CN113378677B - 基于空间相似性与修正盐田指数的海岸养殖池提取方法 - Google Patents

Abstract

本发明提供一种基于空间相似性与修正盐田指数的海岸养殖池提取方法，包括：获取Landsat‑8图像数据，并对所述Landsat‑8图像数据进行预处理；对预处理后的图像进行条状水体定位，从而获得海岸带水体图像数据基于结晶池和养殖池的光谱差异性以及结晶池的条纹状纹理特征提取盐田的结晶池区域图像数据；基于蓄水池与结晶池的空间分布特性提取蓄水池区域图像数据；在所述海岸带水体图像数据中去除所述结晶池区域图像数据和蓄水池区域图像数据，从而获取养殖池区域图像信息。本发明方法能够有效的提取中等分辨率下多光谱图像的含盐田海岸带养殖池。

Description

基于空间相似性与修正盐田指数的海岸养殖池提取方法

技术领域

本发明涉及遥感图像处理技术领域，具体而言，尤其涉及一种基于空间相似性与修正盐田指数的海岸养殖池提取方法。

背景技术

早期利用多光谱图像提取海岸带养殖池，一般采用目视解译的方法。通过人工绘制海岸带养殖池，使得提取结果具有较高精度，但费时费力，无法进行大规模的养殖池自动提取。相比目视解译，指数法因其运算简单而有效提高了提取效率。其主要思想是通过不同波段间的光谱值构建光谱指数，从而抑制背景地物的同时增强目标地物，该指数适用于光谱差异较大的情况，然而当养殖池临近存在光谱与空间结构相似盐田时，会产生错分的结果。而解决这一问题的手段主要有两种：深度学习与机器学习和面向对象的方法。前一种方法通过深度提取特征来对养殖池和其它地物类别进行分类，然而该方法的计算量较大、自动化程度较低，并且当样本数量不充足时会导致移植性较差。后一种方法通过特征的局部均匀性形成不同的区域对象，再通过纹理、形状、光谱等多种特征进行分类，其优势在于可以克服传统基于像素方法中的“椒盐效应”。

虽然上述方法均能够提取海岸养殖池，然而其提取区域通常还包含盐田，从而造成海岸带养殖池提取精度下降，其原因是盐田主要由结晶池、蒸发池和蓄水池构成，而蒸发池和蓄水池与海岸带养殖池在光谱和空间结构具有较大的相似性。为了解决这一问题，一些研究采用最大似然分类器进行监督分类后，通过人工目视判读对十八种海岸地物进行分类。或者采用土地覆盖分类的方法缓解了水体指数方法无法区分盐田和养殖池的问题。虽然上述两种方法考虑了盐田对养殖池提取带来的问题，然而提取精度通常依赖于训练样本的数量，然而养殖区尚缺乏大数据量的样本库。为此，领域内提出了另一种方法，即使用归一化盐田指数判别盐田与养殖区，而盐田指数主要利用蓝色波段和近红外-1波段的光谱差异构建，因此该方法适合于这两个波段有明显差异的养殖池和盐田结晶池。

目前，海岸养殖池提取仍存在以下问题：1、中等分辨率图像分辨率较低使得养殖池的堤坝仅有一至两个像素的宽度，经常与相邻养殖池粘合在一起难以有效去除。2、光谱与位置具有相似性的盐田存在，使得有效提取海岸带养殖池成为一个挑战性的问题。

发明内容

鉴于现有技术的不足，本发明提供了一种基于空间相似性与修正盐田指数的海岸养殖池提取方法，能够有效的提取中等分辨率下多光谱图像的含盐田海岸带养殖池。

本发明采用的技术手段如下：

一种基于空间相似性与修正盐田指数的海岸养殖池提取方法，包括：

获取Landsat-8图像数据，并对所述Landsat-8图像数据进行预处理；

对预处理后的图像进行条状水体定位，从而获得海岸带水体图像数据；

基于结晶池和养殖池的光谱差异性以及结晶池的条纹状纹理特征提取盐田的结晶池区域图像数据；

基于蓄水池与结晶池的空间分布特性提取蓄水池区域图像数据；

在所述海岸带水体图像数据中去除所述结晶池区域图像数据和蓄水池区域图像数据，从而获取养殖池区域图像信息。

进一步地，基于结晶池和养殖池的光谱差异性提取盐田的结晶池区域图像数据，包括：基于修正的联合归一化差异盐田指数获取盐田的结晶池区域图像数据，所述修正的联合归一化差异盐田指数为：

