CN111754524A - 一种基于岸线数据的遥感图像快速海陆分割方法 - Google Patents
一种基于岸线数据的遥感图像快速海陆分割方法 Download PDFInfo
- Publication number
- CN111754524A CN111754524A CN202010576513.2A CN202010576513A CN111754524A CN 111754524 A CN111754524 A CN 111754524A CN 202010576513 A CN202010576513 A CN 202010576513A CN 111754524 A CN111754524 A CN 111754524A
- Authority
- CN
- China
- Prior art keywords
- remote sensing
- data
- image
- polygon
- shoreline
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- 230000011218 segmentation Effects 0.000 title claims abstract description 32
- 238000001914 filtration Methods 0.000 claims abstract description 9
- 230000000694 effects Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000013179 statistical model Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 241000123326 Fomes Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明公开了一种基于岸线数据的遥感图像快速海陆分割方法,包括以下步骤:遥感图像几何定标;岸线数据读取;岸线数据过滤;图像蒙板初始化;读入过滤后岸线数据中的一个多边形;地理坐标与像素坐标转换;根据该多边形对应的像素坐标信息,在蒙板图像中,选择其对应的多边形区域;设置该多边形内的所有像素为陆地;判断这是否是过滤后岸线数据中的最后一个多边形;根据遥感图像中各像素对应的经纬度坐标信息,把图像蒙板用最近领域双线性插值算法直接插值到遥感图像对应的坐标上。本发明具有通用性,能够适用于包括可见光遥感、红外遥感以及SAR遥感等各种不同类型的遥感图像。
Description
技术领域
本发明涉及遥感技术领域,尤其涉及一种基于岸线数据的遥感图像快速海陆分割方法。
背景技术
近年来各种机载和星载遥感平台不断出现,大量遥感图像被不断获取,光学的、雷达的、红外的等等,遥感技术已成为大范围获取地面信息的重要手段。在很多遥感图像中,往往既有海洋,又有陆地。而很多遥感应用,如海面参数反演、舰船目标检测和渔业管理等,主要关注海洋上的目标;一些陆地方面的应用如变化检测等,主要关注陆地上的目标。为提高遥感图像数据处理的效率和准确度,需要把遥感图像中的陆地区域和海洋区域区分开来,特别是对于迥异于常规光学图像的SAR遥感图像而言,海陆分割更是一项特别重要而且非常有挑战性的任务。
现有遥感图像的海陆分割方法主要有三类,分别是:人工手动分割;基于阈值的分割方法以及基于图像纹理和统计特征的分割方法。
人工手动分割的技术方案为:该方法利用人眼判断遥感图像中的像素是属于陆地还是海洋,然后用手工进行标注,从而实现海洋与陆地像素的分割,人工手动分割的缺点为,该方法耗时费力,而且效率很低,对于大量遥感图像的情况,实用性很差。
基于阈值的分割方法的技术方案为,该方法是根据遥感图像中陆地像素和海洋像素的亮度大小特征(比如很多情况下,陆地较亮,海洋较暗),设定一个阈值,把亮度值大于和小于该阈值的像素分作两类,分别对应陆地或海洋,阈值是决定该方法分割效果的关键因素,阈值的选取有很多种方法,如直方图法、最大熵法、共生矩阵法、最大类间方差法等。
基于阈值分割方法的缺点为,该方法受限于阈值选取的准确性,一旦阈值有偏差,则会出现错误分割。而且对于不同类型的遥感图像,不同阈值选取方法的效果差异非常大,会受到统计均值、对比度、以及陆地和海洋的统计特性等多方面因素的影响。特别地,对于SAR图像,有时候海洋上某些像素的亮度值可能会比陆地上的像素的亮度值大,这时候阈值分割方法基本就失效了。
基于图像纹理和统计特征的分割方法的技术方案为,该方法主要在阈值分割的基础上,考虑实际遥感图像的复杂性,引入陆地像素和海洋像素在空间分布上的纹理特征或统计分布模型,如梯度特征、分型特征、局部统计值特征、贝叶斯统计模型、高斯统计模型等,把阈值与图像纹理和统计特征相结合进行海洋和陆地的分割,基于图像纹理和统计特征分割方法的缺点为,这类方法往往比较复杂,需要精心设计有效的纹理特征或统计模型,计算量较大,而且对于不同类型的遥感图像,这些特征并没有通用性。
