CN110866926A - 一种红外遥感图像快速精细海陆分割方法 - Google Patents

一种红外遥感图像快速精细海陆分割方法 Download PDF

Info

Publication number
CN110866926A
CN110866926A CN201911018391.9A CN201911018391A CN110866926A CN 110866926 A CN110866926 A CN 110866926A CN 201911018391 A CN201911018391 A CN 201911018391A CN 110866926 A CN110866926 A CN 110866926A
Authority
CN
China
Prior art keywords
image
remote sensing
infrared remote
sensing image
blocks
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
Application number
CN201911018391.9A
Other languages
English (en)
Other versions
CN110866926B (zh
Inventor
王永华
王越
李波
韦星星
王楠
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.)
Beihang University
Original Assignee
Beihang 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 Beihang University filed Critical Beihang University
Priority to CN201911018391.9A priority Critical patent/CN110866926B/zh
Publication of CN110866926A publication Critical patent/CN110866926A/zh
Application granted granted Critical
Publication of CN110866926B publication Critical patent/CN110866926B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • 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
    • 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
    • G06T2207/10048—Infrared image

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种红外遥感图像快速精细海陆分割方法，首先对图像进行分块，计算出每一块图像的灰度信息和局部纹理信息；通过灰度信息和局部纹理信息得到粗分割结果；然后对粗分割结果中可能是海洋区域的图像块二次划分，统计二次划分图像块的灰度信息和局部纹理信息，通过二次划分图像块中一定是海洋区域块的个数占总二次划分图像块数目的比例来完成细分割；最后在细分割的基础上，对可能存在的孤立的分割结果进行后处理，得到最终的分割结果。该方法不需要使用GIS信息，而是利用图像的灰度特征和局部纹理信息相结合，快速精细得到红外遥感图像的海陆分割结果。

