[发明专利]基于高分遥感影像的潮沟提取方法

摘要

公开了一种基于高分遥感影像的潮沟提取方法，方法包括下述步骤：采集高分辨率遥感影像，遥感影像经由辐射定标及大气校正消除大气干扰。本文方法的策略是将宽阔潮沟与细小潮沟分开提取，其中，宽度大于等于预定个像素的潮沟为宽阔潮沟，宽度小于预定个像素的潮沟为细小潮沟。利用归一化水体指数(NDWI)和最大类间方差法(OTSU)提取宽阔潮沟。采用SEaTH算法，利用J‑M(Jeffries‑Matusita)距离计算类间可分离性，选择潮沟和潮滩差异较大的波段进行细小潮沟提取。针对SEaTH算法筛选出的波段，利用改进的模糊C均值算法进行均一化异质背景后，使用多尺度高斯匹配滤波增强具有高斯形的细小潮沟。接着使用基于全局均值和标准差的自适应阈值分割提取细小潮沟。然后去除细小潮沟中的碎屑斑块。最后将细小潮沟同宽阔潮沟采用沟逻辑或运算合并，形成完整的潮沟。

主权项

1.一种基于高分遥感影像的潮沟提取方法，其包括下述步骤：第一步骤(S1)，采集包括多光谱数据的高分辨率遥感影像，遥感影像经由辐射定标及大气校正消除大气干扰，第二步骤(S2)，将宽阔潮沟和细小潮沟分开提取，其中，宽度大于等于预定个像素的潮沟为宽阔潮沟，宽度小于预定个像素的潮沟为细小潮沟。采用SEaTH算法，利用J‑M(Jeffries‑Matusita)距离计算类间可分离性，选择潮沟和潮滩差异较大的波段进行细小潮沟提取。SEaTH算法公式如下：J‑M距离公式如下：J＝2(1‑e^‑B)，其中，J代表两个类别间的距离，m_i(i＝1,2)和σ_i(i＝1,2)分别表示两个类的均值和方差，第三步骤(S3)，基于最大类间方差法提取宽阔潮沟，当满足类间方差达到最大时，获得最优分割阈值k^*，其中，最大类间方差法公式如下：其中，是阈值为k时的类间方差，m_G是全图平均灰度，m(k)是阈值k时的灰度，L是图像的灰度级数量，P₁(k)是像素被分类到类1中的概率，第四步骤(S4)，均一化异质背景，其中，初始化聚类中心v_i和偏移场β_j，更新隶属度函数μ_ij、聚类中心v_i和偏移场β_j，当‖v^b+1‑v^b‖＜ε时，前后两次计算出的聚类中心小于预定的收敛阈值停止计算，获得背景均一化数据，其中i为聚类，j为像素，ε是预定的收敛阈值；b和b+1指代迭代次数，v^b+1是迭代b+1次的聚类中心，v^b是迭代b次的聚类中心，第五步骤(S5)，多尺度高斯匹配滤波增强具有高斯形的细小潮沟，滤波器旋转获得不同方向潮沟的响应，对于每个像素，只保留其多个方向的最大响应值。将多个尺度的匹配滤波器的响应结果在归一化之后相乘，第六步骤(S6)，自适应阈值分割细小潮沟，基于全局均值和标准差对细小潮沟进行分割，阈值公式：T＝mean+k*std，其中mean是全局均值；std是全局标准差；T是最佳阈值，参数k的范围在0.01‑1之间，将值大于T的像素划分为细小潮沟，获得细小潮沟粗分割结果。最后将面积小于设定阈值的孤立斑块去得到细小潮沟最终分割结果。第七步骤(S7)，将第六步骤(S6)的细小潮沟同第三步骤(S3)的宽阔潮沟逻辑或运算合并形成完整的潮沟。