一种高光谱溢油图像的有效分割方法技术

一种高光谱溢油图像的有效分割方法，技术方案如下：定义初始水平集函数及其他相关函数；结合Fisher准则得到新的拟合项；构造边缘停止函数得到新长度项；结合端元提取算法的改进；引入水平集正则项避免水平集函数重新初始化；能量泛函最小化得到欧拉‑拉格朗日方程；设置各个参数；选择显示波段以及初始轮廓；显示分割结果图；计算各种分割精度评价指标；对分割结果精度进行比较、评价。本发明专利技术能划分出模拟高光谱图像和真实高光谱中的目标区域，有效分割有边界模糊、含噪声等特点的高光谱溢油图像。提高高光谱图像的分割精度，获得更加准确的分类效果，对参数的变化更稳定，轮廓曲线更加准确，获得连续而封闭的边界轮廓，具有更高分割精度。

【技术实现步骤摘要】

本专利技术涉及一种遥感图像处理技术，具体涉及高光谱溢油图像的分割方法。
技术介绍
遥感技术的发展经历了全色(黑白)、彩色摄影，多光谱扫描成像，以及到现在的高光谱遥感阶段。高光谱遥感技术简言之就是用窄而连续的光谱通道对地物进行持续成像的技术，其具有分辨率高、图谱合一、多波段以及携带信息量大等一系列其他遥感技术所没有的新特点。常用于高光谱图像的分割或分类算法有阈值分割、聚类法、区域生长法、支持向量机法以及主动轮廓法。而高光谱溢油图像具有以下特点：(1)由于油区的扩散，边界区域油膜厚度较薄，与海水相互作用，导致图像中的油区边界模糊，因此不适合使用基于边界的分割算法；(2)海面反光和雾气等因素的存在，使得溢油图像中油水对应的光谱曲线差异较小，从而使高光谱溢油图像分割难度增加。(3)由于设备自身缺陷以及光线等其他环境因素的影响，溢油图像往往还具有灰度不均匀性，从而使分割难度进一步增加。(4)受太阳光和海上风浪的影响，使得高光谱溢油图像普遍含有亮斑和阴影噪声，因此也不适合使用聚类和阈值等基于像素的分割方法，而应该选取主动轮廓以及区域生长等基于区域的分割算法。基于主动轮廓的分割算法无论图像质量如何总能获得光滑封闭的边界，在连续油区的划分问题上具有本质上的优势。随着水平集的引入，主动轮廓模型更是飞速发展，各种基于主动轮廓的改进算法层出不穷，使得主动轮廓这一模型很快被用于各类图像的分割。结合水平集的主动轮廓模型又可分为基于边界的和基于区域的。典型的基于边界的主动轮廓模型有几何主动轮廓模型和测地主动轮廓模型，这类模型依赖于梯度信息，对噪声比较敏感。基于区域的主动轮廓模型，其中最为典型的是Chan和Vese提出的无边界主动轮廓模型，即CV模型，它具有不依赖于梯度信息，能够分割边界比较模糊或含有噪声的图像，对初始曲线位置不敏感，易于实现等一系列优点，并且可以进行矢量拓展并且应用到高光谱图像分割上。但是尽管如此，CV模型甚至其他任何一种分割方法都不是对所有图像具有普适性的，特别是对具有边界模糊、灰度不均匀性、低对比度、含噪声等特点的遥感溢油图像难以实现较好的分割效果。Zhang等人基于高光谱图像的特点和CV模型，提出一种基于空间光谱限制的区域主动轮廓模型，简称为MCV-SSC模型(ModifiedCVmodelbasedonSpectralandSpaceConstrain)，并应用在真实高光谱图像上，获得较好的分割效果。本专利技术建立在CV模型之上，引入边缘停止函数和Fisher准则，建立了一种新的高光谱图像分割算法，在不影响分割算法效率的同时提高了分割精度。
技术实现思路
