本發(fā)明涉及遙感信息技術(shù)和物理海洋領(lǐng)域，特別涉及到一種以衛(wèi)星遙感海洋水文要素?cái)?shù)據(jù)為基礎(chǔ)，利用數(shù)字圖像處理技術(shù)對(duì)海洋鋒面進(jìn)行提取的方法。
背景技術(shù)：
：海洋鋒面是兩個(gè)類型不同的水團(tuán)或水系間的分界面，在鋒面處對(duì)應(yīng)的水文要素(如溫度、葉綠素濃度、鹽度等)急劇變化，形成對(duì)應(yīng)水文要素的高梯度區(qū)域。海洋鋒面處海水輔聚，垂直運(yùn)動(dòng)加強(qiáng)，同時(shí)海水?dāng)y帶的營養(yǎng)物質(zhì)在此處富集，為浮游生物、魚類等提供豐富的餌料，從而易于形成良好的漁場(chǎng)，所以海洋鋒面與海洋能量交換與物質(zhì)輸送、海洋生態(tài)系統(tǒng)和漁業(yè)資源分布密切相關(guān)。因此海洋鋒面的提取對(duì)漁業(yè)生產(chǎn)計(jì)劃制訂、漁情預(yù)報(bào)、海洋生物棲息地調(diào)查、海洋流場(chǎng)結(jié)構(gòu)分析等領(lǐng)域具有重要意義。遙感技術(shù)能在同一時(shí)間獲取大面積海洋要素觀測(cè)數(shù)據(jù)，遙感數(shù)據(jù)優(yōu)良的連續(xù)性以及同步性使其被廣泛應(yīng)用于海洋鋒的提取。海洋鋒面是對(duì)應(yīng)水文要素圖像的邊緣信息，因此海洋鋒面的提取往往被認(rèn)為是一種海洋水文要素圖像的邊緣檢測(cè)的過程。目前海洋鋒面主要通過sobel算法或canny算法進(jìn)行提取。sobel算法是根據(jù)海洋鋒面處對(duì)應(yīng)水文要素呈現(xiàn)較高水平梯度的原理，先利用sobel算子計(jì)算水文要素圖像的像元梯度，再設(shè)置合理的閾值將梯度值高于該閾值的像元作為鋒面像元。canny算法則先通過高斯濾波去除圖像噪聲，再計(jì)算圖像梯度及梯度方向，然后通過非極大值抑制去除偽邊緣，最后利用高、低閾值實(shí)現(xiàn)邊緣檢測(cè)和邊緣連接。sobel算法和canny算法均是通過對(duì)海洋水文要素圖像中的高梯度像元進(jìn)行處理從而實(shí)現(xiàn)鋒面的提取，且sobel算法和canny算法在其設(shè)計(jì)之初均是用于強(qiáng)邊緣(如固體邊緣)的提取，被處理的對(duì)象邊緣特征十分明顯，邊緣處像元梯度值突然增大，因此才能獲取較為連續(xù)且寬度較小的邊緣線。然而海洋屬于流體，海洋中各水文要素在衛(wèi)星影像中呈現(xiàn)出弱邊緣的特征，即邊緣不明顯，邊緣處像元梯度值增長相對(duì)固體邊緣而言較為平緩。sobel算法只能獲取寬度較大的帶狀鋒面區(qū)域而無法獲取鋒面中心線，而且圖像噪聲所在處同樣是圖像高梯度區(qū)域，sobel算法僅通過單一的閾值難以區(qū)分噪聲信息和鋒面信息，因此sobel算法鋒面提取結(jié)果受噪聲影響較大；canny算法通過高斯濾波和雙閾值檢測(cè)過程降低了噪聲對(duì)鋒面提取結(jié)果的影響，同時(shí)非極大值抑制和雙閾值檢測(cè)過程可以實(shí)現(xiàn)寬度為單像元大小的鋒面中心線的獲取，但是在利用