CN112200858B - 基于高分辨率光学遥感图像的外浮顶油罐储量分析方法 - Google Patents

Abstract

基于高分辨率光学遥感图像的外浮顶油罐储量分析方法涉及图像分析技术领域，解决了现有测量精度不足的问题，步骤包括：对包含油罐的图像进行旋转；对图像放大阴影区域特征和减弱非阴影区域特征，转化为灰度图像；选取灰度图像中能够用于识别灰度图像中油罐阴影区域的二值化阈值点集合；对二值化阈值点集合中每个二值化阈值点对应的二值化图像进行修正；将所有修正后的二值化图像进行叠加，重复度超过一定值的区域为有效阴影区域；测量外浮顶油罐内外阴影长度；根据外浮顶油罐内外阴影长度比例及油罐总储量计算当前时刻油罐储油量。本发明有效解决阴影外围背景复杂以及阴影区域内地物多样化对油罐阴影识别的准确度，有效地提高了算法的通用性。

Description

基于高分辨率光学遥感图像的外浮顶油罐储量分析方法

技术领域

本发明涉及光学遥感图像处理与分析技术领域，具体涉及基于高分辨率光学遥感图像的外浮顶油罐储量分析方法。

背景技术

随着遥感卫星相关技术的发展与进步，卫星图像的分辨率、拍摄频率都得到显著提高，为图像解译工作提供了更多、更可靠的数据支持。原油作为重要的战略物资，对国家经济、军事发展起着举足轻重的作用。因此，及时的监测原油储油区，预估世界各地原油储备量，预测原油发展趋势，对我国原油采购、运输及存储措施均有指导意义，也是我国经济发展的重要环节。外浮顶油罐作为原油的主要储存设施，通过遥感技术对其信息进行提取与分析是是一种掌握国家经济实力、制定战略决策的重要手段。

通过遥感技术对外浮顶油罐的储量进行测算工作主要分为两部分，即对其内外阴影检测和测量。关于油罐阴影检测，主要方法是通过设定的阈值对阴影进行提取，而阈值的设定可围绕阴影区域的共性特征(阴影的亮度、纹理、边缘、光谱特征)展开。在早期的研究中，通过图像灰度直方图中的双峰或多峰分布情况，选取阈值。由于图像中水体和黑色地物的灰度值与阴影区域灰度值较为接近，因此这种方法的适用性比较有限。有研究人员提出了基于纹理分形的阴影检测方法，根据纹理分析中的共生矩阵以及其纹理指数实现了影像中阴影区域的自动检测，但是这种提取方式计算量较大。阴影检测还可以通过检测阴影边缘特征的方式进行，但此方法对于油罐周围复杂地物的适用性有限，不能有效的剔除无用阴影。通过不同颜色空间各分量间的数值运算也可以实现对阴影的检测，例如在HSI颜色空间中，可以将亮度I分量与饱和度分量S相减，对阴影区与非阴影区域进行分离。也有研究人员根据HSI颜色空间各分量性质，结合最大类间方差阈值法进行阴影区域和非阴影区域的分离。有研究人员在HSI颜色空间中，通过对各个色调、亮度、饱和度分量进行分析，运用比值归一化的思想构建了阴影检测指标。有研究人员对RGB波段进行主成分分析，通过第一主成分、分量I和分量S构造了比值型阴影检测指数。

但以上方法均无法对油罐的锈蚀、管道阴影、围墙阴影等情况进行甄别剔除。基于阴影在非可见光谱段的光谱特性，还可以通过高光谱及其谱段间的运算对阴影区域进行检测，但是全球高光谱卫星数量有限，影像采集频次目前还无法满足对储油量变化监测的频次要求。