Description

一种红外遥感图像快速精细海陆分割方法
技术领域
本发明涉及数字图像处理技术领域，更具体的说是涉及一种红外遥感图像快速精细海陆分割方法。
背景技术
我国海域辽阔，海岸线绵长。海洋区域物体的监测在民用和军事上都有重要意义。海洋物体的监测主要依据卫星遥感图像，在卫星遥感图像中，由于可见光遥感图像其成像原理是光学成像，不能应用在黑夜。而红外遥感图像在黑夜和极端天气下成像较好，因此基于红外遥感图像的海洋区域物体的监测有重要的应用场景。以舰船为例，舰船作为一种重要的海上交通工具，在民用和军用领域都起着重要的作用，舰船检测作为一种重要的技术在实际应用中占有重要地位。如在民用方面，通过卫星遥感图像的舰船检测技术来获取检测当前港口的舰船数目，从而给出当前港口的停靠情况，为港口的管理提供方便。在军用方面通过卫星遥感图像的舰船识别技术可以监控是否存在非法入境的舰船，而舰船识别也需要舰船检测作为基础。
在舰船检测过程中，卫星遥感图像可能存在陆地，为了减少陆地对舰船检测的影响，首先需要对遥感图像进行海陆分割，即划分出海洋区域，只针对海的区域进行舰船检测。目前海陆分割大体可以分为两类，一是基于GIS信息的海陆分割，但该方法受到GIS信息精度的影响，如在星上GIS信息精度低，导致海陆交界处会存在大量的错误分割情况。二是基于图像特征的海陆分割方法。现有的基于图像特征的海陆分割方法，如基于灰度直方图的阈值分割方法，不能自适应的选取阈值，导致算法的适应性差，而基于区域生长的方法，通过提取图像的特征将特征相似度相近的区域作为相似区域，时间复杂度高，计算量大，不能满足有限资源条件下的快速海陆分割任务需要。
在此背景下，为了快速精细得到红外遥感图像的海陆分割结果，需要深入理解红外遥感图像的成像特点，提出一种资源占用少，运算速度快的海陆分割方法。
发明内容
有鉴于此，本发明提供了一种红外遥感图像快速精细海陆分割方法，首先对图像进行分块，计算出每一块图像的灰度信息和局部纹理信息；通过灰度信息和局部纹理信息得到粗分割结果；然后对粗分割结果中可能是海洋区域的图像块二次划分，统计二次划分图像块的灰度信息和局部纹理信息，通过二次划分图像块中一定是海洋区域块的个数占总二次划分图像块数目的比例来完成细分割；最后在细分割的基础上，对可能存在的孤立的分割结果进行后处理，得到最终的分割结果。
为了实现上述目的，本发明提供如下技术方案：
一种红外遥感图像快速精细海陆分割方法，具体步骤包括如下：
步骤(1)将输入的红外遥感图像I分块，计算每一块红外遥感图像的均值和方差分为作为灰度特征和局部的纹理特征；
步骤(2)通过步骤(1)中计算的每一块图像的灰度特征和局部纹理特征，判断输入的红外遥感图像I处于黑夜、白天还是无海洋区域，如果判断当前输入的红外图像是无海洋区域，直接退出，否则进行步骤(3)；
步骤(3)根据步骤(1)中红外遥感图像块的灰度特征和局部纹理特征与步骤(2)中判断的当前输入的红外遥感图像是白天或黑夜的结果，将步骤(1)中划分的图像块进行分类，类别为一定是海洋区域的图像块、一定是陆地区域的图像块和可能是海洋区域的图像块；
步骤(4)对于步骤(3)中可能是海洋区域的图像块，通过该图像块的均值与步骤(3)中得到的一定是海洋区域的所有图像块的均值比较，如果偏差大于阈值，则该可能是海洋区域的图像块是陆地区域，否则进一步通过将该图像块进行二次划分，然后计算二次划分图像块中一定是海洋区域的比例，通过比例来完成对可能是海洋区域的图像块的划分。
步骤(5)将步骤(4)中得到的分割结果，通过邻域处理去除孤立的分割块，得到最终的分割结果。
优选的，在上述的一种红外遥感图像快速精细海陆分割方法中，所述步骤(1)中，将输入的红外遥感图像I进行分块，每一块红外遥感图像的大小为h×w，使用公式(1)和公式(2)计算每一块红外遥感图像的均值和方差作为该红外遥感图像块的灰度特征和局部纹理特征：
Figure BDA0002246385670000031
Figure BDA0002246385670000032
其中Ik为第k块红外遥感图像块，Ik(i,j)为第k块红外遥感图像在坐标(i,j)处的灰度值，i为第k块红外遥感图像的行下标，j为第k块红外遥感图像的列下标，k的取值范围为：
Figure BDA0002246385670000033
K为输入红外遥感图像总的分块数目，W为输入的红外遥感图像I的宽，H为输入的红外遥感图像I的高，meank为第k块红外遥感图像的均值，vk为第k块红外遥感图像的方差。
优选的，在上述的一种红外遥感图像快速精细海陆分割方法中，所述步骤(2)中，结合每一块图像的灰度特征和局部纹理特征，依据公式(3)判断当前红外图像处于黑夜、白天还是无海洋区域，判断当前输入的红外图像无海洋区域，即判断的结果is_day为2，则直接退出：
Figure BDA0002246385670000041
