快速高效的可见光遥感影像海陆精确分割方法技术

本发明专利技术提供的快速高效的可见光遥感影像海陆精确分割方法，解决了人工检测过程消耗大量的人力物力，而且判读速度慢，准确性低，人工错判漏判多的缺点，海陆分割效果好，效率较高，成本较低。针对现有技术神经网络模型计算复杂度高，可调参数多的问题，提出一种脉冲耦合优化神经网络模型，具有人类视觉系统的特性，针对现有技术脉冲耦合神经网络模型结构过于复杂，参数众多且需要人工干预的问题，提出脉冲耦合优化神经网络参数自动设置，并在可见光遥感影像海陆分割中得到较好的应用，参数自适应能力强，不用预先划定影像特性范围，提高了遥感影像海陆分割的准确度和速度。

【技术实现步骤摘要】
快速高效的可见光遥感影像海陆精确分割方法
本专利技术涉及一种遥感影像海陆分割方法，特别涉及一种快速高效的可见光遥感影像海陆精确分割方法，属于影像海陆分割

技术介绍
中国领土辽阔，同时具有海岸线长度长，海域面积大的特点，拥有非常丰富的海洋资源，国家对海洋和陆地分界区域的行政管理和安全监测难度日益增大，对于相关技术的要求也越来越高。海陆影像分割中的船只检测和监测作为世界上拥有海岸线国家的重要安全管理任务，可以有效的监测进入我国海域的船只，确定船只位置。海陆影像分割可以监测部分港口和海域的海运交通，配合行政部门进行遇难船只救援、打击非法捕鱼、打击走私和海盗等违法行；海陆影像分割还可以用于维护海洋权益、用于海岸线的开发、利用和保护。基于这些广阔的应用，遥感影像海陆精确分割技术将突显出越来越大的重要性。影像海陆分割应用于海洋权益维护和海岸线的开发、利用、保护已成为遥感技术应用的重点和难点，世界上许多国家都投入了大量的人力物力财力实现海上目标的自动化检测和海陆精确分割。不仅维护国家海洋权益的应用需要对遥感影像进行分割处理，诸如渔船海上捕捞监测、船只管理警戒等都需要遥感技术的帮助，海岸线的开发、利用和保护也需要遥感影像海陆分割技术，因此它事关国运民生，关系到海洋管理的方方面面。神经网络是通过模仿人或动物神经网络的行为特征，达到使机器具有像人脑那样的信息处理能力。神经网络系统结构复杂度高，处理单元间非线性连接，能够并行的处理信息，具有联想存储功能、自我学习能力、高速寻找最优解等特点，这些特点可代替人脑完成部分工作，现有技术先后提出了诸如BP网络模型、Hopfield神经网络模型、CNN网络模型、M-P网络模型等一系列人工神经网络模型。伴随生物神经学的发展，出现了一种称为脉冲耦合神经网络的人工神经网络模型。在脉冲耦合神经网络运行中，相似特征的神经元逐步激发归并为同一区域，这样能从全局角度处理区域信息，弥补局部数据起伏或不连贯而引起的最终决策失误。相比于其他神经网络，例如CNN模型，脉冲耦合神经网络模型具有运算处理速度相对较快，不需要大量的训练样本，脉冲行为容易被电路模拟，便于硬件实现等优点，这使得脉冲耦合神经网络模型获取更为低廉，应用更为广泛。现有技术中，脉冲耦合神经网络在影像处理领域已经有了一些应用，比如影像分割，特征提取检测、影像信息检索、影像分析融合等领域。但现有技术脉冲耦合神经网络模型仍有许多缺陷，其中最为突出的是模型结构过于复杂，参数众多且需要人工干预，参数需要大量试验才能确定，成为该模型发展的重大瓶颈。港口近岸动态目标检测是可见光遥感影像海陆分割的一个重要应用方向，如果完全实现船只目标的自动化检测，不仅节省了大量的人力物力，而且判读速度快，准确性高，杜绝了人工的错判、漏判。但由于近岸船只都与港口区域相连，可见光遥感影像中的港口和船只颜色和纹理比较近似，人眼都不能很好的区分。现有技术的方法基本上是制备港口区域模板，结合港口的地理位置信息，匹配对应影像特征，才能将港口和水域甄选出来。这种方法步骤十分繁琐，前期工作量巨大，更为重要的是随着海水潮汐和大气云雾等因素的干扰，给分割工作带来极大的干扰。