在关于油罐阴影长度测量的研究中，现有研究人员将提取出的阴影矢量化，利用平行直线来测量出建筑物阴影的实际长度。有人利用面向对象方法提取阴影区域，从而来估算建筑物的高度。有研究人员利用数学形态和面向对象分类的思想提取建筑物阴影，从而估计建筑物高度估计。有研究人员通过多波段光谱差异来提取阴影区域，使用像元法计算出阴影长度，进而反求出建筑物的高度。油罐阴影长度测量的主要难点在于油罐阴影的形状为弧形，而上述方法大部分围绕建筑物的矩形阴影展开，并不适用于油罐阴影。同时卫星拍摄时存在侧摆角，导致其阴影基本为非对称图形，因此上述方法的测量精度均有限。

发明内容

为了解决现有外浮顶油罐储量分析方法的测量精度有限的问题，本发明提供基于高分辨率光学遥感图像的外浮顶油罐储量分析方法。

本发明为解决技术问题所采用的技术方案如下：

基于高分辨率光学遥感图像的外浮顶油罐储量分析方法，包括如下步骤：

步骤1、对包含油罐的图像进行旋转使油罐外阴影线条方向平行于图像垂线；

步骤2、对步骤1得到图像放大阴影区域特征和减弱非阴影区域特征，将彩色图像转化为灰度图像IMGARY；

步骤3、选取IMGARY中能够用于识别灰度图像中油罐阴影区域的二值化阈值点得到二值化阈值点集合；

步骤4、对二值化阈值点集合中每个二值化阈值点对应的二值化图像进行修正得到修正后的二值化图像；

步骤5、将所有修正后的二值化图像进行叠加，叠加后图像中重复度超过一定值的区域为有效阴影区域；

步骤6、根据有效阴影区域测量外浮顶油罐内外阴影长度

步骤7、根据外浮顶油罐内外阴影长度比例及油罐总储量计算当前时刻油罐储油量。

本发明的有益效果是：

本发明基于高分辨率光学遥感图像的外浮顶油罐储量分析方法可以有效解决阴影外围背景复杂以及阴影区域内地物多样化对油罐阴影识别的准确度，提高了测量精度，有效地提高了算法的通用性，更适合于油罐识别算法的工程化应用。

附图说明

图1为本发明的基于高分辨率光学遥感图像的外浮顶油罐储量分析方法的流程图。

具体实施方式

下面结合附图和实施例对本发明做进一步详细说明。

基于高分辨率光学遥感图像的外浮顶油罐储量分析方法，如图1，具体步骤如下。

步骤1、对包含油罐的图像进行旋转使油罐外阴影线条方向平行于图像垂线；

步骤2、对步骤1得到图像放大阴影区域特征和减弱非阴影区域特征，将彩色图像转化为灰度图像；

步骤3、选取灰度图像中能够用于识别灰度图像中油罐阴影区域的二值化阈值点，并将选取的二值化阈值点建立二值化阈值点集合；

步骤4、对步骤3得到的二值化阈值点集合中每个二值化阈值点对应的二值化图像进行修正得到修正后的二值化图像。修正为：删除二值化图像中非潜在阴影区域的连通域，保留二值化图像中潜在阴影区域对应的连通域。

步骤5、将步骤4得到的所有修正后的二值化图像进行叠加，叠加后图像中重复度超过一定值的区域为有效阴影区域，即所有修正后的二值化图像中一定值(一定百分比)的修正后的二值化图像均包含的区域为有效阴影区域。

步骤6、根据有效阴影区域测量外浮顶油罐内外阴影长度

步骤7、根据外浮顶油罐内外阴影长度比例及油罐总储量计算当前时刻油罐储油量。

步骤1具体为：取彩色的包含油罐的图像，根据太阳方位角对包含油罐的图像进行旋转，并用矩形框截取旋转后的图像得到截取图像，通过旋转使得截取图像中油罐外阴影线条方向平行于截取图像的垂线，即油罐外阴影线条方向平行于截取图像的侧边际、垂直于截取图像的上边际。也就是旋转后的图像中的外阴影线条方向平行于旋转前图像的垂线。

步骤2具体为：计算步骤1得到图像的图像RGB三通道平均灰度值，当平均灰度值大于170时，对图像RGB三通道分别进行均衡化处理；图像中深绿色区域的亮度提高2倍并蓝灰色区域的三通道像素点值缩减一半；将RGB图像转换成灰度图像。

