[發(fā)明專利]基于灰度統(tǒng)計及區(qū)域編碼的SAR圖像水域識別方法

無效

• 申請?zhí)枺?/td>: 200810236455.8
• 申請日: 2008-12-25
• 公開（公告）號: CN101452530A
• 公開（公告）日: 2009-06-10
• 發(fā)明（設(shè)計）人: 王桂婷;焦李成;楊蕾;鐘樺;侯彪;馬文萍;王爽
• 申請（專利權(quán)）人: 西安電子科技大學
• 主分類號: G06K9/46
• 分類號: G06K9/46;G06K9/48
• 代理公司: 陜西電子工業(yè)專利中心
• 代理人: 王品華;黎漢華

技術(shù)領(lǐng)域

本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，具體涉及合成孔徑雷達(Synthetic?Aperture?Radar)SAR圖像水域識別，本發(fā)明用于水域的分割和識別，洪澇災害檢測及多時相、多傳感器間同一地物的圖像配準。

背景技術(shù)

水域信息的提取是地理信息測繪更新、水利資源調(diào)查、洪澇災害的監(jiān)測、水上目標如橋梁、船舶等識別、城市濕地保護、多傳感器或多時相遙感圖像配準等工作必不可少的基礎(chǔ)步驟。作為一種主動的微波遙感雷達，SAR所具有的全天時、全天候、穿透性強等優(yōu)點，使得SAR圖像成為地面目標監(jiān)測的研究重點和熱點。

SAR圖像的水域識別研究中已有多種方法，如閾值法、聚類方法、區(qū)域增長、主動輪廓模型(Active?contour?Model，也稱蛇算法Snake?Model)等。通過區(qū)分不同目標的灰度閾值可以劃分出圖像中的目標和背景。此方法計算簡單，運算效率高，但由于難以區(qū)分與水域灰度相近的非水域如植被、陰影、路網(wǎng)等，在水域識別中較少單獨使用。最小經(jīng)驗熵法是閾值法的變形，依據(jù)光滑、均勻的區(qū)域熵很低。但是該方法對低灰度的陰影和植被不能有效區(qū)分。聚類方法和區(qū)域增長方法通過選擇聚類中心或種子采用一定的隸屬規(guī)則迭代更新直到停止條件。此類方法中初始點的選取對最終結(jié)果影響較大，并且運算量大，計算時間長，同樣對水域區(qū)中的植被、陰影、路網(wǎng)等非同質(zhì)區(qū)的效果較差。蛇算法通常先對SAR圖像濾波，然后用蛇算法勾畫出真實的水域輪廓的方法。然而蛇算法在迭代計算過程中對于噪聲非常敏感，常常會收斂到部分噪聲點，甚至出現(xiàn)不能收斂的現(xiàn)象。對于具有乘性噪聲的SAR圖像，蛇算法的水域識別效果更多地依賴于其前一步的濾波結(jié)果，而不同形式的濾波對SAR圖像的水域真實邊緣輪廓都會產(chǎn)生改變，最終識別結(jié)果并不理想；另外蛇算法的迭代運算復雜、計算量大，運算速度非常慢。另有研究者提出一種蛇算法的變形方法，即將水域輪廓上每點的坐標及方向表示為一組離散的點集序列，由貝葉斯準則判斷該點周圍的像素點，使能量最小并不斷更新點集，最終得到水域輪廓。該方法中初始點集可以人工或自動選取，但是初始點集的位置影響最終的分割結(jié)果，與蛇算法存在同樣的問題，方法的實用性差。

因此人們提出實現(xiàn)水域識別的最佳數(shù)據(jù)源是時間和空間分辨率都較高的遙感數(shù)據(jù)，如SPOT、Landsat等，或者是SAR圖像和光學遙感影像結(jié)合的方法。但是實際中要求同時具備同一地區(qū)的SAR圖像、光學遙感影像和地理信息是有一定的困難；其次SPOT、Landsat等光學遙感影像的價格昂貴，用戶難以長期忍受；再者，光學遙感影像易受云層、雨霧等影響，對天氣條件的要求較高，影響水域識別的效果。

發(fā)明內(nèi)容

本發(fā)明的目的在于針對上述現(xiàn)有技術(shù)在SAR圖像水域識別中，存在乘性噪聲影響的植被和路網(wǎng)難區(qū)分問題，提出了一種基于灰度統(tǒng)計及區(qū)域編碼的SAR圖像水域識別方法，提高水域識別的精度。

為實現(xiàn)上述目的，本發(fā)明的技術(shù)方案包括如下步驟：

(1)對輸入圖像采用像素灰度歸一化進行處理；

(2)依據(jù)灰度經(jīng)驗閾值，將歸一化后的圖像像素歸類為目標區(qū)和非水域：

(2a)對于像素灰度分布在0～1之間的情況，取經(jīng)驗閾值為0.255；對于像素灰度分布在0～255之間的情況，取經(jīng)驗閾值為65；

(2b)將像素大于經(jīng)驗閾值的判為目標區(qū)其像素值置1，小于閾值的判為非水域其像素值置0；

(3)計算目標區(qū)中連通區(qū)域面積，消除目標區(qū)內(nèi)的非水域：

(3a)統(tǒng)計目標區(qū)內(nèi)連通區(qū)域像素點的個數(shù)為每個區(qū)域?qū)拿娣e；

(3b)用區(qū)域面積總和除以區(qū)域總個數(shù)得到一個總區(qū)域面積均值；

(3c)將目標區(qū)內(nèi)每個區(qū)域的面積小于面積均值的區(qū)域作為非水域，并將其像素值置0予以消除；

(4)在每個區(qū)域的最長方向的1/2和1/3處，通過跑長讀取目標區(qū)中每個區(qū)域的編碼方式，利用區(qū)域編碼的間斷性或連續(xù)性，對目標區(qū)中剩余的連通區(qū)域進行篩選，消除間斷性植被和路網(wǎng)的非水域，得到最終的水域識別結(jié)果，

所述的通過跑長讀取目標區(qū)中每個區(qū)域的編碼方式，按如下步驟進行：

首先，將目標區(qū)中每個區(qū)域的最小坐標點和最大坐標點的橫、縱坐標之差的較大者作為該區(qū)域的長軸；

其次，在垂直于該區(qū)域長軸的1/3和2/3處，按照0和1出現(xiàn)的先后次序分別記錄每次0和1出現(xiàn)的次數(shù)及每次出現(xiàn)的長度；