其中ρ_Red表示Landsat-8图像中Red波段的反射率，ρ_Green表示Landsat-8图像中Green波段的反射率，ρ_SWIR1表示Landsat-8图像中SWIR1波段的反射率，ρ_SWIR2表示Landsat-8图像中SWIR2波段的反射率，h₁、h₂、h₃为预设的提取阈值。

进一步地，基于结晶池和养殖池的光谱差异性以及结晶池的条纹状纹理特征提取盐田的结晶池区域图像数据，包括：

基于线段表征策略，通过线段表征盐田结晶池；

基于多线段连接策略，将同一排的多个结晶池表征为一条完整的线段；

基于相似性判别准则，挑选出两排相邻的结晶池。

进一步地，通过线段表征盐田结晶池，包括：使用过表示盐田结晶池的矩形块的中心点，角度为θ的直线，截取其与矩形块相交的线段表征矩形块；其中方向角θ根据以下方式确定：

θ＝arctan(K)

其中K表示单一盐田池最大内接椭圆的长轴与水平轴之间的斜率。

进一步地，将同一排的多个结晶池表征为一条完整的线段，包括：

对表征结晶池的线段进行端点检测；

根据结晶池分布的空间特性，对检测到的端点进行连接。

进一步地，对Landsat-8图像数据进行预处理，包括：对Landsat-8图像数据进行辐射定标以及大气校正的步骤。

进一步地，对预处理后的图像进行条状水体定位，包括：

选择归一化差异水体指数，从而获取水体指数图；

采用海森矩阵对所述水体指数图进行处理，得到归一化差异水体指数的条状水体图；

结合海岸带与熵定位海岸带区域条状水体。

较现有技术相比，本发明具有以下优点：

本发明能够有效的提取中等分辨率下多光谱图像的含盐田海岸带养殖池，并且充分考虑了与养殖池的堤坝干扰，能够有效移除干扰。同时避免使用分类的方法，无需多次训练，有较好的可迁移性，对不同地区的图像的提取结果有较好的鲁棒性。

基于上述理由本发明可在遥感图像提取领域广泛推广。

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做以简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明基于空间相似性与修正盐田指数的海岸养殖池提取方法流程图。

图2为实施例中Landsat-8图像唐山地区实验结果，其中(a)为原图，(b)为真值图，(c)为NDSI提取盐田区域结果，(d)为NDSI提取养殖区区域结果，(e)为本文方法提取结晶池盐田结果，(f)为本文方法提取盐田区域结果，(g)为本文方法提取养殖区区域结果。

图3为实施例中Landsat-8图像天津地区实验结果，其中(a)为原图，(b)为真值图，(c)为NDSI提取盐田区域结果，(d)为NDSI提取养殖区区域结果，(e)为本文方法提取结晶池盐田结果，(f)为本文方法提取盐田区域结果，(g)为本文方法提取养殖区区域结果。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，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的实施例，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，都应当属于本发明保护的范围。

需要说明的是，本发明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，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。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。

如图1所示，本发明提供了一种基于空间相似性与修正盐田指数的海岸养殖池提取方法，包括：

S1、获取Landsat-8图像数据，并对所述Landsat-8图像数据进行预处理。预处理主要包括对Landsat-8图像数据进行辐射定标以及大气校正的步骤。

具体来说，辐射定标是将图像的DN值转化为辐射亮度值、或反射率、或表面温度等物理量的处理过程。大气校正为了消除大气气溶胶、地形和邻近地物对反射带来的影响。辐射定标和大气校正皆使用ENVI5.3软件完成。

S2、对预处理后的图像进行条状水体定位，从而获得海岸带水体图像数据。包括：选择归一化差异水体指数，从而获取水体指数图；采用海森矩阵对所述水体指数图进行处理，得到归一化差异水体指数的条状水体图；结合海岸带与熵定位海岸带区域条状水体。