也就是包括以下子步骤：

步骤2.1、根据公式(1)计算图像RGB三通道平均灰度值，

其中，RowM为图像行数，ColM为图像列数，ChnM图像通道数，x_chn,row,col为像素点的分量值，MeanGray为平均灰度值。

当平均灰度值大于170时，对图像RGB三通道分别进行均衡化处理(直方图均衡化)，然后进行步骤2.2。

步骤2.2、进行颜色修正；

因图像中深绿色区域的灰度值与油罐阴影区域的灰度值较为接近，因此需要提高图像中深绿色区域的亮度，即将步骤2.1得到的图像的深绿色区域的三通道像素点值提高一倍，即提高到2倍，其中深绿色区域定义如下：

定义1：已知IMG是RGB图像，im是8位的三通道像素点，imR、imG、imB一一对应的为im的红、绿、蓝三通道的分量，若

且im_kG＞70、im_kG＞im_kR和im_kG＞im_kB，则im_k为深绿色区域，其中im_kR、im_kG、im_kB一一对应的为im_k红通道分量、im_k绿通道分量和im_k蓝通道分量。

因在辐射亮度较高情况下，图像中油罐阴影区域的灰度值较高，会与道路灰度值接近，同时因阴影部分蓝色通道较为明显，因此将蓝灰色区域的三通道像素点值缩减一半，其中蓝灰色区域定义如下：

定义2：若

且im_jB＞120、im_jB＜190、im_jB＞im_jR和im_jB＞im_jG，则im_j为蓝灰色区域，其中im_jR、im_jG、im_jB一一对应的为im_j红通道分量、im_j绿通道分量和im_j蓝通道分量。

步骤2.3、将步骤2.2生成的RGB图像转换成灰度图像IMGARY。

步骤3为选取灰度图像中对识别灰度图像中油罐阴影区域具有意义的二值化阈值点，并将选取的二值化阈值点建立二值化阈值点集合，具体为：

步骤3.1、计算灰度图像的二值化阈值目标点集合一，其相关定义及公式如下：

定义3：已知IMGARY是灰度图像，二值化阈值为x，x范围为[0，255]，则定义RateBW_x为二值化图像中0点在全部像素点中占比，二值化图像即二值化影像其计算方法如公式(2)所示：

其中，RowM'为灰度图像行数，ColM'为灰度图像列数，x为二值化阈值，num0_x是二值化图像中值为0的像素点总数；

定义4：已知IMGARY是灰度图像，二值化阈值x∈[0，180]，f(x)＝RateBW_x，则函数f'(x)的极值点集合BWP₁为IMGARY的二值化阈值目标点集合一。

步骤3.2、计算灰度图像的二值化阈值目标点集合二，其定义如下：

定义5：已知IMGARY是灰度图像，二值化阈值x∈[0，180]，f(x)＝RateBW_x，则函数f”(x)的极值点集合BWP₂为IMGARY的二值化阈值目标点集合二。

步骤3.3、计算灰度图像的二值化阈值目标点集合三，其相关定义如下：

定义6：已知IMGARY是灰度图像，二值化阈值为x,x范围为[0，255]，则定义ConNum_x为二值化图像中连通域的数量；

定义7：已知IMGARY是灰度图像，二值化阈值x∈[0，180]，g(x)＝ConNum_x，则函数g'(x)的极值点集合BWP₃为IMGARY的二值化阈值目标点集合三。

上述步骤3.1、步骤3.2和步骤3.3不分先后。

步骤3.4、对灰度图像的三个二值化阈值目标点集合进行去重，计算出BWP_all，其计算方法如公式(3)所示：

BWP_all＝BWP₁∩BWP₂∩BWP₃ (3)

