CN112150482A - 一种基于高程信息和归一化海水指数的海陆分割方法 - Google Patents

一种基于高程信息和归一化海水指数的海陆分割方法 Download PDF

Info

Publication number
CN112150482A
CN112150482A CN202010980771.7A CN202010980771A CN112150482A CN 112150482 A CN112150482 A CN 112150482A CN 202010980771 A CN202010980771 A CN 202010980771A CN 112150482 A CN112150482 A CN 112150482A
Authority
CN
China
Prior art keywords
sea
land
pixel
normalized
water index
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
CN202010980771.7A
Other languages
English (en)
Other versions
CN112150482B (zh
Inventor
路子奇
谢笑阳
李波
韦星星
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 CN202010980771.7A priority Critical patent/CN112150482B/zh
Publication of CN112150482A publication Critical patent/CN112150482A/zh
Application granted granted Critical
Publication of CN112150482B publication Critical patent/CN112150482B/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
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30181—Earth observation

Landscapes

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

Abstract

本发明公开了一种基于高程信息和归一化海水指数的海陆分割方法，包括：获取待分割区域的遥感图像和全球高程图，并将遥感图像划分为多个相同大小的像素区域；计算各像素区域的经纬度坐标；将各个像素区域的经维度坐标与全球高程图上地理坐标相匹配，获得海陆粗分割掩膜；根据海陆粗分割的边界计算归一化海水指数阈值；根据归一化海水指数阈值对海陆粗分割掩膜进行像素分割，生成海陆精分割掩膜。本发明在复杂的海陆背景条件下仍能取得较好的快速分割效果，对卫星图像数据的光照不均匀、对比度低等外部复杂多变因素具有较强的鲁棒性。

