CN114612379A - 一种基于sar影像的浅滩筏架提取方法及装置 - Google Patents
一种基于sar影像的浅滩筏架提取方法及装置 Download PDFInfo
- Publication number
- CN114612379A CN114612379A CN202210076130.8A CN202210076130A CN114612379A CN 114612379 A CN114612379 A CN 114612379A CN 202210076130 A CN202210076130 A CN 202210076130A CN 114612379 A CN114612379 A CN 114612379A
- Authority
- CN
- China
- Prior art keywords
- image data
- raft frame
- image
- sar
- shoal
- 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.)
- Pending
Links
- 238000000605 extraction Methods 0.000 title claims abstract description 63
- 238000000034 method Methods 0.000 claims abstract description 53
- 238000007781 pre-processing Methods 0.000 claims abstract description 28
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 16
- 238000011160 research Methods 0.000 claims abstract description 12
- 230000011218 segmentation Effects 0.000 claims abstract description 10
- 238000003708 edge detection Methods 0.000 claims abstract description 9
- 238000012545 processing Methods 0.000 claims description 44
- 238000001914 filtration Methods 0.000 claims description 43
- 238000004590 computer program Methods 0.000 claims description 9
- 238000005457 optimization Methods 0.000 claims description 9
- 230000000877 morphologic effect Effects 0.000 claims description 8
- 238000010606 normalization Methods 0.000 claims description 7
- 230000000873 masking effect Effects 0.000 claims description 5
- 230000009466 transformation Effects 0.000 claims 1
- 230000010287 polarization Effects 0.000 abstract description 25
- 238000012544 monitoring process Methods 0.000 abstract description 7
- 230000007613 environmental effect Effects 0.000 abstract description 3
- 230000015572 biosynthetic process Effects 0.000 abstract description 2
- 238000003384 imaging method Methods 0.000 description 10
- 238000004458 analytical method Methods 0.000 description 8
- 230000003287 optical effect Effects 0.000 description 8
- 239000013535 sea water Substances 0.000 description 7
- 230000007547 defect Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 239000002184 metal Substances 0.000 description 4
- 241001474374 Blennius Species 0.000 description 3