发明内容
本发明要解决的技术问题是克服现有的缺陷,提供一种基于岸线数据的遥感图像快速海陆分割方法,具有通用性,能够适用于包括可见光遥感、红外遥感和SAR遥感等各种不同类型的遥感图像,可以有效解决背景技术中的问题。
为了解决上述技术问题,本发明提供了如下的技术方案:
本发明提供一种基于岸线数据的遥感图像快速海陆分割方法,包括以下步骤:
S01:遥感图像几何定标;
S02:岸线数据读取;
S03:岸线数据过滤;
S04:图像蒙板初始化;
S05:读入过滤后岸线数据中的一个多边形;
S06:地理坐标与像素坐标转换;
S07:根据多边形对应的像素坐标信息,在蒙板图像中,选择其对应的多边形区域;
S08:设置该多边形内的所有元素的像素为陆地;
S09:判断这是否是过滤后岸线数据中的最后一个多边形,如果不是,则转入步骤S05,继续处理下一个多边形;
S10:根据遥感图像中各像素对应的经纬度坐标信息,把图像蒙板用最近领域双线性插值算法直接插值到遥感图像对应的坐标上,即可得到陆海分割图像模板,其中像素值0对应海洋,而像素值1代表陆地。
作为一种优选方案,步骤S01中,所述遥感图像几何定标包括:
对遥感图像进行几何定标,获取图像四个角的经纬度信息。
作为一种优选方案,步骤S02中,所述岸线数据读取包括:
读取岸线数据资源信息,如果没有岸线数据资源,可从网上下载全球自洽分层高分辨率地理数据库;
这是一个高分辨率地理数据集,由World Vector Shorelines和CIA World DataBank II两个数据库合并而成,GSHHG数据经过了广泛的处理,具有内部不一致性,海岸线完全由分层排列的封闭多边形构成,GSHHS数据有五种分辨率,其中的全分辨率数据可达到0.04km的高分辨率。
作为一种优选方案,步骤S03中,所述岸线数据过滤包括:
对读入的原始岸线数据进行过滤,滤除其中的两类不需要的多边形,一是湖泊,对于GSHHS数据,湖泊对应Level值为2,二是不相关的多边形,即这些多边形对应的经纬度范围与所要处理的遥感图像没有任何交集。
作为一种优选方案,步骤S04中,所述图像蒙板初始化包括:
根据遥感图像的经纬度范围和分辨率,建立一个二维图像蒙板,记录其坐标信息,并把所有像素用0填充。。
作为一种优选方案,步骤S06中,所述地理坐标与像素坐标转换包括:
把该多边形对应的各个点的经纬度信息,转换为其在图像蒙板中的像素坐标信息。
本发明中提供的一个或多个技术方案,至少具有如下技术效果或者优点:
1、可以对光学、红外、SAR等各种遥感影像进行海陆分割,不局限于特定的传感器类型,具有较好的通用性;而且计算效率很高,不需要进行复杂的特征提取、纹理分析、统计建模和分类等等操作。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。
在附图中:
图1是本发明实施例中基于岸线数据的遥感图像快速海陆分割方法流程图。
图2是本发明实施例中给出了一个采用图1中方法进行海陆分割的原图。
图3是本发明实施例中给出了一个采用图1中方法进行海陆分割后的示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
为了更好地理解上述技术方案,下面将结合说明书附图以及具体实施方式对上述技术方案进行详细的说明。
实施例:
请参阅图1-3,本实施例提供一种基于岸线数据的遥感图像快速海陆分割方法,具体操作流程如下:
步骤S01:遥感图像几何定标,对遥感图像进行几何定标,获取图像四个角的经纬度信息。由于本方法是根据岸线的经纬度进行陆地和海洋区分的,因此其所处理的遥感图像必须是经过几何定标的,缺少经纬度信息的图像无法采用本方法进行处理;
步骤S02:岸线数据读取,读取岸线数据资源信息,如果没有岸线数据资源,可从网上下载全球自洽分层高分辨率地理数据库(GSHHG);
这是一个高分辨率地理数据集,由World Vector Shorelines(WVS)和CIA WorldData Bank II(WDBII)两个数据库合并而成,GSHHG数据经过了广泛的处理,具有内部不一致性,海岸线完全由分层排列的封闭多边形构成。GSHHS数据有五种分辨率,其中的全分辨率数据可达到0.04km的高分辨率;
步骤S03:岸线数据过滤,对读入的原始岸线数据进行过滤,滤除其中的两类不需要的多边形,一是湖泊(对于GSHHS数据,湖泊对应Level值为2),二是不相关的多边形,即这些多边形对应的经纬度范围与所要处理的遥感图像没有任何交集;
步骤S04:图像蒙板初始化。根据遥感图像的经纬度范围和分辨率,建立一个二维图像蒙板,记录其坐标信息,并把所有像素用零值填充;