Description

一种基于高程信息和归一化海水指数的海陆分割方法
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基于高程信息和归一化海水指数的海陆分割方法。
背景技术
在多光谱遥感图像分析中，海洋与陆地的分离(海陆分割)是海洋目标检测的重要一步，它直接影响到后续舰船目标检测的准确率，同时通过去除图像中陆地的区域能大幅度降低后续检测时间，提高检测的效率。目前常用的海陆分割方法主要有灰度阈值分割法、海陆边界跟踪法和基于全卷积的图像分割方法等三种分割方法。
其中，灰度阈值分割法基于阈值的海陆分割方法，其主要是利用海洋与陆地等不同区域的灰度差异来提取海洋区域的一种技术，这些方法通过分析图像不同区域的灰度与纹理特征，来进行海陆分割。灰度阈值法根据海洋与陆地的分布求出一个阈值，再把图像中每个像素与这个阈值相比，得出海洋与陆地区域。阈值的选取通常受云雾和陆地中水域的影响，阈值分割的结果往往存在孤立点或者孤立区域，分割结果有大量孔洞。在实际应用中，海况通常比较复杂，存在大量的云雾干扰，使得海洋区域的灰度分布不均匀，基于灰度阈值的海陆分割方法效果不稳定。
海陆边界跟踪方法基于边界检测方法的思想，检测出图像中所有的边缘信息，再将边缘线连接成轮廓，从而构成分割区域。该方法对陆地环境简单，海岸线灰度变化明显的图像效果好，但对于复杂的陆地环境容易产生较多的边缘线，容易产生边缘丢失、不连续等现象，对海陆边缘复杂并存在噪声的情况分割效果不好。
基于全卷积的图像分割方法是得益于深度学习在自然图像分割中的应用，全卷积网络(简称FCN)通过反卷积层，将卷积神经网络引入图像分割领域，在图像分割方向开辟了一个新的思路。该方法在最后一层卷积层的后面接入反卷积层与上采样层，使特征图可以恢复到与输入图像相同的尺寸，然后再对每个像素点进行分类。该方法把每个像素点看做一个训练样本，保留了输入图像的空间信息，且接受任意尺寸的图像输入，解决了传统CNN的全连接层限制了输入层尺寸的问题。基于全卷积的遥感图像海陆分割效果优于基于灰度阈值与海陆边界跟踪方法，但其计算的时间复杂度较高，不适用于大幅遥感图像，且对于有些噪声强烈的图像，网络模型较难训练，有时存在不可控和大范围的误分现象。
因此，如何提供一种计算简单、且分割精准的海陆分割方法是本领域技术人员亟待解决的问题。
发明内容
有鉴于此，本发明提供了一种基于高程信息和归一化海水指数的海陆分割方法，使用全球高程图信息做海陆粗分割，然后计算归一化海水指数阈值，再对海陆粗分割做像素级精细分割，能够利用多光谱遥感图像本身的图像特征，快速产生精细的海陆分割结果。
为了实现上述目的，本发明采用如下技术方案：
一种基于高程信息和归一化海水指数的海陆分割方法，包括以下步骤：
S1、获取待分割区域的遥感图像和全球高程图，并将所述遥感图像划分为多个相同大小的像素区域；
S2、计算各所述像素区域的经纬度坐标；
S3、判断各个所述像素区域的经维度坐标在所述全球高程图上的相应位置，并将所述全球高程图上相应位置的像素值复制到相应的所述像素区域中，获得海陆粗分割掩膜；
S4、在所述海陆粗分割掩膜上找到海陆交接的相关所述像素区域，并将其标记为海陆交接块；
S5、根据所述海陆交接块的像素原值计算归一化海水指数阈值；
S6、根据所述归一化海水指数阈值对所述海陆粗分割掩膜进行像素分割，生成海陆精分割掩膜。
优选的，在上述一种基于高程信息和归一化海水指数的海陆分割方法中， S1中所述像素区域的大小的计算公式如下：
Figure BDA0002687434740000031
上式中，inputres表示待分割区域的遥感图像的分辨率，R表示全球高程图的分辨率。
优选的，在上述一种基于高程信息和归一化海水指数的海陆分割方法中， S2中各所述像素区域的经维度坐标的计算过程为：
S21、获取待分割区域的遥感图像的投影坐标仿射变换参数GT(0)、GT(1)、 GT(2)、GT(3)、GT(4)和GT(5)；其中，(GT(0)，GT(3))表示待分割区域的遥感图像左上角的地理坐标；GT(1)和GT(5)分别表示待分割区域的遥感图像的横向分辨率和纵向分辨率；GT(2)和GT(4)均表示待分割区域的遥感图像的旋转系数。
S22、根据下式分别计算待分割区域的遥感图像的四角地理坐标；
Xgeo＝GT(0)+Xpixel*GT(1)+Yline*GT(2)；
Ygeo＝GT(3)+Xpixel*GT(4)+Yline*GT(5)；