为了实现对海上溢油区域的有效监测，本专利技术提供一种能够在不影响效率的前提下，提高高光谱溢油图像分割精度的高光谱溢油图像的有效分割方法。为了实现上述目的，本专利技术的技术方案如下：一、定义初始水平集函数及其他相关函数初始水平集函数一般定义为：φ(x,t＝0)＝±c(1)其中，t＝0表示初始轮廓C，x为自变量，φ为水平集函数，若点x在轮廓内函数取值为-c，反之则取值为+c。定义Heaviside函数H及其一阶导数δ：其中，H代表Heaviside函数，δ代表H函数的一阶导数，z为实数自变量。定义函数Hε,δε如下：其中，z为实数自变量，ε定义为一个很小的实数，H代表Heaviside函数，δ代表H函数的一阶导数在模型能量函数中，用函数Hε,δε分别近似表示H,δ。二、结合Fisher准则得到新的拟合项Fisher准则定义一个好的分类方法应该达到最大的类间间距和最小的类内差异，用公式可以表示为：其中，分别为两类样本的平均向量，分别为两类样本的统计方差，当Jfisher取最大值时达到最佳分类效果。原CV模型中的拟合项是类内方差和，目标函数为类内方差最小。若将Fisher准则的基本思想引入到CV模型，将原模型代替类内方差，在此基础上加入类间方差)中，则改进后的拟合项可以表示为：其中，Jfisher结合Fisher原则的拟合项函数，(x,y)为像素点坐标值，I表示高光谱图像，分别为轮廓曲线C内外的均值向量，λ1,λ2为内外拟合项的常量系数，Ω表示图像区域，Hε,δε分别近似表示H,δ，φ表示水平集函数。三、构造边缘停止函数得到新的长度项光谱角是指影像像元光谱矢量与样本参考光谱矢量之间的夹角，用来度量两向量之间的相似程度，与两矢量的大小无关。其计算公式如下：式中，SAM为光谱角，N为波段数。A＝(A1,A2,…,AN)和B＝(B1,B2,…,BN)分别代表样本空间中的两个影像像元的光谱值，当光谱角SAM越小，则表明两光谱矢量越接近。边缘停止函数只需满足是一个正的关于光谱角梯度递减的函数。所以将其定义为：式中，I表示高光谱图像，为光谱角梯度，(x，y)代表像素点的坐标值，gsam(α)是光谱角梯度函数，α表示图像任意一点的像元向量I(x,y)相邻点的像元向量I(x+Δx,y)以及I(x,y+Δy)之间的光谱角距离，当处于图像边界时，光谱角梯度的大小取值较大，取值较小。引入上述基于光谱角梯度信息的边缘函数gsam(α)，则改进后的长度项可以表示为：其中，L代表长度项，Ω表示图像区域，gsam(α)是光谱角梯度函数，(x，y)代表像素点的坐标值，δ表示Heaviside函数的一阶导数，φ为水平集函数，表示φ的增量，μ为长度项系数。四、结合端元提取算法的改进CV模型一般只能用于二类划分，即只能将图像分割为目标和背景两个区域。而现实情况是图像中往往含有多类地物，当图像中含有多类地物时，主动轮廓模型无法实现对感兴趣的特定地物的划分。因此，将CV模型与端元提取算法相结合，从而实现从含多种地物的图像中划分出特定地物。相比于传统的端元提取算法，ATGP算法能够在无需先验信息的情况下，从目标图像中提取出端元向量。ATGP算法是一种基于非监督正交子空间投影理论的端元提取算法。该算法首先按照凸面几何学理论，将正交子空间中亮度最大的像元作为候选端元，从而得到初始端元向量，以此构造子空间，求取相应的正交子空间，并将所有像元投影到该正交子空间，求取正交子空间中投影最大的像元作为下一个端元向量；以此类推，直到找到指定个数的端元。采用ATGP算法自动提取目标端元。首先用ATGP算法从图像中提取出特定类的端元向量，然后以该端元向量的位置为中心点设置初始轮廓，并且用该端元向量替换改进主动轮廓模型能量泛函中的轮廓曲线内部的均值向量。若设t为ATGP算法从高光谱图像中提取出的特定类端元向量，则此时改进模型的能量泛函为：其中，Et表示目标能量函数，α表示由(7)式决定的光谱角，表示表示水平集函数φ的增量，(x，y)代表像素点的坐标值，gsam(α)是光谱角梯度函数，μ,v,λ1,λ2均为常系数且满足μ≥0,v≥0,λ1,λ2＞0，I为矢量图像中(x,y)处的像元向量，φ为水平集函数，分别为轮廓曲线C内部区域和外部区域的灰度均值向量，Hε,δε分别表示近似Heaviside函数及其一阶导数,Ω表示图像空间。五、引入水平集正则项避免水平集函数重新初始化为了避免水平集函数重新初始化，节约算法时间复杂度，进而提高算法效率，引入如下水平集正则项：Ω表示图像空间,表示表示水平集函数φ的增量。六、能量泛函最小化得到欧拉-拉格朗本文档来自技高网...