Figure BDA0002246385670000042
Figure BDA0002246385670000043
其中num0为假设当前输入红外遥感图像为白天条件下海洋区域的图像块数，num1为假设当前输入红外遥感图像为黑夜条件下海洋区域的图像块数，k为图像块的下标，K为总的图像块个数，
Figure BDA0002246385670000044
Figure BDA0002246385670000047
为均值的阈值，一般取值为100，
Figure BDA0002246385670000048
为方差的阈值，一般取值为10，μ为判断当前输入红外遥感图像是否存在海洋区域的阈值，一般取值为2。
优选的，在上述的一种红外遥感图像快速精细海陆分割方法中，所述步骤(3)中，将步骤(1)中红外遥感图像块的灰度特征meank和局部纹理特征vk相结合，同时结合步骤(2)中判断的当前输入的红外遥感图像是处于白天还是黑夜的结果is_day，使用公式(6)生成海陆分割的粗分割二值图Ibin，其中粗分割二值图中标记为1的为一定是海洋区域，标记为0的为一定是陆地区域，标记为2的为可能是海洋区域；
Figure BDA0002246385670000045
Figure BDA0002246385670000046
Figure BDA0002246385670000051
Figure BDA0002246385670000052
其中
Figure BDA0002246385670000053
为第k块红外遥感图像块对应的分割结果，k的取值范围与上述2中相同，
Figure BDA0002246385670000054
为第k块红外遥感图像在坐标(i,j)处的分割结果，i为第k块红外遥感图像的行下标，j为第k块红外遥感图像的列下标，
Figure BDA0002246385670000055
为当前输入红外遥感图像为白天条件下一定为海洋区域的阈值，一般取值为100，
Figure BDA0002246385670000056
为当前输入红外遥感图像为白天条件下一定为海洋区域的阈值，一般取值为10，
Figure BDA0002246385670000057
为当前输入红外遥感图像为白天条件下一定是陆地区域的阈值，一般取值为800；
Figure BDA0002246385670000058
为当前输入红外遥感图像为黑夜条件下一定是海洋区域的阈值，一般取值为100，
Figure BDA0002246385670000059
为前输入红外遥感图像为黑夜条件下一定为海洋区域的阈值，一般取值为10，
Figure BDA00022463856700000510
为当前输入红外遥感图像为黑夜条件下一定为陆地区域的阈值，一般取值为800。
优选的，在上述的一种红外遥感图像快速精细海陆分割方法中，所述步骤(4)中，具体步骤包括：
步骤(41)：计算步骤(3)中判断的一定是海洋区域的均值，具体见公式(10)；
Figure BDA00022463856700000511
其中，avem0表示白天条件下一定是海洋区域的图像块的均值，avem1表示黑夜条件下一定是海洋区域的图像块的均值；
步骤(42)：将步骤(3)中可能是海洋区域的图像块进行二次划分，每一个二次划分图像块
Figure BDA0002246385670000061
的大小为h2×w2，l为每一个二次划分的图像块
Figure BDA0002246385670000062
的下标，L为每一个图像块Ik二次划分的图像块
Figure BDA0002246385670000063
总个数，l的取值为：
Figure BDA0002246385670000064
按照步骤(1)中的计算均值和方差的公式，计算出每一个二次划分图像块的均值和方差；
步骤(43)：依据步骤(42)中计算的二次划分图像块均值和方差，计算出图像块中一定是海洋区域的二次划分图像块占当前总二次划分图像块个数的比例，具体见公式(11)；
Figure BDA0002246385670000065
Figure BDA0002246385670000066
其中，l为每一个图像块Ik二次划分的图像块
Figure BDA0002246385670000067
的下标，L为总的二次划分图像块个数，ration表示在图像块Ik进行二次划分图像块
Figure BDA0002246385670000068
时，满足条件的二次划分图像块所占的比例，
Figure BDA0002246385670000069
和
Figure BDA00022463856700000610
为二次划分图像块的均值和方差，
Figure BDA00022463856700000611
和
Figure BDA00022463856700000612
为二次划分图像块判断为海洋区域的均值阈值和方差阈值，取值一般为