其中，Xgeo表示待分割区域的遥感图像的地理经度，Ygeo表示待分割区域的遥感图像的地理纬度；以待分割区域的遥感图像的左上角为起点建立二维坐标系，并将左上角的坐标定义为(0,0)，竖直向下为Y轴，水平向右为X 轴，Xpixel表示X轴上的坐标，Yline表示Y轴上的坐标；
S23、根据待分割区域的遥感图像的四角地理坐标分别计算各个所述像素区域的经维度坐标。
优选的，在上述一种基于高程信息和归一化海水指数的海陆分割方法中， GT(1)和GT(5)的数值相等，符号相反，GT(1)为正数，GT(5)为负数。
优选的，在上述一种基于高程信息和归一化海水指数的海陆分割方法中， GT(2)和GT(4)的取值为0。
优选的，在上述一种基于高程信息和归一化海水指数的海陆分割方法中， S3中各个所述像素区域的经维度坐标在所述全球高程图上的相应位置的判断方法为：查询所述像素区域的经维度坐标是否在所述全球高程图的精分割范围内，若果在，则将所述全球高程图对应位置的像素值复制填充至该所述像素区域；如果不在，则查询所述全球高程图的粗分割范围，并将所述全球高程图对应位置的像素值复制填充至该所述像素区域。
优选的，在上述一种基于高程信息和归一化海水指数的海陆分割方法中， S4中，若海陆交接处的某一所述像素区域的邻近像素值不同，则标记为所述海陆交接块。
优选的，在上述一种基于高程信息和归一化海水指数的海陆分割方法中， S5包括：
S51、利用下式计算所述海陆交接块的归一化海水指数；
sea＝(BBlue-BNIR)/(BBlue+BNIR)；
上式中，BBlue表示蓝光波段；BNIR表示近红外波段；
S52、计算所述海陆粗分割掩膜中海洋区域的归一化海水指数最大值 seamax；
S53、计算所述海陆粗分割掩膜中陆地区域的归一化海水指数最小值 landmin；
S54、利用下式计算自适应性的归一化海水指数阈值；
Figure BDA0002687434740000041
优选的，在上述一种基于高程信息和归一化海水指数的海陆分割方法中， S6中，分别将各个所述海陆交接块的归一化海水指数与归一化海水指数阈值进行比较；若所述海陆交接块的归一化海水指数sea小于归一化海水指数阈值 seanew，则将该海陆交接块划分至陆地区域；若所述海陆交接块的归一化海水指数sea大于归一化海水指数阈值seanew，则将该海陆交接块划分至海洋区域。
经由上述的技术方案可知，与现有技术相比，本发明具有以下有益效果：
1、本发明计算简单、开销小，海陆分割处理速度快，处理8567*8293大小的多光谱图像仅需一秒钟左右。
2、本发明使用全球高程图地理信息进行海陆分割，不依赖于遥感图像的成像质量，因此不会被云雾，海浪等自然因素干扰。在极端天气情况下，也能够实现海陆的精准分割。本发明在复杂的海陆背景条件下仍能取得较好的快速分割效果，对卫星图像数据的光照不均匀、对比度低等外部复杂多变因素具有较强的鲁棒性。
3、本发明在使用全球高程图进行海陆粗分割的基础之上，又针对图像进行了像素级的精细分割，因此在海陆分割精度上明显优于全球高程图地理信息的海陆分割。
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为本发明提供的基于高程信息和归一化海水指数的海陆分割方法的流程图。
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。
如图1所示，本发明实施例公开了基于高程信息和归一化海水指数的海陆分割方法，包括以下步骤：
S1、获取待分割区域的遥感图像和全球高程图，并将遥感图像划分为多个相同大小的像素区域；
S2、计算各像素区域的经纬度坐标；
S3、判断各个像素区域的经维度坐标在全球高程图上的相应位置，并将全球高程图上相应位置的像素值复制到相应的像素区域中，获得海陆粗分割掩膜；
S4、在海陆粗分割掩膜上找到海陆交接的相关像素区域，并将其标记为海陆交接块；
S5、根据海陆交接块的像素原值计算归一化海水指数阈值；
S6、根据归一化海水指数阈值对海陆粗分割掩膜进行像素分割，生成海陆精分割掩膜。
下面将对上述步骤进行详细描述。
S1、获取待分割区域的遥感图像和全球高程图，并将遥感图像划分为多个相同大小的像素区域。
待分割区域的遥感图像为二级多光谱遥感图像，包含蓝、绿、红、近红外四个波段；将遥感图像分割成50*50的像素区域。
全球高程图为一张二值图，像素0表示陆地，像素1表示海洋。
S1中像素区域的大小的计算公式如下：
Figure BDA0002687434740000061
