一种适用于处理大场景光学遥感数据的海陆分割方法技术

本发明专利技术提出一种适用于处理大场景光学遥感数据的海陆分割方法。该方法包括：首先，对单色或多色谱段光学遥感数据进行预处理，得到像素单元幅值的概率密度曲线。随后通过求解曲线局域峰值位置确定初始类别中心，并标记海域像素单元初始幅值。采用峰值聚类方法对像素单元幅值进行聚类，得到地物分类结果。接着选取海域像素单元初始幅值所属类别，获得海域检测初步结果图。最后，筛选出海域检测初步结果图中面积高于阈值的连通区域，并它们进行填充处理，从而得到最终的海域检测结果图。对有云场景单色与三色谱段遥感数据的处理结果，展示了本发明专利技术方法具有较好的复杂场景及数据源适用性。性。性。

【技术实现步骤摘要】
一种适用于处理大场景光学遥感数据的海陆分割方法


[0001]本专利技术涉及光学遥感图像处理、海域检测及舰船目标探测识别领域，具体涉及一种可以用于处理多类光学传感器遥感数据的海陆分割方法。

技术介绍

[0002]海域检测及海陆分割是实现舰船目标探测识别的重要技术途径，光学遥感图像舰船目标探测识别技术，对于管控海域交通、保卫海防安全、打击海上偷渡与走私等违法行为均具有重要意义。近些年来随着光学传感器探测性能的提升，遥感图像覆盖的区域越来越广，图像分辨率越来越高，需要处理的图像数据量显著增长。相较于航空影像或中低分辨率卫星遥感图像处理方法，星载光学传感器大场景遥感影像数据的海域检测需要考虑的问题包括：1)由于星载传感器视场覆盖范围较广，场景中不同区域的太阳光谱辐照度差异导致海水反射辐射强度不同；2)由于传感器空间分辨率较高，可以明显观测到海面纹理，换句话说，由于海浪高低起伏导致海水反射辐射强度在某一区间内变化；3)由于传感器空间分辨率较高，遥感图像中存在高大建筑物、云层等物体在地表投射的阴影，阴影区域的反射辐射与海水的反射辐射强度相近，影响海域检测结果；4)大场景遥感图像的像素单元数较多，在处理多个谱段的遥感数据时，无法直接计算像素单元之间的相关矩阵。
[0003]图2(a)所示为一景星载传感器全色谱段遥感图像，各像素单元均减去了原始图像中像素单元强度最小值，即：
[0004]E＝E
0-min{E0}
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)
[0005]式中，E0为原始遥感图像；min为取最小值运算；E为减去最小值之后的遥感图像。
[0006]对图2(a)所示场景，统计不同像素单元幅值(辐射强度)的像素单元数，所得概率密度曲线如图2(b)所示。由图可知，排除由于云层覆盖导致的饱和像素单元(像素单元辐射强度趋近或超过传感器可探测辐射强度极大值)，概率密度曲线一般具有两个峰值。考虑到在可见光与红外谱段，若不存在太阳耀斑等反射现象，海水的反射辐射通常小于陆地区域，故像素幅值更小的峰值应为海面像素单元，幅值更大的峰值应为陆地像素单元。因此，海域检测问题转换为典型的二元检测问题，即估计该场景图像中海面区域对应的像素单元幅值区间。
[0007]与本专利技术相关的现有技术介绍如下：
[0008]1.1现有技术一的技术方案
[0009]基于最大类间方差法Otsu或其他二元检测门限设置方法，设置图2(b)所示像素单元幅值概率分布曲线的门限值，随后根据图像连通区域、海岸线连续性等图像纹理特征，对海陆分割结果进行优化处理(参见文献[1]陈祥,孙俊,尹奎英,于俊鹏.基于Otsu与海域统计特性的SAR图像海陆分割算法[J].数据采集与处理,2014,29(4):603-608.和文献[2]施晓东,刘格.一种光学遥感图像海陆分割方法[J].理论与方法,2014,33(11):29-32.)。
[0010]1.2现有技术一的缺点
[0011]虽然排除云层区域干扰后，图2(b)所示的概率密度曲线仅有2个峰值，但是实际遥
感图像中，陆地区域不同种类覆盖物具有不同的辐射强度，且高大建筑物、大型舰船、云层等造成的阴影也将影响海域检测的结果。
[0012]2.1现有技术的技术方案二
[0013]利用不同尺寸的滤波器对图像进行模糊处理，之后用CNN等神经网络模型进行训练，进而判断各像素单元为水域或陆地(参见文献[3]R.Li,W.Liu,L.Yang,et al.DeepUNet:A Deep Fully Convolutional Network for Pixel-Level Sea-Land Segmentation[J].IEEE Journal of Selected Topics in Applied Earth Observation and Remote Sensing,2018,11(11):3954-3962.和文献[4]W.Liu,L.Ma,H.Chen,et al.Sea-Land Segmentation for Panchromatic Remote Sensing Imagery via Integrating Improved MNcut and Chan-Vese Model[J].IEEE Geoscience and Remote Sensing Letters,2017,14(12):2443-2447.)。
[0014]2.2现有技术二的缺点
[0015]由于遥感图像中海域像素单元辐射强度与太阳光照角度、气象条件、海面风浪大小、海岸情况等因素有关，训练神经网络模型需要大量不同气象条件下各类场景的遥感数据，并对海域像素单元进行手动标注，生成完备数据集。获取完备数据集通常存在困难，因而训练得到网络模型的通用性存在限制。
[0016]3.1现有技术三的技术方案
[0017]改进技术方案一，利用改进FLICM聚类方法得到陆地初始区域，结合Canny算子提取海岸线粗略轮廓，根据粗分割结果所得区域及轮廓作为加权CV模型初始条件，完成遥感图像海陆精细分割，最后、采用形态学、连通域准则对海陆精细分割结果修正，得到最终海陆分割结果(参见文献[5]吴诗婳,李亚钊,于子桓等.一种遥感图像海陆自动分割方法[P].中国国家专利技术专利,CN111582198,2020.)。
[0018]3.2现有技术三的缺点
[0019]FLICM聚类方法与CV模型中均存在较多参数设置，对于某一场景参数的设定值不一定适用于其他场景，因而影响方法的适用性和鲁棒性。此外，提取海岸线判断海域的处理方法较难处理场景中存在多条海岸线的情形，例如场景中存在桥梁、岛屿、云层分割多片海域，或是海湾场景中不连续的海岸线等。且对大场景图像而言，逐像素处理会降低海域检测算法效率。