Figure BDA00022463856700000613
步骤(44)：结合步骤(43)中计算的比例和步骤(41)中计算的一定是海洋区域的均值，判断当前图像块是否为海洋区域，具体见公式(13)；
Figure BDA00022463856700000614
Figure BDA0002246385670000071
Figure BDA0002246385670000072
Figure BDA0002246385670000073
其中，γ为步骤(43)中计算的比例的阈值，一般取值为0.0625，
Figure BDA0002246385670000074
为海洋区域灰度值偏移量的阈值，一般取值为50。
优选的，在上述的一种红外遥感图像快速精细海陆分割方法中，所述步骤(5)中，将步骤(4)中得到的分割结果，通过邻域处理去除孤立的分割块；具体为，以步骤(1)中图像块为单位，该图像块的标记为海洋区域，其周围8邻域的图像块中，陆地区域的个数大于阈值α则该图像块为陆地；图像块标记为陆地，其周围8邻域图像块中，海洋的个数大于阈值α则该图像块为海洋；从上到下，从左到右遍历图像块，按上述步骤处理，得到最终的分割结果。α一般取值为6。
经由上述的技术方案可知，与现有技术相比，本发明公开提供了一种红外遥感图像快速精细海陆分割方法，首先对图像进行分块，计算出每一块图像的灰度信息和局部纹理信息；通过灰度信息和局部纹理信息得到粗分割结果；然后对粗分割结果中可能是海洋区域的图像块二次划分，统计二次划分图像块的灰度信息和局部纹理信息，通过二次划分图像块中一定是海洋区域块的个数占总二次划分图像块数目的比例来完成细分割；最后在细分割的基础上，对可能存在的孤立的分割结果进行后处理，得到最终的分割结果。该方法不需要使用GIS信息，而是利用图像的灰度特征和局部纹理信息相结合，快速精细得到红外遥感图像的海陆分割结果。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，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，还可以根据提供的附图获得其他的附图。
图1附图为本发明的流程图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，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，本领域普通技术人员在没有做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。
本发明实施例公开了一种快速精细红外遥感图像海陆分割的方法，该方法不需要使用GIS信息，而是利用图像的灰度特征和局部纹理信息相结合，快速精细得到红外遥感图像的海陆分割结果。
参见图1，本实施例红外遥感图像的尺寸为5120像素×5120像素。
步骤1：将输入红外遥感图像I分块，，每一块的大小为h×w，这里取值为64×64，通过公式(1)和公式(2)计算每一块图像的均值meank和方差vk
Figure BDA0002246385670000081
Figure BDA0002246385670000082
其中Ik为第k块红外遥感图像块，Ik(i,j)为第k块红外遥感图像在坐标(i,j)处的灰度值，i为第k块红外遥感图像的行下标，j为第k块红外遥感图像的列下标，W为输入的红外遥感图像I的宽，H为输入的红外遥感图像I的高，k的取值范围为：
Figure BDA0002246385670000091
步骤2：计算当前输入红外遥感图像是处于黑夜、白天还是无海洋区域
(I)依据步骤1计算的均值和方差，将均值和方差作为特征，统计海洋区域的个数，具体如公式(3)所示
Figure BDA0002246385670000092
Figure BDA0002246385670000093
其中num0为白天条件下是海洋区域的图像块数，num1为黑夜条件下是海洋区域的图像块数，k为图像块的下标，K为总的图像块个数，
Figure BDA0002246385670000095
为均值的阈值，
Figure BDA0002246385670000097
为方差的阈值，取值为
Figure BDA0002246385670000096
(II)通过对海洋区域图像块数的计算来判断当前输入的红外遥感图像是黑夜、白天还是无海洋区域，当输出是2时，表明当前输入的红外图像不存在海洋区域，进行报错，说明当前出入的区域没有海洋区域，直接退出。具体使用公式(5)来判断，其中μ为判断当前输入红外图像是否存在海洋区域的阈值，取值为2。
Figure BDA0002246385670000094
步骤3：对输入的红外遥感图像进行粗分割
