一种基于高分辨率遥感图像的船舶轮廓提取方法及系统技术方案

本发明专利技术实施例公开了一种基于高分辨率遥感图像的船舶轮廓提取方法及系统，本发明专利技术实施例首先利用高斯滤波消除高分辨率遥感图像中的杂波；在此基础上采用对数变换函数实现图像增强，最后利用图像局部二值模式提取纹理特征，用于船舶目标纹理图像识别，采用区域生长法填充目标纹理图像识别结果，通过设定大小提取目标轮廓

【技术实现步骤摘要】
一种基于高分辨率遥感图像的船舶轮廓提取方法及系统


[0001]本专利技术实施例涉及数字图像处理
，具体涉及一种基于高分辨率遥感图像的船舶轮廓提取方法及系统
。

技术介绍

[0002]船舶轮廓提取作为船舶目标识别和检测的基本单元之一，在高分辨率遥感图像中也具有挑战性
。
船舶的形状和大小各异，常常伴随着复杂的背景和噪声，使得轮廓提取更加困难
。
[0003]随着遥感技术的发展和应用范围的扩大，高分辨率遥感图像已经成为了目标识别和检测的主要数据来源之一
。
其中，船舶作为重要的海上交通工具，其在军事
、
商业
、
科学研究等领域的应用也越来越广泛
。
因此，在高分辨率遥感图像中对船舶目标进行有效
、
高效的识别和检测成为了一个重要的问题
。
[0004]目前主要利用图像增强预处理技术进行目标检测提取目标轮廓，这些方法能够实现图像目标轮廓的提取，但鲁棒性和准确性较差
。
[0005]因此，需要结合图像处理
、
分割
、
检测和筛选等方法，对船舶轮廓进行全面
、
有效的提取
。

