[发明专利]一种基于空间聚类与分水岭变换的港口矿堆轮廓提取方法

说明书

本发明提出了一种基于空间聚类与分水岭变换的矿堆轮廓提取方法，属于图像处理与分析技术领域，解决了传统图像轮廓提取方法无法获得矿堆轮廓的问题。包括以下步骤：步骤一、读入图像数据，增强图像对比度，利用KMeans算法对图像聚类，标记出背景区域和目标区域；步骤二、使用形态学开运算去除孤立点，使用形态学膨胀运算确定背景区域的种子区域，根据距离图像确定目标区域的种子区域，标记未知区域；步骤三、使用分水岭算法计算目标区域的边缘并进行合并识别的边缘。本发明能够实现矿堆轮廓的识别和提取，为计算矿堆面积和体积提供支持。

技术领域

本发明属于图像处理与分析技术领域，特别是涉及一种基于空间聚类与分水岭变换的矿堆轮廓提取方法。

背景技术

矿产资源作为战略储备资源的一种，对国家的经济发展、安全、战略决策具有重要意义。港口是矿物的主要集散地，监测港口矿物储量是预测矿物储量变化，推测矿产资源价格指数趋势的重要手段之一。随着遥感卫星相关技术的发展与进步，卫星图像的分辨率、拍摄频率越来越高，为图像解译工作提供了更多、更可靠的数据支持。利用卫星影像对港口矿堆重复性观测，识别并提取矿堆轮廓，根据港口在不同时间维度下的轮廓变化趋势实现对港口矿石储量变化的实时监测。

矿堆储量估算的主要难点在于矿堆轮廓的识别。目前常用的图像轮廓提取方法有阈值法、边缘检测法以及其他方法。阈值法是利用图像不同区域的像素灰度相似性将图像像素点分为不同类型，从而实现图像不同区域的分割。例如局部阈值法、动态阈值法，这类方法考虑了像元的邻域特征，能够根据图像的不同背景情况自适应地改变阈值，可较精确地提取出二值图像，但它过渡地夸大了像元的邻域灰度的变化，会把不均匀灰度分布的背景分割到目标中去，带来许多不应出现的假目标。

边缘检测法是通过比较每个像素点的梯度值在邻域内的大小，判断该点是否是边缘，再利用边缘检测结果对图像进行分割。常用的有基于Canny算子的图像分割方法、基于Sobel算子的图像分割方法。边缘检测法利用相邻像素的灰度差异，可以较好的识别图像边缘，但识别结果不连续，对于复杂图像，边缘检测法除了可以检测出目标区域的边缘，还会识别出很多次要边缘，对于边缘模糊的图像、噪声多的图像边缘识别的准确度不高。

近年来，除了上述传统方法外，有学者提出主动轮廓模型，如Chan-Vese(C-V)模型和LRCV(Local Region-based ChanVese)模型。这类模型以图像梯度和区域信息(如均值、方差等)进行轮廓演化，实现图像分割，并且能够获得光滑闭合曲线。但这类模型对初始轮廓比较敏感，所以限制了这些方法的实际应用。

发明内容

本发明目的是针对现有技术存在的问题，以及需要解决的技术问题：图像中各个矿堆的形状差异较大，包括矩形、圆形、不规则多边形，所以很难根据形状提取矿堆轮廓；矿堆颜色与矿物种类、氧化程度、保存方式有关，由于太阳照射角度不同，同一矿堆会呈现明显的亮暗变化，无法利用统一的颜色阈值对矿堆区域进行识别；矿堆周围常有洒落的同种矿物，使得地面颜色和矿堆颜色较为接近，给边缘提取增加了难度。针对解决的技术问题本发明提出一种基于空间聚类与分水岭变换的矿堆轮廓提取方法，实现矿堆轮廓的识别和提取，为计算矿堆面积和体积提供支持。

为实现上述目的，本发明采用以下技术方案：一种基于空间聚类与分水岭变换的港口矿堆轮廓提取方法，所述方法包括以下步骤：

步骤一：读入图像数据；

步骤二：增强图像对比度；

步骤三：对图像进行聚类，并标记每个像素点所属类别；

步骤四：标记出图像中的背景区域和目标区域；

步骤五：使用形态学开运算去除孤立点；

步骤六：利用形态学膨胀运算确定背景区域的种子区域；

步骤七：获取目标区域的种子区域；

步骤八：标记未知区域图像；