遥感图像中港口水域的检测方法

2008年第9期

舰船电子工程

ShipElectronicEngineeringVol.28No.9

　37

3

遥感图像中港口水域的检测方法

刘理华　白鹏飞　徐　勇

(海军兵种指挥学院　广州　510430)

摘　要　通过对港口水域自动检测问题的深入研究,提出一种基于熵的感兴趣区域自动提取算法。将水域和陆地背景分离,并对分割后的二值图像进行标记,最后提取出水域。

关键词　遥感图像;港口水域;图像分割;区域标记中图分类号　TP751.1

MethodofDetectingWaterAreainHarborinRemoteSensingImage

LiuLihua　BaiPengfei　XuYong

(NavalArmsCommandAcademy,Guangzhou　510430)

Abstract　Throughtheresearchofalgorithmsofautomaticdetectingwaterareainharbor,thispaperpresentsamethodwhichdetectstheinterestedareabasingentropy.Firstlywaterareaandlandaredivided,thentheblack2whiteimagewhichhasbeensegmentedismarkedandthebiggestblackblockisconsideredasthewaterarea.

Keywords　sensingimage,waterareainharbor,imagesegmentation,areamarkClassNumber　TP751.1

1　引言

近年来,在军事领域中越来越多的图像数据需要快速处理,以达到某种军事目的。其中的一些重要任务如,对卫星、无人机或其他航天、航空飞行器获得的遥感图像的分析与处理;对机载或者弹载图像传感器获取的空中、海上或地面军事目标的图像处理与分析。港口是重要的军事和民用设施,因此卫星遥感图像中自动提取港口目标成为军事应用领域的重要任务,其中对水域的检测技术是对港口目标识别的基础,也是目前模式识别和图像处理领域的研究热点之一。

别技术在遥感领域的具体应用,即利用计算机技术达到识别图像信息所对应的实际地物,提取所需的地物信息的目的。遥感图像目标识别的流程主要包括图像预处理,图像分割,特征选取与提取,图像分类,如图1所示。

图1　遥感图像目标识别的一般流程

3　图像预处理

为了便于后续对图像进行二值化分割处理,提高分割后的效果,必须要对图像进行预处理,这样做主要有两个目的:一是平滑图像,让灰度分布趋于某种分布;二是可以减少噪声干扰,避免二值

2　遥感图像目标识别的一般过程

遥感图像的目标识别实际上是计算机模式识

3

收稿日期:2008年5月21日,修回日期:2008年6月21日

作者简介:刘理华,男,硕士研究生,研究方向:作战环境研究。白鹏飞,男,硕士研究生,研究方向:作战环境研究。

徐勇,男,硕士研究生,研究方向:作战环境研究。

　38刘理华等:遥感图像中港口水域的检测方法总第171期

121化操作后图像中有过多的黑色242或者白色斑点。通过一个3×3平滑线性滤波器对图像进行处1

2

1

理[1],滤波器如图2所示。

图2　3×3平滑线

采用该滤波器对原图像所性滤波器

有像素进行逐点扫描,原像素的

灰度值为f(x,y),处理后像素灰度值为:

f(x-1,y-1)+2×f(x,y-1)+f(x+1,y-1)

+2×f(x-1,y)+4×f(x,y)+2f(x+1,y)

f′

(x,y)=+f(x-1,y+1)+2f(x,y+1)+f(x+1,y+1)

16

(1)

原图像和预处理后效果图的对比如图3所示。

图3　预处理前后效果图

4　二值化图像分割处理

为了将陆地区域和海洋区域分开,必须要对图像进行图像分割处理。先采用最大熵的方法找到一个阈值,然后再对图像进行二值化处理。在图像处理中,熵是图像中信息的度量,熵是由Shannon定义的[2]。熵的数学定义与事件发生的概率相关联,大概率事件的熵值小,小概率事件则反之。基于最大熵的阈值选择可以有效地用于图像分割中的阈值估计[3～4]。

最大熵阈值法的思想是统计图像中每一个灰度级出现的概率P(x),该灰度级的熵为:

H=-p(x)lnp(x)dx

(2)

在L级灰度图像中,假设以灰度级t分割图像,图像中低于或等于灰度级t的像素点构成目标物体(O),高于灰度级t的像素点构成背景(B),那么:

目标物体区域中各灰度级的分布概率为:

pi　i=0,1,2,3,…,t

背景区域中各灰度级的分布概率为:

pi　i=t+1,t+2,…,L-1

t

目标物体的分布概率为:po(t)=

)i∑p

i

(3=0

背景的分布概率为:pB(t)=1-po(t)(4)

根据式(2)、(3)、(4),数字图像中的目标和背

景区域的熵分别为:

t

H=-pi

O(t)lnpi

)i∑=0

p(5O(t)pO(t)

L-1

HpiB(t)=-

∑

plnpi

(6)

i=t+1

B(t)pB(t)