技术实现思路

[0006]为此，本专利技术实施例提供一种基于高分辨率遥感图像的船舶轮廓提取方法及系统，以解决现有技术利用图像增强预处理技术进行目标检测提取目标轮廓鲁棒性和准确性较差，无法对船舶轮廓进行全面提取的技术问题/>。
[0007]为了实现上述目的，本专利技术实施例提供如下技术方案：
[0008]根据本专利技术实施例的第一方面，提供了一种基于高分辨率遥感图像的船舶轮廓提取方法，所述方法应用于高分辨率遥感图像，其包括：
[0009]接收一张第一高分辨率遥感图像；
[0010]对所述第一高分辨率遥感图像进行高斯滤波处理，得到第二高分辨率遥感图像；
[0011]利用对数变换函数对所述第二高分辨率遥感图像进行图像增强，生成第三高分辨率遥感图像；
[0012]对所述第三高分辨率遥感图像进行二值化处理生成图像二值化数据并从所述图像二值化数据中提取纹理特征；
[0013]利用区域生长法与所述图像二值化数据对所述第三高分辨率遥感图像进行轮廓填充，将具有相似性质的像素融合，形成一个相似区域；
[0014]根据所述相似区域设定船舶目标特征数据，提取船舶目标轮廓图像
。
[0015]进一步地，对所述第一高分辨率遥感图像进行高斯滤波处理，得到第二高分辨率遥感图像，构成所述第二高分辨率遥感图像的滤波后的像素值的表达式为：
[0016][0017]其中，
G(x,y)
为滤波后的像素值，
x
为像素点在窗口内的横向距离，
y
为像素点在窗口内的纵向距离，
σ
为高斯函数标准差
。
[0018]进一步地，利用对数变换函数对所述第二高分辨率遥感图像进行图像增强，生成第三高分辨率遥感图像，所述对数变换函数的表达式为：
[0019][0020]其中，
H(x,y)
为对数变换后的像素值，
G(x,y)
为滤波后的像素值，
c
为常数
。
[0021]进一步地，对所述第三高分辨率遥感图像进行二值化处理生成图像二值化数据并从所述图像二值化数据中提取纹理特征，包括：
[0022]选取预设长宽的窗口，计算所述窗口的区域均值；
[0023]定义局部区域的平滑指标并取邻域的像素最大值与像素最小值计算动态阈值，为其他邻域赋予不同的权值；
[0024]根据所述窗口的中心像素值与邻域像素的灰度值对所述第三高分辨率遥感图像进行局部二值模式编码，获得图像纹理特征
。
[0025]进一步地，选取预设长宽的窗口，计算所述窗口的区域均值，所述区域均值的计算公式为：
[0026][0027]其中，
m
为区域均值，
x0为中心点像素值，
x
i
为邻域像素值，
p
为邻域内的像素数
。
[0028]进一步地，定义局部区域的平滑指标并取邻域的像素最大值与像素最小值计算动态阈值，为其他邻域赋予不同的权值，包括：
[0029]所述平滑指标的计算公式为：
[0030][0031]其中，
S
为平滑指标，
x
max
为邻域的像素最大值，
x
min
为邻域的像素最小值；
[0032]所述动态阈值的计算公式为：
[0033][0034]其中，
t
为动态阈值，
m
为区域均值，
s
为平滑指标，
p
为邻域内像素的数，
x0为中心点像素值，
x
i
为邻域像素值，
x
max
为邻域的像素最大值，
x
min
为邻域的像素最小值
。
[0035]进一步地，根据所述窗口的中心像素值与邻域像素的灰度值对所述第三高分辨率遥感图像进行局部二值模式编码，获得图像纹理特征，包括：
[0036]对所述第三高分辨率遥感图像进行局部二值计算，生成
LBP
数据；
[0037]对所述
LBP
数据进行二值化编码，获得图像纹理特征；
[0038]所述局部二值计算的表达式为：
[0039][0040]其中，
LBP
为局部二值计算结果数据，
s
为平滑指标，
x0为中心点像素值，
x
i
为邻域像素值，
p
为邻域内的像素数；
[0041]所述二值化编码的表达式为：
[0042][0043]其中，
S
（
x
）为阶跃函数，
t
为第一预设阈值
。
[0044]进一步地，利用区域生长法与所述图像二值化数据对所述第三高分辨率遥感图像进行轮廓填充，将具有相似性质的像素融合，形成一个相似区域，包括：
[0045]选取一个种子像素并建立一个含有所述种子像素的区域集；
[0046]依次判断所述种子像素的相邻像素的差异值是否小于第二预设阈值；
[0047]如果所述种子像素的相邻像素的差异值小于第二预设阈值，则将所述相邻像素加入至区域集中；
[0048]如果所述种子像素的相邻像素的差异值大于或等于第二预设阈值，则判断下一相邻像素；
[0049]所述区域集的表达式为：
[0050][0051]其中，
R
为区域集，
(x1, y1)
表示种子像素；
[00本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于高分辨率遥感图像的船舶轮廓提取方法，其特征在于，所述方法应用于高分辨率遥感图像，其包括：接收一张第一高分辨率遥感图像；对所述第一高分辨率遥感图像进行高斯滤波处理，得到第二高分辨率遥感图像；利用对数变换函数对所述第二高分辨率遥感图像进行图像增强，生成第三高分辨率遥感图像；对所述第三高分辨率遥感图像进行二值化处理生成图像二值化数据并从所述图像二值化数据中提取纹理特征；利用区域生长法与所述图像二值化数据对所述第三高分辨率遥感图像进行轮廓填充，将具有相似性质的像素融合，形成一个相似区域；根据所述相似区域设定船舶目标特征数据，提取船舶目标轮廓图像
。2.
如权利要求1所述的一种基于高分辨率遥感图像的船舶轮廓提取方法，其特征在于，对所述第一高分辨率遥感图像进行高斯滤波处理，得到第二高分辨率遥感图像，构成所述第二高分辨率遥感图像的滤波后的像素值的表达式为：其中，
G(x,y)
为滤波后的像素值，
x
为像素点在窗口内的横向距离，
y
为像素点在窗口内的纵向距离，
σ
为高斯函数标准差
。3.
如权利要求2所述的一种基于高分辨率遥感图像的船舶轮廓提取方法，其特征在于，利用对数变换函数对所述第二高分辨率遥感图像进行图像增强，生成第三高分辨率遥感图像，所述对数变换函数的表达式为：其中，
H(x,y)
为对数变换后的像素值，
G(x,y)
为滤波后的像素值，
c
为常数
。4.
如权利要求3所述的一种基于高分辨率遥感图像的船舶轮廓提取方法，其特征在于，对所述第三高分辨率遥感图像进行二值化处理生成图像二值化数据并从所述图像二值化数据中提取纹理特征，包括：选取预设长宽的窗口，计算所述窗口的区域均值；定义局部区域的平滑指标并取邻域的像素最大值与像素最小值计算动态阈值，为其他邻域赋予不同的权值；根据所述窗口的中心像素值与邻域像素的灰度值对所述第三高分辨率遥感图像进行局部二值模式编码，获得图像纹理特征
。5.
如权利要求4所述的一种基于高分辨率遥感图像的船舶轮廓提取方法，其特征在于，选取预设长宽的窗口，计算所述窗口的区域均值，所述区域均值的计算公式为：其中，
m
为区域均值，
x0为中心点像素值，
x
i
为邻域像素值，
p
为邻域内的像素数
。6.
如权利要求5所述的一种基于高分辨率遥感图像的船舶轮廓提取方法，其特征在于，
定义局部区域的平滑指标并取邻域的像素最大值与像素最小值计算动态阈值，为其他邻域赋予不同的权值，包括：所述平滑指标的计算公式为：其中，
S
为平滑指标，
x
max
为邻域的像素最大值，
x
min
为邻域的像素最小值；所述动态阈值的计算公式为：其中，
t
为动态阈值，
m
为区域均值，
s
为平滑指标，
p

【专利技术属性】
技术研发人员：周志明，谢永虎，李梦薇，卜冬冬，刘欢，
申请(专利权)人：北京观微科技有限公司，
类型：发明
国别省市：