CN111062348A - 一种遥感卫星影像的海岸线交互式提取方法 - Google Patents

Abstract

本申请公开了一种遥感卫星影像的海岸线交互式提取方法。该方法包括获取参考影像，其中所述参考影像是指具有地理参考信息的遥感卫星影像；根据所述参考影像提取得到NDWI图像，并采用DSRM算法对水体区域的图像进行初步分割；根据Fast Matching算法对初步分割得到的图像的水体区域进行二次分割，构建海岸线数据库；获取待定位影像，其中所述待定位影像是指待提取海岸线特征的遥感卫星影像；基于Live‑Wire算法对所述待定位影像进行人机交互式海岸线提取，获取目标海岸线信息；其中所述目标海岸线信息至少包括海岸线曲线。本申请解决了遥感卫星影像的海岸线提取效果不佳的技术问题。通过本申请能够为后续匹配提供高质量的海岸线曲线输入。

Description

一种遥感卫星影像的海岸线交互式提取方法

技术领域

本申请涉及遥感影像定位领域，具体而言，涉及一种遥感卫星影像的海岸线交互式提取方法。

背景技术

遥感影像应用的前提是遥感影像定位。遥感影像定位一般分为两个层次：第一个层次是粗定位，它是基于大场景粗分辨率的较低精度定位；第二层次是精定位，它是基于小场景高分辨率的较高精度定位。

缺点在于：遥感卫星影像的海岸线难以准确提取，影响了遥感卫星影像粗定位的精度。

针对相关技术中遥感卫星影像的海岸线提取效果不佳的问题，目前尚未提出有效的解决方案。

发明内容

本申请的主要目的在于提供一种遥感卫星影像的海岸线交互式提取方法，以解决遥感卫星影像的海岸线提取效果不佳的问题。

为了实现上述目的，根据本申请的一个方面，提供了一种遥感卫星影像的海岸线交互式提取方法。

根据本申请的遥感卫星影像的海岸线交互式提取方法包括：获取参考影像，其中所述参考影像是指具有地理参考信息的遥感卫星影像；根据所述参考影像提取得到NDWI图像，并采用DSRM算法对水体区域的图像进行初步分割；根据Fast Matching算法对初步分割得到的图像的水体区域进行二次分割，构建海岸线数据库；获取待定位影像，其中所述待定位影像是指待提取海岸线特征的遥感卫星影像；基于Live-Wire算法对所述待定位影像进行人机交互式海岸线提取，得到目标海岸线信息；其中所述目标海岸线信息至少包括海岸线曲线。

进一步地，所述根据所述参考影像提取得到NDWI图像的步骤包括：

选用绿光-近红外的波段组合，NDWI的具体计算公式为：

其中Green代表绿光波段，NIR代表近红外波段。

进一步地，采用DSRM算法对水体区域的图像进行初步分割的步骤包括：

采用DSRM算法对水体区域的图像进行初步分割之前，进行水体信息增强处理。

进一步地，根据Fast Matching算法对初步分割得到的图像的水体区域进行二次分割，构建海岸线数据库的步骤包括：

通过Fast Matching算法的二值分割后，再进行多边形的矢量化和简化；选择其中最大的多边形作为抽取海岸线的基础，再从中去除作为图像边缘的多边形边后，选择最长的弧线作为海岸线。