依据步骤1计算的均值和方差和步骤2计算出的白天和黑夜的信息，计算出一定是海洋区域的图像块和一定是陆地区域的海洋块，将这些块对应的像素赋值，生成粗分割的结果Ibin。对于可能是海洋的图像块，即计算出的标记Rk或者Tk为2的像素块，通过步骤4进行细分割。对一定是海洋区域和陆地区域的计算见公式(6)。
Figure BDA0002246385670000101
Figure BDA0002246385670000102
Figure BDA0002246385670000103
Figure BDA0002246385670000104
其中
Figure BDA0002246385670000105
为白天条件下判断海洋区域的阈值，一般取值为100，
Figure BDA0002246385670000106
为白天条件下一定为海洋区域的阈值，一般取值为10，
Figure BDA0002246385670000107
为白天条件下一定是陆地区域的阈值，一般取值为800。
Figure BDA0002246385670000108
为黑夜条件下判断海洋区域的阈值，一般取值为100，
Figure BDA0002246385670000109
为黑夜条件下一定为海洋区域的阈值，一般取值为10，
Figure BDA00022463856700001010
为黑夜条件下一定为陆地区域的阈值，一般取值为800。
步骤4：对步骤3中可能是海洋区域的图像块进行细分割
(I)首先计算步骤3中判断的一定是海洋区域的均值，具体见公式(10)。
Figure BDA00022463856700001011
其中，avem0表示白天条件下一定是海洋区域的图像块的均值，avem1表示黑夜条件下一定是海洋区域的图像块的均值。
(II)将步骤3中可能是海洋区域的图像块进行二次划分，每一个二次划分图像块
Figure BDA0002246385670000111
的大小为h2×w2，l为每一个二次划分的图像块
Figure BDA0002246385670000112
的下标，L为每一个图像块Ik二次划分的图像块
Figure BDA0002246385670000113
总个数，l的取值为：
Figure BDA0002246385670000114
按照步骤1中的计算均值和方差的公式，计算出每一个二次划分图像块的均值和方差；
(III)依据步骤4(II)中计算的二次分化图像块均值和方差，计算出图像块中一定是海洋区域的二次划分图像块占当前总二次划分图像块个数的比例，具体见公式(11)；
Figure BDA0002246385670000115
Figure BDA0002246385670000116
其中，l为每一个图像块Ik二次划分的图像块
Figure BDA0002246385670000117
的下标，L为总的二次划分图像块个数，ration表示在图像块Ik进行二次划分图像块
Figure BDA0002246385670000118
时，满足条件的二次划分图像块所占的比例，
Figure BDA0002246385670000119
和
Figure BDA00022463856700001110
为二次划分图像块的均值和方差，
Figure BDA00022463856700001111
和
Figure BDA00022463856700001112
为二次划分图像块判断为海洋区域的均值阈值和方差阈值，取值一般为
Figure BDA00022463856700001113
(IV)结合步骤4(III)中计算的比例和步骤4(I)中计算的一定是海洋区域的均值，判断当前图像块是否为海洋区域。具体见公式(13)。
Figure BDA00022463856700001114
Figure BDA00022463856700001115
Figure BDA0002246385670000121
Figure BDA0002246385670000122
其中，γ为步骤4(III)中计算的比例的阈值，一般取值为0.0625，
Figure BDA0002246385670000123
为海洋区域灰度值偏移量的阈值，一般取值为50。
步骤5：针对两个阶段的分割结果，通过邻域处理去除孤立的分割块。具体为，以图像块为单位，每一个图像块的大小为步骤1中的图像块大小。如果该图像是标记为海，但其周围8邻域的图像块中，如果陆地的个数大于阈值α则认为该图像块为陆地。如果该图像块标记为陆地，但其周围8邻域图像块中，如果海洋的个数大于α阈值则认为该图像块为海洋，α一般取值为6。
本申请所提供红外遥感图像快速精细海陆分割方法主要为红外遥感图像提出的，但也适用于可见光遥感图像的分析，针对可将光遥感图像进行海陆分割时，只需要进行稍微修改即可使用。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (6)