具体来说，为了避免海洋、内陆等地物对定位养殖区带来的干扰，本发明给出一种基于海森矩阵和熵的养殖池定位算法。

首先，该算法通过归一化差异水体指数计算图像各像素含水量，其定义如下：

其中ρ_Green和ρ_SWIR-1分别是Landsat-8的Green波段和SWIR-1波段的反射率。利用含水量通常有利于确定含水区域(例如：养殖池)的结构，而含水量图的生成以往的研究大多依靠阈值法。阈值法对阈值的选取较为敏感，若阈值选取较大，容易漏检含水量较低的池子，所示若阈值选取较小，则容易错检。同时，由于图像分辨率较低的原因使得养殖池的堤坝仅有一至两个像素的宽度，部分像素往往同时包含堤坝与养殖池，阈值法针对内部较窄堤坝出现错误检测的现象，这种现象使得养殖池失去原有的规则矩形特征。为了解决上述问题，本申请采用海森矩阵检测海岸带的含水区域，其原因在于海森矩阵具有较好的边缘保持效果，其特征值和特征向量能很好的描述一个线性或管状结构，其特征值可分别表示：

其中L_xx，L_yy，L_xy分别是图像x、y方向的二阶偏导和x与y二阶混合偏导，其中对于线性结构，特征值λ_max相对较大，λ_min相对较小，而对于非线性结构，特征值λ_max相对较小。养殖池正好符合这一结构特性。与传统阈值方法相比，海森矩阵能很好的保持大坝信息，避免错误将堤坝检测为养殖池。

然而，利用海森矩阵会带来很多的内陆(例如道路)的线性结构的干扰，这些干扰会易错检为养殖池从而降低养殖池的提取精度，本申请为了解决这一问题采用海岸带的思想，首先确定海岸带区域，其目的是粗略定位海岸养殖池所在范围。根据规定海岸带区域为海岸线向陆延伸10km，向海延伸至海15km处。由于Landsat-8图像的分辨率为30m，因此从海陆分界向陆地大概延伸400个像素，向海洋延伸约500个像素。随着养殖规模的不断扩大，部分养殖池过于靠近内陆区域，被误认为陆地水体干扰被错误去除。而养殖池一般大规模密集式分布，相邻养殖池由堤坝隔开。因此可以消除大坝干扰使得靠近内陆的养殖池与海岸养殖池连通为一个整体区域，通过整体区域判断其是否位于海岸带中避免靠近陆地的养殖池的错误去除。图像熵恰恰可以解决这一问题，其反应某像素位置上的灰度值与其周围像素灰度分布的综合特征，可以将灰度较低的大坝和一些孤立点像素在图像熵的影响下会显示与养殖池相似的高灰度特性，从而将大片的养殖区联通在一起，避免过于靠近内陆的养殖区被错误去除。

S3、基于结晶池和养殖池的光谱差异性以及结晶池的条纹状纹理特征提取盐田的结晶池区域图像数据。包括：基于修正的联合归一化差异盐田指数获取结晶池盐田二值化图像数据，所述修正的联合归一化差异盐田指数为：

其中ρ_Red表示Landsat-8预处理图像中Red波段的反射率，ρ_Green表示Landsat-8图像中Green波段的反射率，ρ_SWIR1表示Landsat-8图像中SWIR1波段的反射率，ρ_SWIR2表示Landsat-8图像中SWIR2波段的反射率，h₁、h₂、h₃为预设的提取阈值，其中h1和h2一般设置为0.05，h3一般设置为0.12。最终，盐田区域为所得二值化图像中像素值为1的区域。

具体来说，通常海岸影像存在的盐田降低养殖池提取精度，其原因是盐田在光谱与空间结构与养殖池相似，这对于有效养殖池提取带来困难。盐田根据制盐工艺流程可分为：蓄水池、蒸发池和结晶池。如不关注卤水饱和程度，可将蓄水池和蒸发池归为蓄水池一类。盐田的不同生产池在伪彩色图像中呈现不同颜色，蓄水池与附近养殖池颜色相近，这使得单一依据水体光谱信息是难以区分养殖池和盐田蓄水池。结晶池则出现大量白色晶体盐。结晶池内水体因含盐度较高，导致其光谱特征与养殖池光谱特征差异较大，有利于两者的甄别。