进一步地，当获取到所述参考影像时，采用自动海岸线提取策略。

进一步地，当获取到待配准遥感卫星影像时，采用人机交互式的海岸线提取策略。

进一步地，基于Live-Wire算法对所述待定位影像进行人机交互式海岸线提取包括：

将跟踪转换为起始点到目标点之间的最优路径问题，然后通过图搜索来寻找物体的边界，将用户指定的海岸线边界上的两点之间的最短路径当作海岸线。

进一步地，基于Live-Wire算法对所述待定位影像进行人机交互式海岸线提取，得到目标海岸线信息之后还包括：对所述海岸线进行曲线匹配的步骤。

进一步地，对所述海岸线曲线进行曲线匹配的步骤包括：

通过曲线初步匹配的整体搜索，确定多个候选的匹配区域；

对这些区域通过二次匹配，实现曲线精确匹配；

根据匹配的对应点集计算变换矩阵，实现影像粗定位。

进一步地，基于Live-Wire算法对所述待定位影像进行人机交互式海岸线提取，得到目标海岸线信息包括：

将待定位遥感影像中的一个通道当成一个连通图；

将图像中的像素当作图中的节点，并且相邻像素点之间的边当作连接点的边；

在每一个边上定义一个代价函数。

在本申请实施例中遥感卫星影像的海岸线交互式提取方法，采用适合水体信息自动提取、海岸线自动提取、海岸线人机交互式提取的方式，通过针对成像质量好且有地理参考信息的丰富海岸带遥感卫星影像和待定位的遥感卫星影像的不同处理方式，达到海岸线交互式提取的目的，解决了遥感卫星影像的海岸线提取效果不佳的技术问题，从而可为后续匹配提供高质量的海岸线曲线输入。

附图说明

构成本申请的一部分的附图用来提供对本申请的进一步理解，使得本申请的其它特征、目的和优点变得更明显。本申请的示意性实施例附图及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1是根据本申请实施例的遥感卫星影像的海岸线交互式提取方法流程示意图；

图2是本申请的实现原理示意图。

具体实施方式

为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请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申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，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，都应当属于本申请保护的范围。

需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

在本申请中，术语“上”、“下”、“左”、“右”、“前”、“后”、“顶”、“底”、“内”、“外”、“中”、“竖直”、“水平”、“横向”、“纵向”等指示的方位或位置关系为基于附图所示的方位或位置关系。这些术语主要是为了更好地描述本申请及其实施例，并非用于限定所指示的装置、元件或组成部分必须具有特定方位，或以特定方位进行构造和操作。

并且，上述部分术语除了可以用于表示方位或位置关系以外，还可能用于表示其他含义，例如术语“上”在某些情况下也可能用于表示某种依附关系或连接关系。对于本领域普通技术人员而言，可以根据具体情况理解这些术语在本申请中的具体含义。

此外，术语“安装”、“设置”、“设有”、“连接”、“相连”、“套接”应做广义理解。例如，可以是固定连接，可拆卸连接，或整体式构造；可以是机械连接，或电连接；可以是直接相连，或者是通过中间媒介间接相连，又或者是两个装置、元件或组成部分之间内部的连通。对于本领域普通技术人员而言，可以根据具体情况理解上述术语在本申请中的具体含义。

在本申请实施例中使用到的技术术语如下：

DSRM(Dynamic Statistical Region Merging，简称DSRM，动态统计区域合并)。

NDWI(Normalized Difference Water Index，简称NDWI，归一化差分水体指数)。

NCC(Normalized Cross Correlation，简称NCC，归一化互相关)。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

如图1所示，该方法包括如下的步骤S101至步骤S105：

步骤S101，获取参考影像，

其中所述参考影像是指具有地理参考信息的遥感卫星影像。

步骤S102，根据所述参考影像提取得到NDWI图像，并采用DSRM算法对水体区域的图像进行初步分割；

步骤S103，根据Fast Matching算法对初步分割得到的图像的水体区域进行二次分割，构建海岸线数据库；

步骤S104，获取待定位影像，

其中所述待定位影像是指待提取海岸线特征的遥感卫星影像。

步骤S105，基于Live-Wire算法对所述待定位影像进行人机交互式海岸线提取，得到目标海岸线信息；

其中所述目标海岸线信息至少包括海岸线曲线。

从以上的描述中，可以看出，本申请实现了如下技术效果：

在本申请实施例中，采用适合水体信息自动提取、海岸线自动提取、海岸线人机交互式提取的方式，通过针对成像质量好且有地理参考信息的丰富海岸带遥感卫星影像和待定位的遥感卫星影像的不同处理方式，达到海岸线交互式提取的目的，解决了遥感卫星影像的海岸线提取效果不佳的技术问题，可为后续匹配提供高质量的海岸线曲线输入。

