡直方图的切片分割

对平衡后呈现“双峰”特性的直方图，进行基于OTSU(最大类间方差)的阈值迭代搜素，找到全局的自适应分割阈值，并利用该阈值对切片图像进行分割。

附图说明

图1是根据本发明的一个实施例的基于块粒度预判平衡直方图的光学遥感船舶切片分割方法中的切片分格示意图。

图2是根据本发明的一个实施例的基于块粒度预判平衡直方图的光学遥感船舶切片分割方法中的对直方图进行置信区域提取的示意图。

具体实施方案

本发明针对上述现有技术的缺点，首先对切片进行等粒度分格处理并统计每个分格的直方图，接着，对每个分格直方图进行奇异值去除，对去除奇异值后的每一小格进行灰度直方图的特征提取，并就此确定小格的类型，然后进行平衡直方图统计，最后进行基于平衡直方图的切片分割。

根据本发明的基于块粒度预判平衡直方图的光学遥感船舶切片分割方法包括：

第一步：目标切片分格及直方图统计；

首先进行目标切片的分格，将目标切片划分为等粒度尺寸的小格，每个分格的大小可根据具体要处理遥感图像的分辨率及关注目标的尺寸进行综合确定，一般的选取原则为：小格尺寸要小于1/2船舶长度在图像上的像素宽度，如图1方式船舶切片被均匀分割成5*5的25个小格，之后对每个小格统计256维的灰度直方图。

第二步：分格直方图奇异值去除；

对每个分格直方图做以下处理：为了减少奇异值对统计直方图的干扰，影响直方图类型的判定。对所获得每个分格的直方图进行置信区域截取，如图2所示。从直方图中灰度值为1位置开始向高灰度值方向搜索统计，去除灰度值不为零的最低5个值的所有像素，并把搜索停留处的灰度值位置设置为LowPosition；另一方面，从直方图中灰度值为256位置开始向低灰度值方向搜素统计，去除灰度值不为零的最高2个值的所有像素，并把搜索停留处的灰度值位置设置为HighPosition。最后，统计灰度值LowPosition与HighPosition之间的直方图区域作为后续特征提取的置信区域。

第三步：局部直方图特征提取；

对每个奇异值去除后的小格局部直方图置信区域，提取小格均值、均方差两类特征：均值BlockGrayMean、均方差BlockVar。

第四步：确定分格类型；

根据每个小格直方图提取得到的特征确定小格的类型。可以分为三类：不含船舶区域(一般只含有海面区域的小格)定义为暗小格，只含有船舶区域(一般不含海面区域的小格)定义为亮小格，对小格中既含有船舶区域又含有海面区域的小格定义为混合型小格。以上定义三类小格的具体方法是：对均方差BlockVar大于阈值的小格(即该小区域中包含灰度差异相对较大的两种区域)，设置其属性为混合型；然后，通过统计所有混合型小格的均值，将剩余均方差较小的小格分为亮小格和暗小格两种类型，即当剩余小格的均值BlockGrayMean大于混合型时，认为其为亮的小格，反之，则为暗的小格。

第五步：平衡直方图统计；

为了更准确的找到直方图的全局分割阈值，根据小格直方图的类型，进行有策略的直方图平衡统计：统计被判定为亮和暗类的小格个数，以个数少的类为标准，剔除个数多的类中的部分小格，使亮、暗小格数目相等。剔除的方法是，将个数多的类中的小格按均方差BlockVar从大到小排序，将大方差的多余小格剔除(因为方差大的小格是单纯类型海或者船区域的概率要小于方差小的小格)。未被剔除的亮和暗小格参与直方图统计。接着，将类型判定为混合型的小格全部参与直方图统计。经过以上平衡处理，可使切片整体直方图的呈现双峰形态，便于后续分割阈值的搜寻；

第六步：基于平衡直方图的切片分割；

对平衡后呈现“双峰”特性的直方图进行基于OTSU(最大类间方差)的阈值迭代搜素，找到全局自适应分割阈值T，并利用该阈值对切片图像进行分割。将切片图像分割为目标对象(船舶)和背景(海面)。公式如下：

其中f(x,y)为(x,y)的像素值，g(x,y)为分割后的图像，T为全局阈值。

本发明与现有检测方法相比具有以下优点:

针对光学遥感船舶切片需准确分割，以支撑后续船舶特征提取分析的需求，本文提出的方法能有效适应光学遥感图像的典型分割干扰因素，能克服典型自适应灰度阈值分割类方法在分割阈值确定时容易受到海面灰度不均匀性干扰的缺点。