步骤S05:读入过滤后岸线数据中的一个多边形;
步骤S06:地理坐标与像素坐标转换,把该多边形对应的各个点的经纬度信息,转换为其在图像蒙板中的像素坐标信息;
步骤S07:根据多边形对应的像素坐标信息,在蒙板图像中,选择其对应的多边形区域;
步骤S08:设置该多边形内的所有元素的像素值为1,即陆地;
步骤S09:判断这是否是过滤后岸线数据中的最后一个多边形,如果不是,则转入步骤S05,继续处理下一个多边形;
步骤S10:根据遥感图像中各像素对应的经纬度坐标信息,把图像蒙板用最近领域双线性插值算法直接插值到遥感图像对应的坐标上,即可得到陆海分割图像模板,其中像素值0对应海洋,而像素值1代表陆地。
其中,图2给出了一个采用上述方法进行海陆分割前的示意图,图3给出了一个采用上述方法进行海陆分割后的示意图,岸线资源信息采用的是GSHHS的High Resolution数据,图像裁剪自欧空局Sentinel-1B卫星于2017年10月28日拍摄的SAR遥感图像,其中呈现了日本奄美群岛的复杂岸线形态,分割后的图像中黑色代表陆地。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.一种基于岸线数据的遥感图像快速海陆分割方法,其特征在于:包括以下步骤:
S01:遥感图像几何定标;
S02:岸线数据读取;
S03:岸线数据过滤;
S04:图像蒙板初始化;
S05:读入过滤后岸线数据中的一个多边形;
S06:地理坐标与像素坐标转换;
S07:根据多边形对应的像素坐标信息,在蒙板图像中,选择其对应的多边形区域;
S08:设置该多边形内的所有像素陆地;
S09:判断这是否是过滤后岸线数据中的最后一个多边形,如果不是,则转入步骤S05,继续处理下一个多边形;
S10:根据遥感图像中各像素对应的经纬度坐标信息,把图像蒙板用最近领域双线性插值算法直接插值到遥感图像对应的坐标上,即可得到陆海分割图像模板,其中像素值0对应海洋,而像素值1代表陆地。
2.根据权利要求1所述的基于岸线数据的遥感图像快速海陆分割方法,其特征在于:步骤S01中,所述遥感图像几何定标包括:
对遥感图像进行几何定标,获取图像四个角的经纬度信息。
3.根据权利要求2所述的基于岸线数据的遥感图像快速海陆分割方法,其特征在于:步骤S02中,所述岸线数据读取包括:
读取岸线数据资源信息,如果没有岸线数据资源,可从网上下载全球自洽分层高分辨率地理数据库;
这是一个高分辨率地理数据集,由World Vector Shorelines和CIA World Data BankII两个数据库合并而成,GSHHG数据经过了广泛的处理,具有内部不一致性,海岸线完全由分层排列的封闭多边形构成,GSHHS数据有五种分辨率,其中的全分辨率数据可达到0.04km的高分辨率。
4.根据权利要求3所述的基于岸线数据的遥感图像快速海陆分割方法,其特征在于:步骤S03中,所述岸线数据过滤包括:
对读入的原始岸线数据进行过滤,滤除其中的两类不需要的多边形,一是湖泊,对于GSHHS数据,湖泊对应Level值为2,二是不相关的多边形,即这些多边形对应的经纬度范围与所要处理的遥感图像没有任何交集。
5.根据权利要求4所述的基于岸线数据的遥感图像快速海陆分割方法,其特征在于:步骤S04中,所述图像蒙板初始化包括:
根据遥感图像的经纬度范围和分辨率,建立一个二维图像蒙板,记录其坐标信息,并把所有像素用全0填充。
6.根据权利要求5所述的基于岸线数据的遥感图像快速海陆分割方法,其特征在于:步骤S06中,所述地理坐标与像素坐标转换包括:
把该多边形对应的各个点的经纬度信息,转换为其在图像蒙板中的像素坐标信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010576513.2A CN111754524B (zh) | 2020-06-22 | 2020-06-22 | 一种基于岸线数据的遥感图像快速海陆分割方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010576513.2A CN111754524B (zh) | 2020-06-22 | 2020-06-22 | 一种基于岸线数据的遥感图像快速海陆分割方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111754524A true CN111754524A (zh) | 2020-10-09 |
CN111754524B CN111754524B (zh) | 2024-01-16 |
Family
ID=72675693