1.一种红外遥感图像快速精细海陆分割方法，其特征在于，具体步骤包括如下：
步骤(1)将输入的红外遥感图像I分块，计算每一块红外遥感图像的均值和方差分为作为灰度特征和局部的纹理特征；
步骤(2)通过步骤(1)中计算的每一块图像的灰度特征和局部纹理特征，判断输入的红外遥感图像I处于黑夜、白天还是无海洋区域，如果判断当前输入的红外图像是无海洋区域，直接退出，否则进行步骤(3)；
步骤(3)根据步骤(1)中红外遥感图像块的灰度特征和局部纹理特征与步骤(2)中判断的当前输入的红外遥感图像是白天或黑夜的结果，将步骤(1)中划分的图像块进行分类，类别为一定是海洋区域的图像块、一定是陆地区域的图像块和可能是海洋区域的图像块；
步骤(4)对于步骤(3)中可能是海洋区域的图像块，通过该图像块的均值与步骤(3)中得到的一定是海洋区域的所有图像块的均值比较，如果偏差大于阈值，则该可能是海洋区域的图像块是陆地区域，否则进一步通过将该图像块进行二次划分，然后计算二次划分图像块中一定是海洋区域的比例，通过比例来完成对可能是海洋区域的图像块的划分；
步骤(5)将步骤(4)中得到的分割结果，通过邻域处理去除孤立的分割块，得到最终的分割结果。
2.根据权利要求1所述的一种红外遥感图像快速精细海陆分割方法，其特征在于，所述步骤(1)中，将输入的红外遥感图像I进行分块，每一块红外遥感图像的大小为h×w，使用公式(1)和公式(2)计算每一块红外遥感图像的均值和方差作为该红外遥感图像块的灰度特征和局部纹理特征：
Figure FDA0002246385660000011
Figure FDA0002246385660000012
其中Ik为第k块红外遥感图像块，Ik(i,j)为第k块红外遥感图像在坐标(i,j)处的灰度值，i为第k块红外遥感图像的行下标，j为第k块红外遥感图像的列下标，k的取值范围为：
Figure FDA0002246385660000021
K为输入红外遥感图像总的分块数目，W为输入的红外遥感图像I的宽，H为输入的红外遥感图像I的高，meank为第k块红外遥感图像的均值，vk为第k块红外遥感图像的方差。
3.根据权利要求1所述的一种红外遥感图像快速精细海陆分割方法，其特征在于，所述步骤(2)中，结合每一块图像的灰度特征和局部纹理特征，依据公式(3)判断当前红外图像处于黑夜、白天还是无海洋区域，判断当前输入的红外图像无海洋区域，即判断的结果is_day为2，则直接退出：
Figure FDA0002246385660000022
Figure FDA0002246385660000023
Figure FDA0002246385660000024
其中num0为假设当前输入红外遥感图像为白天条件下海洋区域的图像块数，num1为假设当前输入红外遥感图像为黑夜条件下海洋区域的图像块数，k为图像块的下标，K为总的图像块个数，
Figure FDA0002246385660000025
Figure FDA0002246385660000026
为均值的阈值，
Figure FDA0002246385660000027
为方差的阈值，μ为判断当前输入红外遥感图像是否存在海洋区域的阈值。
4.根据权利要求1所述的一种红外遥感图像快速精细海陆分割方法，其特征在于，所述步骤(3)中，将步骤(1)中红外遥感图像块的灰度特征meank和局部纹理特征vk相结合，同时结合步骤(2)中判断的当前输入的红外遥感图像是处于白天还是黑夜的结果is_day，使用公式(6)生成海陆分割的粗分割二值图Ibin，其中粗分割二值图中标记为1的为一定是海洋区域，标记为0的为一定是陆地区域，标记为2的为可能是海洋区域；
Figure FDA0002246385660000031
Figure FDA0002246385660000032
Figure FDA0002246385660000033
Figure FDA0002246385660000034
其中
Figure FDA0002246385660000035
为第k块红外遥感图像块对应的分割结果，k的取值范围与上述2中相同，
Figure FDA0002246385660000036
为第k块红外遥感图像在坐标(i,j)处的分割结果，i为第k块红外遥感图像的行下标，j为第k块红外遥感图像的列下标，
Figure FDA0002246385660000037
为当前输入红外遥感图像为白天条件下一定为海洋区域的阈值，
Figure FDA0002246385660000038
为当前输入红外遥感图像为白天条件下一定为海洋区域的阈值，
Figure FDA0002246385660000039
为当前输入红外遥感图像为白天条件下一定是陆地区域的阈值；
Figure FDA00022463856600000310
为当前输入红外遥感图像为黑夜条件下一定是海洋区域的阈值，
Figure FDA00022463856600000311
为前输入红外遥感图像为黑夜条件下一定为海洋区域的阈值，
Figure FDA00022463856600000312
为当前输入红外遥感图像为黑夜条件下一定为陆地区域的阈值。
5.根据权利要求1所述的一种红外遥感图像快速精细海陆分割方法，其特征在于，所述步骤(4)中，具体步骤包括：
步骤(41)：计算步骤(3)中判断的一定是海洋区域的均值，具体见公式(10)；
Figure FDA0002246385660000041
其中，avem0表示白天条件下一定是海洋区域的图像块的均值，avem1表示黑夜条件下一定是海洋区域的图像块的均值；
步骤(42)：将步骤(3)中可能是海洋区域的图像块进行二次划分，每一个二次划分图像块
Figure FDA0002246385660000042
的大小为h2×w2，l为每一个二次划分的图像块
Figure FDA0002246385660000043
的下标，L为每一个图像块Ik二次划分的图像块
Figure FDA0002246385660000044
总个数，l的取值为：
Figure FDA0002246385660000045
按照步骤(1)中的计算均值和方差的公式，计算出每一个二次划分图像块的均值和方差；
步骤(43)：依据步骤(42)中计算的二次划分图像块均值和方差，计算出图像块中一定是海洋区域的二次划分图像块占当前总二次划分图像块个数的比例，具体见公式(11)；
Figure FDA0002246385660000046
Figure FDA0002246385660000047
其中，l为每一个图像块Ik二次划分的图像块
Figure FDA0002246385660000051
的下标，L为总的二次划分图像块个数，ration表示在图像块Ik进行二次划分图像块
Figure FDA0002246385660000052
时，满足条件的二次划分图像块所占的比例，
Figure FDA0002246385660000053
和
Figure FDA0002246385660000054
为二次划分图像块的均值和方差，
Figure FDA0002246385660000055
和
Figure FDA0002246385660000056
为二次划分图像块判断为海洋区域的均值阈值和方差阈值；
步骤(44)：结合步骤(43)中计算的比例和步骤(41)中计算的一定是海洋区域的均值，判断当前图像块是否为海洋区域，具体见公式(13)；
Figure FDA0002246385660000057
Figure FDA0002246385660000058
Figure FDA0002246385660000059
Figure FDA00022463856600000510
其中，γ为步骤(43)中计算的比例的阈值，
Figure FDA00022463856600000511
为海洋区域灰度值偏移量的阈值。
6.根据权利要求1所述的一种红外遥感图像快速精细海陆分割方法，其特征在于，所述步骤(5)中，将步骤(4)中得到的分割结果，通过邻域处理去除孤立的分割块；具体为，以步骤(1)中图像块为单位，该图像块的标记为海洋区域，其周围8邻域的图像块中，陆地区域的个数大于阈值则该图像块为陆地；图像块标记为陆地，其周围8邻域图像块中，海洋的个数大于阈值则该图像块为海洋；从上到下，从左到右遍历图像块，按上述步骤处理，得到最终的分割结果。
CN201911018391.9A 2019-10-24 2019-10-24 一种红外遥感图像快速精细海陆分割方法 Active CN110866926B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911018391.9A CN110866926B (zh) 2019-10-24 2019-10-24 一种红外遥感图像快速精细海陆分割方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911018391.9A CN110866926B (zh) 2019-10-24 2019-10-24 一种红外遥感图像快速精细海陆分割方法