- 241000206607 Porphyra umbilicalis Species 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000002310 reflectometry Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 241000512259 Ascophyllum nodosum Species 0.000 description 1
- 241000195493 Cryptophyta Species 0.000 description 1
- 241000196252 Ulva Species 0.000 description 1
- 208000034699 Vitreous floaters Diseases 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000005388 cross polarization Methods 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000009364 mariculture Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 230000003746 surface roughness Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- 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
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20021—Dividing image into blocks, subimages or windows
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本申请提供了一种基于SAR影像的浅滩筏架提取方法及装置，涉及海上养殖遥感监测技术领域，包括：获取浅滩研究区域的SAR影像数据并进行预处理，得到第一影像数据；根据边缘检测方法对所述第一影像数据进行筏架与水域边界线的提取，并对所述边界线进行边缘膨胀，得到第二影像数据；通过最大类间方差法对所述第二影像数据进行分割阈值的确定，得到第一阈值，并根据所述第一阈值对所述第二影像数据进行筏架的提取，得到第三影像数据。本申请通过建立对遥感影像中筏架提取的技术方案，可以避免因海况或环境因素造成的成像不足，且采用VH极化的SAR数据对筏架进行自动提取，可大幅提高影像利用效率，提高筏架识别准确性。
Description
技术领域
本发明属于海上养殖遥感监测技术领域，尤其涉及一种基于SAR影像的浅滩筏架提取方法及装置。
背景技术
筏式养殖一般指通过在浅海水面利用浮子和绳索组成筏架，采用缆绳固定于海底的一种养殖方式，是沿海紫菜、海带的主要养殖方式。以江苏省为例，江苏是我国的海洋养殖大省，苏北浅滩海藻养殖区和连云港海藻养殖区是江苏省近岸主要的两大海藻养殖区。其中苏北浅滩海藻养殖区近年来规模扩大，苏北浅滩滩涂养殖面积由2000年的46平方千米扩张到2015年的241平方千米，养殖分布逐渐由浅滩向浅海延伸。研究者认为南黄海海域浒苔的爆发与苏北浅滩的筏架养殖存在一定关联，国家重视海洋生态文明建设，为了规范用海秩序，对违法养殖区进行清退，海上筏架养殖遥感监测必不可少。
在现有技术中，一般的筏架提取手段主要以光学影像和SAR影像目视解译为主，存在的问题如下：(1)光学影像筏架提取数据量受限，影像数据获取受到近海海域天气影响，海域多变的气象条件减少了有效影像数据的获取；(2)对于无云区光学影像筏架提取，主要依赖于养殖作物例如紫菜具备与植被相近的光谱特征，在紫菜的生长阶段，可见光影像在红波波段与近红外波段比较敏感，近红外波段的筏架养殖区反射率高于海水反射率，一般采用归一化植被指数(NDVI)进行筏架区域提取，根据影像分析，NDVI适用于背景为海水区域的筏架提取，浅滩区域的NDVI与筏架养殖区域的NDVI相近，两者混淆难以提取；(3)对SAR影像筏架提取流程的自动化程度不足，受影像极化选择、斑点噪声影响等原因，一般以目视解译为主，较少采用自动化处理流程。
发明内容
本发明提供了一种基于SAR影像的浅滩筏架提取方法及装置，旨在解决上述中影像数据的获取受天气气象因素干扰，识别精度不高，自动化程度不高的问题。
为了实现上述目的，本申请采用以下技术方案，包括：
获取浅滩研究区域的SAR影像数据并进行预处理，得到第一影像数据；
根据边缘检测方法对所述第一影像数据进行筏架与水域边界线的提取，并对所述边界线进行边缘膨胀，得到第二影像数据；
通过最大类间方差法对所述第二影像数据进行分割阈值的确定，得到第一阈值，并根据所述第一阈值对所述第二影像数据进行筏架的提取，得到第三影像数据。
作为优选，所述得到第三影像数据之后，还包括：
对所述第三影像数据进行形态学处理中的开运算处理，减少所述筏架的边缘斑点连接，并采用闭运算处理，减少所述筏架的内部空洞，得到第四影像数据；