canny算法進(jìn)行鋒面提取時(shí)，海洋水文要素圖像的弱邊緣特征使得一些較弱的邊緣信息在非極大值抑制或雙閾值檢測(cè)過程中被剔除，從而導(dǎo)致鋒面提取結(jié)果連續(xù)性不佳，并出現(xiàn)較多的破碎鋒，此外canny算法需要同時(shí)設(shè)定高、低兩個(gè)閾值，同時(shí)設(shè)定雙閾值組合的方式無法分別確定高、低閾值的選取對(duì)鋒面提取結(jié)果的影響，從而加大了閾值調(diào)整的難度。海洋鋒面的本質(zhì)是不同性質(zhì)水團(tuán)或水系的分界面，因此，可以先通過圖像分割將海洋水文要素圖像分割成若干不同性質(zhì)的區(qū)域(即水團(tuán))，然后再搜索不同區(qū)域間的邊界，該邊界即為海洋鋒面。經(jīng)過圖像分割后的海洋水文要素圖像的邊緣信息得到加強(qiáng)，同時(shí)圖像噪聲被削弱，因此，對(duì)分割后的水文要素圖像進(jìn)行邊緣檢測(cè)以實(shí)現(xiàn)海洋鋒面的提取，提取結(jié)果會(huì)有更好的連續(xù)性，且受噪聲影響較小。技術(shù)實(shí)現(xiàn)要素：針對(duì)海洋水文要素圖像呈現(xiàn)弱邊緣特征的特點(diǎn)，本發(fā)明目的在于提供一種基于圖像分割的海洋鋒面提取方法，利用中值濾波減少圖像噪聲，并通過對(duì)海洋水文要素圖像進(jìn)行圖像分割來增強(qiáng)圖像邊緣信息并進(jìn)一步削弱圖像噪聲，從而解決因海洋水文要素圖像弱邊緣特征以及圖像噪聲導(dǎo)致的傳統(tǒng)sobel算法和canny算法鋒面提取結(jié)果受噪聲影響較大、連續(xù)性不佳的問題，使鋒面提取結(jié)果有更好的連續(xù)性，并減少破碎鋒的出現(xiàn)，同時(shí)能獲取鋒面中心線以便進(jìn)一步獲取海洋鋒面的位置信息及其空間分布情況。本發(fā)明以對(duì)應(yīng)水文要素遙感圖像作為鋒面提取的數(shù)據(jù)源，先通過圖像分割將水文要素圖像分割成若干不同性質(zhì)的區(qū)域(即水團(tuán))，然后搜索不同區(qū)域間的邊界以實(shí)現(xiàn)海洋鋒面的提取。本發(fā)明提出的基于圖像分割的海洋鋒面提取方法，具體步驟如下：(1)利用遙感技術(shù)獲取海洋水文要素圖像，作為后續(xù)鋒面提取步驟的基礎(chǔ)數(shù)據(jù)；(2)利用中值濾波對(duì)步驟(1)得到的海洋水文要素圖像進(jìn)行處理，以削弱圖像噪聲；(3)對(duì)步驟(2)經(jīng)過中值濾波處理后的圖像采用區(qū)域生長的方法進(jìn)行圖像分割，將圖像分割成若干性質(zhì)不同的獨(dú)立區(qū)域，并輸出圖像分割結(jié)果圖；即以種子像元為起點(diǎn)，將待歸并像元與已歸并像元視為同一組數(shù)據(jù)，若該組數(shù)據(jù)變異系數(shù)小于所設(shè)定的變異系數(shù)閾值，則將待歸并像元?dú)w并到該待生長區(qū)域中；按照待歸并像元與待生長區(qū)域的已歸并像元作為同一組數(shù)據(jù)時(shí)的變異系數(shù)從低到高的順序依次判斷待歸并像元是否符合生長準(zhǔn)則；(4)搜索步驟(3)中分割得到的每個