Publications (2)

Publication Number Publication Date
CN110866926A true CN110866926A (zh) 2020-03-06
CN110866926B CN110866926B (zh) 2022-12-20

Family

ID=69653083

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911018391.9A Active CN110866926B (zh) 2019-10-24 2019-10-24 一种红外遥感图像快速精细海陆分割方法

Country Status (1)

Country Link
CN (1) CN110866926B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112150482A (zh) * 2020-09-17 2020-12-29 北京航空航天大学 一种基于高程信息和归一化海水指数的海陆分割方法
CN113379714A (zh) * 2021-06-24 2021-09-10 辽宁工程技术大学 基于深度卷积神经网络的光学遥感图像目标检测系统
CN114241336A (zh) * 2021-12-30 2022-03-25 河南祥宇工程勘察设计有限公司 一种基于动态低分辨遥感图像的河湖水域确权划界方法
CN115830448A (zh) * 2022-11-30 2023-03-21 广州市地质调查院(广州市地质环境监测中心) 一种基于多视角融合的遥感图像对比分析方法
CN117934518A (zh) * 2024-03-21 2024-04-26 国家海洋局南海规划与环境研究院 用于海洋国土空间详细规划的遥感图像分割方法及系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105512622A (zh) * 2015-12-01 2016-04-20 北京航空航天大学 一种基于图分割和监督学习的可见光遥感图像海陆分割方法
CN105513041A (zh) * 2015-10-28 2016-04-20 深圳大学 一种大幅面遥感图像海陆分割的方法及系统
CN107909002A (zh) * 2017-08-07 2018-04-13 北京航空航天大学 基于海岸线匹配的红外遥感图像海陆分割方法
CN108376247A (zh) * 2018-02-05 2018-08-07 北方工业大学 一种应用于光学遥感船只检测中的分策略粗精结合海陆分离方法
CN108875636A (zh) * 2018-06-20 2018-11-23 中国电子科技集团公司第五十四研究所 一种基于辅助判别策略的合成孔径雷达图像海陆分割方法
CN108961255A (zh) * 2018-06-28 2018-12-07 西安电子科技大学 基于相位线性度和功率的海陆噪声场景分割方法
CN110120050A (zh) * 2019-05-07 2019-08-13 西安电子科技大学 基于素描信息和超像素分割的光学遥感图像海陆分割方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105513041A (zh) * 2015-10-28 2016-04-20 深圳大学 一种大幅面遥感图像海陆分割的方法及系统
CN105512622A (zh) * 2015-12-01 2016-04-20 北京航空航天大学 一种基于图分割和监督学习的可见光遥感图像海陆分割方法
CN107909002A (zh) * 2017-08-07 2018-04-13 北京航空航天大学 基于海岸线匹配的红外遥感图像海陆分割方法
CN108376247A (zh) * 2018-02-05 2018-08-07 北方工业大学 一种应用于光学遥感船只检测中的分策略粗精结合海陆分离方法
CN108875636A (zh) * 2018-06-20 2018-11-23 中国电子科技集团公司第五十四研究所 一种基于辅助判别策略的合成孔径雷达图像海陆分割方法
CN108961255A (zh) * 2018-06-28 2018-12-07 西安电子科技大学 基于相位线性度和功率的海陆噪声场景分割方法
CN110120050A (zh) * 2019-05-07 2019-08-13 西安电子科技大学 基于素描信息和超像素分割的光学遥感图像海陆分割方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
刘思彤等: "多特征融合的高分辨率遥感图像海陆分离", 《电光与控制》 *
张苗辉等: "基于混合模型的SAR影像海陆分割算法", 《光电子.激光》 *
程红等: "联合多特征提取与内部优化的海陆分离", 《激光与红外》 *

