法律状态公告日
法律状态信息
法律状态
2015-06-24
未缴年费专利权终止 IPC(主分类):G06T7/00 授权公告日:20110727 终止日期:20140507 申请日:20090507
专利权的终止
2011-07-27
授权
授权
2009-11-25
实质审查的生效
实质审查的生效
2009-09-30
公开
公开
技术领域
本发明属于遥感技术领域,具体涉及一种基于序列非线性滤波的遥感影像水体专题信息提取方法。
背景技术
水体是重要的专题信息,它对于地学分析有重要的价值,是一类基础的专题信息数据。对于各地理信息系统的管理与建设有重要意义。利用遥感影像进行水体信息提取是一种快速、且现势性好的方式。目前利用遥感影像提取村镇专题信息的方法有:人工方法、半自动跟踪提取方法,以及自动模式分类识别方法;这些方法中人工方法、半自动获取方法需要大量的人工操作效率低;利用多光谱信息分类识别方法是一种重要的方法,但现有的分类识别方法不是专门针对遥感影像上的水体信息提取而研究的,而且这种识别分类方法对于一般分辨率(空间分辨率20m,或更低)的多波段遥感影像才比较适用;对于高分辨率(分辨率达到5m及以上)且波段较少(4个波段或更少)的遥感影像,其对水体的分类识别提取结果不能满足后续成图及应用要求。目前,在高分辨率遥感影像分类识别方面,德国的eCognition系统的分类方法是比较好的一种,其基于多尺度分割,分类时需要有分类协议,每一次分类的分类协议用于其它分类时需经过修改,最终实现分类过程的自动化,这里的分类协议类似于知识支持。其特点是分类的细化,但对分类协议有较大依赖(有协议库支持较好),并且也不是专门针对水体这类信息而进行的,因此应用于水体信息提取时效率不高。为提高水体提取效率,避免提取过程中的人工干扰,实现一种全自动的水体提取方法,本方法针对上述的情况产生了利用灰度数学形态学运算,构成一种序列非线性滤波模型,直接进行非线性滤波,有效提取遥感影像中的水体区域;在此基础上,根据水体的相关知识,对上面提取出的水体区域,计算不同标定区域的各项特征值(面积,区域灰度均值,区域的灰度直方图),根据水体成像特性和水体区域相关知识,建立水体目标区域选择准则,以此进行水体区域自动选择提取,得到水体专题信息。
发明内容
本发明的目的在于,针对现有的利用高分辨率遥感影像进行水体专题信息提取方法存在的受各种细节信息干扰严重、提取效率低、效果差等缺点,提出一种基于序列非线性滤波的遥感影像水体专题信息提取方法,本发明在保留利用遥感影像进行水体专题信息提取现势性强、重复性高等优点的同时,对高分辨率多波段遥感影像的水体信息提取更加适用,其效率更高。克服了一般提取方法需要先验知识,对噪音及细节干扰信息敏感的缺点,利用灰度数学形态学运算来构成一种序列非线性滤波模型,直接对高分辨率遥感影像进行非线性滤波,统计标定目标区域的特征值,根据水体所具有的特征,来进行遥感影像水体专题信息自动识别。
本发明提出的基于序列非线性滤波的遥感影像水体专题信息提取方法,通过从灰度数学形态学基本运算入手,构成一种序列非线性滤波模型,直接进行非线性滤波,提取遥感影像中的水体区域;在此基础上,根据水体的相关知识,对序列非线性滤波提取出的水体区域,计算不同区域的各项特征值(面积,区域灰度均值,区域的灰度直方图),根据水体成像特性和水体区域相关知识,建立水体目标区域选择准则,从而实现遥感影像上水体专题信息的自动快速提取,具体包括:遥感影像的预处理与序列非线性滤波,滤波结果影像区域标定和各标定区域各项特征值的计算,水体目标区域选择准则的建立,水体区域的自动提取及基于形态学的水体专题提取信息后处理四个步骤,具体如下:
(1)遥感多波段影像的预处理与序列非线性滤波
根据水体光谱特性和遥感影像波段设置,选择红外或红波段、蓝或绿波段作为备选波段,根据公式(1)进行预处理,并对预处理结果做直方图均衡化,生成待处理数据图层,
BW0=BL+k×BL/(BH+w) (1)
其中,BL表示红外或红波段亮度值,BH表示蓝或绿波段亮度值,BW0表示预处理后的像素亮度值,k为比例变换系数,w是为了避免除零问题,而对BH加上的一个很小的正数。
采用序列非线性滤波方法,对生成待处理数据图层首先进行最大值滤波处理,消除影像中非连续面状分布的暗的像素,同时呈面状连续分布的水体区域也被削弱;然后进行中值滤波进行降噪处理;进而采用最小值滤波处理恢复最大值滤波处理中被削弱的水体区域。
(2)对滤波结果影像进行区域标定、计算各个标定区域的各项特征值