对所述第四影像数据进行图斑标记，根据所述图斑标记的信息设置滤除面积，并根据所述滤除面积对所述第四影像数据进行噪声斑点滤除，得到第五影像数据，所述滤除面积小于所述第四影像数据中筏架的最小面积。
作为优选，所述得到第五影像数据之后，对所述第五影像数据进行栅格转矢量的操作，得到筏架矢量图像。
作为优选，所述获取浅滩研究区域的SAR影像数据并进行预处理，得到第一影像数据，包括：
对所述SAR影像数据进行地理编码、辐射定标、辐射归一化、滤波以及陆地掩膜，得到第一预处理影像；
对所述第一预处理影像进行中值滤波处理并进行固定系数的线性增强，得到所述第一影像数据。
作为优选，所述获取浅滩研究区域的SAR影像数据为VH极化SAR影像数据。
一种基于SAR影像的浅滩筏架提取装置，包括：
数据预处理模块：用于获取浅滩研究区域的SAR影像数据并进行预处理，得到第一影像数据；
边界线处理模块：用于根据边缘检测方法对所述第一影像数据进行筏架与水域边界线的提取，并对所述边界线进行边缘膨胀，得到第二影像数据；
筏架提取模块：用于通过最大类间方差法对所述第二影像数据进行分割阈值的确定，得到第一阈值，并根据所述第一阈值对所述第二影像数据进行筏架的提取，得到第三影像数据。
作为优选，还包括：
图像第一优化模块：用于对所述第三影像数据进行形态学处理中的开运算处理，减少所述筏架的边缘斑点连接，并采用闭运算处理，减少所述筏架的内部空洞，得到第四影像数据；
图像第二优化模块：用于对所述第四影像数据进行图斑标记，根据所述图斑标记的信息设置滤除面积，并根据所述滤除面积对所述第四影像数据进行噪声斑点滤除，得到第五影像数据，所述滤除面积小于所述第四影像数据中筏架的最小面积。
作为优选，所述数据预处理模块，包括：
第一预处理模块：用于对所述SAR影像数据进行地理编码、辐射定标、辐射归一化、滤波以及陆地掩膜，得到第一预处理影像；
第二预处理模块：用于对所述第一预处理影像进行中值滤波处理并进行固定系数的线性增强，得到所述第一影像数据。
一种基于SAR影像的浅滩筏架提取装置，包括存储器和处理器，所述存储器用于存储一条或多条计算机指令，其中，所述一条或多条计算机指令被所述处理器执行以实现如上述中任一项所述的一种基于SAR影像的浅滩筏架提取方法。
一种存储有计算机程序的计算机可读存储介质，其特征在于，所述计算机程序被计算机执行时实现如上述中任一项所述的一种基于SAR影像的浅滩筏架提取方法。
本发明具有以下有益效果：
(1)本申请通过建立对遥感影像中筏架提取的技术方案，可以避免因海况或环境因素造成的成像不足，且采用VH极化的SAR数据对筏架进行自动提取，可大幅提高影像利用效率，提高筏架识别准确性；
(2)本方案中的遥感数据采用VH极化的SAR数据，SAR数据可以克服光学影像在海域多阴雨天气下有效成像不足的缺陷，为筏架监测及提取提供可靠的数据来源，避免受云、雾以及降雨等天气环境影响，提高筏架提取的准确性，且通过对筏架养殖海域主要地物的后向散射强度进行分析，发现在VH极化影像中，水体、筏架、金属结构(船只，风车等)三者的散射强度存在明显区别，所以采用VH极化的影像数据可以克服光学影像NDVI在浅滩区域对筏架难以区分不足，同时避免了VV极化数据中浅滩与筏架不可区分的缺点，从数据源的基础出发，提高整体方案的筏架提取精度；
(3)本方案中根据SAR影像成像特点，采用增强型Lee滤波与中值滤波结合，降低斑点噪声影响，并对影像进行线性增强，提高影像地物差异，并采用改进的自动阈值提取方式，优化传统阈值方式对整景影像处理时间过长，提取阈值不准确的不足，进而提高目标提取的效率；
(4)本方案中出于对SAR影像斑点噪声干扰的考虑，所以结合筏架的分布特征，对阈值结果进行形态学优化，并利用8连通，进一步对筏架提取结果进行分割，通过设置最小滤除面积，剔除斑点噪声在筏架提取过程中的影响，提高自动化处理效果，优化筏架提取图像；
(5)在本方案中，在得到最终的筏架提取图像之后，将其由栅格图像转换为矢量图像，目的是为了后续基于该图像的分析，后续进行分析一般包含矢量结果统计、出图，例如结合海域分界线等文件，统计筏架在不同区域内的养殖面积等等，因为矢量文件放大操作没有栅格的像素特征，放大也不模糊，综上所述，本栅格转矢量的操作，提高了用户对本筏架提取图像产品后续的使用体验，提高了本产品的实用性。
附图说明
图1为本发明实施例实现一种基于SAR影像的浅滩筏架提取方法的流程图
图2为本发明实施例中一种3×3结构的开运算的示意图
图3为本发明实施例中一种5×5结构的开运算的示意图
图4为本发明实施例中一种3×3结构的闭运算的示意图
图5为本发明实施例中一种筏架提取图像处理的过程示意图
图6为本发明实施例中一种相同地块不同极化数据的对比示意图
图7为本发明实施例中一种VH极化浅滩养殖区主要地物后向散射特征的折线图
图8为本发明实施例实现一种基于SAR影像的浅滩筏架提取装置的结构示意图
图9为本发明实施例实现一种基于SAR影像的浅滩筏架提取装置中的数据预处理模块10的结构示意图
图10为本发明实施例实现一种基于SAR影像的浅滩筏架提取装置中的一种电子设备示意图
具体实施方式