上式中，inputres表示待分割区域的遥感图像的分辨率，R表示全球高程图的分辨率。本实施例中的blocksize值为50。
S2、计算各像素区域的经纬度坐标。
S21、获取待分割区域的遥感图像的投影坐标仿射变换参数GT(0)、GT(1)、 GT(2)、GT(3)、GT(4)和GT(5)；
其中，(GT(0)，GT(3))表示待分割区域的遥感图像左上角的地理坐标；
GT(1)和GT(5)分别表示待分割区域的遥感图像的横向分辨率和纵向分辨率，一般GT(1)和GT(5)的数值相等，符号相反，GT(1)为正数，GT(5)为负数；
GT(2)和GT(4)均表示待分割区域的遥感图像的旋转系数；对于一般的图像来说，GT(2)和GT(4)的取值为0。
S22、根据下式分别计算待分割区域的遥感图像的四角地理坐标；
Xgeo＝GT(0)+Xpixel*GT(1)+Yline*GT(2)；
Ygeo＝GT(3)+Xpixel*GT(4)+Yline*GT(5)；
其中，Xgeo表示待分割区域的遥感图像的地理经度，Ygeo表示待分割区域的遥感图像的地理纬度；以待分割区域的遥感图像的左上角为起点建立二维坐标系，并将左上角的坐标定义为(0,0)，竖直向下为Y轴，水平向右为X 轴，Xpixel表示X轴上的坐标，Yline表示Y轴上的坐标；
S23、根据待分割区域的遥感图像的左上角、左下角、右上角和右下角四角地理坐标分别计算全图所有50*50像素区域的经维度坐标。
S3、判断各个像素区域的经维度坐标在全球高程图上的相应位置，并将全球高程图上相应位置的像素值复制到相应的像素区域中，生成海陆粗分割掩膜，获得海陆粗分割结果。
各个像素区域的经维度坐标在全球高程图上的相应位置的判断方法为：查询像素区域的经维度坐标是否在全球高程图的精分割范围内，若果在，则将全球高程图对应位置的像素值复制填充至该50*50像素区域；如果不在，则查询全球高程图的粗分割范围，并将全球高程图对应位置的像素值复制填充至该50*50像素区域。
海陆粗分割掩膜的具体生成过程如下：
首先根据地理坐标信息，查找对应的全球高程图图库中该位置的海陆信息，根据blocksize可得，全球高程图中一个像素值对应遥感图像当中的50*50 的区域，全球高程图为一张二值图，像素0表示陆地，像素1表示海洋。将全球高程图对应的地理坐标像素值复制填充到输入图像的50*50的区域。重复该过程，直到填充完所有的50*50(即blocksize*blocksize大小的区域)，形成粗略的二值掩膜，即为海陆粗分割结果。
S4、在海陆粗分割掩膜上找到海陆交接的相关像素区域，并将其标记为海陆交接块；如果该50*50的区域临近的像素值不同：如左边为0，右边为1，则将该50*50的区域标记为海陆交接块。
S5、根据海陆交接块的像素原值计算归一化海水指数阈值。
S51、利用下式计算海陆交接块的归一化海水指数；
sea＝(BBlue-BNIR)/(BBlue+BNIR)；
上式中，BBlue表示蓝光波段；BNIR表示近红外波段；
上式基本原理：由于水体的反射从可见光到中红外波段逐渐减弱，在近红外和中红外波长范围内吸收性最强，几乎无反射。因此用可见光波段和近红外波段的反差构成的归一化海水指数可以突出影像中的水体信息(水体的归一化海水指数值大)。
S52、由于各个遥感卫星的成像效果不同，因此本发明采用了自适应性的归一化海水指数阈值计算方法。海陆粗分割结果将原图分割成为两个部分陆地区域Arealand和海洋区域Areasea，Arealand为全0(黑色)，Areasea为全1(白色)。根据S3中得到的海陆粗分割结果，对应到待分割区域的遥感图像中计算海洋区域的归一化海水指数最大值seamax；
S53、计算海陆粗分割掩膜中陆地区域的归一化海水指数最小值landmin；
S54、利用下式计算自适应性的归一化海水指数阈值；
Figure BDA0002687434740000081
S6、根据归一化海水指数阈值对海陆粗分割掩膜进行像素分割，生成海陆精分割掩膜，即为海陆精分割结果，获得最终的海陆分割图。
具体为，分别将各个海陆交接块的归一化海水指数与归一化海水指数阈值进行比较；若海陆交接块的归一化海水指数sea小于归一化海水指数阈值 seanew，则将二值掩膜维持0不变，将该海陆交接块划分至陆地区域；若海陆交接块的归一化海水指数sea大于归一化海水指数阈值seanew，则将二值掩膜改为1，并将该海陆交接块划分至海洋区域。
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 (10)