采用区域生长算法,对步骤(1)中的结果影像先标定候选水体像素组成连续区域,然后计算各个区域的各项统计特征:区域面积、区域灰度均值、区域灰度直方图,
区域灰度直方图为:
区域面积A为:
区域灰度均值:
直方图峰值灰度级:
GP=PI,H[PI]=MAX{H[i],i=0,1,...,255} (5)
其中,R[i]为区域中灰度值为i的像素集合,H[i]为直方图第i级灰度的像素个数,A为区域面积,GM为区域灰度均值,GP为直方图峰值灰度级;
(3)水体目标区域选择准则的建立
①区域面积A<A0的区域为非水体区域;②区域灰度均值GM>GM0的区域为非水体;③区域峰值灰度GP>区域均值灰度GM的区域为非水体区域。其中A0及GM0取值均有较大的冗余度,可取A0=100,GM0=64。
(4)水体区域的自动提取,基于形态学的水体专题提取信息后处理
根据步骤(3)建立的水体区域准则,及各个区域的特征值,对标记的各个区域进行判定,从而自动剔除杂波及其他目标,得到水体目标区域;通过形态开、闭运算,对生成的专题图像进行滤波,除去比结构元素小的特定图像细节,在形态学滤波的基础上对提取的矢量进行长度及面积统计,对提取出的矢量长度及所围面积小于阈值的进行剔除。阈值可调整,对于高分辨率航空遥感影像一般长度阈值为25,面积阈值为500,最后提取的专题信息分层表示为ArcGIS软件的形文件,即shp文件格式。
以下对本发明方法作进一步的限定,具体如下:
1、遥感多波段影像的预处理与序列非线性滤波
根据水体光谱特性和遥感影像波段设置,选择红外(IR)及蓝(B)两个波段作为备选波段;针对不同遥感影像,如果没有波段设置或缺少上述波段,也可选择红(R)代替红外(IR)或绿(G)代替蓝(B)波段。则可根据下式进行预处理并对预处理结果作直方图均衡化,生成待处理数据图层。
BW0=BL+k×BL/(BH+w)
其中,BL表示红外(IR)或红(R)波段亮度值,BH表示蓝(B)或绿(B)波段亮度值,BW0表示预处理后的像素亮度值,k为比例变换系数,w是为了避免除零问题,而对BH加上的一个很小的正数。
应用灰度形态学算子与非线性统计滤波算子,在灰度形态学运算中定义一个特殊的结构元素,将灰度形态学运算转化为非线性滤波处理,通过序列非线性滤波,将形态学灰度膨胀运算转化为最大值滤波处理,灰度腐蚀运算转化为最小值滤波处理。采用组合处理步骤,对遥感影像首先进行最大值滤波处理,消除影像中非连续面状分布的暗的像素,同时呈面状连续分布的水体区域也被削弱;然后进行中值滤波进行降噪处理;进而采用最小值滤波处理恢复最大值滤波处理中被削弱的水体区域。处理过程中邻域大小可以灵活选取,也可以连续进行多次最大值滤波,最小值滤波时也连续进行相同次数的处理,则对于连续面状分布的水体目标可以得到保留,而消除掉大部分非水体区域,提取遥感影像中水体目标区域。
2、对滤波结果影像进行区域标定、计算各个标定区域的各项特征值
采用区域生长算法,对(1)中的结果影像先标定候选水体像素组成连续区域,然后计算各个区域的各项统计特征:区域面积、区域灰度均值、区域灰度直方图。以此为自动建立各个区域的判断规则做准备,避免了影像全局阈值设定困难的问题。
3、水体目标区域选择准则的建立
根据水体成像特性和水体区域相关知识,建立水体目标区域选择准则,根据水体为连续面状分布,建立区域面积判定规则,对面积小于额定像素的区域判定为非水体区域;根据水体区域亮度比较统一,其直方图应为单峰形状,建立灰度分布判定规则,判定出非水体区域。这里亮度判断可以设定比较宽松的标准,结合直方图单峰特征,先排除掉明显非水体区域。再根据区域直方图峰值灰度和区域均值灰度的关系,自动判断水体区域。自动确定以下水体选择准则:1)区域面积A<A0的区域为非水体区域;2)区域灰度均值GM>GM0的区域为非水体;3)区域峰值灰度GP>区域均值灰度GM的区域为非水体区域。其中A0及GM0取值均有较大的冗余度,可取A0=100,GM0=64。
4、水体区域的自动提取,基于形态学的水体专题提取信息后处理
根据以上建立的水体区域准则,及各个区域的特征值,对标记的各个区域进行判定,从而自动剔除杂波及其它目标,得到水体目标区域;在此基础上,为了消除结果上因细小地物以及噪声影响,而产生的细小地物图斑,通过形态开、闭运算,对生成的专题图像进行滤波(结构元素的大小可以选择有3×3、5×5,7×7,15×15),除去比结构元素小的特定图像细节,同时保证不产生全局的集合失真,在形态学滤波的基础上对提取的矢量进行长度及面积统计,对提取出的矢量长度及所围面积小于阈值的进行剔除。阈值可调整(对于高分辨率航空遥感影像一般长度阈值为25,面积阈值为500),最后提取的专题信息分层表示为ArcGIS软件的形文件,即shp文件格式。