根据本申请实施例，如图2所示，所述根据所述参考影像提取得到NDWI图像的步骤包括：

选用绿光-近红外的波段组合，NDWI的具体计算公式为：

其中Green代表绿光波段，NIR代表近红外波段。

根据本申请实施例，如图2所示，采用DSRM算法对水体区域的图像进行初步分割的步骤包括：

采用DSRM算法对水体区域的图像进行初步分割之前，进行水体信息增强处理。

根据本申请实施例，如图2所示，根据Fast Matching算法对初步分割得到的图像的水体区域进行二次分割，构建海岸线数据库的步骤包括：

通过Fast Matching算法的二值分割后，再进行多边形的矢量化和简化；选择其中最大的多边形作为抽取海岸线的基础，再从中去除作为图像边缘的多边形边后，选择最长的弧线作为海岸线。

根据本申请实施例，当获取到所述参考影像时，采用自动海岸线提取策略。

根据本申请实施例，当获取到待配准遥感卫星影像时，采用人机交互式的海岸线提取策略。

根据本申请实施例，基于Live-Wire算法对所述待定位影像进行人机交互式提取包括：

将跟踪转换为起始点到目标点之间的最优路径问题，然后通过图搜索来寻找物体的边界，将用户指定的海岸线边界上的两点之间的最短路径当作海岸线。

根据本申请实施例，基于Live-Wire算法对所述待定位影像进行人机交互式提取，得到目标海岸线信息之后还包括：对所述海岸线进行曲线匹配的步骤。

优选地，对所述海岸线进行曲线匹配的步骤包括：

通过曲线初步匹配的整体搜索，确定多个候选的匹配区域；

对这些区域通过二次匹配，实现曲线精确匹配；

根据匹配的对应点集计算变换矩阵，实现影像粗定位。

优选地，基于Live-Wire算法对所述待定位影像进行人机交互式提取，得到目标海岸线信息包括：

将待定位遥感影像中的一个通道当成一个连通图；

将图像中的像素当作图中的节点，并且相邻像素点之间的边当作连接点的边；

在每一个边上定义一个代价函数。

需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

根据本申请实施例，还提供了一种用于实施上述遥感卫星影像的海岸线交互式提取方法的原理示意图，如图2所示，该实现原理包括：

首先，基于具有地理参考信息的影像，提取NDWI图像，利用DSRM算法和FastMatching算法进行水体区域二次分割，构建海岸线数据库；

然后，拓展应用Live-Wire算法，实现待定位影像的海岸线交互式提取；

最后，针对海岸线状特征改进曲线形状签名，并基于该签名设计曲线部分匹配算法，由此实现海岸带遥感卫星影像的粗定位。

(1)提出了将遥感卫星影像粗定位转化为曲线部分匹配的实用算法框架；

(2)实践探索了适合水体信息自动提取、海岸线自动提取、海岸线人机交互式提取方法，可为后续匹配提供高质量的海岸线曲线输入。

(3)针对海岸线状特征，改进了曲线形状签名，并据此进行曲线二次匹配，有效提高定位准确率。

1粗定位基本原理

(1)针对成像质量好且有地理参考信息的丰富海岸带遥感卫星影像，设计了以自动提取为主的海岸线提取方法，即利用影像的NDWI图像并基于DSRM算法和Fast Matching算法进行水体区域的二次分割，构建海岸线数据库；

(2)针对待定位的遥感卫星影像，由于可能会受云、雾、雨等因素影响而质量不佳，设计了以人工交互为主的海岸线提取方法，即将医学影像处理领域常见的Live-Wire算法进行拓展应用，实现海岸线的准确快速提取；

(3)针对海岸线匹配这种局部对整体的开曲线匹配问题，在对曲线形状签名进行改进的基础上，进行曲线二次匹配，由此实现海岸带遥感卫星影像的粗定位。

2海岸线提取

由于参考遥感卫星影像的质量较好，水体识别比较准确，宜采用自动海岸线提取策略；待配准遥感卫星影像受气象等因素影响而质量不佳，自动识别存在困难，宜采用人机交互式的海岸线提取策略。主要包括：海岸线自动提取和海岸线人机交互提取。

2.1海岸线自动提取

海岸线自动提取主要分为水体信息自动提取、基于DSRM的水体区域初步分割、基于Fast Matching的水体区域二次分割三个步骤。

根据海岸水体的特征，利用MCFeeters提出的NDWI提取水体系数。为了在突出水体信息的同时最大程度地抑制陆地信息，选用“绿光-近红外”的波段组合，NDWI的具体计算公式为：