下面将结合附图，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。
本申请的权利要求书和说明书的术语“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术语在适当情况下可以互换，这仅仅是描述本申请的实施例中对相同属性的对象在描述时所采用的区分方式，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，以便包含一系列单元的过程、方法、系统、产品或设备不必限于那些单元，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他单元。
除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同，本文中在本申请的说明书中所使用的术语只是为了描述具体的实施例的目的，不是在于限制本申请。
实施例1
如图1所示，一种基于SAR影像的浅滩筏架提取方法，包括以下步骤：
S11、获取浅滩研究区域的SAR影像数据并进行预处理，得到第一影像数据；
S12、根据边缘检测方法对所述第一影像数据进行筏架与水域边界线的提取，并对所述边界线进行边缘膨胀，得到第二影像数据；
S13、通过最大类间方差法对所述第二影像数据进行分割阈值的确定，得到第一阈值，并根据所述第一阈值对所述第二影像数据进行筏架的提取，得到第三影像数据。
在本实施例中，首先确定要进行筏架提取的地块范围，然后再进行以下操作：
(1)哨兵-1影像预处理
对于获取的浅滩研究区域的SAR影像数据需要进行地理编码与辐射定标处理，将SAR影像转为具有地理坐标的影像数据，同时进行辐射定标与辐射归一化，获取后向散射强度信息，考虑到SAR影像存在较多的斑点噪声，采用Enhanced Lee滤波方式进行斑点噪声滤除，完成SAR影像的预处理步骤，获得SAR正射影像，上述过程的SAR影像预处理可以通过SARscape软件进行，也可以采用开源软件SNAP完成，完成预处理后，再进行陆地掩膜，保留海上筏架养殖区，得到掩膜处理后的图像，即“第一预处理影像”；
(2)SAR影像图像增强
对预处理后的影像即第一预处理影像进行中值滤波操作，滤波窗口设置3*3大小，进一步降低噪声影响，保留地物在影像中的边缘特征，并对影像进行2％线性增强，突出筏架与海水间的差异，得到“第一影像数据”，其中2％即“固定系数”，在本图像增强过程中，将浮点型数据转为8位数据，同时进行百分比拉伸，具体的拉伸百分比设置基于经验和目视效果选择，本方案中，取2％；
(3)自动确定分割阈值并提取筏架
对筏架区域影像即第一影像数据采用Canny边缘检测算法，提取出筏架与水域之间明显的分界线，对该分界线进行边缘膨胀，膨胀距离设置3个像素单位，膨胀处理后的图像即“第二影像数据”，并对3个像素范围内的影像数值进行统计，利用最大类间方差法(OTSU)自动确定阈值，通过限制像素统计范围，优化影像的直方图特征，可发挥OTSU算法特点，前景与背景的类间方差越大，提升阈值提取效果，该自动确定的阈值即“第一阈值”，确定阈值之后，根据该阈值对第二影像数据进行筏架提取，得到筏架提取图像，该图像即“第三影像数据”；
(4)筏架提取图像优化提取
海上筏架具有规则矩形，筏架一般宽度为140-150米，单个筏架面积一般超过2公顷，筏架的间隔距离不等，一般筏架间隔超过50米，少部分间隔会少于10米，根据筏架分布的一般特征，设置形态学处理开运算3个像素距离，减少边缘斑点的连接，并采用8连通的图像处理方式，处理后的图像即“第四影像数据”，然后设置最小滤除面积，根据该滤除面积对第四影像数据进行杂质噪声斑点的去除，然后得到优化后的图像，该图像即“第五影像数据”，其中由于浅滩金属地物一般以船只与风车为主，两者的面积一般小于最小的筏架面积，因此，本发明设置的最小滤除面积大于影像中最大金属地物成像面积，并小于最小的独立筏架面积，进而滤除船只、海上风车或者斑点噪声造成的误提，进而保留筏架地物；
进行形态学处理的原因和开闭运算的结构如下所述：阈值分割处理后生成栅格影像二值图，后续需要进行形态学处理，其中开运算处理用于打开无意义斑点和筏架间的连接以及不同图斑之间的连接，闭运算处理用于闭合筏架内部的图形，断开连接采用开运算，开运算结构大小是3×3，结构如图2所示，同理，5×5开运算结构如图3所示，闭合筏架内部的空缺，采用闭运算，闭运算的3×3结构如图4所示；
上述(1)-(4)中图像处理过程，可简要如图5所示；
(5)对上述最终生成的筏架提取图像即第五影像数据进行栅格转矢量的操作，生成“筏架矢量图像”，便于后续分析的使用。
本实施例的有益效果为：
(1)本申请通过建立对遥感影像中筏架提取的技术方案，可以避免因海况或环境因素造成的成像不足，且采用VH极化的SAR数据对筏架进行自动提取，可大幅提高影像利用效率，提高筏架识别准确性；
(2)本方案中根据SAR影像成像特点，采用增强型Lee滤波与中值滤波结合，降低斑点噪声影响，并对影像进行线性增强，提高影像地物差异，并采用改进的自动阈值提取方式，优化传统阈值方式对整景影像处理时间过长，提取阈值不准确的不足，进而提高目标提取的效率；
