基于图像处理的海底地貌单元边缘智能识别方法技术

本发明专利技术公开了一种基于图像处理的海底地貌单元边缘智能识别方法。包括如下步骤：1)根据海底深度测量数据绘制海底深度分布彩图，获取彩图中每个像素点的RGB三原色值；2)采用加权平均法对彩图进行灰度化计算，得到灰度图像；3)采用不同的滤波方法对灰度图像进行滤波，然后计算各滤波方法的峰值信噪比PSNR值，取最大PSNR值对应的滤波方法为最佳图像滤波方法；4)根据相邻像素灰度值之差的概率累计值确定阈值，根据阈值实现图像二值化；5)二值图像边界细化；6)根据8‑邻域跟踪方法实现边界连接；7)根据8‑邻域轮廓提取方法提取地形边界。本发明专利技术具有方法简单、计算量小、节约人力等优点。本发明专利技术适用于海底典型地貌单元的边界识别。

【技术实现步骤摘要】
基于图像处理的海底地貌单元边缘智能识别方法
本专利技术涉及海洋测绘、海洋工程、海洋油气资源等
，具体是指一种基于图像处理的海底地貌单元边缘智能识别方法。
技术介绍
地球上辽阔的海洋约占地球表面积的70％。近年来海上石油勘探研究表明，海底蕴藏着丰富的石油和天然气资源。然而，由于海洋环境复杂、恶劣，直接进行海底勘探难度很大，对海洋资源的开发和利用要比开发利用陆地资源付出更高的代价。1925-1927年，德国“流星号”首次用回声测深仪系统测量了南大西洋海底地形，改变了前人对洋底地形单调的认识，得出了“海底地形起伏不亚于陆地”的结论。也就是说，海底地形十分复杂，和陆地一样是起伏不平的，有高山、深谷，也有广阔的平原和盆地。另外，海底环境复杂，海底滑坡等自然灾害的发生易导致海啸，引发次生灾害，同时，海底滑坡可直接破坏油气开发平台、海底管线等设施，海底地形地貌的识别研究将有助于海底灾害的预防和检测。因此，得到真实、直观的海底地形地貌图成为各专家学者研究的热点。海底地形测量是按一定程序和方法，将海水覆盖下的海底地形及其变化记录在载体上的测绘工作，即测量海底地形起伏形态，按测量区域可以分为海岸带、大陆架与大洋三种海底地形测量，特点是测量内容多、精度要求高、详细获取海底地貌。通过卫星定位、水深测量和水下摄影测量等现代技术，获取海底空间信息的能力和效率得到提高，而应用GIS空间分析理论技术按照其他各项应用要求来理解掌握海底地形也越来越成为现实挑战。20世纪70年代科学家以回声测深仪为基础专利技术了多波束测深系统。多波束系统应用于水下测深时一次能得到几十到几百个深度阵列，即一条一定宽度的全覆盖水深条带，所以它能够精确且快速地测出沿着航行方向覆盖的一定宽度范围内水下地形的起伏变化，进而得到水下的地形地貌相关特征。关于海底地貌单元识别是以多波束测深系统测得的实际深度数据，生成深度、坡度图等或直接对数据进行分析来完成。相关的研究包括基于三维可视化图像进行分析，基于超图的海底地形分析等。目前在海底地形分类识别中，主要采用人工识别的方法，通过工作人员的观察及经验来区分识别。这种方法需要工作人员具有丰富的地学知识和观察判断经验，可以充分利用工作人员的知识，灵活性好，擅长提取空间相关知识。但这种方法具有很大的主观性，存在定位不准确、时效性差、可重复性差、信息获取周期长、劳动强度大等缺点。特别是由于海底数据具有海量级别，仅仅依靠专业人员的人工能力远远无法承担海量数据的处理任务。本专利技术利用计算机图像处理技术来进行海底地貌边缘的探测。
技术实现思路
本专利技术基于图像分析与处理技术实现海底地貌边缘识别，具有方法简单、计算量小、节约人力的优点。本专利技术包括如下步骤：(1)地形RGB彩图根据海底深度测量数据绘制海底深度分布的彩图，获取彩图中每个像素点的RGB三原色值R(i,j)、G(i,j)、B(i,j)，其中，R(i,j)、G(i,j)、B(i,j)为深度分布彩图中像素(i,j)的红、绿、蓝三个分量值，i,j为整数，且满足i∈[1,w],j∈[1,h]，w和h分别为RGB彩图的横向分辨率和纵向分辨率。