其中，BWP₁为IMGARY的二值化阈值目标点集合一，BWP₂为IMGARY的二值化阈值目标点集合二，BWP₃为IMGARY的二值化阈值目标点集合三。

步骤3.5、对灰度图像的去重后的二值化阈值目标点BWP_all集合进行清洗，计算出清洗后的二值化阈值目标点集合BWP，BWP称为二值化阈值点集合，其清洗方法为删除{x∈BWP_all|60％≤RateBW_x≤92％}集合中的二值化阈值目标点。

步骤3.4和步骤3.5不分先后，即可以为：对BWP₁进行清洗，对BWP₂进行清洗，对BWP₃进行清洗，将清洗后的二值化阈值目标点集合一、二值化阈值目标点集合二和二值化阈值目标点集合三进行去重得到BWP。

步骤4、对步骤3得到的二值化阈值点集合中每个二值化阈值点对应的二值化图像进行修正得到修正后的二值化图像，修正为：删除二值化图像中非潜在阴影区域的连通域，保留二值化图像中潜在阴影区域对应的连通域

步骤4的具体过程为：删除形状细长的连通域、删除质心距离二值化图像质心较远的连通域、删除质心距离二值化图像质心较远的连通域，再在剩余的连通域中选择连通域面积最大的5个连通域，即在进行删除操作后的连通域中仅保留面积最大的5个连通域，根据这5个面积最大连通域建立二值化图像集合，称为有效二值化图像集合。面积最大的5个连通域是指按照面积从大到小排在前5位的连通域。

步骤4.1、计算BWP每个二值化阈值点对应的二值化图像的连通域属性，其属性定义如下：

定义8：已知IMGARY是灰度图像，二值化阈值为x，x范围为[0，255]，定义集合ConDo_x为二值化图像中连通域集合，c为集合ConDo_x中的连通域。

定义9：已知IMGBW是步骤3得到的二值化阈值点对应的二值化图像，BWP为二值化阈值目标点集合，

及

时，则IMGBW的长边半径定义为IM.radius，c的面积定义为c.Area，与c具有相同面积的直径定义为c.EquivDiameter，c的周长定义为c.Perimeter，c的质心与(修正前的)二值化图像质心距离定义为c.CentroidDiff。

步骤4.2、针对灰度图像IMGARY，BWP为其二值化阈值点集合，

及

若

则删除该连通域c，即删除形状细长的连通域；若c.CentroidDiff＞IM.radius×0.8，则删除该连通域c，即删除质心距离二值化图像质心较远的连通域；若c.CentroidDiff＜IM.radius×0.3，则删除该连通域c，即删除质心距离二值化图像质心较近的连通域。

步骤4.3、经过步骤4.2后剩余的连通域，根据面积从大至小的顺序选择5个连通域，也就是仅保留c.Area最大的5个连通域，即仅保留面积最大的连通域、面积第二大的连通域、面积第三大的连通域、面积第四大的连通域、面积第五大的连通域。

步骤4.4、建立有效二值化图像集合：根据步骤4.3得到的c.Area最大的5个连通域生成的二值化图像集合IMGBW_Right，IMGBW_Right为有效二值化集合，也就是修正后的二值化图像的集合。

步骤5、将步骤4.4得到的有效二值化图像集合中的所有二值化图像进行叠加，叠加后图像中由有效二值化图像集合中超过30％的二值化图像同时包含的区域为有效阴影区域。即一定值为30％。

步骤6、根据有效阴影区域测量外浮顶油罐内外阴影长度

步骤6.1、根据步骤5得到的有效阴影区域作为输入，计算仅包含有效阴影区域的二值化图像中每一列的连通域，其列向连通域集合定义如定义10所示，并计算出每个连通域集合的属性，其属性定义如定义11所示：

定义10：已知IMG_Shd是仅包含有效阴影区域的二值化图像，IMG_Col为IMG_Shd的列集合，则定义集合ConDo_Col_x”_,y为IMG_Col的列向连通域集合，其中x”为列号，y为x”列连通域的编号；

定义11：已知IMGBW是步骤3得到的二值化阈值点对应的二值化图像，ConDo_Col_x”,y为IMG_Col的列向连通域集合，m为ConDo_Col_x”,y中的连通域，