与现有技术相比,本发明采用了序列非线性滤波方法,避免了传统方法二值化中的阈值计算确定,速度更快,而且对高分辨率卫星影像更加适用,效率更高,采用区域直方图形状及灰度峰值均值相对关系判断方法,有效的避免了水体判断时的阈值问题,避免提取过程中作业者的人工干预,具有更好的鲁棒性和自适应特性。本发明可以应用于高分辨率多波段遥感影像的水体专题信息快速自动提取,在水体专题信息获取与变化检测方面发挥作用。
附图说明
图1为本发明实施例1中TM(专题成像仪)图像数据除热红外波段以外的其它谱段1、2、3、4、5、7,其中:(a)为1波段谱段(蓝),(b)为2波段谱段,(c)为3波段谱段,(d)为4波段谱段,(e)为5波段谱段,(f)为7波段谱段(红外)。
具体实施方式
以下结合一个实施例子对具体实现方法进行说明,即要对一幅高分辨率多波段遥感影像进行水体专题信息识别,获得满足ArcGIS软件要求的水体专题信息矢量数据(.shp文件)。
实施例1:
这里取某一TM(专题成像仪)数据——图象大小为2516×2395像素,含7个波段,其已具有地理编码信息——图象左上角点坐标为(285950,3475350),像素分辨率为25米,图1显示的是除热红外波段以外的其它谱段1、2、3、4、5、7。由于数据量极大,例子中(1)、(2)、(3)中的显示数据是该图象局部自图象像素行列坐标(753,723)至(768,738)范围的16×16大小图像块的处理结果。
(1)遥感多波段影像的预处理和序列非线性滤波
根据水体光谱特性和遥感影像波段设置,选择红外(IR)及蓝(B)两个波段作为备选波段;针对不同遥感影像,如果没有波段设置缺少上述波段,也可选择红(R)代替红外(IR)或绿(G)代替蓝(B)波段。定义BL表示上述红外(IR)或红(R)波段亮度值,BH表示上述蓝(B)或绿(B)波段亮度值,BW0表示预处理后的像素亮度值。则可以下式进行预处理,并对预处理结果作直方图均衡化生成待处理数据图层。
BW0=BL+k*BL/(BH+w)
其中,参数k及w取值都有很大的冗余度,这里取k=20,w=0.1。如果BW0>255,则限制BW0=255。
然后,采用序列非线性滤波方法,针对上述预处理后图层,可根据公式(6)~(8)依次进行具有非线性特性的最大值滤波,中值滤波及最小值滤波。
BW1=MAX{U8(BW0)} (6)
BW2=MED{U8(BW1)} (7)
BW3=MIN{U8(BW2)} (8)
其中,U8(·)表示像素的8邻域,MAX(·),MED(·),MIN(·)分别表示取邻域内像素的最大值、中值及最小值,BW0,BW1,BW2,BW3分别表示预处理后图层、最大值滤波后、中值滤波后及最小值滤波后的像素亮度值。
这里,选用TM图像的第1波段(蓝)和第7波段(红外)作为BH和BL波段灰度数据。表1及表2为选取的一个16×16大小区域影像波段数据示例。表3及表4为线性变换及直方图均衡化后结果数据。表5为根据公式(6)~(8)进行序列非线性滤波后结果数据,其中已将大于128的像素灰度置为背景灰度255。
表1蓝色波段
102 104 108 110 107 105 106 103 105 110 109 103 102 100 100 102
100 104 107 107 106 106 105 102 104 107 107 103 104 102 100 103
100 105 110 110 107 106 108 110 107 110 109 104 102 101 99 102
97 103 107 105 105 106 107 106 104 106 107 104 101 101 102 103
101 102 101 98 103 105 104 104 103 101 103 105 104 102 103 102
101 100 100 102 104 103 100 100 101 101 101 104 104 103 104 102
97 99 102 103 103 103 100 99 98 99 103 103 100 102 104 102
97 100 100 99 99 102 103 102 101 101 101 102 99 101 103 101
99 99 100 98 97 100 103 104 101 102 102 102 101 102 102 100