因此，当前急需一种不依靠先验知识并能快速准确进行海陆影像分割的方法。现有技术已经出现了上千种影像分割方法，但没有一种能够按照人们的意愿准确分割所有影像。主流的影像分割方法通常分为以下几类：区域分割方法、临界值分割方法、纹理分割方法、特定理论分割方法、能量分割方法。临界值分割方法和纹理分割方法目前应用于海陆分割中最为普遍，但其缺点是计算复杂度高，耗时很长。影像的陆地与海洋灰度值差异较大，利用灰度特征分割方法能够准确选取分割临界值，取得较好的分割结果，但当影像陆地与海洋灰度差异值不大时，分割结果会变的很差。海洋区域的纹理与陆地区域相比更为平滑，因此纹理特征分割方法效果优于灰度特征分割方法，但当海洋区域噪声较大时，噪声和待检测目标相互干扰，不能取得期望的结果，对于复杂的高分辨率的近岸影像分割效果不佳，时间复杂度高。脉冲耦合神经网络模型具有哺乳动物视觉特性的优良性质，分割完全依照影像的固有信息分割，适应能力较强，不用预先划定影像特性范围，但模型结构过于复杂，参数众多且需要人工干预，综合来看，针对现有技术存在的一些缺陷，本专利技术拟解决以下问题：一是现有技术不能实现船只目标的自动化检测，人工检测过程消耗大量的人力物力，而且判读速度慢，准确性低，人工错判、漏判多，由于近岸船只都与港口区域相连，港口和船只颜色和纹理比较近似，人眼不能很好的区分，海陆分割效果很差，效率很低，成本较高；二是现有技术的方法基本上是制备港口区域模板，结合港口的地理位置信息，匹配对应影像特征，才能将港口和水域甄选出来。这种方法步骤十分繁琐，前期工作量巨大，更为重要的是随着海水潮汐和大气云雾等因素的干扰，给分割工作带来极大的干扰；三是现有技术出现的一些影像分割方法，鉴于背景的纹理复杂，光照、船只、树木、建筑物的阴影等环境因素的干扰，检测方法获取到的海陆分割影像的效果不好，仍存在很多未解决的难题，比如海陆缝隙断层、海陆区域判别错误、海陆判别结果图不清晰等；四是现有技术的一些方法鲁棒性较差，所需的时间比较久，计算复杂度高、运算速度很慢，噪声和待检测目标相互干扰，不能取得期望的结果；五是现有技术出现了脉冲耦合神经网络模型的方法，适应能力较强，不用预先划定影像特性范围，但模型结构过于复杂，参数众多且需要人工干预，。本专利技术正是针对这些问题，根据遥感影像中陆地与海洋区域所占的比例不同，将影像分类为全海洋区域影像、海洋和陆地区域都有的影像、全陆地区域影像。全海洋区域影像不需要进行分割处理，船只不可能存在陆地上，全陆地区域影像不需要进行处理，因此如何又快又准的从海陆影像分类出海洋和陆地，成为本专利技术解决问题的难点。海洋主要目标集中于船只、港口和海岸线等的地理位置，而港口是最为复杂的海陆影像，因此港口和水域的分离是本专利技术研究的重点。针对脉冲耦合神经网络模型的特性，结合海陆并存影像的特点，本专利技术研发性能稳定、自适应、实时性好、分类精确度高的影像海陆分割算法，并将本专利技术的方法实际运用到可见光遥感影像海陆精确分割中。
技术实现思路
针对现有技术的不足，本专利技术提供的快速高效的可见光遥感影像海陆精确分割方法，解决了现有技术人工检测过程消耗大量的人力物力，而且判读速度慢，准确性低，人工错判漏判多的缺点，海陆分割效果好，效率较高，成本较低。针对现有技术神经网络模型计算复杂度高，可调参数多的问题，提出一种脉冲耦合优化神经网络模型，脉冲耦合优化神经网络模型通过引入韦伯费希纳定律，具有人类视觉系统的特性，针对现有技术脉冲耦合神经网络模型结构过于复杂，参数众多且需要人工干预的问题，提出脉冲耦合优化神经网络参数自动设置，并在可见光遥感影像海陆分割中得到较好的应用，参数自适应能力较强，不用预先划定影像特性范围，提高了遥感影像海陆分割的准确度和速度。为达到以上技术效果，本专利技术所采用的技术方案如下：快速高效的可见光遥感影像海陆精确分割方法，基于脉冲耦合优化神经网络对可见光遥感影本文档来自技高网...