针对结晶池提取的研究，虽然已有归一化盐田指数(Normalized DifferenceSolt_pan Index，NDSI)可以有效提取结晶池，然而混浊水体养殖池及其周围堤坝在光谱特征上与结晶池具有相似性，因此采用已有盐田指数提取结晶池存在错检问题。为了解决这一问题，本申请提出一种联合归一化盐田指数。联合归一化盐田指数提出的依据是需要分析结晶池和养殖池的光谱差异性，首先本专利对不同季节盐田结晶池和蓄水池区域进行光谱特性的分析。在不同的季节盐田结晶池与养殖区在Green波段和Red波段存在明显差异，盐田结晶池在Red波段的光谱值明显大于Green波段的光谱值，而养殖池在Red波段的光谱值明显小于Green波段的光谱值。因此通过这两个波段的差异性可区分盐田结晶池与养殖池区域。水体混浊的养殖池和养殖池堤坝的Red波段的光谱值皆大于Green波段的光谱值，这同样是已有盐田指数提取结晶池也存在的问题。为了解决这一问题，本专利选取水体混浊的养殖池和盐田结晶池区域进行光谱分析，盐田结晶池和水体混浊的养殖池在Red波段上具有一定差异性，因此使用红色波段进行区分对于水体混浊的养殖池与结晶池进行了有效的区分，但仍存在养殖池堤坝的干扰。因此为了更好的区分养殖池堤坝与盐田结晶池，同样的进行光谱分析得出堤坝在SWIR1和SWIR2波段具有更高的光谱反射值。因此，本专利提出修正的联合归一化差异盐田指数(Amendatory Normalized Difference Solt-panIndex,ANDSI)

S4、基于蓄水池与结晶池的空间分布特性提取蓄水池区域图像数据。包括基于线段表征策略，通过线段表征盐田结晶池；基于多线段连接策略，将同一排的多个结晶池表征为一条完整的线段；基于相似性判别准则，挑选出两排相邻的结晶池。

具体来说，虽然盐田结晶池可以提取，但仍然无法解决蓄水池的提取问题，这是由于盐田的蓄水池含盐量较低，其光谱与养殖池的光谱相似，无法仅通过光谱差异有效提取蓄水池，这也是已有盐田指数无法解决的问题。为了解决这一问题，可以充分利用盐田蓄水池的条纹状纹理特点，同时依据蓄水池与结晶池的空间分布的紧密性加以区分。为了寻找两排相邻的结晶池，给出一种空间相似性策略：

(1)线段表征策略:首先，为了宏观表征盐田结晶池的条纹状纹理，使用过盐田结晶池的中心点，角度为θ的直线，截取其与结晶池相交的线段表征。其中方向角θ可以表示为：

θ＝arctan(K) (5)

其中K表示单一盐田池最大内接椭圆的长轴与水平轴之间的斜率，arctan(·)为反正切函数。由此结晶池可用线段二值图表征。

(2)多线段连接策略

盐田具有明显的条纹特性，其同一排的结晶池应可以表示为一条完整的线段，然而由于大坝的存在，同一排的结晶池表示为了具有相近方向角的多个空间紧邻断裂的线段，为了消除大坝，将同一排的多个结晶池表征为一条完整的线段，给出一个相近方向角基于端点的多线段连接策：

1)端点检测

为了确定大坝截断的线段的断点处，也就是表征结晶池的线段的端点处，需进行线段端点检测，选取线段的两端作为端点。

2)端点连接

由于大坝间隔减弱了盐田的条纹特征，使得同一排的结晶池表示为具有相近方向角的多个空间紧邻断裂的线段，为了消除大坝间隔，使同一排的盐田表征为一条完整的线段，需将这些线段进行连接，这些线段的连接可视为它们端点之间的连接，而连接端点需要满足一定的条件。

首先，其它待连接端点要保证与当前端点的间隔距离较小。因此为了保证间隔距离较小的端点连接，假设当前线段的一个端点为X，以X为中心点，选取半径为r的邻域窗内进行待连接端点搜索，假设m,n分别表示当前端点X的横坐标和纵坐标，则该端点X的待连接端点的横纵坐标需满足如下条件：

|m_i-m|≤r∪|n_i-n|≤r (6)

其中mi和ni分别表示待连接端点Xi的横坐标和纵坐标。一般r选用20。选取的待连接端点以升序的规则生成待连接点集合M，记为集合M＝{X₁,X₂,X₃,…,X_i…}。Xi代表第i个待连接端点。

