[发明专利]基于Radon变换多特征融合的Sentinel-1图像海岸带养殖池提取方法

权利要求书

1.一种基于Radon变换多特征融合的Sentinel-1图像海岸带养殖池提取方法，其特征在于，包括：

获取Sentinel-1原始数据，并对其进行预处理，得到预处理后的图像数据；

对所述预处理后的图像数据进行边缘检测获取预处理后的图像数据的边缘图像，对预处理后的图像数据应用SLIC超像素方法得到过分割图像，获取每个超像素区域对应的标签场，根据所述标签场得到所述过分割图像中每个超像素区域，并结合预处理后的图像数据的边缘图像，得到每一个超像素区域的边缘图像，依次对每一个超像素区域的边缘图像做Radon变换，得到各超像素区域的边缘图像所对应的变换结果，获取各变换结果中包含的峰值点；

根据各变换结果中包含的峰值点数量，分别提取候选的密集型养殖区域和候选的非密集型养殖区域，其中候选的密集型养殖区域为峰值点数量不小于1的超像素区域，候选的非密集型养殖区域为峰值点数量小于1的超像素区域；

对所述候选的密集型养殖区域进行养殖池提取进而获得密集型养殖池，同时对所述候选的非密集型养殖区域进行海洋移除操作进而获得非密集型养殖池；

综合所述密集型养殖池和非密集型养殖池，获取最终的养殖池提取结果。

2.根据权利要求1所述的基于Radon变换多特征融合的Sentinel-1图像海岸带养殖池提取方法，其特征在于，对所述候选的密集型养殖区域进行养殖池提取进而获得密集型养殖池，步骤包括：

根据所述各超像素区域的边缘图像所对应的变换结果计算每个超像素的极角直方图、最大直线数区间以及最大直线数目；

根据极角直方图、最大直线数区间以及最大直线数目提取超像素区域的特征，所述超像素区域的特征包括极角的标准差、极径的等差数列匹配度、极角直方图的熵以及极角中心集聚度；

根据极角的标准差、极径的等差数列匹配度、极角直方图的熵以及极角中心集聚度与设定阈值的比较结果，确定最终的密集型养殖池。

3.根据权利要求2所述的基于Radon变换多特征融合的Sentinel-1图像海岸带养殖池提取方法，其特征在于，根据所述各超像素区域的边缘图像所对应的变换结果计算每个超像素的极角直方图、最大直线数区间以及最大直线数目，包括：

获取Radon变换结果的极角θ和极径ρ；

对所述极角θ进行一次分区，所述一次分区将θ在0°-180°区间等间距划分为18个区间，区间集合记为Sectors＝{s₁,s₂,...,s₁₈}，依次统计每个区间中直线的数目，记为Sn＝{sn₁,sn₂,...,sn₁₈}，根据Sn构建峰值点在各区间下的直方图Hist，其中最大直线数目sn_max对应的区间为s_max；

对所述极角θ进行二次分区，将θ从5°开始以10°为间距等间距的划分为17个区间，并将[175°,180°)和[0°,5°)合并成第18个区间，区间集合记为Sectors′＝{s′₁,s′₂,...,s′₁₈}，依次统计每个区间中直线的数目，记为Sn′＝{sn′₁,sn′₂,...,sn′₁₈}，根据Sn′构建峰值点在各区间下的直方图Hist′，其中最大直线数目sn′_max对应的区间为s′_max；

综合一次分区和二次分区的结果，根据以下计算得到最终的最大区间的直线数目：

sn_MAX＝max(sn_max,sn′_max)

其中，sn_MAX为最终的最大区间的直线数目，sn_max为一次分区下获取的最大区间的直线数目，sn′_max为二次分区下获取的最大区间的直线数目；

基于最大区间的直线数目sn_MAX，根据以下计算得到其对应的区间和直方图：

其中，s_MAX为最大直线数目对应的区间，s_max为一次分区下获取的最大直线数目对应的区间，s′_max为二次分区下获取的最大直线数目对应的区间；H最大直线数目对应的区间的直方图，Hist为一次分区下最大直线数目对应的区间的直方图，Hist′为二次分区下最大直线数目对应的区间的直方图。