(3)本方案中出于对SAR影像斑点噪声干扰的考虑，所以结合筏架的分布特征，对阈值结果进行形态学优化，并利用8连通，进一步对筏架提取结果进行分割，通过设置最小滤除面积，剔除斑点噪声在筏架提取过程中的影响，提高自动化处理效果，优化筏架提取图像；
(4)在本方案中，在得到最终的筏架提取图像之后，将其由栅格图像转换为矢量图像，目的是为了后续基于该图像的分析，后续进行分析一般包含矢量结果统计、出图，例如结合海域分界线等文件，统计筏架在不同区域内的养殖面积等等，因为矢量文件放大操作没有栅格的像素特征，放大也不模糊，综上所述，本栅格转矢量的操作，提高了用户对本筏架提取图像产品后续的使用体验，提高了本产品的实用性。
实施例2
一种对SAR影像数据采取的极化方式的确定及解释，具体如下：
SAR影像数据采用的极化方式：VH极化；
采用VH极化的原因：SAR影像地物成像过程中，通过传感器首先向地物主动发射微波信号，记录散射回来的信号对地物进行描述，本方案中的SAR影像通过哨兵1号卫星获得，开源哨兵1号IW模式包括VV和VH极化数据，对SAR成像过程分析可以发现，VV极化通过发射垂直电磁波并接收垂直方向信号，获取VV极化数据，VH极化则通过发射垂直电磁波并接收水平方向信号，获取VH极化数据，一般而言，同极化接收的信号要强于交叉极化，在浅滩筏架监测过程中，VV极化数据接收到的地物散射信号更强，但对于浅滩与筏架的区域则相对较弱，VH极化数据中筏架散射信号强于浅滩散射信号，浅滩中的筏架特征明显，更适合采用VH极化进行筏架监测提取。
SAR影像海上地物成像过程中，一般水体由于表面光滑，在影像中主要表现为暗色调，海上风场环境是影响海水成像的主要因素，低风速下，海表光滑，入射波主要向前散射，后向散射信号弱，海面呈现暗色调，当风速过高，海表粗糙度增大，后向散射信号增强，影像中海水色调变亮，高风速海况不适合筏架监测，一般养殖筏架分布于浅滩区域，VV极化中浅滩与筏架特征存在一定混淆，采用VH极化数据则可将筏架与浅滩进行区分，在筏架养殖区，一般浅滩中的筏架成像特征如图6所示。
通过图6可以发现，VV极化影像中，筏架与浅滩难以区分，两者的后向散射强度基本相近，而在VH极化数据中，浅滩和筏架的后向散射强度存在明显区分，浅滩的主要特征和海水特征相似，后向散射强度低，影像呈现暗色调。
本发明基于VH极化SAR影像数据，对筏架养殖海域主要地物的后向散射强度进行分析，一般筏架养殖海域主要地物可区分为筏架、海水和金属结构地物，金属结构地物包括船只、海上建(构)筑物等，其中海上建(构)筑物主要为海上风车、海上固定平台等具有双回波散射特征的地物，后向散射强度最大，对浅滩养殖区主要地物的后向散射强度进行分析，主要地物散射特征如图7所示。
通过上述散射特征分析，在VH极化影像中，如图7所示，水体后向散射强度为-30dB～-24dB之间，筏架后向散射强度分布于-23dB～-17dB之间，而金属结构，包括船只和风车的后向散射强度较强，散射强度分布于-17dB～-4dB之间，三类主要地物在后向散射强度上存在明显区分，所以本方案采用VH极化的SAR影像数据。
本实施例的有益效果为：本方案中的遥感数据采用VH极化的SAR数据，SAR数据可以克服光学影像在海域多阴雨天气下有效成像不足的缺陷，为筏架监测及提取提供可靠的数据来源，避免受云、雾以及降雨等天气环境影响，提高筏架提取的准确性，且通过对筏架养殖海域主要地物的后向散射强度进行分析，发现在VH极化影像中，水体、筏架、金属结构(船只，风车等)三者的散射强度存在明显区别，所以采用VH极化的影像数据可以克服光学影像NDVI在浅滩区域对筏架难以区分不足，同时避免了VV极化数据中浅滩与筏架不可区分的缺点，从数据源的基础出发，提高整体方案的筏架提取精度。
实施例3
如图8所示，一种基于SAR影像的浅滩筏架提取装置，包括：
数据预处理模块10：用于获取浅滩研究区域的SAR影像数据并进行预处理，得到第一影像数据；
边界线处理模块20：用于根据边缘检测方法对所述第一影像数据进行筏架与水域边界线的提取，并对所述边界线进行边缘膨胀，得到第二影像数据；
筏架提取模块30：用于通过最大类间方差法对所述第二影像数据进行分割阈值的确定，得到第一阈值，并根据所述第一阈值对所述第二影像数据进行筏架的提取，得到第三影像数据；
图像第一优化模块40：用于对所述第三影像数据进行形态学处理中的开运算处理，减少所述筏架的边缘斑点连接，并采用闭运算处理，减少所述筏架的内部空洞，得到第四影像数据；
图像第二优化模块50：用于对所述第四影像数据进行图斑标记，根据所述图斑标记的信息设置滤除面积，并根据所述滤除面积对所述第四影像数据进行噪声斑点滤除，得到第五影像数据，所述滤除面积小于所述第四影像数据中筏架的最小面积。
上述装置的一种实施方式为，在数据预处理模块10中，获取浅滩研究区域的SAR影像数据并进行预处理，得到第一影像数据，在边界线处理模块20中，根据边缘检测方法对所述第一影像数据进行筏架与水域边界线的提取，并对所述边界线进行边缘膨胀，得到第二影像数据，在筏架提取模块30中，通过最大类间方差法对所述第二影像数据进行分割阈值的确定，得到第一阈值，并根据所述第一阈值对所述第二影像数据进行筏架的提取，得到第三影像数据，在图像第一优化模块40中，对所述第三影像数据进行形态学处理中的开运算处理，减少所述筏架的边缘斑点连接，并采用闭运算处理，减少所述筏架的内部空洞，得到第四影像数据，在图像第二优化模块50中，对所述第四影像数据进行图斑标记，根据所述图斑标记的信息设置滤除面积，并根据所述滤除面积对所述第四影像数据进行噪声斑点滤除，得到第五影像数据，所述滤除面积小于所述第四影像数据中筏架的最小面积。