则m的面积定义为m.Area，m的质心坐标定义为(m.CentroidX，m.CentroidY)，IMGBW的中心点坐标为(IM.radiusX，IM.radiusY)；

步骤6.2、IMG_Shd是仅包含有效阴影区域的二值化图像，ConDo_Col_x”,y为列向连通域集合，则计算得

为外浮顶油罐外阴影长度；

IMG_Shd是仅包含有效阴影区域的二值化图像，ConDo_Col_x”,y为列向连通域集合，则计算得

为外浮顶油罐内阴影长度。

步骤7、根据步骤6得到外浮顶油罐外阴影长度和内阴影长度的比例及油罐总储量计算当前时刻油罐储油量。

本发明基于高分辨率光学遥感图像的外浮顶油罐储量分析方法可以有效解决阴影外围背景复杂以及阴影区域内地物多样化对油罐阴影识别的准确度，提高了测量精度，有效地提高了算法的通用性，更适合于油罐识别算法的工程化应用。本发明可以快速精确计算外浮顶油罐的储量，对掌握国家的经济实力、战略决策、执行动向等信息具有重要的意义。

本发明通过获取图像二值化变化的极值点方法，确定备选阈值，并对全部阈值对应的二值化图像进行修剪，形成相对干净的二值化图像，最后认定大多数阈值点共同包含的阴影区域为最终的阴影区域。因为此方法可以同时保留多个阈值点对应的阴影区域，因此可以有效解决阴影外围背景复杂以及阴影区域内地物多样化对油罐阴影识别的准确度，有效地提高了算法的通用性，更适合于油罐识别算法的工程化应用。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (10)

1.基于高分辨率光学遥感图像的外浮顶油罐储量分析方法，其特征在于，包括如下步骤：

步骤1、对包含油罐的图像进行旋转使油罐外阴影线条方向平行于图像垂线；

步骤2、对步骤1得到图像放大阴影区域特征和减弱非阴影区域特征，将彩色图像转化为灰度图像IMGARY；

步骤3、选取IMGARY中能够用于识别灰度图像中油罐阴影区域的二值化阈值点得到二值化阈值点集合；

步骤4、对二值化阈值点集合中每个二值化阈值点对应的二值化图像进行修正得到修正后的二值化图像；

步骤5、将所有修正后的二值化图像进行叠加，叠加后图像中重复度超过一定值的区域为有效阴影区域；

步骤6、根据有效阴影区域测量外浮顶油罐内外阴影长度

步骤7、根据外浮顶油罐内外阴影长度比例及油罐总储量计算当前时刻油罐储油量。

2.如权利要求1所述的基于高分辨率光学遥感图像的外浮顶油罐储量分析方法，其特征在于，所述步骤1的具体过程为：取彩色的包含油罐的图像，根据太阳方位角对包含油罐的图像进行旋转，使图像中油罐外阴影线条方向平行于图像垂线。

3.如权利要求1所述的基于高分辨率光学遥感图像的外浮顶油罐储量分析方法，其特征在于，所述步骤2包括：

步骤2.1、计算步骤1得到图像的图像RGB三通道平均灰度值，当平均灰度值大于170时，对图像RGB三通道分别进行均衡化处理；

步骤2.2、提高图像中深绿色区域的三通道像素点值，缩减图像中蓝灰色区域的三通道像素点值；

步骤2.3、将RGB图像转换成灰度图像。

4.如权利要求3所述的基于高分辨率光学遥感图像的外浮顶油罐储量分析方法，其特征在于，所述平均灰度值的计算公式为：

其中，RowM为图像行数，ColM为图像列数，ChnM图像通道数，x_chn,row,col为当前点的分量值，MeanGray为平均灰度值；

所述图像中深绿色区域的三通道像素点值提高一倍，图像中蓝灰色区域的三通道像素点值缩减一半；所述深绿色区域的三通道像素点的绿通道分量大于70、绿通道分量大于红通道分量且绿通道分量大于蓝通道分量；所述蓝灰色区域为的三通道像素点的蓝通道分量大于120小于190、蓝通道分量大于红通道分量且蓝通道分量大于绿通道分量。