【技术保护点】
1.快速高效的可见光遥感影像海陆精确分割方法，其特征在于，基于脉冲耦合优化神经网络对可见光遥感影像进行海陆分割，首先，对输入的初始遥感影像进行影像灰度化处理，然后进行可见光遥感影像预处理，可见光遥感影像预处理包括可见光遥感影像去噪和可见光遥感影像增强，将可见光遥感影像预处理后的遥感影像输入到脉冲耦合优化神经网络模型中，并对脉冲耦合优化神经网络模型参数进行设置，脉冲耦合优化神经网络模型神经元在接受优化处理的遥感影像刺激后开始运行，通过制定一个结束判定标准终止脉冲耦合优化神经网络模型的运行，最后，对脉冲耦合优化神经网络模型输出的二值化影像做形态学图像处理，得到可见光遥感影像海陆精确分割结果；/n脉冲耦合优化神经网络模型由不同的积分衰减器组成，积分衰减器依靠一阶递归数字滤波器实现，设积分衰减器的脉冲响应为C(a)，数学表达式为：/n

【技术特征摘要】
1.快速高效的可见光遥感影像海陆精确分割方法，其特征在于，基于脉冲耦合优化神经网络对可见光遥感影像进行海陆分割，首先，对输入的初始遥感影像进行影像灰度化处理，然后进行可见光遥感影像预处理，可见光遥感影像预处理包括可见光遥感影像去噪和可见光遥感影像增强，将可见光遥感影像预处理后的遥感影像输入到脉冲耦合优化神经网络模型中，并对脉冲耦合优化神经网络模型参数进行设置，脉冲耦合优化神经网络模型神经元在接受优化处理的遥感影像刺激后开始运行，通过制定一个结束判定标准终止脉冲耦合优化神经网络模型的运行，最后，对脉冲耦合优化神经网络模型输出的二值化影像做形态学图像处理，得到可见光遥感影像海陆精确分割结果；
脉冲耦合优化神经网络模型由不同的积分衰减器组成，积分衰减器依靠一阶递归数字滤波器实现，设积分衰减器的脉冲响应为C(a)，数学表达式为：



式1中，d表示一个积分衰减器，Ud是放大系数，bd是积分衰减器的延迟时间常数，对于确定的Ud和bd，C(a)是以a为自变量的指数函数；
同样如果脉冲耦合优化神经网络模型中某一个神经元的坐标用(m,n)表示，它周围的神经元坐标则用(g,h)表示，神经元的内部活动项是馈入输入和连接输入非线性相乘的方式组成，神经元通过馈入突触接受输入信号，每个神经元与它的邻域神经元相互连接，该神经元的输出信号通过连接突触调节其邻域神经元的活动，脉冲耦合优化神经网络模型的内部活动项Vmn[i]是由积分衰减器、连接输入和馈入输入组成，数学表达式表示如下：



式2中，Bmn是一个刺激输入，Amngh是连接输入的突触加权系数矩阵，bV是内部活动项的时间常数，i是当前迭代次数,突触加权系数存储在耦合矩阵A中,Y[i-1]是上一次迭代的脉冲，如果模型是发出脉冲，则神经元与邻域神经元耦合，即打火，否则它们之间不建立耦合联系，即不打火；
上一次脉冲耦合优化神经网络模型运行迭代产生的脉冲可反过来调节积分衰减器的临界值，通过增大放大系数UG的值和减小时间常数bG的值提高积分衰减器的临界值，动态门限Gmn[i]是由积分衰减器和脉冲耦合优化神经网络模型上一次运行迭代的动态门限Gmn[i-1]组成，其数学表达式为：



在模型迭代过程中，当神经元的内部活动项Vmn[i]的值超过动态门限Gmn[i]的值时，输出Ymn[i]产生一个脉冲，即动作电位或电子脉冲，神经元输出描述为：





2.根据权利要求1所述的快速高效的可见光遥感影像海陆精确分割方法，其特征在于，可见光遥感影像去噪处理的可见光遥感海陆影像的主要来源为高斯噪声和脉冲噪声，脉冲噪声是可见光遥感影像预处理阶段优先解决的问题，本发明综合遥感影像分辨率与目标在影像中的尺寸，采用6×6的中值滤波器进行可见光遥感影像去噪。


3.根据权利要求1所述的快速高效的可见光遥感影像海陆精确分割方法，其特征在于，可见光遥感影像增强采用双向直方图均衡法，增强遥感影像海陆对比度，双向直方图均衡法主要分两步：
步骤一，对可见光遥感影像进行直方图均衡化处理；
步骤二，在步骤一取得的结果上等距离的排列灰度等级；
双向直方图均衡处理是在直方图的灰度密度和灰度间距两个方向同时进行均衡化处理，遥感影像在整个显示范围内分布均匀。


4.根据权利要求1所述的快速高效的可见光遥感影像海陆精确分割方法，其特征在于，bV、bG是时间常数，令得到如下数学表达式：



Gmn[i]＝exp(-N)Gmn[i-1]+UGYmn[i]式13



改进后的脉冲耦合优化神经网络模型采用了Vmn[i]＞Gmn[i-1]的打火方式，模型离散描述方程为三个，可调参数降为现在的五个，分别是馈入输入时间衰减参数M、时间变化衰减参数N、连接强度参数P、连接输入幅值UL、临界值变化放大参数UG，改进的脉冲耦合优化神经网络的内部活动项是一个等式。


5.根据权利要求1所述的快速高效的可见光遥感影像海陆精确分割方法，其特征在于，脉冲耦合优化神经网络的参数自适应设置中，采用分层分割策略分割一张海陆可见光遥感影像，实现脉冲耦合优化神经网络模型自动设置合适的参数值；具体方法为：首先采用大津方法粗略产生一张海陆影像的分割临界值，把由高于该临界值像素点组成的区域称为目标粗区域，把由低于该临界值像素点组成的区域称为背景粗区域，为激发神经元打火，将第一次分割的目标粗区域作为模型的输出，之后将背景粗区域作为输入进入模型中迭代，细分为更小的子区域，在这种分层分割策略运行过程中，大津方法是影像分割的激发因子，随后，脉冲耦合优化神经网络以拥有人类视觉特性的评...

【专利技术属性】
技术研发人员：王程，何克慧，
申请(专利权)人：王程，
类型：发明
国别省市：浙江;33