1.一种基于高程信息和归一化海水指数的海陆分割方法，其特征在于，包括以下步骤：
S1、获取待分割区域的遥感图像和全球高程图，并将所述遥感图像划分为多个相同大小的像素区域；
S2、计算各所述像素区域的经纬度坐标；
S3、判断各个所述像素区域的经维度坐标在所述全球高程图上的相应位置，并将所述全球高程图上相应位置的像素值复制到相应的所述像素区域中，获得海陆粗分割掩膜；
S4、在所述海陆粗分割掩膜上找到海陆交接的相关所述像素区域，并将其标记为海陆交接块；
S5、根据所述海陆交接块的像素原值计算归一化海水指数阈值；
S6、根据所述归一化海水指数阈值对所述海陆粗分割掩膜进行像素分割，生成海陆精分割掩膜。
2.根据权利要求1所述的一种基于高程信息和归一化海水指数的海陆分割方法，其特征在于，S1中的遥感图像为二级多光谱遥感图像，其包含蓝光波段、绿光波段、红光波段和近红外光波段。
3.根据权利要求1所述的一种基于高程信息和归一化海水指数的海陆分割方法，其特征在于，S1中所述像素区域的大小的计算公式如下：
Figure FDA0002687434730000011
上式中，inputres表示待分割区域的遥感图像的分辨率，R表示全球高程图的分辨率。
4.根据权利要求1所述的一种基于高程信息和归一化海水指数的海陆分割方法，其特征在于，S2中各所述像素区域的经维度坐标的计算过程为：
S21、获取待分割区域的遥感图像的投影坐标仿射变换参数GT(0)、GT(1)、GT(2)、GT(3)、GT(4)和GT(5)；其中，(GT(0)，GT(3))表示待分割区域的遥感图像左上角的地理坐标；GT(1)和GT(5)分别表示待分割区域的遥感图像的横向分辨率和纵向分辨率；GT(2)和GT(4)均表示待分割区域的遥感图像的旋转系数。
S22、根据下式分别计算待分割区域的遥感图像的四角地理坐标；
Xgeo＝GT(0)+Xpixel*GT(1)+Yline*GT(2)；
Ygeo＝GT(3)+Xpixel*GT(4)+Yline*GT(5)；
其中，Xgeo表示待分割区域的遥感图像的地理经度，Ygeo表示待分割区域的遥感图像的地理纬度；以待分割区域的遥感图像的左上角为起点建立二维坐标系，并将左上角的坐标定义为(0,0)，竖直向下为Y轴，水平向右为X轴，Xpixel表示X轴上的坐标，Yline表示Y轴上的坐标；
S23、根据待分割区域的遥感图像的四角地理坐标分别计算各个所述像素区域的经维度坐标。
5.根据权利要求4所述的一种基于高程信息和归一化海水指数的海陆分割方法，其特征在于，GT(1)和GT(5)的数值相等，符号相反，GT(1)为正数，GT(5)为负数。
6.根据权利要求4所述的一种基于高程信息和归一化海水指数的海陆分割方法，其特征在于，GT(2)和GT(4)的取值为0。
7.根据权利要求1所述的一种基于高程信息和归一化海水指数的海陆分割方法，其特征在于，S3中各个所述像素区域的经维度坐标在所述全球高程图上的相应位置的判断方法为：查询所述像素区域的经维度坐标是否在所述全球高程图的精分割范围内，若果在，则将所述全球高程图对应位置的像素值复制填充至该所述像素区域；如果不在，则查询所述全球高程图的粗分割范围，并将所述全球高程图对应位置的像素值复制填充至该所述像素区域。
8.根据权利要求1所述的一种基于高程信息和归一化海水指数的海陆分割方法，其特征在于，S4中，若海陆交接处的某一所述像素区域的邻近像素值不同，则标记为所述海陆交接块。
9.根据权利要求1所述的一种基于高程信息和归一化海水指数的海陆分割方法，其特征在于，S5包括：
S51、利用下式计算所述海陆交接块的归一化海水指数；
sea＝(BBlue-BNIR)/(BBlue+BNIR)；
上式中，BBlue表示蓝光波段；BNIR表示近红外波段；
S52、计算所述海陆粗分割掩膜中海洋区域的归一化海水指数最大值seamax；
S53、计算所述海陆粗分割掩膜中陆地区域的归一化海水指数最小值landmin；
S54、利用下式计算自适应性的归一化海水指数阈值；
Figure FDA0002687434730000031
10.根据权利要求1所述的一种基于高程信息和归一化海水指数的海陆分割方法，其特征在于，S6中，分别将各个所述海陆交接块的归一化海水指数与归一化海水指数阈值进行比较；若所述海陆交接块的归一化海水指数sea小于归一化海水指数阈值seanew，则将该海陆交接块划分至陆地区域；若所述海陆交接块的归一化海水指数sea大于归一化海水指数阈值seanew，则将该海陆交接块划分至海洋区域。
CN202010980771.7A 2020-09-17 2020-09-17 一种基于高程信息和归一化海水指数的海陆分割方法 Active CN112150482B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010980771.7A CN112150482B (zh) 2020-09-17 2020-09-17 一种基于高程信息和归一化海水指数的海陆分割方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010980771.7A CN112150482B (zh) 2020-09-17 2020-09-17 一种基于高程信息和归一化海水指数的海陆分割方法