因此,目标和背景的总熵为:

W=HO(t)+HB(t)

(7)

对图像中的每个灰度级求W,选取使W最大的灰度级T作为分割图像的阈值,对图像进行二值化处理。原图像为f(x,y),二值化后为:

f′

(x,y)=0(f(x,y)ΦT)1

(f(x,y)>T)

图像二值化后效果如图4所示。

图4　图像分割效果图

由图上可以看到,经过预处理后,一些图像区域二值化以后会相对集中,形成较大的斑点,而减少斑点的数量,这样在后面的水域提取处理时,可以节省处理时间。

5　水域的提取

水域的提取过程如下,先对二值化图像进行黑色区域标记,然后找到像素最多的区域,判断此区域为水域,而后对图像中斑点进行消除。这样处理后,陆地区域为白色,海洋区域为黑色,二者进行了区分。5.1　区域标记

标记是一种区分图像中多个物体,以分别进行描述的方法。当在某一行发现一段目标时,检查上一行所有目标段,若上一行没有目标与该段重叠,说明发现了一个新目标段,则将一个新标记赋予该目标段;若上一行有一个目标段与该段重叠,只需将上一行目标段的标记赋予该目标段;若上一行有两个以上目标段与该段重叠时,除了必

(下转第42页)

　42薛　莹等:来电显示电路的设计总第171期

础上,还可以扩展其他功能,使ARM7核嵌入式处理器得到更好的利用。

本文的软件设计是在IAREWARM开发环境下进行C语言编程实现的,并且利用ARM处理器来处理输入和输出数据,便于以后的功能扩展。

参考文献

[1]MITELMT88E39DATASHEET

(上接第38页)

须将上一行重叠的第一段的标记赋予该目标段外,还需根据上一行其他重叠目标段的标记邻接情况并记录其连通关系[5]。图5为二值化图例,其对应的标记表如图6所示。

1234567891100001111210001100131000000014

10010001151111111116110000011710000111181100000119

1

11

1

11

1

1

1

图5　二值化图例

(2,5,1)　　对应的标记表中,括号(2,4,1)(7,8,2)中的前两位数为该行目标(2,8,1)(像素的区间,最后一位为目2,3,1)(5,7,1)

标段的标记。每个连通分(3,7,3)

量中取标记的最小值覆盖(2,5,3)整个连通分量,然后统计新(3,7,3)

标记对应的区域面积,取面图6　对应的标记表

积最大的区域认为是水域,将其提取出来。

5.2　斑点消除

对特定目标点进行区域标记的同时,统计每一个区域的像素数量,对于像素数小于某个特定阈值的区域,认为该区域为无效斑点,把属于该区域的像素点都置成背景色,这样就实现了斑点的消除。对于港口水域,找到一个黑色像素点数目最大的区域,此区域就是水域,然后其余的黑色区域就认为是无效斑点,对其进行转换实现斑点的消除。即主要进行如下处理步骤:

1)对二值化图像中黑色像素进行区域标记,

[2]许翔斌.来电显示的原理与应用[J].厦门大学学报(自

然科学版),2003,42(1):48～51

[3]徐爱钧.IAREWARM嵌入式系统编程与实践[M].

北京:航空航天大学出版社,2006

[4]朱晓舒,孙其昌.多路FSK主叫号码识别系统的设计与

实现[J].现代电子技术,2002,22:25～28

[5]刘昶,孙丽梅,王琰.来电解码器及其在客户关系管理

中的应用[J].微计算机信息,2008,(1):303～304

标记的同时保存每个标记Li对应的像素个数Ci。

2)找到像素个数最多的标记K。扫描整个图像,若对于像素(x,y),标记L(x,y)不为K,则将该像素值赋为白色,即f(x,y)=1。

对二值港口图像进行斑点消除处理后,效果图如图7所示。

图7　斑点消除效果图

6　结语

本文介绍了对遥感图像中港口水域的检测方法。主要包括前期预处理图像,图像分割,区域标记,水域提取,斑点消除等。实验结果给出了图像处理中各个阶段的效果图,并表明了基于最大熵阈值化的图像分割方法能够很好地对港口水域进行提取和识别。

参考文献

[1]冈萨雷斯等.数字图像处理(第二版)[M].北京:电子

工业出版社,2007,(3):93～95

[2]C.E.Shannon,W.Weaver.TheMathematicalTheoryof

Communication[M].UniversityofIllinoisPress,1949[3]A.D.Brink,N.E.Pendcock.MinimumCross2Entropy

ThresholdSelection[J].PatternRecognition,1996,29:179～188

[4]N.Otsu,AThresholdSelectionMethodFromGray

LevelHistograms[J].IEEETransactiononSystem,1979,9:62～66

[5]李波,王刚,刘东华,等.基于边界标注的单连通区域扫

描线填充新方法[J].空军工程大学学报(自然科学

版),1994,(6):294～299