100 100 100 98 99 100 102 101 102 103 102 101 104 105 102 99
100 99 99 98 100 99 99 100 102 101 102 102 103 103 101 99
99 99 101 101 99 99 99 100 100 101 104 101 100 104 102 101
100 101 101 100 99 101 100 100 101 100 99 101 102 105 103 104
99 100 99 99 100 100 100 99 100 102 100 102 103 102 101 101
99 100 101 101 100 101 100 100 100 102 102 100 102 102 102 102
99 100 103 101 100 102 104 103 102 102 102 99 101 101 102 103
表2红外波段
22 33 53 60 61 53 46 51 59 57 50 33 25 27 30 26
33 39 59 68 64 64 54 42 49 49 60 43 20 33 29 21
32 42 61 68 57 48 53 52 48 51 60 38 15 25 15 12
29 38 51 60 54 49 52 54 51 56 57 33 13 15 9 8
31 34 27 30 41 49 41 34 30 30 36 37 25 17 14 9
24 26 24 13 21 30 27 25 23 19 25 39 33 16 14 22
10 13 18 14 12 9 12 17 20 24 21 21 21 11 8 17
5 3 7 16 19 15 10 18 25 25 12 3 3 4 3 4
3 3 0 4 15 20 19 26 26 14 5 0 0 2 1 0
2 4 2 3 7 16 21 26 16 4 2 5 2 2 1 1
2 3 3 1 0 5 13 13 6 1 2 4 0 2 3 0
1 3 4 0 1 3 3 3 2 3 1 0 1 1 1 2
2 1 3 2 1 4 2 0 2 2 2 2 3 3 1 2
0 0 2 1 0 0 1 1 2 1 2 2 1 2 2 0
0 3 3 0 1 2 1 3 4 0 1 1 1 2 2 1
3 3 0 0 3 5 11 3 2 2 0 3 4 1 3
表3线性转换后结果
26 39 62 70 72 63 54 60 70 67 59 39 29 32 35 31
39 46 70 80 76 76 64 50 58 58 71 51 23 39 34 25
38 49 72 80 67 57 62 61 56 60 70 45 17 29 18 14
34 45 60 71 64 58 61 64 60 66 67 39 15 17 10 9
37 40 32 36 48 58 48 40 35 35 42 44 29 20 16 10
28 31 28 15 25 35 32 29 27 22 29 46 39 19 16 26
12 15 21 16 14 10 14 20 24 28 25 25 25 13 9 20
6 3 8 19 22 17 11 21 29 29 14 3 3 4 3 4
3 3 0 4 18 23 22 30 31 16 5 0 0 2 1 0
2 4 2 3 8 19 25 31 19 4 2 5 2 2 1 1
2 3 3 1 0 6 15 15 7 1 2 4 0 2 3 0
1 3 4 0 1 3 3 3 2 3 1 0 1 1 1 2
2 1 3 2 1 4 2 0 2 2 2 2 3 3 1 2
0 0 2 1 0 0 1 1 2 1 2 2 1 2 2 0
0 3 3 0 1 2 1 3 4 0 1 1 1 2 2 1
3 3 0 0 3 5 1 1 3 2 2 0 3 4 1 3
表4线性转换并经直方图均衡化后结果
60 110 182 203 207 185 157 176 203 195 173 110 72 85 96 81
110 132 203 221 214 214 187 144 170 170 205 147 50 110 92 56
106 141 207 221 195 167 182 179 164 176 203 129 41 72 42 38