(2)图像灰度化采用加权平均法对彩图进行灰度化计算，得到灰度图像，灰度图像各像素的灰度值根据公式f(i,j)＝0.30R(i,j)+0.59G(i,j)+0.11B(i,j)计算得到，其中，f(i,j)为灰度图像像素(i,j)的灰度值。(3)图像滤波采用不同的滤波方法对灰度图像进行滤波，然后计算各滤波方法的峰值信噪比取最大PSNR值对应的滤波方法为最佳图像滤波方法，其中，n为每像素的比特数，在RGB彩图中确定，g(i,j)为滤波后图像像素(i,j)的灰度值。(4)图像二值化针对滤波后的灰度图，首先，根据和分别计算图像横向和纵向上的相邻像素灰度值之差的概率Pw和Ph，然后，分别计算横向和纵向上相邻像素灰度差值的概率累计值SPw＝∑Pw和SPh＝∑Ph，当SPw≥θw时的横向灰度差值作为横向阈值thw，当SPh≥θh时的纵向灰度差值作为纵向阈值thh，最后，根据横向和纵向的阈值实现图像二值化，即，若g(i,j)≤thw，则g(i,j)＝1，若g(i,j)＞thw，则g(i,j)＝0，若g(i,j)≤thh，则g(i,j)＝1，若g(i,j)＞thh，则g(i,j)＝0，得到二值化图像u(i,j)，其中，c为横向上相邻两列像素值的差值取整，r为纵向上相邻两行像素值的差值取整，像素值0表示黑色，像素值1表示白色，θw、θh在图像处理程序中根据经验设定。(5)边界细化在二值化图像的横向上，首先，若满足u(i,j-1)＝1且u(i,j)＝0，则记j＝a，若满足u(i,j-1)＝0且u(i,j)＝1，则记j-1＝b，然后，根据d＝|b-a|求得二值化图像在横向上的边缘宽度d和宽度中间值c＝d/2，最后，当满足∈min≤d≤∈max时，在d范围内置u(i,a+c)＝0，置其余像素值为1，实现横向上的边界细化，同理进行纵向上的边界细化，其中，1≤i≤w，2≤j≤h，∈min、∈max在图像处理程序中根据经验设定。(6)边界连接根据8-邻域跟踪方法，若像素u(i,j)＝1，且满足u(i-1,j-1)＝u(i+1,j+1)＝0或u(i-1,j)＝u(i+1,j)＝0或u(i-1,j+1)＝u(i+1,j-1)＝0或u(i,j+1)＝u(i,j-1)＝0，则置u(i,j)＝0，实现图像断续边界的连接，其中，2≤i≤w-1，2≤j≤h-1。(7)轮廓提取根据8-邻域轮廓提取方法，若某一像素及其周围8个像素值均为0，则置该点像素值为1，将全黑封闭区域中间挖空，提取边界。附图说明图1为海底滑坡残留脊的深度分布灰度图；图2为均值滤波后的灰度图；图3为中值滤波后的灰度图；图4为维纳滤波后的灰度图；图5为滤波质量评价图；图6为灰度图横向上相邻像素灰度值的差值散点图；图7为灰度图纵向上相邻像素灰度值的差值散点图；图8为灰度图横向上相邻像素灰度值之差的概率分布直方图；图9为灰度图纵向上相邻像素灰度值之差的概率分布直方图；图10为横向上的二值化结果图；图11为纵向上的二值化结果图；图12为完整的二值化图；图13为边界细化后的图像；图14为图像像素8-邻域图；图15为边界连接结果图；图16为地形边界轮廓图。具体实施方式本实施例根据多波束海底测深数据，通过对海底深度分布灰度图像像素值的分析与处理，实现海底滑坡地形边缘的智能识别。具体识别步骤如下：(1)地形RGB彩图根据海底深度测量数据绘制海底深度分布的彩图，获取彩图中每个像素点的RGB三原色值R(i,j)、G(i,j)、B(i,j)，其中，R(i,j)、G(i,j)、B(i,j)为深度分布彩图中像素(i,j)的红、绿、蓝三个分量值，i,j为整数，且满足i∈[1,w],j∈[1,h]，w和h分别为RGB彩图的横向分辨率和纵向分辨率。在本实施例中，海底深度数据由多波束方法测量得到，w＝400，h＝500。(2)图像灰度化采用加权平均法对彩图进行灰度化计算，得到灰度图像，灰度图像各像素的灰度值根据公式f(i,j)＝0.30R(i,j)+0.59G(i,j)+0.11B(i,j)计算得到，其中，f(i,j)为灰度图像像素(i,j)的灰度值。在本实施例本文档来自技高网...

