[发明专利]一种基于活动轮廓模型的SST影像中尺度涡自动识别方法

权利要求书

1.一种基于活动轮廓模型的SST影像中尺度涡自动识别方法，其特征在于，包括如下步骤：

步骤1，对SST卫星影像进行预处理，从SST卫星影像中提取出海面区域图像；

步骤2，对提取出的海面区域图像进行均值迭代阈值选择算法处理，得到的活动轮廓模型的初始轮廓；

步骤3，根据初始轮廓构建中尺度涡自动识别的活动轮廓模型，计算活动模型的内部能量和外部能量；

步骤4，对中尺度涡自动识别的活动轮廓模型进行求解，得到中尺度涡的位置，从而识别出中尺度涡。

2.根据权利要求1所述的基于活动轮廓模型的SST影像中尺度涡自动识别方法，其特征在于，步骤1中，对SST卫星影像进行预处理的具体步骤为：

步骤1.1，将SST卫星影像转换为灰度值为0-255分布的卫星影像灰度图；

步骤1.2，对卫星影像灰度图中任意m×n像素区域，利用公式(1)、(2)计算该区域的灰度平均值以及灰度值为255的像素在该区域的比重；

式(1)中，G(i,j)为区域内的任一点的灰度值，g_mean为区域的灰度平均值，式(2)中，n_g255为该区域灰度值为255的像素个数，为255灰度值的像素个数在该区域的比重；

步骤1.3，将满足公式(3)和(4)的区域作为云和陆地覆盖的非海面区域，即：

g_mean＞＝g_o (3)

式(3)中，g_o为区域灰度分界阈值，式(4)中p_o为区域255灰度值像素个数的比重阈值；

步骤1.4，在卫星影像灰度图中将非海面区域转换为白色不参与后续处理，从而提取出海面区域图像。

3.根据权利要求2所述的基于活动轮廓模型的SST影像中尺度涡自动识别方法，其特征在于，对提取出的海面区域图像进行中值滤波，去除卫星影像带来的散粒噪声。

4.根据权利要求1所述的基于活动轮廓模型的SST影像中尺度涡自动识别方法，其特征在于，步骤2中，对提取出的海面区域图像进行均值迭代阈值选择算法处理的具体步骤为：

步骤2.1，设定初始分割阈值gray，再根据海面区域图像中每个点的灰度梯度值与初始分割阈值gray的大小关系对海面区域图像进行分割，将大于初始分割阈值gray的点归为背景区back，将小于初始分割阈值gray的点归为目标区obj，再分别计算背景区back和目标区obj的均值为grayback和grayobj；

步骤2.2，设定新分割阈值为重复步骤2.1直到均值grayback和grayobj不再变化为止，则此时的目标区obj即为中尺度涡区域；

步骤2.3，利用式(5)和(6)计算中尺度涡区域的中心位置：

式(5)和(6)中，a和b分别为中尺度涡区域中经度和纬度方向上像素个数，X(i,j)为中尺度涡区域所有像素点的经度坐标，Y(i,j)为中尺度涡区域所有像素点的纬度坐标。

步骤2.4，以(X_center，Y_center)为中心坐标，每隔角度θ来确定初始轮廓的位置v_s(x,y)，从而最终形成活动轮廓模型的初始轮廓。

5.根据权利要求4所述的基于活动轮廓模型的SST影像中尺度涡自动识别方法，其特征在于，初始分割阈值gray为海面区域图像的灰度梯度平均值。