(gè)獨(dú)立區(qū)域的邊界；(5)利用zhang-suen法對(duì)步驟(4)中得到的每個(gè)獨(dú)立區(qū)域的邊界進(jìn)行細(xì)化，得到寬度為單像元大小的區(qū)域邊界，并輸出細(xì)化后的區(qū)域邊界圖，每個(gè)區(qū)域邊界像元都是待提取的鋒面像元；(6)計(jì)算經(jīng)過步驟(2)中值濾波后得到的圖像分割結(jié)果圖中的像元梯度；像元梯度計(jì)算的公式為：dx＝[t(i,j+1)-t(i,j-1)]/2δxdy＝[t(i+1,j)-t(i-1,j)]/2δy式中，grad為像元梯度，dx、dy分別為像元東西方向和南北方向上的梯度，i、j分別為像元在圖像矩陣中的行、列號(hào)，δx、δy分別是圖像x、y方向上像元的大小，即圖像空間分辨率；(7)梯度圖像二值化并輸出梯度二值化結(jié)果圖；選擇合適的梯度閾值，對(duì)步驟(6)中得到的像元梯度進(jìn)行二值化處理，得到梯度二值化結(jié)果圖，將高于梯度閾值的像元設(shè)為前景像元，低于梯度閾值的像元設(shè)為背景像元；(8)鋒面像元篩選將步驟(5)經(jīng)過細(xì)化后得到的區(qū)域邊界圖與步驟(7)經(jīng)過二值化處理得到的梯度二值化結(jié)果圖進(jìn)行比較，將步驟(5)所得的區(qū)域邊界與步驟(7)所得的梯度二值化結(jié)果圖的前景像元位置不對(duì)應(yīng)的區(qū)域邊界像元剔除，相同位置上的區(qū)域邊界像元?jiǎng)t將其標(biāo)記為鋒面像元，最終完成海洋鋒面的提取。本發(fā)明中，步驟(3)中對(duì)海洋水文要素圖像進(jìn)行圖像分割將海洋水文要素圖像分割成若干不同性質(zhì)的區(qū)域(即水團(tuán))，然后在區(qū)域的基礎(chǔ)上進(jìn)行區(qū)域邊界檢測(cè)，分割后得到的區(qū)域邊界較為平滑且有很好的連續(xù)性，從而減少了以單個(gè)像元為基礎(chǔ)進(jìn)行鋒面提取時(shí)容易出現(xiàn)的破碎鋒。本發(fā)明中，步驟(3)中圖像分割的具體步驟如下：(3.1)根據(jù)海洋水文要素圖像特征選擇一個(gè)合適的種子像元，即第一個(gè)待生長區(qū)域的生長起點(diǎn)；(3.2)搜索該種子像元的鄰域像元，將鄰域像元中未被歸并的像元作為待歸并像元；(3.3)按照待歸并像元與待生長區(qū)域的已歸并像元作為同一組數(shù)據(jù)時(shí)的變異系數(shù)從低到高的順序依次判斷待歸并像元是否符合生長準(zhǔn)則，若符合生長準(zhǔn)則，則將其歸并到該待生長區(qū)域中；生長準(zhǔn)則為：將待歸并像元與已歸并像元視為同一組數(shù)據(jù)，若該組數(shù)據(jù)變異系數(shù)小于所設(shè)定的閾值，則將待歸并像元?dú)w并到該待生長區(qū)域中；變異系數(shù)的計(jì)算公式為：式中，s2為該組數(shù)據(jù)的標(biāo)準(zhǔn)偏差，為該組數(shù)據(jù)的平均值；若無可歸并的鄰域像元，則該待生長區(qū)域生長完畢，并將第一個(gè)未歸并像元作為下一待生長區(qū)域的種子像元并返回步驟(3.2)；(3.4)將所有可歸并的鄰域像元?dú)w并后，搜索與該待生長區(qū)域相鄰的未歸并像元，重復(fù)步驟(3.2)、(3.3)；(3.5)若無未歸并像元，則圖像分割完畢，得到若干性質(zhì)不同的獨(dú)立區(qū)域。