技术实现思路

[0020]本专利技术针对以上三种方案各自的特点，为实现高效且较为可靠的海陆分割，针对大场景光学遥感数据的特点，提出一种适用于处理大场景光学遥感数据的海陆分割方法。基于光学遥感数据像素单元幅值的概率密度曲线，利用概率密度峰值搜索方法依幅值对像素单元进行分类，获得海域检测初步结果图。为排除图像中与海面像素单元幅值相当的阴影区域像素单元的影响，计算海域检测初步结果图中各连通区域的面积，排除面积较小的连通区域。考虑到舰船遮挡、海浪阴影等现象在海域掩膜图像中会形成空洞区域，对海域包围的空洞区域像素单元进行填充，并根据填充面积排除岛屿，从而得到最终的海域检测结果图。
[0021]本专利技术采用的技术方案为：一种适用于处理大场景光学遥感数据的海陆分割方
法，包括如下步骤：
[0022]步骤1：对遥感数据进行预处理，并计算处理后图像的像素单元幅值概率密度曲线；
[0023]步骤2：利用局域峰值搜索方法找到概率密度曲线的局域峰值，将其设为初始类别，并记录海域的像素单元幅值；
[0024]步骤3：将其余像素单元幅值本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种适用于处理大场景光学遥感数据的海陆分割方法，其特征在于：包括如下步骤：步骤1：对遥感数据进行预处理，并计算处理后图像的像素单元幅值概率密度曲线；步骤2：利用局域峰值搜索方法找到概率密度曲线的局域峰值，将其设为初始类别，并记录海域的像素单元幅值；步骤3：将其余像素单元幅值按像素单元数从多到少排列，利用峰值概率密度搜索方法依像素单元幅值进行分类；步骤4：找到步骤2中记录的海域像素单元幅值所属类别，标记对应像素单元得到初始海域图；步骤5：统计初始海域图中各连通区域的像素单元数，排除像素单元数低于门限的连通区域；步骤6：填充处理后得到海域检测结果图。2.根据权利要求1所述的一种适用于处理大场景光学遥感数据的海陆分割方法，其特征在于：所述的步骤1具体包括：对于单色谱段光学遥感图像直接统计其概率密度函数；若为三色谱段可以生成灰度或色比图像，统计对应的概率密度函数；若采用多光谱或高光谱数据，可以定义像素单元的局域密度为：式中，ρ
ij
为像素单元(i,j)的局域密度；d
k
为特征空间内任意像素单元k的投影到像素单元(i,j)投影的距离；χ为判决函数，有定义式：式中，d
c
为距离门限；其中，距离d
k
可以采用绝对距离、相对熵、欧氏距离方法度量。3.根据权利要求1所述的一种适用于处理大场景光学遥感数据的海陆分割方法，其特征在于：所述的步骤2具体包括：图像像素单元幅值的概率密度曲线通常具有两个显著的峰值，局域峰值位置可以通过...

【专利技术属性】
技术研发人员：何晓雨，许小剑，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：