【技术保护点】
一种高光谱溢油图像的有效分割方法，其特征在于:一、定义初始水平集函数及其他相关函数初始水平集函数一般定义为：φ(x,t＝0)＝±c   (1)其中，t＝0表示初始轮廓C，x为自变量，φ为水平集函数，若点x在轮廓内函数取值为‑c，反之则取值为+c，定义Heaviside函数H及其一阶导数δ：H(z)=1,z≥00,z<0δ(z)=ddzH(z)---(2)]]>其中，H代表Heaviside函数，δ代表H函数的一阶导数，z为实数自变量，定义函数Hε,δε如下：Hϵ(z)=12(1+2πarctan(zϵ))δϵ(z)ddzHϵ(z)---(3)]]>其中，z为实数自变量，ε定义为一个很小的实数，H代表Heaviside函数，δ代表H函数的一阶导数在模型能量函数中，用函数Hε,δε分别近似表示H,δ；二、结合Fisher准则得到新的拟合项Fisher准则定义一个好的分类方法应该达到最大的类间间距和最小的类内差异，用公式可以表示为：min{σ12+σ22(c1‾-c2‾)2}---(4)]]>其中，分别为两类样本的平均向量，分别为两类样本的统计方差，当Jfisher取最大值时达到最佳分类效果；原CV模型中的拟合项是类内方差和，目标函数为类内方差最小，将Fisher准则的基本思想引入到CV模型，将原模型代替类内方差，在此基础上加入类间方差)中，则改进后的拟合项可以表示为：Jfisher=1(c‾1-c‾2)2[λ1∫Ω|I(x,y)-c‾1|2Hϵ(φ(x,y))dxdy+λ2∫Ω|I(x,y)-c‾2|2(1-Hϵ(φ(x,y)))dxdy]---(5)]]>其中，Jfisher结合Fisher原则的拟合项函数，(x,y)为像素点坐标值，I表示高光谱图像，分别为轮廓曲线C内外的均值向量，λ1,λ2为内外拟合项的常量系数，Ω表示图像区域，Hε,δε分别近似表示H,δ，φ表示水平集函数；三、构造边缘停止函数得到新的长度项光谱角是指影像像元光谱矢量与样本参考光谱矢量之间的夹角，用来度量两向量之间的相似程度，与两矢量的大小无关，其计算公式如下：SAM=cos-1A·B|A|*|B|=cos-1Σi=1NAi*BiΣi=1NAi2*Σi=1NBi2---(6)]]>式中，SAM为光谱角，N为波段数，A＝(A1,A2,…,AN)和B＝(B1,B2,…,BN)分别代表样本空间中的两个影像像元的光谱值，当光谱角SAM越小，则表明两光谱矢量越接近；边缘停止函数只需满足是一个正的关于光谱角梯度递减的函数，所以将其定义为：α=12(cos-1I(x,y)·I(x+Δx,y)||I(x,y)||*||I(x+Δx,y)||+cos-1I(x,y)·I(x,y+Δy)||I(x,y)||*||I(x,y+Δy)||)gsam(α)=11+|▿α|---(7)]]>式中，I表示高光谱图像，为光谱角梯度，(x，y)代表像素点的坐标值，gsam(α)是光谱角梯度函数，α表示图像任意一点的像元向量I(x,y)相邻点的像元向量I(x+Δx,y)以及I(x,y+Δy)之间的光谱角距离，当处于图像边界时，光谱角梯度的大小取值较大，取值较小，引入上述基于光谱角梯度信息的边缘函数gsam(α)，则改进后的长度项可以表示为：L(φ)=μ∫Ωgsam(α)δ(φ(x,y))|▿φ(x,y)|dxdy---(8)]]>其中，L代表长度项，Ω表示图像区域，gsam(α)是光谱角梯度函数，(x，y)代表像素点的坐标值，δ表示Heaviside函数的一阶导数，φ为水平集函数，表示φ的增量，μ为长度项系数，四、结合端元提取算法的改进CV模型一般只能用于二类划分，即只能将图像分割为目标和背景两个区域，而现实情况是图像中往往含有多类地物，当图像中含有多类地物时，主动轮廓模型无法实现对感兴趣的特定地物的划分，因此，将CV模型与端元提取算法相结合，从而实现从含多种地物的图像中划分出特定地物，相比于传统的端元提取算法，ATGP算法能够在无需先验信息的...

【技术特征摘要】
1.一种高光谱溢油图像的有效分割方法，其特征在于:一、定义初始水平集函数及其他相关函数初始水平集函数一般定义为：φ(x,t＝0)＝±c(1)其中，t＝0表示初始轮廓C，x为自变量，φ为水平集函数，若点x在轮廓内函数取值为-c，反之则取值为+c，定义Heaviside函数H及其一阶导数δ：H(z)=1,z≥00,z<0δ(z)=ddzH(z)---(2)]]>其中，H代表Heaviside函数，δ代表H函数的一阶导数，z为实数自变量，定义函数Hε,δε如下：Hϵ(...

【专利技术属性】
技术研发人员：宋梅萍，林彬，蔡刘芬，安居白，张建袆，
申请(专利权)人：大连海事大学，
类型：发明
国别省市：辽宁;21