多时相卫星遥感岛礁岸线及开发利用信息提取方法技术

一种多时相卫星遥感岛礁岸线及开发利用信息提取方法，属于海洋岛礁卫星遥感和计算机图形处理交叉领域。步骤如下：首先分析不同类型海岛岸线和开发利用情况成像特性；其次，采用图像降采样和升采样处理技术，实现大幅宽卫星遥感图像的快速提取，结合距离正则化几何主动轮廓模型，进行精确逐步逼近，获得岛礁岸线；然后，采用Grabcut算法进行海洋背景与岛礁前景的分割，利用图像中的颜色信息和边界信息得到较好的分割结果。最后，采用主成分分析法将数据正交投影到由主成分构成的线性子空间，通过线性变换进行特征提取与数据压缩，根据所提取的特征进行聚类得到最终变化检测结果。本发明专利技术能够实现高分辨率卫星遥感影像的岛礁岸线及开发利用快速有效提取。

Multi temporal satellite remote sensing of island and reef coastline and information extraction method of development and utilization

【技术实现步骤摘要】
多时相卫星遥感岛礁岸线及开发利用信息提取方法
本专利技术属于海洋岛礁卫星遥感和计算机图像处理交叉领域，涉及一种多时相卫星遥感岛礁岸线及开发利用信息提取方法。
技术介绍
在遥感领域中，变化检测被定义为辨别不同时期同一区域地物发生变化的过程。土地利用和土地覆盖的变化信息被广泛应用在城市变化、森林覆盖、海域使用变化检测、灾害监测、植被检测等等。变化检测技术利用覆盖同一区域的遥感影像提取地表变化信息，已经得到了广泛的应用。随着高分辨率可见光卫星GF1/2卫星和GF-3号首颗民用SAR卫星发射，多类型卫星数据得到极大发展，影像的空间分辨率从中低分辨率到高分辨率及超高分辨率发展，变化检测技术也面临着困难和挑战。变化检测分为无监督变化检测和有监督变化检测：其中，无监督变化检测分为图像差值法、图像比值法、植被索引差值法等，有监督变化检测分为神经网络法、基于小波的检测方法等。Hussain等(HussainM,ChenD,ChengA,etal.Changedetectionfromremotelysensedimages:Frompixel-based本文档来自技高网...

【技术保护点】
1.一种多时相卫星遥感岛礁岸线及开发利用信息提取方法，其特征在，包括以下步骤：/n第一步，海岛类型分类及遥感图像成像特点分析；/n根据海岛物质成分组成对不同海岛进行分类，进而分析不同类型海岛岸线和开发利用情况成像特性，为后续海岛岸线快速提取和岛礁开发利用变化检测提供依据；/n第二步，海岛岸线快速提取；/n采用图像降采样和升采样处理技术，实现大幅宽卫星遥感图像的快速提取，结合距离正则化几何主动轮廓模型，进行精确逐步逼近，获得岛礁岸线；/n(1)图像降采样和升采样处理/n首先，采用降采样方法对原始影像进行压缩，通过基于自适应边缘停止的几何主动轮廓模型进行粗略岸线提取，然后再对图像进行升采样，岸线精...

【技术特征摘要】
1.一种多时相卫星遥感岛礁岸线及开发利用信息提取方法，其特征在，包括以下步骤：
第一步，海岛类型分类及遥感图像成像特点分析；
根据海岛物质成分组成对不同海岛进行分类，进而分析不同类型海岛岸线和开发利用情况成像特性，为后续海岛岸线快速提取和岛礁开发利用变化检测提供依据；
第二步，海岛岸线快速提取；
采用图像降采样和升采样处理技术，实现大幅宽卫星遥感图像的快速提取，结合距离正则化几何主动轮廓模型，进行精确逐步逼近，获得岛礁岸线；
(1)图像降采样和升采样处理
首先，采用降采样方法对原始影像进行压缩，通过基于自适应边缘停止的几何主动轮廓模型进行粗略岸线提取，然后再对图像进行升采样，岸线精调整，进而达到快速提取岸线的目的；
(2)基于自适应边缘停止改进的几何主动轮廓海岛岸线提取模型
在步骤(1)中降采样和升采样过程中之后，均采用基于自适应边缘停止改进的几何主动轮廓模型进行海岛岸线提取，加快算法在抵近海岸线目标时快速逼近；
第三步，岛礁开发利用变化检测
为岛礁内部开发利用情况自动检测，采用目标分割算法Grabcut算法，进行海岛目标与海水背景的快速分割，减轻外界干扰带来的影响；采用PCA-Kmeans无监督方法提取变化区域，进行开发利用情况自动检测；
(3.1)Grabcut海岛目标快速识别
首先采用直方图匹配的方法对灰度化处理的两时相岛礁区遥感图像进行色彩均衡，以消除不同时相颜色差异的影响；接着，对处理后的两时相影像分别进行基于Grabcut算法的目标分割，以排除背景的干扰；
所述的Grabcut算法流程如下：首先标记前景和背景像素，采用K-means方法将前景和背景分别生成K类高斯模型；然后采用高斯混合模型GMM对前景和背景进行建模，选择概率最大的高斯模型，学习并创建新的像素分布，通过已知像素重新对像素进行分类；根据像素的分布创建一幅图，图中的节点就是像素点；使用mincut算法对上面的图像进行分割，根据最小能量方程减掉边的权重之和，将影像分割为背景和前景；继续上述过程直到分类收敛；最小能量方程E分为区域能量项和边界能量项两部分，表示为：
E(αn,kn,θn,In)＝U(αn,kn,θn,In)+V(αn,In)(3)
其中，n为像素，αn是像素标签，kn是像素的高斯分量，θn为高斯分量的参数，In代表像素值；U为区域能量项，表示一个像素被归类为目标或者背景的惩罚，即像素属于目标或背景的概率的负对数，表示为：



其中，D(·)表示混合高斯模型，可以得到某个像素分别属于目标和背景的概率像素；对混合高斯密度模型取负对数...

【专利技术属性】
技术研发人员：范剑超，齐玥，王新新，孟庆辉，康婧，王洪玉，周晓君，
申请(专利权)人：国家海洋环境监测中心，大连理工大学，
类型：发明
国别省市：辽宁;21