Publications (2)

Publication Number Publication Date
CN112150482A true CN112150482A (zh) 2020-12-29
CN112150482B CN112150482B (zh) 2022-10-14

Family

ID=73894093

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010980771.7A Active CN112150482B (zh) 2020-09-17 2020-09-17 一种基于高程信息和归一化海水指数的海陆分割方法

Country Status (1)

Country Link
CN (1) CN112150482B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114742854A (zh) * 2022-04-02 2022-07-12 西安电子科技大学 基于场景先验知识和区域合并的sar图像海陆分割方法
CN115424142A (zh) * 2022-08-26 2022-12-02 南方海洋科学与工程广东省实验室(广州) 基于遥感影像的海岸线类型判别方法、装置、介质和设备
CN116883438A (zh) * 2023-06-19 2023-10-13 河海大学 一种沙泥复合型海滩平衡剖面形态的高效计算方法

Citations (6)

* 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
US20180144478A1 (en) * 2016-06-29 2018-05-24 Shenzhen University Method and system for sea background modeling and suppression on high-resolution remote sensing sea images
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
CN109740460A (zh) * 2018-12-21 2019-05-10 武汉大学 基于深度残差密集网络的光学遥感图像舰船检测方法
CN109886134A (zh) * 2019-01-25 2019-06-14 北京市遥感信息研究所 高分辨率全球数字高程模型图像的海陆信息索引编码方法
CN110866926A (zh) * 2019-10-24 2020-03-06 北京航空航天大学 一种红外遥感图像快速精细海陆分割方法

Patent Citations (6)

* 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
US20180144478A1 (en) * 2016-06-29 2018-05-24 Shenzhen University Method and system for sea background modeling and suppression on high-resolution remote sensing sea images
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
CN109740460A (zh) * 2018-12-21 2019-05-10 武汉大学 基于深度残差密集网络的光学遥感图像舰船检测方法
CN109886134A (zh) * 2019-01-25 2019-06-14 北京市遥感信息研究所 高分辨率全球数字高程模型图像的海陆信息索引编码方法
CN110866926A (zh) * 2019-10-24 2020-03-06 北京航空航天大学 一种红外遥感图像快速精细海陆分割方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
XIAOYANG XIE 等: "Ship Detection in Multispectral Satellite Images Under Complex Environment", 《REMOTE SENSING》 *
张旭凯 等: "结合海岸类型和潮位校正的海岸线遥感提取", 《国土资源遥感》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114742854A (zh) * 2022-04-02 2022-07-12 西安电子科技大学 基于场景先验知识和区域合并的sar图像海陆分割方法
CN115424142A (zh) * 2022-08-26 2022-12-02 南方海洋科学与工程广东省实验室(广州) 基于遥感影像的海岸线类型判别方法、装置、介质和设备
CN116883438A (zh) * 2023-06-19 2023-10-13 河海大学 一种沙泥复合型海滩平衡剖面形态的高效计算方法

Also Published As

Publication number Publication date
CN112150482B (zh) 2022-10-14

Similar Documents

Publication Publication Date Title
CN112150482B (zh) 一种基于高程信息和归一化海水指数的海陆分割方法
CN107844750B (zh) 一种水面全景图像目标检测识别方法
CN109785291B (zh) 一种车道线自适应检测方法
CN101901343B (zh) 基于立体约束的遥感影像道路提取方法
CN104574347B (zh) 基于多源遥感数据的在轨卫星图像几何定位精度评价方法
CN115761550A (zh) 一种基于激光雷达点云和相机图像融合的水面目标检测方法
CN111008664B (zh) 一种基于空谱联合特征的高光谱海冰检测方法
CN108229342B (zh) 一种海面舰船目标自动检测方法
CN111027511A (zh) 基于感兴趣区块提取的遥感图像舰船检测方法
CN109858527B (zh) 一种图像融合方法
CN106530313A (zh) 一种基于区域分割的海天线实时检测方法
CN114265427B (zh) 一种基于红外图像匹配的巡检无人机辅助导航系统及方法
CN111105390B (zh) 一种改进的海天线检测和评估方法
CN113837924B (zh) 一种基于无人艇感知系统的水岸线检测方法
CN114581307A (zh) 用于目标追踪识别的多图像拼接方法、系统、设备及介质
CN113807238A (zh) 一种河道水面漂浮物面积的视觉测量方法
CN117576461A (zh) 一种用于变电站场景的语义理解方法、介质及系统
CN113095309A (zh) 一种基于点云的道路场景地面标识物的提取方法
CN116597164A (zh) 一种基于计算机视觉的港口船舶水线检测方法
CN113191989B (zh) 一种针对近岸复杂环境下淤泥质海岸的水边线遥感提取方法
CN113792746A (zh) 基于Yolo V3的探地雷达图像目标检测方法
CN118314331B (zh) 一种面向海面场景的目标检测方法及其系统
CN118379696B (zh) 一种船舶目标检测方法、装置及可读存储介质
CN113989628B (zh) 基于弱方向梯度的水下信号灯定位方法
CN118640878B (zh) 一种基于航空测绘技术的地形测绘方法

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