实施例4
如图9所示，一种基于SAR影像的浅滩筏架提取装置中的数据预处理模块10，包括：
第一预处理模块11：用于对所述SAR影像数据进行地理编码、辐射定标、辐射归一化、滤波以及陆地掩膜，得到第一预处理影像；
第二预处理模块12：用于对所述第一预处理影像进行中值滤波处理并进行固定系数的线性增强，得到所述第一影像数据。
上述装置的一种实施方式为，在第一预处理模块11中，对所述SAR影像数据进行地理编码、辐射定标、辐射归一化、滤波以及陆地掩膜，得到第一预处理影像，在第二预处理模块12中，对所述第一预处理影像进行中值滤波处理并进行固定系数的线性增强，得到所述第一影像数据。
实施例5
如图10所示，一种电子设备，包括存储器501和处理器502，所述存储器501用于存储一条或多条计算机指令，其中，所述一条或多条计算机指令被所述处理器502执行以实现上述的任一一种方法。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的电子设备的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
一种存储有计算机程序的计算机可读存储介质，所述计算机程序使计算机执行时实现如上述的任一一种方法。
示例性的，计算机程序可以被分割成一个或多个模块/单元，一个或者多个模块/单元被存储在存储器501中，并由处理器502执行，并由输入接口505和输出接口506完成数据的I/O接口传输，以完成本发明,一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述计算机程序在计算机设备中的执行过程。
计算机设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。计算机设备可包括，但不仅限于，存储器501、处理器502,本领域技术人员可以理解，本实施例仅仅是计算机设备的示例，并不构成对计算机设备的限定，可以包括更多或更少的部件，或者组合某些部件，或者不同的部件，例如计算机设备还可以包括输入器507、网络接入设备、总线等。
处理器502可以是中央处理单元(CentralProcessingUnit，CPU)，还可以是其他通用处理器502、数字信号处理器502(DigitalSignalProcessor，DSP)、专用集成电路(ApplicationSpecificIntegratedCircuit，ASIC)、现成可编程门阵列(Field-ProgRAM503mableGateArray，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器502可以是微处理器502或者该处理器502也可以是任何常规的处理器502等。
存储器501可以是计算机设备的内部存储单元，例如计算机设备的硬盘或内存。存储器501也可以是计算机设备的外部存储设备，例如计算机设备上配备的插接式硬盘，智能存储卡(SmartMediaCard,SMC)，安全数字(SecureDigital,SD)卡，闪存卡(FlashCard)等,进一步地，存储器501还可以既包括计算机设备的内部存储单元也包括外部存储设备,存储器501用于存储计算机程序以及计算机设备所需的其他程序和数据,存储器501还可以用于暂时地存储在输出器508，而前述的存储介质包括U盘、移动硬盘、只读存储器ROM503、随机存储器RAM504、碟盘或光盘等各种可以存储程序代码的介质。
以上所述仅为本发明的具体实施例，但本发明的技术特征并不局限于此，任何本领域的技术人员在本发明的领域内，所作的变化或修饰皆涵盖在本发明的专利范围之中。
Claims (10)
1.一种基于SAR影像的浅滩筏架提取方法，其特征在于，包括：
获取浅滩研究区域的SAR影像数据并进行预处理，得到第一影像数据；
根据边缘检测方法对所述第一影像数据进行筏架与水域边界线的提取，并对所述边界线进行边缘膨胀，得到第二影像数据；
通过最大类间方差法对所述第二影像数据进行分割阈值的确定，得到第一阈值，并根据所述第一阈值对所述第二影像数据进行筏架的提取，得到第三影像数据。
2.根据权利要求1所述的一种基于SAR影像的浅滩筏架提取方法，其特征在于，所述得到第三影像数据之后，还包括：
对所述第三影像数据进行形态学处理中的开运算处理，减少所述筏架的边缘斑点连接，并采用闭运算处理，减少所述筏架的内部空洞，得到第四影像数据；
对所述第四影像数据进行图斑标记，根据所述图斑标记的信息设置滤除面积，并根据所述滤除面积对所述第四影像数据进行噪声斑点滤除，得到第五影像数据，所述滤除面积小于所述第四影像数据中筏架的最小面积。