传统典型自适应灰度阈值分割类方法，由于海面灰度不均匀性造成直方图不平衡，“双峰”特性不显著，使得直方图的分割阈值搜寻往往陷入局部最优或者无法搜寻到分割阈值，从而造成误分割。本发明提出一种基于块粒度预判平衡直方图的光学遥感船舶切片分割方法。该方法基于对船舶图像切片的分格进行特性分析，预判出分格的属性。接着，根据分格属性在切片直方图统计时进行分策略的平衡，获得易于阈值迭代搜寻的“双峰”直方图分割形态，最终利用搜寻到的准确阈值实现有效分割。

Claims (8)

1.一种基于块粒度预判平衡直方图的光学遥感船舶切片分割方法，用于光学遥感图像船舶及其特征的自动提取，该自动提取包括准确分割船舶切片图像，其特征在于包括以下步骤：

A)进行目标切片分格及直方图统计，包括：

将目标切片划分为等粒度尺寸的小格，

对每个小格区域统计其局部的灰度直方图，

B)进行分格直方图奇异值的去除，包括：

对获得的每个小格直方图进行置信区域的截取，

去除直方图低像素区域和高像素区域中少量的奇异值，

C)进行局部直方图特征提取,包括：

对每个奇异值去除后的小格局部直方图，

提取小格均值、均方差两类特征，

D)确定小格类型,包括：

根据每个小格直方图提取得到的特征，确定小格的类型，其中具体分为三种类型：混合型小格、亮小格和暗小格，

E)进行平衡直方图统计，包括：

根据小格直方图的类型，进行有策略的直方图平衡统计，

统计被判定为亮和暗类的小格个数，

以个数少的类为标准，剔除个数多的类中的部分小格，使亮、暗小格数目相等，未被剔除的亮和暗小格参与直方图统计，

之后，对类型判定为混合型的小格全部参与直方图统计，

经过以上平衡处理，可使切片整体直方图呈现双峰形态，便于后续分割阈值的搜寻，

F)进行基于平衡直方图的切片分割，包括：

对平衡后呈现“双峰”特性的直方图进行基于OTSU(最大类间方差)的阈值迭代搜素，

找到全局的自适应分割阈值，并利用该阈值对切片图像进行分割。

2.根据权力要求1所述的方法，其特征在于所述步骤A)包括：

将目标切片划分为等粒度尺寸的小格，每个分格的大小可根据具体要处理遥感图像的分辨率及关注目标的尺寸进行综合确定，

之后对每个小格统计256维的灰度直方图。

3.根据权力要求1所述的方法，其特征在于所述步骤B)包括：

对所获得每个分格的直方图进行置信区域截取，以减少奇异值对统计直方图的干扰，避免影响直方图类型的判定。

4.根据权力要求1所述的方法，其特征在于所述步骤D)包括根据每个小格直方图提取得到的特征确定小格的类型，包括把小格分为三类：

-不含船舶区域即一般只含有海面区域的小格，定义为暗小格，

-只含有船舶区域即一般不含海面区域的小格，定义为亮小格，

-既含有船舶区域又含有海面区域的小格，定义为混合型小格。

5.根据权力要求1所述的方法，其特征在于所述步骤E)包括：

为了更准确的找到直方图的全局分割阈值，根据小格直方图的类型，进行有策略的直方图平衡统计，包括：

统计被判定为亮和暗类的小格个数，

以个数少的类为标准，剔除个数多的类中的部分小格，使亮、暗小格数目相等，剔除的方法是，将个数多的类中的小格按均方差BlockVar从大到小排序，将大方差的多余小格剔除，

使未被剔除的亮和暗小格参与直方图统计，

接着，将类型判定为混合型的小格全部参与直方图统计，

从而使切片整体直方图的呈现双峰形态，便于后续分割阈值的搜寻。

6.根据权利要求2所述的方法，其特征在于每个分格的大小的选取原则为：

小格尺寸要小于1/2船舶宽度在图像上的像素宽度。

7.根据权力要求3所述的方法，其特征在于对所获得每个分格的直方图进行置信区域截取的操作包括：

从直方图中灰度值为1位置开始向高灰度值方向搜索统计，去除灰度值不为零的最低5个值的所有像素，并把搜索停留处的灰度值位置设置为LowPosition；

另一方面，从直方图中灰度值为256位置开始向低灰度值方向搜素统计，去除灰度值不为零的最高1个值的所有像素，并把搜索停留处的灰度值位置设置为HighPosition；

最后，统计灰度值LowPosition与HighPosition之间的直方图区域为后续特征提取的置信区域。

8.根据权力要求4所述的方法，其特征在于定义三类小格的操作包括：

对均方差BlockVar大于阈值的小格即该小区域中包含灰度差异相对较大的两种区域，设置其属性为混合型；

然后，通过统计所有混合型小格的均值，将剩余均方差较小的小格分为亮小格和暗小格两种类型，即当剩余小格的均值BlockGrayMean大于混合型时，认为其为亮的小格，反之，则为暗的小格。