92 129 176 205 187 170 179 187 176 193 195 110 39 41 34 33
103 113 85 100 138 170 138 113 96 96 120 126 72 45 40 34
67 81 67 39 56 96 85 72 64 49 72 132 110 44 40 60
35 39 47 40 38 34 38 45 53 67 56 56 56 37 33 45
29 27 32 44 49 41 34 47 72 72 38 27 27 28 27 28
27 27 0 28 42 50 49 76 81 40 28 0 0 25 22 0
25 28 25 27 32 44 56 81 44 28 25 28 25 25 22 22
25 27 27 22 0 29 39 39 30 22 25 28 0 25 27 0
22 27 28 0 22 27 27 27 25 27 22 0 22 22 22 25
25 22 27 25 22 28 25 0 25 25 25 25 27 27 22 25
0 0 25 22 0 0 22 22 25 22 25 25 22 25 25 0
0 27 27 0 22 25 22 27 28 0 22 22 22 25 25 22
27 27 0 0 27 28 22 22 27 25 25 0 27 28 22 27
表5序列非线性滤波后结果
255 255 255 255 255 255 255 255 255 255 255 255 255 255 255 255
255 255 255 255 255 255 255 255 255 255 255 255 255 255 255 255
255 255 255 255 255 255 255 255 255 255 255 255 255 255 255 255
255 255 255 255 255 255 255 255 255 255 255 255 255 255 255 33
255 255 255 255 255 255 255 255 255 255 255 255 255 255 255 34
255 255 255 255 255 255 255 255 255 255 255 255 255 255 40 60
255 255 255 255 255 255 255 255 255 255 255 255 255 255 33 45
29 27 32 44 49 255 255 255 255 255 255 255 27 28 27 28
27 27 0 28 42 50 255 255 255 255 28 0 0 25 22 0
25 28 25 27 32 44 255 255 255 28 25 28 25 25 22 22
25 27 27 22 0 29 255 255 30 22 25 28 0 25 27 0
22 27 28 0 22 27 27 27 25 27 22 0 22 22 22 25
25 22 27 25 22 28 25 0 25 25 25 25 27 27 22 25
0 0 25 22 0 0 22 22 25 22 25 25 22 25 25 0
0 27 27 0 22 25 22 27 28 0 22 22 22 25 25 22
27 27 0 0 27 28 22 22 27 25 25 0 27 28 22 27
(2)对滤波结果影像进行区域标定、计算各个标定区域的各项特征值
对非线性滤波结果影像采用区域生长算法进行区域标定,然后统计各个标定区域的灰度直方图,根据下面4式,分别计算各个区域的面积、灰度均值和直方图峰值灰度。
GP=PI,H[PI]=MAX{H[i],i=0,1,...,255}
其中,R[i]为区域中灰度值为i的像素集合,H[i]为直方图第i级灰度的像素个数,A为区域面积,GM为区域灰度均值,GP为直方图峰值灰度级。
(3)水体目标区域选择准则的建立
根据第(2)步计算的特征值,可以自动确定以下水体选择准则:1)区域面积A<A0的区域为非水体区域;2)区域灰度均值GM>GM0的区域为非水体;3)区域峰值灰度GP>区域均值灰度GM的区域为非水体区域。其中A0及GM0取值均有较大的冗余度,这里取A0=100,GM0=64。
(4)水体区域的自动提取,基于形态学的水体专题提取信息后处理