3.根据权利要求2所述的一种基于SAR影像的浅滩筏架提取方法，其特征在于，所述得到第五影像数据之后，对所述第五影像数据进行栅格转矢量的操作，得到筏架矢量图像。
4.根据权利要求1所述的一种基于SAR影像的浅滩筏架提取方法，其特征在于，所述获取浅滩研究区域的SAR影像数据并进行预处理，得到第一影像数据，包括：
对所述SAR影像数据进行地理编码、辐射定标、辐射归一化、滤波以及陆地掩膜，得到第一预处理影像；
对所述第一预处理影像进行中值滤波处理并进行固定系数的线性增强，得到所述第一影像数据。
5.根据权利要求1所述的一种基于SAR影像的浅滩筏架提取方法，其特征在于，所述获取浅滩研究区域的SAR影像数据为VH极化SAR影像数据。
6.一种基于SAR影像的浅滩筏架提取装置，用于实现如权利要求1所述的一种基于SAR影像的浅滩筏架提取方法，其特征在于，包括：
数据预处理模块：用于获取浅滩研究区域的SAR影像数据并进行预处理，得到第一影像数据；
边界线处理模块：用于根据边缘检测方法对所述第一影像数据进行筏架与水域边界线的提取，并对所述边界线进行边缘膨胀，得到第二影像数据；
筏架提取模块：用于通过最大类间方差法对所述第二影像数据进行分割阈值的确定，得到第一阈值，并根据所述第一阈值对所述第二影像数据进行筏架的提取，得到第三影像数据。
7.根据权利要求6所述的一种基于SAR影像的浅滩筏架提取装置，其特征在于，还包括：
图像第一优化模块：用于对所述第三影像数据进行形态学处理中的开运算处理，减少所述筏架的边缘斑点连接，并采用闭运算处理，减少所述筏架的内部空洞，得到第四影像数据；
图像第二优化模块：用于对所述第四影像数据进行图斑标记，根据所述图斑标记的信息设置滤除面积，并根据所述滤除面积对所述第四影像数据进行噪声斑点滤除，得到第五影像数据，所述滤除面积小于所述第四影像数据中筏架的最小面积。
8.根据权利要求6所述的一种基于SAR影像的浅滩筏架提取装置，其特征在于，所述数据预处理模块，包括：
第一预处理模块：用于对所述SAR影像数据进行地理编码、辐射定标、辐射归一化、滤波以及陆地掩膜，得到第一预处理影像；
第二预处理模块：用于对所述第一预处理影像进行中值滤波处理并进行固定系数的线性增强，得到所述第一影像数据。
9.一种基于SAR影像的浅滩筏架提取装置，其特征在于，包括存储器和处理器，所述存储器用于存储一条或多条计算机指令，其中，所述一条或多条计算机指令被所述处理器执行以实现如权利要求1-5中任一项所述的一种基于SAR影像的浅滩筏架提取方法。
10.一种存储有计算机程序的计算机可读存储介质，其特征在于，所述计算机程序被计算机执行时实现如权利要求1-5中任一项所述的一种基于SAR影像的浅滩筏架提取方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210076130.8A CN114612379A (zh) | 2022-01-23 | 2022-01-23 | 一种基于sar影像的浅滩筏架提取方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210076130.8A CN114612379A (zh) | 2022-01-23 | 2022-01-23 | 一种基于sar影像的浅滩筏架提取方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114612379A true CN114612379A (zh) | 2022-06-10 |
Family
ID=81857763
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210076130.8A Pending CN114612379A (zh) | 2022-01-23 | 2022-01-23 | 一种基于sar影像的浅滩筏架提取方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114612379A (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104574387A (zh) * | 2014-12-29 | 2015-04-29 | 张家港江苏科技大学产业技术研究院 | 水下视觉slam系统中的图像处理方法 |
| CN105354847A (zh) * | 2015-11-10 | 2016-02-24 | 浙江大学 | 基于滑动比较窗口自适应分割的水果表面缺陷检测方法 |
| CN105389826A (zh) * | 2015-12-23 | 2016-03-09 | 国家海洋局第一海洋研究所 | 珊瑚岛礁岸线高分sar遥感提取方法 |
| CN112016391A (zh) * | 2020-07-16 | 2020-12-01 | 珠海欧比特宇航科技股份有限公司 | 基于高分辨率卫星遥感影像的鱼塘识别方法、系统及介质 |
| CN112417378A (zh) * | 2020-12-10 | 2021-02-26 | 常州大学 | 一种基于无人机图像处理的中华绒螯蟹质量估算方法 |
-
2022