其中Green代表绿光波段，NIR代表近红外波段。在获得的NDWI图像中，水体依然表现为不均匀的亮区域。为了达到提取海岸线的目的，对该图像进行双边滤波处理并反转图像。本申请针对NDWI图像的水体区域初步分割，采用DSRM算法。

尽管在图像初步分割前已经进行了水体信息增强处理，但通过DSRM算法分割后细碎的斑块还很多。为了使水面更纯粹，本申请采用Fast Matching进行图像的再次二值分割，种子点选择为最大的水体多边形内点。通过Fast Matching的二值分割后，需要再进行多边形的矢量化、简化；选择其中最大的多边形作为抽取海岸线的基础，从中去除作为图像边缘的多边形边，再从中选择最长的弧线作为海岸线。

2.2海岸线人机交互提取

人机交互的海岸线提取目的在于充分利用操作员的海岸线识别能力和计算机的自动快速勾画能力，实现快速准确的海岸线提取。

具体方案为：(1)操作员按下鼠标键提供海岸线起始点；(2)随着操作员的光标移动，实时勾绘起始点到光标位置的海岸线；(3)操作员确认计算机自动勾绘的海岸线，认为正确时，按下鼠标键确定海岸线的终点，同时将该终点作为新一段海岸线的起始点，开始新一段海岸线的人机交互式提取；(4)当操作员按下右键时，结束当前的海岸线提取。

基本思路是：将预跟踪遥感影像中的一个通道当成一个连通图，影像中的像素当作图中的节点，相邻像素点之间的边当作连接点的边；在每一个边上定义一个代价函数，为强边缘赋予较小的代价值，非强边赋予较大的代价值，同时相邻像素间的弧赋0代价，而非邻接像素间的弧赋+∞代价，将跟踪转换为起始点到目标点之间的最优路径问题，然后通过图搜索来寻找物体的边界，将用户指定的海岸线边界上的两点之间的最短路径当作海岸线。

3曲线匹配

3.1曲线匹配方案

海岸线状特征决定了匹配算法要满足的特征：(1)海岸线一般很长，算法需要考虑其计算可行性；(2)海岸线很复杂，表现在海岸线的不同局部具有不同尺度的凹凸特征，要求匹配算法具有尺度不变性；(3)海岸线变化比较大，要求算法的鲁棒性好。本申请提供了一种基于改进的曲率积分曲线的部分匹配算法，分为整体搜索和局部匹配两个阶段：首先，通过曲线初步匹配的整体搜索，确定多个候选的匹配区域；然后，对这些区域通过二次匹配，实现曲线精确匹配；最后，根据匹配的对应点集计算变换矩阵，实现影像粗定位。

3.2曲线初步匹配

因为海岸线的曲率变化较大，因此选取基于曲率的形状算子来描述形状。一种基于曲率积分的尺度不变的形状签名，即对形状Γ(u)＝(x(u),y(u))，按照等弧长采样，其曲率可用下式计算：

式中X_u,X_uu,Y_u,Y_uu分别表示x(u)、y(u)经过高斯卷积平滑之后的一阶、二阶微分，该式能很好地解决离散点的曲率求解问题。

然后在此基础上求得采样点的曲率绝对值积分，得到积分曲线。由于曲率本身具有旋转、平移不变性，因此将这条曲线按照坐标等间隔采样，得到初始的曲线形状签名。实践中曲线形状签名经常会失效，引入sigmoid函数，在将曲率小的局部细节加以放大的同时可以抑制曲率很大的点，最后得到改进的曲线形状签名。

根据上述改进的曲线形状签名进行海岸线匹配的过程中，因为离散数值操作的影响，使得得到的尺度不变形状签名与待匹配形状之间仍会存在微小的尺度差异。为了减小这部分的误差，利用对尺度不敏感的归一化互相关作为匹配度量，可以取最大的NCC值得到最终的部分匹配结果。实际应用中海岸线入海口的地方变化较大，改进的算法对异源卫星也能够取得很好的效果。