其次，当前端点X与待连接点Xi所在的线段应具有相近的方向性。因此，当前端点X所在的线段的方向角θ与待连接端点Xi所在线段的方向角θ_i应相近，其定义如下：

|θ-θ_i|≤t₁ (7)

而同一排的盐田会出现一定角度偏差，不能满足严格意义上的平行，因此，需要设定一个偏差，这里t1一般选择为10度。

最后，上述规则可挑选出与当前端点X具有邻近距离和相似方向性的线段的待连接端点，然而间隔距离较小的相邻两排结晶池线段也同样符合以上规则，然而表征同一排的空间紧邻结晶池的两条线段具有如下的特点：

a.在水平和垂直方向的投影没有明显的重叠。其定义如下：

L(P_x∩Q_x)≤t₂∩L(P_y∩Q_y)≤t₂ (8)

其中L(·)表示统计元素个数的函数，P_x＝{x₁,x₂,x₃,…,x_i,…}、P_y＝{y₁,y₂,y₃,…,y_i,…}，分别表示当前端点X所在线段上所有像素点的横坐标和纵坐标的集合，xi、yi分别表示该线段上的第i个像素点的横纵坐标。同样的，Q_x、Q_y分别表示当待连接端点X_i所在直线上的像素集合的横坐标集合和纵坐标集合。t₂表示两条线段重合的程度，一般认为同一排的空间紧邻线段重合程度不超过2个像素，因此其一般取值为2。

b.它们的连线与它们在水平和垂直方向的投影没有明显的重叠，其定义如下：

L((P_x∩L_x)∪(Q_x∩L_x))≤t₂ (9)

L((P_y∩L_y)∪(Q_y∩L_y))≤t₂ (10)

其中L_x、L_y分别表示连接线段上的像素集合的横坐标集合和纵坐标集合。

c.它们的连线与它们之间具有较小方向性差异。其定义如下：

|θ-θ_mean|≤t₁ (11)

其中，θ表示连接线段的方向角，θ_mean表示当前端点X所在线段、待连接端点Xi所在线段的平均方向角。t1的取值与前文相同。

(3)相似性判别准则

为了挑选出两排相邻的结晶池，利用相邻排的结晶池应具有相似的长度特性，因此通过和长度构建判别准则SI，其定义如下：

其中L_s为其中一条的长度，L为另一条线段的长度，本专利中SI一般选用0.61，即认为两条直线的长度差距在一半之内，则认为其满足盐田具有的条纹特征，认为两者间的区域为盐田的蓄水池区域。

S5、在所述海岸带水体图像数据中去除所述结晶池区域图像数据和蓄水池区域图像数据，从而获取养殖池区域图像信息。

具体来说，通过获取的海岸带养殖池区域的二值图像，去除提取的不同时期的盐田池，可得到去除盐田干扰的海岸带养殖池，然而仍存在部分其它湖泊水体干扰，最后通过面积和形状特征移除其他水体干扰。水体目标中面积大于1100且周围被陆地包围的水体将会被认为是湖泊移除。

下面通过具体的应用实例，对本发明方法的效果做进一步说明。

实验区域1位于河北省秦皇岛市，如图2所示。实验区域2位于唐山市，如图3所示。这两个地区都具有典型的盐田特征，同时具有其他各种干扰水体目标，地表特征丰富。而目前针对养殖区与盐田区域的判别的研究较少，本专利将归一化盐田指数作为对比方法。