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010576513.2A Active CN111754524B (zh) | 2020-06-22 | 2020-06-22 | 一种基于岸线数据的遥感图像快速海陆分割方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111754524B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102914545A (zh) * | 2012-11-15 | 2013-02-06 | 潍坊学院 | 一种基于计算机视觉的齿轮缺陷检测方法及*** |
US20130039574A1 (en) * | 2011-08-09 | 2013-02-14 | James P. McKay | System and method for segmenting water, land and coastline from remote imagery |
CN105488787A (zh) * | 2015-11-24 | 2016-04-13 | 江苏科技大学 | 基于几何活动轮廓模型的遥感图像海岸线检测方法 |
CN106709914A (zh) * | 2017-01-05 | 2017-05-24 | 北方工业大学 | 一种基于双级dem海陆库的sar图像船舶检测虚警剔除方法 |
CN107578393A (zh) * | 2017-09-26 | 2018-01-12 | 成都国翼电子技术有限公司 | 一种基于人工交互的航拍图像亮度调节方法 |
CN107909002A (zh) * | 2017-08-07 | 2018-04-13 | 北京航空航天大学 | 基于海岸线匹配的红外遥感图像海陆分割方法 |
US20180144478A1 (en) * | 2016-06-29 | 2018-05-24 | Shenzhen University | Method and system for sea background modeling and suppression on high-resolution remote sensing sea images |
CN110428425A (zh) * | 2019-07-02 | 2019-11-08 | 中国航空工业集团公司雷华电子技术研究所 | 一种基于海岸线矢量数据的sar图像海陆分离方法 |
CN110913210A (zh) * | 2019-12-11 | 2020-03-24 | 易诚高科(大连)科技有限公司 | 一种基于标准数据采集的自动化主观像质评测方法 |
CN111160192A (zh) * | 2019-12-20 | 2020-05-15 | 彭耿 | 基于海岸线状特征的遥感图像定位方法 |
-
2020
- 2020-06-22 CN CN202010576513.2A patent/CN111754524B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130039574A1 (en) * | 2011-08-09 | 2013-02-14 | James P. McKay | System and method for segmenting water, land and coastline from remote imagery |
CN102914545A (zh) * | 2012-11-15 | 2013-02-06 | 潍坊学院 | 一种基于计算机视觉的齿轮缺陷检测方法及*** |
CN105488787A (zh) * | 2015-11-24 | 2016-04-13 | 江苏科技大学 | 基于几何活动轮廓模型的遥感图像海岸线检测方法 |
US20180144478A1 (en) * | 2016-06-29 | 2018-05-24 | Shenzhen University | Method and system for sea background modeling and suppression on high-resolution remote sensing sea images |
CN106709914A (zh) * | 2017-01-05 | 2017-05-24 | 北方工业大学 | 一种基于双级dem海陆库的sar图像船舶检测虚警剔除方法 |
CN107909002A (zh) * | 2017-08-07 | 2018-04-13 | 北京航空航天大学 | 基于海岸线匹配的红外遥感图像海陆分割方法 |
CN107578393A (zh) * | 2017-09-26 | 2018-01-12 | 成都国翼电子技术有限公司 | 一种基于人工交互的航拍图像亮度调节方法 |