【技术保护点】
一种基于图像处理的海底地貌单元边缘智能识别方法，其特征包括如下具体步骤：(1)地形RGB彩图根据海底深度测量数据绘制海底深度分布的彩图，获取彩图中每个像素点的RGB三原色值R(i,j)、G(i,j)、B(i,j)，其中，R(i,j)、G(i,j)、B(i,j)为深度分布彩图中像素(i,j)的红、绿、蓝三个分量值，i，j为整数，且满足i∈[1，w]，j∈[1，h]，w和h分别为RGB彩图的横向分辨率和纵向分辨率；(2)图像灰度化采用加权平均法对彩图进行灰度化计算，得到灰度图像，灰度图像各像素的灰度值根据公式f(i，j)＝0.30R(i，j)+0.59G(i，j)+0.11B(i，j)计算得到，其中，f(i,j)为灰度图像像素(i,j)的灰度值；(3)图像滤波采用不同的滤波方法对灰度图像进行滤波，然后计算各滤波方法的峰值信噪比

【技术特征摘要】
1.一种基于图像处理的海底地貌单元边缘智能识别方法，其特征包括如下具体步骤：(1)地形RGB彩图根据海底深度测量数据绘制海底深度分布的彩图，获取彩图中每个像素点的RGB三原色值R(i,j)、G(i,j)、B(i,j)，其中，R(i,j)、G(i,j)、B(i,j)为深度分布彩图中像素(i,j)的红、绿、蓝三个分量值，i，j为整数，且满足i∈[1，w]，j∈[1，h]，w和h分别为RGB彩图的横向分辨率和纵向分辨率；(2)图像灰度化采用加权平均法对彩图进行灰度化计算，得到灰度图像，灰度图像各像素的灰度值根据公式f(i，j)＝0.30R(i，j)+0.59G(i，j)+0.11B(i，j)计算得到，其中，f(i,j)为灰度图像像素(i,j)的灰度值；(3)图像滤波采用不同的滤波方法对灰度图像进行滤波，然后计算各滤波方法的峰值信噪比取最大PSNR值对应的滤波方法为最佳图像滤波方法，其中，n为每像素的比特数，在RGB彩图中确定，g(i，j)为滤波后图像像素(i，j)的灰度值；(4)图像二值化针对滤波后的灰度图，首先，根据和分别计算图像横向和纵向上的相邻像素灰度值之差的概率Pw和Ph，然后，分别计算横向和纵向上相邻像素灰度差值的概率累计值SPw＝∑Pw和SPh＝∑Ph，当SPw≥θw时的横向灰度差值作为横向阈值thw，当SPh≥θh时的纵向灰度差值作为纵向阈值thh，最后，根据横向和纵向的阈值实现图像二值化，即，若g(i,j)≤thw，则...

【专利技术属性】
技术研发人员：王大伟，吴时国，郭婧，王微微，张汉羽，
申请(专利权)人：中国科学院深海科学与工程研究所，中国石油大学华东，
类型：发明
国别省市：海南,46