相比较以往养殖区提取算法，两种算法均考虑了养殖池附近存在光谱特性差异较小的盐田干扰。NDSI方法利用盐田与养殖池在光谱信息方面的差异，得到不含盐田的养殖区区域，而其较适合提取光谱差异较大的结晶池区域，对于光谱与养殖池相似的盐田蓄水池和蒸发池无法有效去除，且容易引入一些陆地地物干扰，错误去除一些含盐量较少的养殖池。这是由于其研究通过双阈值分类的方式确定养殖池区域，低于较小阈值的一般认为是含盐量较少的陆地干扰物，而部分含盐量较少的养殖区区域同样会被错误去除，部分含盐量较大的陆地干扰物被错误提取，而高于较大阈值的一般认为含盐量较高的结晶池区域，而含盐量与养殖池相似的蒸发池没有被去除，部分含盐量较大的养殖池被错误去除，且在不同的区域其双阈值的确定需要人为实验选取。而本文的方法有效考虑了光谱信息、位置信息与形状信息。通过修正的归一化盐田指数提取盐田结晶池区域，能更多的去除盐分较大的结晶池区域，这是因为以往的盐田指数认为含盐度较大的地物在绿色波段和短红外1波段具有更大的差值，养殖池的差值与盐田池的差值之间有较小的区分度，差距约为10左右，而盐田在红色波段的反射率大于绿色波段，养殖池正好相反，因此修正的盐田指数在红绿波段具有更好的区分度从而能够更好的提取结晶池。同时，为了去除NDSI无法去除的结晶池附近的蓄水池与蒸发池。本专利主要运用了盐田区域的位置信息，由于其排列整齐、几何特征明显，呈现一种条纹状纹理，因此，通过这种特性在本专利将位置上处于同一排的盐田池用直线表征，并通过断点连接消除池间的大坝影响，寻找与表征盐田结晶池直线具有相似方向、长度的直线，认为其为表征分布在结晶池附近的蒸发池和蓄水池的直线，该方法能去除盐田的蓄水池、蒸发池、结晶池。且在养殖区区域边缘保持能力更好，养殖区之间的堤坝能有效区分，细节信息更加丰富。在具有盐田情况下的养殖区具有更好的提取效果。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (6)

1.一种基于空间相似性与修正盐田指数的海岸养殖池提取方法，其特征在于，包括：

获取Landsat-8图像数据，并对所述Landsat-8图像数据进行预处理；

对预处理后的图像进行条状水体定位，从而获得海岸带水体图像数据；

基于结晶池和养殖池的光谱差异性以及结晶池的条纹状纹理特征提取盐田的结晶池区域图像数据，包括：基于修正的联合归一化差异盐田指数获取结晶池盐田二值化图像数据，所述修正的联合归一化差异盐田指数为：

其中ρ_Red表示Landsat-8预处理图像中Red波段的反射率，ρ_Green表示Landsat-8图像中Green波段的反射率，ρ_SWIR1表示Landsat-8图像中SWIR1波段的反射率，ρ_SWIR2表示Landsat-8图像中SWIR2波段的反射率，h₁、h₂、h₃为预设的提取阈值；

基于蓄水池与结晶池的空间分布特性提取蓄水池区域图像数据；

在所述海岸带水体图像数据中去除所述结晶池区域图像数据和蓄水池区域图像数据，从而获取养殖池区域图像信息。

2.根据权利要求1所述的基于空间相似性与修正盐田指数的海岸养殖池提取方法，其特征在于，基于结晶池和养殖池的光谱差异性以及结晶池的条纹状纹理特征提取盐田的结晶池区域图像数据，包括：

基于线段表征策略，通过线段表征盐田结晶池；

基于多线段连接策略，将同一排的多个结晶池表征为一条完整的线段；

基于相似性判别准则，挑选出两排相邻的结晶池。

3.根据权利要求2所述的基于空间相似性与修正盐田指数的海岸养殖池提取方法，其特征在于，通过线段表征盐田结晶池，包括：使用过表示盐田结晶池的矩形块的中心点，角度为θ的直线，截取其与矩形块相交的线段表征矩形块；其中方向角θ根据以下方式确定：

θ＝arctan(K)

其中K表示单一盐田池最大内接椭圆的长轴与水平轴之间的斜率。

4.根据权利要求2所述的基于空间相似性与修正盐田指数的海岸养殖池提取方法，其特征在于，将同一排的多个结晶池表征为一条完整的线段，包括：

对表征结晶池的线段进行端点检测；

根据结晶池分布的空间特性，对检测到的端点进行连接。

5.根据权利要求1所述的基于空间相似性与修正盐田指数的海岸养殖池提取方法，其特征在于，对Landsat-8图像数据进行预处理，包括：对Landsat-8图像数据进行辐射定标以及大气校正的步骤。

6.根据权利要求1所述的基于空间相似性与修正盐田指数的海岸养殖池提取方法，其特征在于，对预处理后的图像进行条状水体定位，包括：

选择归一化差异水体指数，从而获取水体指数图；

采用海森矩阵对所述水体指数图进行处理，得到归一化差异水体指数的条状水体图；

结合海岸带与熵定位海岸带区域条状水体。