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112150482A (zh) * 2020-09-17 2020-12-29 北京航空航天大学 一种基于高程信息和归一化海水指数的海陆分割方法
CN113379714A (zh) * 2021-06-24 2021-09-10 辽宁工程技术大学 基于深度卷积神经网络的光学遥感图像目标检测系统
CN114241336A (zh) * 2021-12-30 2022-03-25 河南祥宇工程勘察设计有限公司 一种基于动态低分辨遥感图像的河湖水域确权划界方法
CN114241336B (zh) * 2021-12-30 2022-09-20 河南祥宇工程勘察设计有限公司 一种基于动态低分辨遥感图像的河湖水域确权划界方法
CN115830448A (zh) * 2022-11-30 2023-03-21 广州市地质调查院(广州市地质环境监测中心) 一种基于多视角融合的遥感图像对比分析方法
CN115830448B (zh) * 2022-11-30 2024-02-09 广州市地质调查院(广州市地质环境监测中心) 一种基于多视角融合的遥感图像对比分析方法
CN117934518A (zh) * 2024-03-21 2024-04-26 国家海洋局南海规划与环境研究院 用于海洋国土空间详细规划的遥感图像分割方法及系统
CN117934518B (zh) * 2024-03-21 2024-06-04 国家海洋局南海规划与环境研究院 用于海洋国土空间详细规划的遥感图像分割方法及系统

Also Published As

Publication number Publication date
CN110866926B (zh) 2022-12-20

Similar Documents

Publication Publication Date Title
CN110866926B (zh) 一种红外遥感图像快速精细海陆分割方法
CN108121991B (zh) 一种基于边缘候选区域提取的深度学习舰船目标检测方法
CN110378308B (zh) 改进的基于Faster R-CNN的港口SAR图像近岸舰船检测方法
CN111797712B (zh) 基于多尺度特征融合网络的遥感影像云与云阴影检测方法
CN106897681B (zh) 一种遥感图像对比分析方法及系统
CN110796009A (zh) 基于多尺度卷积神经网络模型的海上船只检测方法及系统
CN108682039B (zh) 一种双目立体视觉测量方法
CN111027446B (zh) 一种高分辨率影像的海岸线自动提取方法
CN106951898B (zh) 一种车辆候选区域推荐方法及系统、电子设备
CN104657980A (zh) 一种改进的基于Meanshift的多通道图像分割算法
CN109858438B (zh) 一种基于模型拟合的车道线检测方法
CN107563331B (zh) 一种基于几何关系的道路标志线检测方法及系统
CN111274964B (zh) 一种基于无人机视觉显著性分析水面污染物的检测方法
CN115223056A (zh) 基于多尺度特征增强的光学遥感图像舰船目标检测方法
CN113486819A (zh) 一种基于YOLOv4算法的船舶目标检测方法
CN115115863A (zh) 水面多尺度目标检测方法、装置及系统和存储介质
CN104881670B (zh) 一种用于sar方位角估计的快速目标提取方法
CN106778822B (zh) 基于漏斗变换的图像直线检测方法
CN110310263B (zh) 一种基于显著性分析和背景先验的sar图像居民区检测方法
CN114708423A (zh) 基于改进Faster RCNN的水下目标检测方法
CN113963178A (zh) 地空背景下红外弱小目标检测方法、装置、设备及介质
CN114022794A (zh) 一种基于多机器学习算法融合的无人机海上油污监测方法
CN111797940A (zh) 一种基于海洋搜救的图像识别方法及相关装置
CN112215104A (zh) 一种基于超像素分割的海冰提取方法、装置和设备
Lin et al. Shoreline data based sea-land segmentation method for on-orbit ship detection from panchromatic images

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
GR01 Patent grant
GR01 Patent grant