[发明专利]一种基于超像素分割的海冰提取方法、装置和设备

说明书

本发明的实施例提供了一种基于超像素分割的海冰提取方法、装置和设备。所述方法包括对原始遥感图像的非陆地部分，采用SLIC的超像素分割算法进行超像素分割；根据超像素分割结果，基于灰度共生矩阵，计算每个超像素的对比度和熵的均值，生成基于超像素的特征图像；采用Otsu阈值检测方法计算对比度阈值和熵阈值，对海水区域和海冰区域进行分类，并提取所述海冰区域。以此方式，能够实现海冰的自动化提取，为海上航运和海上石油开采等行业的海上活动提取参考依据，而且海冰作为全球气候变化的重要参与者，海冰提取进一步为气候变化研究提供了技术支持。

技术领域

本发明的实施例一般涉及遥感影像的应用领域，并且更具体地，涉及一种基于超像素分割的海冰提取方法、装置和设备。

背景技术

我国结冰海域主要位于渤海，并多集中在其北部的辽东湾。每年冬季，海洋资源的开发，港口海岸工程设计及海上交通运输等人类的海上活动都由于海冰的形成、运动、变化受到不同程度的影响，特别是严重的冰情对海上石油平台和其他海上结构物具有极大的危害。随着遥感技术的发展，利用多光谱影像和雷达影像进行海冰的监测成为了一项重要的研究内容。在基于遥感影像的海冰提取中，目前较常用的方法主要有采用MODIS影像的基于亮温及反射率特征的海冰提取，通过统计多光谱影像的亮温及反射率特征的直方图寻找冰、水的分界点值进行海冰提取的方法；采用SAR影像的基于灰度和纹理特征的最大似然法海冰提取方法；采用SAR影像的基于纹理特征和SVM分类方法的海冰提取方法等。

采用MODIS影像的基于亮温及反射率特征的海冰提取方法，难以完全去除云等干扰物的影响，部分区域也难以区分海冰和海水区域，海冰提取工作属于半自动化提取，人工干预较多。采用SAR影像的基于灰度和纹理特征的最大似然法海冰提取方法，需要大量的训练样本数据且对灰度值接近的碎冰和开阔水的提取混淆比较严重。采用SAR影像的基于纹理特征和SVM分类方法的海冰提取方法，同样需要大量的训练样本数据，且对风速变化大的区域存在较多的识别错误。

发明内容

根据本发明的实施例，提供了一种基于超像素分割的海冰提取方案。

在本发明的第一方面，提供了一种基于超像素分割的海冰提取方法。该方法包括：得到原始遥感图像的非陆地部分；

对所述原始遥感图像的非陆地部分，采用SLIC的超像素分割算法进行超像素分割；

根据超像素分割结果，基于灰度共生矩阵，计算每个超像素的对比度和熵的均值，生成基于超像素的特征图像；

采用Otsu阈值检测方法计算对比度阈值和熵阈值，对海水区域和海冰区域进行分类，并提取所述海冰区域。

进一步地，对所述原始遥感图像的非陆地部分，采用SLIC的超像素分割算法进行超像素分割，包括：

步骤1：设置超像素的边长，生成若干初始超像素种子点；

步骤2：以一初始超像素种子点为中心，设置对应的临近区域，计算所述邻近区域内每个点的梯度值，将梯度值最小的点作为该临近区域的超像素种子点；

步骤3：设置像素范围，以每个超像素种子点为中心计算所述像素范围内的各个像素点到当前超像素种子点的特征距离；如果当前像素点到当前超像素种子点的特征距离小于其至所属超像素种子点的特征距离，则将当前像素点的所属关系调整至当前超像素种子点；

步骤4：对于每个调整后的超像素种子点，计算其超像素中心，作为对应超像素的种子点；

步骤5：对步骤3和步骤4进行迭代，直至达到预设迭代次数。

进一步地，所述各个像素点到当前超像素种子点的特征距离为：