根据(3)建立的水体区域准则以及各个区域的特征值,自动对标记的各个区域进行判定,从而自动剔除杂波及其它目标,从备选区域中选择出水体区域。在此基础上,通过形态开、闭运算,对选出的水体区域进行形态学滤波(结构元素的大小可以选择有3×3、5×5,7×7,15×15),去掉微小矢量分支(除去比结构元素小的特定图像细节),同时保证不产生全局的集合失真,在形态学滤波的基础上,提取区域边缘矢量,对提取的矢量进行长度及面积统计,矢量长度及所围面积小于阈值的进行剔除。阈值可调整(对于高分辨率航空遥感影像一般长度阈值为25,面积阈值为500),最后提取的专题信息分层表示为ArcGIS软件的形文件,即shp文件格式。表6为生成的某一地物专题矢量数据示例。
表6生成的某一地物专题矢量数据
点号专题矢量结点坐标(X,Y)
1~4 300600,3452250 300550,3452200 300475,3452200 300475,3452075
5~8 300450,3452050 300450,3451950 300425,3451925 300400,3451925
9~12 300350,3451875 300350,3451825 300325,3451800 300325,3451750
13~16 300350,3451725 300350,3451600 300325,3451575 300325,3451525
17~20 300350,3451500 300350,3451450 300375,3451425 300375,3451150
21~24 300350,3451125 300350,3451075 300375,3451050 300475,3451050
25~28 300500,3451075 300550,3451075 300575,3451100 300600,3451100
29~32 300625,3451125 301000,3451125 301025,3451150 301175,3451150
33~36 301200,3451125 301250,3451125 301250,3451225 301300,3451275
37~40 301375,3451275 301450,3451350 301575,3451350 301700,3451475
41~44 301900,3451475 301925,3451450 302150,3451450 302175,3451475
45~48 302175,3451550 302150,3451550 302100,3451600 302100,3451650
49~52 302075,3451675 302075,3451725 302100,3451750 302150,3451750
53~56 302150,3451850 302125,3451875 302075,3451875 302050,3451900
57~60 302000,3451900 301900,3452000 301900,3452025 301825,3452100
61~64 301800,3452100 301775,3452125 301750,3452125 301725,3452150
65~68 301700,3452150 301675,3452175 301600,3452175 301575,3452150
69~72 301550,3452150 301525,3452125 301500,3452125 301450,3452075
73~76 301425,3452075 301400,3452050 301375,3452050 301350,3452025
77~80 301300,3452025 301275,3452050 301250,3452050 301225,3452075
81~84 301025,3452075 301000,3452050 300850,3452050 300775,3452125
85~88 300775,3452150 300750,3452175 300750,3452250 300600,3452250
机译: 具有多相分解和子序列非线性滤波的梳状滤波的电子关节监视系统
机译: 具有多相分解和子序列非线性滤波的梳状滤波的电子关节监视系统
机译: 电子商品监视系统设备,包括梳状滤波器,以滤波到非线性部分序列和多相分解