- 2022-01-23 CN CN202210076130.8A patent/CN114612379A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104574387A (zh) * | 2014-12-29 | 2015-04-29 | 张家港江苏科技大学产业技术研究院 | 水下视觉slam系统中的图像处理方法 |
| CN105354847A (zh) * | 2015-11-10 | 2016-02-24 | 浙江大学 | 基于滑动比较窗口自适应分割的水果表面缺陷检测方法 |
| CN105389826A (zh) * | 2015-12-23 | 2016-03-09 | 国家海洋局第一海洋研究所 | 珊瑚岛礁岸线高分sar遥感提取方法 |
| CN112016391A (zh) * | 2020-07-16 | 2020-12-01 | 珠海欧比特宇航科技股份有限公司 | 基于高分辨率卫星遥感影像的鱼塘识别方法、系统及介质 |
| CN112417378A (zh) * | 2020-12-10 | 2021-02-26 | 常州大学 | 一种基于无人机图像处理的中华绒螯蟹质量估算方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106022288B (zh) | 基于sar图像的海洋溢油信息识别与提取方法 | |
| CN103942803B (zh) | 基于sar图像的水域自动检测方法 | |
| CN102968798B (zh) | 一种基于小波变换和otsu阈值的sar图像海陆分割方法 | |
| CN109472200B (zh) | 一种智能的海面垃圾检测方法、系统和存储介质 | |
| CN101915910B (zh) | 利用航海雷达识别海上溢油目标的方法及系统 | |
| CN105427301B (zh) | 基于直流分量比测度的海陆杂波场景分割方法 | |
| CN106709426A (zh) | 基于红外遥感图像的舰船目标检测方法 | |
| CN105389826A (zh) | 珊瑚岛礁岸线高分sar遥感提取方法 | |
| CN111611965B (zh) | 一种基于Sentinel-2影像的陆表水体提取方法 | |
| CN109064479B (zh) | 一种基于邻近视频帧灰度动态特征的海天线检测方法 | |
| CN106803078B (zh) | 一种sar图像舰船目标分割方法 | |
| CN112101250B (zh) | 一种基于上下文语义感知的近岸舰船目标检测方法 | |
| CN117408534B (zh) | 一种基于卫星遥感的浒苔绿潮打捞效果短期评估方法 | |
| CN103971370A (zh) | 一种针对遥感大图像的海洋溢油智能检测方法 | |
| Karvonen et al. | Iceberg detection in dual-polarized C-band SAR imagery by segmentation and nonparametric CFAR (SnP-CFAR) | |
| CN113255537A (zh) | 一种用于航行船舶识别的图像增强去噪方法 | |
| Oguslu et al. | Detection of seagrass scars using sparse coding and morphological filter | |
| Yu et al. | Automated ship detection from optical remote sensing images | |
| CN117173584B (zh) | 一种PolSAR与Pan影像融合的陆面小微水体提取方法与装置 | |
| Ren et al. | Effective SAR sea ice image segmentation and touch floe separation using a combined multi-stage approach | |
| CN114612379A (zh) | 一种基于sar影像的浅滩筏架提取方法及装置 | |
| Basaeed et al. | A spectral water index based on visual bands | |
| Dang et al. | Discussion on sea ice segmentation of high resolution radar data | |
| Ma et al. | A Polarization-Based Method for Maritime Image Dehazing | |
| Ding et al. | Tiny ir maritime object detection on the sea surface by colorful noise cancellation |
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 |