CN110428425A (zh) * | 2019-07-02 | 2019-11-08 | 中国航空工业集团公司雷华电子技术研究所 | 一种基于海岸线矢量数据的sar图像海陆分离方法 |
CN110913210A (zh) * | 2019-12-11 | 2020-03-24 | 易诚高科(大连)科技有限公司 | 一种基于标准数据采集的自动化主观像质评测方法 |
CN111160192A (zh) * | 2019-12-20 | 2020-05-15 | 彭耿 | 基于海岸线状特征的遥感图像定位方法 |
Non-Patent Citations (1)
Title |
---|
李洪忠等: "基于海图信息的SAR 影像海陆自动分割", 《遥感技术与应用》, vol. 24, no. 6, pages 731 - 736 * |
Also Published As
Publication number | Publication date |
---|---|
CN111754524B (zh) | 2024-01-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107145874B (zh) | 复杂背景sar图像中的舰船目标检测与鉴别方法 | |
WO2017071160A1 (zh) | 一种大幅面遥感图像海陆分割的方法及*** | |
Lu et al. | Object-oriented change detection for landslide rapid mapping | |
US6990228B1 (en) | Image processing apparatus | |
CN106709914B (zh) | 一种基于双级dem海陆库的sar图像船舶检测虚警剔除方法 | |
Aytekın et al. | Unsupervised building detection in complex urban environments from multispectral satellite imagery | |
CN108765488B (zh) | 一种基于阴影的高分辨率遥感影像建筑物高度估测方法 | |
CN108564532B (zh) | 大尺度地距星载sar图像镶嵌方法 | |
CN110428425B (zh) | 一种基于海岸线矢量数据的sar图像海陆分离方法 | |
CN111047698B (zh) | 一种真正射影像采集方法 | |
CN109389062A (zh) | 利用高分辨率星载sar图像提取湖泊水陆分割线的方法 | |
CN107862271B (zh) | 一种舰船目标的检测方法 | |
CN112433227B (zh) | 一种水容量变化监测方法、***、终端设备及存储介质 | |
CN111353371A (zh) | 基于星载sar影像的海岸线提取方法 | |
Guerin et al. | Automatic detection of elevation changes by differential DSM analysis: Application to urban areas | |
CN111986107A (zh) | 一种基于深度学习的dsm局部缺失修复方法 | |
EP1109131A2 (en) | Image processing apparatus | |
Fan et al. | Region-merging method with texture pattern attention for SAR image segmentation | |
CN114612315A (zh) | 一种基于多任务学习的高分辨率影像缺失区域重建方法 | |
CN110097569B (zh) | 基于颜色马尔科夫链显著性模型的油罐目标检测方法 | |
Bull et al. | Perceptual improvements for super-resolution of satellite imagery | |
CN111754524B (zh) | 一种基于岸线数据的遥感图像快速海陆分割方法 | |
Wang et al. | An automatic thresholding method for water body detection from SAR image | |
CN109598755B (zh) | 基于双目视觉的危化品泄漏检测方法 | |
CN108764016B (zh) | 基于旋转域特征与cnn的极化sar图像舰船检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |