CN113610940B - 基于海洋矢量文件和影像通道阈值的临海区域匀色方法 - Google Patents
基于海洋矢量文件和影像通道阈值的临海区域匀色方法 Download PDFInfo
- Publication number
- CN113610940B CN113610940B CN202110913115.XA CN202110913115A CN113610940B CN 113610940 B CN113610940 B CN 113610940B CN 202110913115 A CN202110913115 A CN 202110913115A CN 113610940 B CN113610940 B CN 113610940B
- Authority
- CN
- China
- Prior art keywords
- image
- ocean
- pixel
- sea
- pixel value
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/001—Texturing; Colouring; Generation of texture or colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/20—Drawing from basic elements, e.g. lines or circles
- G06T11/206—Drawing of charts or graphs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- 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
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
- G06T2207/30184—Infrastructure
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于海洋矢量文件和影像通道阈值的临海区域匀色方法,S2、对P附近大陆模板影像的n种不同的光通道分别进行像元值聚合统计,获取P附近大陆模板影像的n种不同的光通道对应n个像元范围pixs(c1,c2,...,cn)。本发明不仅将地理信息(GIS)的矢量文件和遥感(RS)影像的栅格文件相结合,打破了细分行业的壁垒,解决了单一方法识别率不高,且耗时耗力的问题,提高了陆海识别的准确率,还采用了动态阈值法,改进了传统固定阈值法的识别率,本发明全自动分别完成了陆地和临海影像的自动匀色功能,改进了目前临海区域影像基本靠手工进行后期处理的方法。
Description
技术领域
本发明涉及遥感影像处理技术领域,具体为基于海洋矢量文件和影像通道阈值的临海区域匀色方法。
背景技术
当前现有的对临海影像进行匀色的技术中,由于陆地光学卫星设计的主要目的是为了拍摄陆地影像,而海水由于各种理化特征与陆地资源相差很大,导致陆地光学卫星拍摄到的海水影像会与陆地影像(含内陆河湖水系)在各项参数上存在较大差异;
海洋矢量图是一种对常规海洋边界情况进行标记的方法,跟矢量图本身制作时参考的背景数据的时间、比例尺等相关,但拍到的影像由于自身的时间、分辨率甚至卫星角度都会与矢量图当时的参考背景存在差异,直接只通过海洋矢量图进行判断会导致对海面情况的判断不准确;
另外现有的临海区域的匀色方法一般是手工通过影像处理软件来对影像中的临海区域单独匀色,或者是基于神经网络训练模型识别临海区域的海洋部分,然后分别进行匀色,
同时,阈值法、海陆边界检测法都存在识别率不高的情况,对于临海区域采用手工进行影像处理的方式,极其耗时间和人力,而对于基于神经网络的方式来进行临海区域的海洋识别,需要大量的训练数据,而这部分训练数据需要大量人力做标签,耗时非常大,且需要大量人力物力才可能有训练数据,而在训练数据上训练模型则需要大量运算资源,且效果会和训练数据强相关,普适性较差。而假设模型训练完成后,对影像进行识别由于要经过神经网络计算,这就导致识别会非常缓慢,使用场景受限制。
针对上述情况,我们需要基于海洋矢量文件和影像通道阈值的临海区域匀色方法,不仅将地理信息(GIS)的矢量文件和遥感(RS)影像的栅格文件相结合,打破了细分行业的壁垒,解决了单一方法识别率不高,且耗时耗力的问题,提高了陆海识别的准确率,还采用了动态阈值法,改进了传统固定阈值法的识别率,本发明全自动分别完成了陆地和临海影像的自动匀色功能,成本低,性能好,还可以很方便的进行并行运算,改进了目前临海区域影像基本靠手工进行后期处理的方法。
发明内容
本发明的目的在于提供基于海洋矢量文件和影像通道阈值的临海区域匀色方法,以解决上述背景技术中提出的问题。
为了解决上述技术问题,本发明提供如下技术方案:一种基于海洋矢量文件和影像通道阈值的临海区域匀色方法,该方法包括以下步骤:
S1、获取原始数据,即临海影像P、P附近大陆模板影像、临海影像海洋矢量文件;
S2、对P附近大陆模板影像的n种不同的光通道分别进行像元值聚合统计,获取P附近大陆模板影像的n种不同的光通道对应n个像元范围pixs(c1,c2,...,cn),
所述cn为第n种光在P附近大陆模板影像中的像元范围,
所述聚合统计为遍历每个像元值,统计出每个像元值出现的个数;
S3、根据步骤S2中得到的pixs(c1,c2,...,cn)对临海影像的n种不同的光通道进行分析,得到影像海洋识别掩膜Ar;
S4、读取临海影像海洋矢量文件,将临海影像海洋矢量文件栅格化成像元图,赋予像元图中海洋区域的像元值为0,其他区域的像元值为1,得到海洋矢量掩膜AS;
S5、将影像海洋识别掩膜和海洋矢量掩膜直接相乘得到最终的海洋识别掩膜Am,即Am=Ar*AS;
S6、将海洋识别掩膜和临海影像进行相乘,区分临海影像的海洋部分和陆地部分,然后对临海影像的海洋部分和陆地部分进行匀色。
本发明n种不同的光通道中,n大于等于1,所述不同的光通道中光可为不同波段的可见光也可为各波段的不可见光。
进一步的,所述步骤S2中对P附近大陆模板影像的n种不同的光通道分别进行像元值聚合统计,还包括以下内容:根据像元值聚合统计结果得到n种不同的光通道的像元值分布图,并分别表示为res_c1、res_c2、...、res_cn,,所述res_cn表示第n种光通道的像元值分布图,所述像元值分布图包括某种可见光通道下每个像元值及对应的个数。
进一步的,所述步骤S2中获取P附近大陆模板影像的n种不同的光通道对应n个像元范围pixs(c1,c2,...,cn),包括以下步骤:
S2.1、将P附近大陆模板影像的张数记为a,分别获取每一张P附近大陆模板影像的n种不同的光通道的像元值分布图的峰值像元Max(res_c1)、Max(res_c2)、...、Max(res_cn),所述峰值像元为某种可见光通道对应的像元值分布图中相同像元值个数最多的像元值,
S2.2、将各个P附近大陆模板影像中同一通道的峰值像元相加,并取平均值,得到n种不同的光通道对应n个像元范围中值pixs1(c11,c21,...,cn1),所述cn1表示第n种光通道对应的像元范围中值,
...
S2.3、得到n种不同的光通道对应n个像元范围中值pixs1(c11,c21,...,cn1)后,设置动态像元范围2d及m1,进而得到P附近大陆模板影像的n种不同的光通道对应n个像元范围pixs(c1,c2,...,cn),
所述c1对应的像元范围为c11-m1≤c1≤c11+m2,且m2=2d-m1;
所述c2对应的像元范围为c21-m1≤c2≤c21+m2,且m2=2d-m1;
...
所述cn对应的像元范围为cn1-m1≤cn≤cn1+m2,且m2=2d-m1,所述m1、m2均为正数。
本发明得到P附近大陆模板影像的n种不同的光通道对应n个像元范围pixs(c1,c2,...,cn),采用的是动态阈值法而不是传统阈值法,是由于传统阈值法阈值由固定区域或某些经验值确定,稳定性较差,存在很高的人为误差,所以会导致某些地方效果好某些地方不好,而这边采用动态阈值法,对于每个目标影像我们都会去找最近邻,根据最近邻来提取阈值,提取临海影像的近邻各陆地影像的通道的峰值像元后取平均值记为pixs1(c11,c21,...,cn1),这种做法相对于传统阈值法有更高的识别度和稳定性。而设置动态像元范围是为了对像元的识别程度进行限制,一般是根据经验值设置,范围高识别率就低。通常为20。
进一步的,所述步骤S3中对临海影像的n种不同的光通道进行分析,得到影像海洋识别掩膜Ar的方法包括以下步骤:
S3.1、获取步骤S2中得到的pixs(c1,c2,...,cn);
S3.2、分离临海影像的n种不同的光通道,遍历每个通道的像元值;
S3.3、分别判断第一种光通道中每个像元与c1的关系,如果像元值在c1之内,则生成255,否则生成0,得到只含有0和255值的掩膜A1,
分别判断第二种光通道中每个像元与c2的关系,如果像元值在c2之内,则生成255,否则生成0,得到只含有0和255值的掩膜A2,
...
分别判断第n种光通道中每个像元与cn的关系,如果像元值在cn之内,则生成255,否则生成0,得到只含有0和255值的掩膜An;
S3.4、将步骤S3.3中的A1、A2、...、An这n个掩膜对应位置的值相乘得到最终的掩膜Ar1=A1*A2*...*An,最终的掩膜Ar1是单通道的黑白影像结果;
S3.5、将步骤S3.4中白色区块面积最大的区域置为0,其他区域置为1,得到影像海洋识别掩膜Ar。
本发明步骤S3中对临海影像n种不同的光通道进行分析,分别得到相应的掩膜,然后将n者相乘,就可得到影像海洋识别掩膜,该掩膜在一定程度上能够对临海影像中的海洋和陆地部分进行区分。
进一步的,所述步骤S4中将临海影像海洋矢量文件栅格化成像元图的方法包括以下步骤:
S4.1、将临海影像海洋矢量文件的矢量数据中的点坐标用X、Y来表示,将栅格数据中像元的行、列号用I、J来表示;
S4.2、设O为矢量数据的坐标原点,O′(Xo,Yo)为栅格数据的坐标原点,即矢量数据的坐标原点0与栅格数据的坐标原点O′重合;
S4.3、k为待转化像元图上的任一点,则该点在矢量数据和栅格数据中的坐标可分别表示为(X,Y)和(I,J),DX、DY分别表示一个栅格的宽和高,[]表示数值取整;
本发明获取海洋矢量掩膜,是由于动态阈值法得到的像元范围是经验值,无法百分百识别出海洋范围,因此要加入已有的海洋矢量图来提升准确度,而矢量文件由于制作时间一般早于现有影像的获取时间,而且海的水文线由于受多个因素影响,是一直在变的,所以也无法单独用矢量文件来准确分离陆地和海洋,因此需要两者将两种方法进行结合来进行分析。
进一步的,所述步骤S6中区分临海影像的海洋部分和陆地部分的方法如下:
本发明在对临海影像中的陆地部分进行区分时,将海洋识别掩膜Am进行变换,是为了使得临海影像中海洋与陆地部分区别更加分明。
进一步的,所述步骤S6中对临海影像的海洋部分和陆地部分进行匀色的算法f包括以下步骤:
S6.1、分别计算模板影像和待处理影像直方图,并分别统计像元值在0~255上分布比例,所述模板影像为临海影像中的海洋部分和陆地部分,所述待处理影像为临海影像中的海洋部分对应的ps和临海影像中的陆地部分对应的pl;
S6.2、分别计算待处理影像中的每一个像元值对应的分布比例与模板影像中的256个像元值对应的分布比例差值的绝对值,得到256个差值,该256个差值组成待处理影像中该像元值对应的一个差值表,待处理影像中的像元值有256中情况,即得到256个差值表;
S6.3、按照待处理影像中像元值从小到大的顺序分别筛选出每个像元值对应的差值表中的最小值在模板影像中对应的像元值h及在待处理影像中对应的像元值q,记为(q,h),将所有筛选到的(q,h)汇总,生成查找表;
S6.4、遍历待处理影像中的每个像元值,参照查找表,将待处理影像中的像元值q替换成h;
与现有技术相比,本发明所达到的有益效果是:
①本发明采用了地理信息(GIS)的矢量文件和遥感(RS)影像的栅格文件相结合的方法,打破了细分行业的壁垒,解决了单一方法识别率不高,且耗时耗力的问题,提高了陆海识别的准确率;
②本发明采用了动态阈值法,改进了传统固定阈值法的识别率;
③本发明通过读取待处理影像的栅格信息,得到影像的像元分辨率,换算成对应的矢量文件的比例尺,然后在该比例尺下,对矢量文件进行栅格化、二值化,解决了两种不同细分行业的不同格式的文件的统一问题;
④本发明全自动分别完成了陆地和临海影像的自动匀色功能,成本低,性能好,还可以很方便的进行并行运算,改进了目前临海区域影像基本靠手工进行后期处理的方法。
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是本发明基于海洋矢量文件和影像通道阈值的临海区域匀色方法的流程示意图;
图2是本发明基于海洋矢量文件和影像通道阈值的临海区域匀色方法中得到影像海洋识别掩膜Ar的方法的流程示意图;
图3是本发明基于海洋矢量文件和影像通道阈值的临海区域匀色方法的步骤S4中将临海影像海洋矢量文件栅格化成像元图的方法的流程示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1-3,本发明提供技术方案:一种基于海洋矢量文件和影像通道阈值的临海区域匀色方法,该方法包括以下步骤:
S1、获取原始数据,即临海影像P、P附近大陆模板影像、临海影像海洋矢量文件;
S2、对P附近大陆模板影像的n种不同的光通道分别进行像元值聚合统计,获取P附近大陆模板影像的n种不同的光通道对应n个像元范围pixs(c1,c2,...,cn),
所述cn为第n种光在P附近大陆模板影像中的像元范围,
所述聚合统计为遍历每个像元值,统计出每个像元值出现的个数;
S3、根据步骤S2中得到的pixs(c1,c2,...,cn)对临海影像的n种不同的光通道进行分析,得到影像海洋识别掩膜Ar;
S4、读取临海影像海洋矢量文件,将临海影像海洋矢量文件栅格化成像元图,赋予像元图中海洋区域的像元值为0,其他区域的像元值为1,得到海洋矢量掩膜AS;
S5、将影像海洋识别掩膜和海洋矢量掩膜直接相乘得到最终的海洋识别掩膜Am,即Am=Ar*AS;
S6、将海洋识别掩膜和临海影像进行相乘,区分临海影像的海洋部分和陆地部分,然后对临海影像的海洋部分和陆地部分进行匀色。
本实施例中采用比较敏感的可见光的绿波段和不可见光的红外波段。
所述步骤S2中对P附近大陆模板影像的n种不同的光通道分别进行像元值聚合统计,还包括以下内容:根据像元值聚合统计结果得到n种不同的光通道的像元值分布图,并分别表示为res_c1、res_c2、...、res_cn,,所述res_cn表示第n种光通道的像元值分布图,所述像元值分布图包括某种可见光通道下每个像元值及对应的个数。
本实施例中如果聚合统计中,像元值25出现的次数为1000次,则像元值分布图中像元值25对应的数值为1000。
所述步骤S2中获取P附近大陆模板影像的n种不同的光通道对应n个像元范围pixs(c1,c2,...,cn),包括以下步骤:
S2.1、将P附近大陆模板影像的张数记为a,分别获取每一张P附近大陆模板影像的n种不同的光通道的像元值分布图的峰值像元Max(res_c1)、Max(res_c2)、...、Max(res_cn),所述峰值像元为某种可见光通道对应的像元值分布图中相同像元值个数最多的像元值,
S2.2、将各个P附近大陆模板影像中同一通道的峰值像元相加,并取平均值,得到n种不同的光通道对应n个像元范围中值pixs1(c11,c21,...,cn1),所述cn1表示第n种光通道对应的像元范围中值,
...
S2.3、得到n种不同的光通道对应n个像元范围中值pixs1(c11,c21,...,cn1)后,设置动态像元范围2d及m1,进而得到P附近大陆模板影像的n种不同的光通道对应n个像元范围pixs(c1,c2,...,cn),
所述c1对应的像元范围为c11-m1≤c1≤c11+m2,且m2=2d-m1;
所述c2对应的像元范围为c21-m1≤c2≤c21+m2,且m2=2d-m1;
...
所述cn对应的像元范围为cn1-m1≤cn≤cn1+m2,且m2=2d-m1,所述m1、m2均为正数。
本发明得到P附近大陆模板影像的n种不同的光通道对应n个像元范围pixs(c1,c2,...,cn),采用的是动态阈值法而不是传统阈值法,是由于传统阈值法阈值由固定区域或某些经验值确定,稳定性较差,存在很高的人为误差,所以会导致某些地方效果好某些地方不好,而这边采用动态阈值法,对于每个目标影像我们都会去找最近邻,根据最近邻来提取阈值,提取临海影像的近邻各陆地影像的通道的峰值像元后取平均值记为pixs1(c11,c21,...,cn1),这种做法相对于传统阈值法有更高的识别度和稳定性。而设置动态像元范围是为了对像元的识别程度进行限制,一般是根据经验值设置,范围高识别率就低。通常为20。
所述步骤S3中对临海影像的n种不同的光通道进行分析,得到影像海洋识别掩膜Ar的方法包括以下步骤:
S3.1、获取步骤S2中得到的pixs(c1,c2,...,cn);
S3.2、分离临海影像的n种不同的光通道,遍历每个通道的像元值;
S3.3、分别判断第一种光通道中每个像元与c1的关系,如果像元值在c1之内,则生成255,否则生成0,得到只含有0和255值的掩膜A1,
分别判断第二种光通道中每个像元与c2的关系,如果像元值在c2之内,则生成255,否则生成0,得到只含有0和255值的掩膜A2,
...
分别判断第n种光通道中每个像元与cn的关系,如果像元值在cn之内,则生成255,否则生成0,得到只含有0和255值的掩膜An;
S3.4、将步骤S3.3中的A1、A2、...、An这n个掩膜对应位置的值相乘得到最终的掩膜Ar1=A1*A2*...*An,最终的掩膜Ar1是单通道的黑白影像结果;
S3.5、将步骤S3.4中白色区块面积最大的区域置为0,其他区域置为1,得到影像海洋识别掩膜Ar。
本发明步骤S3中对临海影像n种不同的光通道进行分析,分别得到相应的掩膜,然后将n者相乘,就可得到影像海洋识别掩膜,该掩膜在一定程度上能够对临海影像中的海洋和陆地部分进行区分。以红色通道为例,通常陆地的大多数像元值会在陆地的峰值范围内在这里就是假设的25-45之间,而海洋的往往会远大于45,可能是90-120,往往大部分像元值会在范围外。
所述步骤S4中将临海影像海洋矢量文件栅格化成像元图的方法包括以下步骤:
S4.1、将临海影像海洋矢量文件的矢量数据中的点坐标用X、Y来表示,将栅格数据中像元的行、列号用I、J来表示;
S4.2、设O为矢量数据的坐标原点,O′(Xo,Yo)为栅格数据的坐标原点,即矢量数据的坐标原点0与栅格数据的坐标原点O′重合;
S4.3、k为待转化像元图上的任一点,则该点在矢量数据和栅格数据中的坐标可分别表示为(X,Y)和(I,J),DX、DY分别表示一个栅格的宽和高,[]表示数值取整;
本发明获取海洋矢量掩膜,是由于动态阈值法得到的像元范围是经验值,无法百分百识别出海洋范围,因此要加入已有的海洋矢量图来提升准确度,而矢量文件由于制作时间一般早于现有影像的获取时间,而且海的水文线由于受多个因素影响,是一直在变的,所以也无法单独用矢量文件来准确分离陆地和海洋,因此需要两者将两种方法进行结合来进行分析。
进一步的,所述步骤S6中区分临海影像的海洋部分和陆地部分的方法如下:
本发明在对临海影像中的陆地部分进行区分时,将海洋识别掩膜Am进行变换,是为了使得临海影像中海洋与陆地部分区别更加分明。
所述步骤S6中对临海影像的海洋部分和陆地部分进行匀色的算法f包括以下步骤:
S6.1、分别计算模板影像和待处理影像直方图,并分别统计像元值在0~255上分布比例,所述模板影像为临海影像中的海洋部分和陆地部分,所述待处理影像为临海影像中的海洋部分对应的ps和临海影像中的陆地部分对应的pl;
S6.2、分别计算待处理影像中的每一个像元值对应的分布比例与模板影像中的256个像元值对应的分布比例差值的绝对值,得到256个差值,该256个差值组成待处理影像中该像元值对应的一个差值表,待处理影像中的像元值有256中情况,即得到256个差值表;
S6.3、按照待处理影像中像元值从小到大的顺序分别筛选出每个像元值对应的差值表中的最小值在模板影像中对应的像元值h及在待处理影像中对应的像元值q,记为(q,h),将所有筛选到的(q,h)汇总,生成查找表;
S6.4、遍历待处理影像中的每个像元值,参照查找表,将待处理影像中的像元值q替换成h;
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。
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 (7)
1.一种基于海洋矢量文件和影像通道阈值的临海区域匀色方法,其特征在于,该方法包括以下步骤:
S1、获取原始数据,即临海影像P、P附近大陆模板影像、临海影像海洋矢量文件;
S2、对P附近大陆模板影像的n种不同的光通道分别进行像元值聚合统计,获取P附近大陆模板影像的n种不同的光通道对应n个像元范围pixs(c1,c2,...,cn),
所述cn为第n种光在P附近大陆模板影像中的像元范围,
所述聚合统计为遍历每个像元值,统计出每个像元值出现的个数;
S3、根据步骤S2中得到的pixs(c1,c2,...,cn)对临海影像的n种不同的光通道进行分析,得到影像海洋识别掩膜Ar;
S4、读取临海影像海洋矢量文件,将临海影像海洋矢量文件栅格化成像元图,赋予像元图中海洋区域的像元值为0,其他区域的像元值为1,得到海洋矢量掩膜AS;
S5、将影像海洋识别掩膜和海洋矢量掩膜直接相乘得到最终的海洋识别掩膜Am,即Am=Ar*AS;
S6、将海洋识别掩膜和临海影像进行相乘,区分临海影像的海洋部分和陆地部分,然后对临海影像的海洋部分和陆地部分进行匀色。
2.根据权利要求1所述的一种基于海洋矢量文件和影像通道阈值的临海区域匀色方法,其特征在于:所述步骤S2中对P附近大陆模板影像的n种不同的光通道分别进行像元值聚合统计,还包括以下内容:根据像元值聚合统计结果得到n种不同的光通道的像元值分布图,并分别表示为res_c1、res_c2、...、res_cn,,所述res_cn表示第n种光通道的像元值分布图,所述像元值分布图包括某种可见光通道下每个像元值及对应的个数。
3.根据权利要求2所述的一种基于海洋矢量文件和影像通道阈值的临海区域匀色方法,其特征在于:所述步骤S2中获取P附近大陆模板影像的n种不同的光通道对应n个像元范围pixs(c1,c2,...,cn),包括以下步骤:
S2.1、将P附近大陆模板影像的张数记为a,分别获取每一张P附近大陆模板影像的n种不同的光通道的像元值分布图的峰值像元Max(res_c1)、Max(res_c2)、...、Max(res_cn),所述峰值像元为某种可见光通道对应的像元值分布图中相同像元值个数最多的像元值,
S2.2、将各个P附近大陆模板影像中同一通道的峰值像元相加,并取平均值,得到n种不同的光通道对应n个像元范围中值pixs1(c11,c21,...,cn1),所述cn1表示第n种光通道对应的像元范围中值,
...
S2.3、得到n种不同的光通道对应n个像元范围中值pixs1(c11,c21,...,cn1)后,设置动态像元范围2d及m1,进而得到P附近大陆模板影像的n种不同的光通道对应n个像元范围pixs(c1,c2,...,cn),
所述c1对应的像元范围为c11-m1≤c1≤c11+m2,且m2=2d-m1;
所述c2对应的像元范围为c21-m1≤c2≤c21+m2,且m2=2d-m1;
...
所述cn对应的像元范围为cn1-m1≤cn≤cn1+m2,且m2=2d-m1,所述m1、m2均为正数。
4.根据权利要求1所述的一种基于海洋矢量文件和影像通道阈值的临海区域匀色方法,其特征在于:所述步骤S3中对临海影像的n种不同的光通道进行分析,得到影像海洋识别掩膜Ar的方法包括以下步骤:
S3.1、获取步骤S2中得到的pixs(c1,c2,...,cn);
S3.2、分离临海影像的n种不同的光通道,遍历每个通道的像元值;
S3.3、分别判断第一种光通道中每个像元与c1的关系,如果像元值在c1之内,则生成255,否则生成0,得到只含有0和255值的掩膜A1,
分别判断第二种光通道中每个像元与c2的关系,如果像元值在c2之内,则生成255,否则生成0,得到只含有0和255值的掩膜A2,
...
分别判断第n种光通道中每个像元与cn的关系,如果像元值在cn之内,则生成255,否则生成0,得到只含有0和255值的掩膜An;
S3.4、将步骤S3.3中的A1、A2、...、An这n个掩膜对应位置的值相乘得到最终的掩膜Ar1=A1*A2*...*An,最终的掩膜Ar1是单通道的黑白影像结果;
S3.5、将步骤S3.4中白色区块面积最大的区域置为0,其他区域置为1,得到影像海洋识别掩膜Ar。
5.根据权利要求1所述的一种基于海洋矢量文件和影像通道阈值的临海区域匀色方法,其特征在于:所述步骤S4中将临海影像海洋矢量文件栅格化成像元图的方法包括以下步骤:
S4.1、将临海影像海洋矢量文件的矢量数据中的点坐标用X、Y来表示,将栅格数据中像元的行、列号用I、J来表示;
S4.2、设O为矢量数据的坐标原点,O′(Xo,Yo)为栅格数据的坐标原点,即矢量数据的坐标原点0与栅格数据的坐标原点O′重合;
S4.3、k为待转化像元图上的任一点,则该点在矢量数据和栅格数据中的坐标可分别表示为(X,Y)和(I,J),DX、DY分别表示一个栅格的宽和高,[]表示数值取整;
7.根据权利要求1所述的一种基于海洋矢量文件和影像通道阈值的临海区域匀色方法,其特征在于:所述步骤S6中对临海影像的海洋部分和陆地部分进行匀色的算法f包括以下步骤:
S6.1、分别计算模板影像和待处理影像直方图,并分别统计像元值在0~255上分布比例,所述模板影像为临海影像中的海洋部分和陆地部分,所述待处理影像为临海影像中的海洋部分对应的ps和临海影像中的陆地部分对应的pl;
S6.2、分别计算待处理影像中的每一个像元值对应的分布比例与模板影像中的256个像元值对应的分布比例差值的绝对值,得到256个差值,该256个差值组成待处理影像中该像元值对应的一个差值表,待处理影像中的像元值有256中情况,即得到256个差值表;
S6.3、按照待处理影像中像元值从小到大的顺序分别筛选出每个像元值对应的差值表中的最小值在模板影像中对应的像元值h及在待处理影像中对应的像元值q,记为(q,h),将所有筛选到的(q,h)汇总,生成查找表;
S6.4、遍历待处理影像中的每个像元值,参照查找表,将待处理影像中的像元值q替换成h;
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110913115.XA CN113610940B (zh) | 2021-08-10 | 2021-08-10 | 基于海洋矢量文件和影像通道阈值的临海区域匀色方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110913115.XA CN113610940B (zh) | 2021-08-10 | 2021-08-10 | 基于海洋矢量文件和影像通道阈值的临海区域匀色方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113610940A CN113610940A (zh) | 2021-11-05 |
CN113610940B true CN113610940B (zh) | 2022-06-07 |
Family
ID=78307911
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110913115.XA Active CN113610940B (zh) | 2021-08-10 | 2021-08-10 | 基于海洋矢量文件和影像通道阈值的临海区域匀色方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113610940B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115840761B (zh) * | 2023-03-01 | 2023-04-14 | 自然资源部第三地理信息制图院 | 一种卫星影像像元值修改方法、***、设备及介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104463166A (zh) * | 2014-11-13 | 2015-03-25 | 环境保护部卫星环境应用中心 | 目标水体的提取方法和*** |
CN108230376A (zh) * | 2016-12-30 | 2018-06-29 | 北京市商汤科技开发有限公司 | 遥感图像处理方法、装置和电子设备 |
CN111027446A (zh) * | 2019-12-04 | 2020-04-17 | 中国地质环境监测院 | 一种高分辨率影像的海岸线自动提取方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108256419B (zh) * | 2017-12-05 | 2018-11-23 | 交通运输部规划研究院 | 一种利用多光谱解译提取港口码头图像的方法 |
US11373314B2 (en) * | 2018-04-05 | 2022-06-28 | Nec Corporation | Land mask image generation for ocean surface and land surface |
-
2021
- 2021-08-10 CN CN202110913115.XA patent/CN113610940B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104463166A (zh) * | 2014-11-13 | 2015-03-25 | 环境保护部卫星环境应用中心 | 目标水体的提取方法和*** |
CN108230376A (zh) * | 2016-12-30 | 2018-06-29 | 北京市商汤科技开发有限公司 | 遥感图像处理方法、装置和电子设备 |
CN111027446A (zh) * | 2019-12-04 | 2020-04-17 | 中国地质环境监测院 | 一种高分辨率影像的海岸线自动提取方法 |
Non-Patent Citations (2)
Title |
---|
基于空间插值彩色扫描地形图等高线的自动矢量化;韩学锋等;《测绘科学》;20090320(第02期);全文 * |
面向地震灾区高分辨遥感影像信息提取方法;付萧等;《地震研究》;20160715(第03期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113610940A (zh) | 2021-11-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106651872B (zh) | 基于Prewitt算子的路面裂缝识别方法及*** | |
CN109255350B (zh) | 一种基于视频监控的新能源车牌检测方法 | |
US20070253040A1 (en) | Color scanning to enhance bitonal image | |
CN112149543B (zh) | 一种基于计算机视觉的建筑扬尘识别***与方法 | |
CN106096610A (zh) | 一种基于支持向量机的文档图像二值化方法 | |
CN108985305B (zh) | 一种激光蚀刻工业***编码图像定位及校正方法 | |
CN113554629A (zh) | 基于人工智能的带钢红锈缺陷检测方法 | |
CN107038416B (zh) | 一种基于二值图像改进型hog特征的行人检测方法 | |
CN110084129B (zh) | 一种基于机器视觉的河流漂浮物实时检测方法 | |
CN105095892A (zh) | 基于图像处理的学生文档管理*** | |
CN103971126A (zh) | 一种交通标志识别方法和装置 | |
CN114494259A (zh) | 一种基于人工智能的布匹缺陷检测方法 | |
CN107256547A (zh) | 一种基于显著性检测的表面裂纹识别方法 | |
CN102629322A (zh) | 一种基于边界点笔画形状的字符特征提取方法及应用 | |
CN104657980A (zh) | 一种改进的基于Meanshift的多通道图像分割算法 | |
CN113077486B (zh) | 一种山区植被覆盖率监测方法及*** | |
CN106682684A (zh) | 一种基于k均值聚类的目标识别方法 | |
CN113610940B (zh) | 基于海洋矢量文件和影像通道阈值的临海区域匀色方法 | |
CN107992856A (zh) | 城市场景下的高分遥感建筑物阴影检测方法 | |
CN110852207A (zh) | 基于面向对象影像分类技术的蓝色屋顶建筑物提取方法 | |
CN104598914A (zh) | 一种肤色检测的方法及装置 | |
JP2008242508A (ja) | 特定領域自動抽出システム、特定領域自動抽出方法、および、プログラム | |
CN116030453A (zh) | 一种数字电气表计的识别方法、装置及设备 | |
CN109191482B (zh) | 一种基于区域自适应光谱角阈值的图像合并分割方法 | |
JP2002090308A (ja) | 画像処理を用いた鋼材表面の劣化度評価システム |
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 |