3.3曲线二次匹配

以改进的曲率积分曲线作为特征识别标识，以两条曲线的相关系数作为两者相似度的度量，从参考海岸线中选择最佳匹配的前N(N>2)段，进行基于原始曲线相关性的相似度量判断，从中取出最佳匹配者作为最终的定位结果，并计算对应的空间变换矩阵，实现遥感卫星影像的精确定位。之所以要选出多条曲线作为最优备选，是因为不同形态的海岸线形态可能会对应同一曲率积分曲线。

本申请针对传感器姿态角等信息缺乏的遥感卫星影像定位问题，提出了基于海岸线状特征的遥感卫星影像粗定位方法，即将影像定位问题转化为自动提取参考海岸线与人机交互提取的待定位海岸线之间的曲线匹配问题，并通过基于改进的曲线形状签名实现了较好的曲线匹配。

显然，本领域的技术人员应该明白，上述的本申请的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本申请不限制于任何特定的硬件和软件结合。

以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (10)

1.一种遥感卫星影像的海岸线交互式提取方法，其特征在于，包括：

获取参考影像，其中所述参考影像是指具有地理参考信息的遥感卫星影像；

根据所述参考影像提取得到NDWI图像，并采用DSRM算法对水体区域的图像进行初步分割；

根据Fast Matching算法对初步分割得到的图像的水体区域进行二次分割，构建海岸线数据库；

获取待定位影像，其中所述待定位影像是指待提取海岸线特征的遥感卫星影像；

基于Live-Wire算法对所述待定位影像进行人机交互式海岸线提取，得到目标海岸线信息；其中所述目标海岸线信息至少包括海岸线曲线。

2.根据权利要求1所述的遥感卫星影像的海岸线交互式提取方法，其特征在于，根据所述参考影像提取得到NDWI图像的步骤包括：

选用绿光-近红外的波段组合，NDWI的具体计算公式为：

其中Green代表绿光波段，NIR代表近红外波段。

3.根据权利要求1所述的遥感卫星影像的海岸线交互式提取方法，其特征在于，采用DSRM算法对水体区域的图像进行初步分割的步骤包括：

采用DSRM算法对水体区域的图像进行初步分割之前，进行水体信息增强处理。

4.根据权利要求1所述的遥感卫星影像的海岸线交互式提取方法，其特征在于，根据Fast Matching算法对初步分割得到的图像的水体区域进行二次分割，构建海岸线数据库的步骤包括：

通过Fast Matching算法的二值分割后，再进行多边形的矢量化和简化；选择其中最大的多边形作为抽取海岸线的基础，再从中去除作为图像边缘的多边形边后，选择最长的弧线作为海岸线。

5.根据权利要求1所述的遥感卫星影像的海岸线交互式提取方法，其特征在于，当获取到所述参考影像时，采用自动海岸线提取策略。

6.根据权利要求1所述的遥感卫星影像的海岸线交互式提取方法，其特征在于，当获取到待配准遥感卫星影像时，采用人机交互式海岸线提取策略。

7.根据权利要求1所述的遥感卫星影像的海岸线交互式提取方法，其特征在于，基于Live-Wire算法对所述待定位影像进行人机交互式海岸线提取包括：

将跟踪转换为起始点到目标点之间的最优路径问题，然后通过图搜索来寻找物体的边界，将用户指定的海岸线边界上的两点之间的最短路径当作海岸线。

8.根据权利要求1所述的遥感卫星影像的海岸线交互式提取方法，其特征在于，基于Live-Wire算法对所述待定位影像进行人机交互式海岸线提取，得到目标海岸线信息之后还包括：对所述海岸线进行曲线匹配的步骤。

9.根据权利要求8所述的遥感卫星影像的海岸线交互式提取方法，其特征在于，对所述海岸线进行曲线匹配的步骤包括：

通过曲线初步匹配的整体搜索，确定多个候选的匹配区域；

对这些区域通过二次匹配，实现曲线精确匹配；

根据匹配的对应点集计算变换矩阵，实现影像粗定位。

10.根据权利要求1所述的遥感卫星影像的海岸线交互式提取方法，其特征在于，基于Live-Wire算法对所述待定位影像进行人机交互式海岸线提取，得到目标海岸线信息包括：

将待定位遥感影像中的一个通道当成一个连通图；

将图像中的像素当作图中的节点，并且相邻像素点之间的边当作连接点的边；

在每一个边上定义一个代价函数。

Images