5.如权利要求1所述的基于高分辨率光学遥感图像的外浮顶油罐储量分析方法，其特征在于，所述步骤3包括：

步骤3.1、计算函数f'(x)的极值点，计算函数f”(x)的极值点，计算函数g'(x)的极值点，函数f'(x)的极值点集合BWP₁为IMGARY的二值化阈值目标点集合一，函数f”(x)的极值点集合BWP₂为IMGARY的二值化阈值目标点集合二，函数g'(x)的极值点集合BWP₃为IMGARY的二值化阈值目标点集合三，IMGARY的二值化阈值x∈[0，180]，f(x)＝RateBW_x，g(x)＝ConNum_x；

其中，二值化阈值x∈[0，180]，

RowM'为灰度图像行数，ColM'为灰度图像列数，num0_x是二值化图像中值为0的像素点总数；ConNum_x为二值化图像中连通域的数量；

步骤3.2、对进行去重和进行清洗得到二值化阈值点集合BWP。

6.如权利要求5所述的基于高分辨率光学遥感图像的外浮顶油罐储量分析方法，其特征在于，所述步骤3.2的具体过程为：对BWP₁、BWP₂和BWP₃进行合并和去重得到BWP_all，对BWP_all进行清洗得到二值化阈值点集合BWP，所述清洗为删除{x∈BWP_all|60％≤RateBW_x≤92％}集合中的二值化阈值目标点。

7.如权利要求1所述的基于高分辨率光学遥感图像的外浮顶油罐储量分析方法，其特征在于，所述步骤4对二值化阈值点集合中每个二值化阈值点对应的二值化图像进行修正具体为：删除二值化图像中非潜在阴影区域对应的连通域，再保留二值化图像中潜在阴影区域对应的连通域，最后根据保留下来的连通域建立有效二值化图像集合。

8.如权利要求7所述的基于高分辨率光学遥感图像的外浮顶油罐储量分析方法，其特征在于，所述非潜在阴影区域包括形状细长的连通域、连通域质心距离二值化图像质心较远的连通域、连通域质心距离二值化图像质心较近的连通域；所述潜在阴影区域对应的连通域为：二值化图像中删除非潜在阴影区域对应的连通域后，连通域按照面积从大到小排在前5位的连通域。

9.如权利要求8所述的基于高分辨率光学遥感图像的外浮顶油罐储量分析方法，其特征在于，所述形状细长的连通域为

的连通域，所述连通域质心距离二值化图像质心较远的连通域为c.CentroidDiff＞IM.radius×0.8的连通域，所述连通域质心距离二值化图像质心较远的连通域为c.CentroidDiff＜IM.radius×0.3的连通域；其中集合ConNum_x为二值化图像中连通域集合，c为集合ConDo_x中的连通域，当

且

时，则IM.radius为IMGBW的长边半径，c.Area为c的面积，c.EquivDiameter为与c具有相同面积的直径，c.Perimeter为c的周长，c.CentroidDiff为c的质心与二值化图像质心距离，BWP为二值化阈值目标点集合，ConDo_x为二值化图像中连通域集合，IMGBW是步骤3得到的二值化阈值点对应的二值化图像。

10.如权利要求1所述的基于高分辨率光学遥感图像的外浮顶油罐储量分析方法，其特征在于，所述步骤6为：

根据

计算外浮顶油罐外阴影长度；

根据

计算外浮顶油罐内阴影长度；

其中ConDo_Col_x”,y为IMG_Col的列向连通域集合，IMG_Col为IMG_Shd的列集合，IMG_Shd为仅包含有效阴影区域的二值化图像，x”为列号，y为x”列连通域的编号；m为ConDo_Col_x”,y中的连通域，

则m的面积定义为m.Area，m的质心坐标定义为(m.CentroidX，m.CentroidY)，IMGBW的中心点坐标为(IM.radiusX，IM.radiusY)。

Images