本發(fā)明中，為獲取寬度為單像元大小的鋒面中心線，采用zhang-suen法對(duì)步驟(4)中得到的區(qū)域邊界進(jìn)行細(xì)化處理，細(xì)化后的每個(gè)邊界像元都是待提取的鋒面像元；zhang-suen法的原理為：在二值圖像中，假設(shè)待檢測(cè)前景像元為p1，則其八鄰域像元可表示成：p9p2p3p8p1p4p7p6p5若p1滿足以下四個(gè)條件：a.2<＝n(p1)<＝6；b.s(p1)＝1；c.p2×p4×p6＝0；d.p4×p6×p8＝0；或：a.2<＝n(p1)<＝6；b.s(p1)＝1；c.p2×p4×p8＝0；d.p2×p6×p8＝0；則可將p1標(biāo)記為背景像元；其中n(p1)為p1的8個(gè)鄰域像元中為前景像元的個(gè)數(shù)，s(p1)為以p2為起點(diǎn)逆時(shí)針方向一周p1鄰域像元值為從0到1變化的次數(shù)。本發(fā)明與現(xiàn)有技術(shù)相比有以下優(yōu)點(diǎn)：(1)能有效避免噪聲對(duì)提取結(jié)果的影響本發(fā)明首先通過中值濾波削弱圖像噪聲，此外圖像分割后噪聲信息被其所在的獨(dú)立區(qū)域內(nèi)的非噪聲信息進(jìn)一步削弱，因此本發(fā)明鋒面提取結(jié)果受噪聲影響較小(2)鋒面提取結(jié)果連續(xù)性較好，破碎鋒較少本發(fā)明先對(duì)海洋水文要素圖像進(jìn)行圖像分割處理后再進(jìn)行邊緣檢測(cè)和鋒面信息提取。圖像分割處理后圖像邊緣信息得到加強(qiáng)，圖像經(jīng)分割后得到的不同獨(dú)立區(qū)域間的邊界明顯，因此在此基礎(chǔ)上進(jìn)行的鋒面提取，其結(jié)果連續(xù)性更佳。此外本發(fā)明是在區(qū)域的基礎(chǔ)上進(jìn)行鋒面提取，從而減少了以單個(gè)像元為基礎(chǔ)進(jìn)行鋒面提取時(shí)容易出現(xiàn)的破碎鋒。(3)閾值調(diào)整方便閾值的選取是各鋒面提取方法中鋒面提取結(jié)果好壞的關(guān)鍵，鋒面提取過程中往往需要不斷調(diào)整閾值以達(dá)到最佳的鋒面提取結(jié)果。本發(fā)明中所需要設(shè)定的兩個(gè)閾值分先后設(shè)置，第一個(gè)閾值為圖像分割時(shí)需要的變異系數(shù)閾值，圖像分割完成后可得到分割后的圖像，因此可以根據(jù)圖像分割的結(jié)果對(duì)閾值進(jìn)行調(diào)整直到得到合適的圖像分割結(jié)果。同樣，本發(fā)明中的第二個(gè)閾值即梯度閾值也可根據(jù)得到的梯度二值化圖像進(jìn)行調(diào)整。(4)可獲取較平滑的鋒面中心線海洋水文要素圖像經(jīng)圖像分割處理后，得到的各獨(dú)立區(qū)域邊界較為平滑，此外再對(duì)邊界進(jìn)行細(xì)化處理，可得到寬度為單像元大小的平滑的鋒面中心線，可為鋒面空間位置信息的獲取提供方便。附圖說明圖1是本發(fā)明的流程圖；圖2是本發(fā)明中圖像分割的流程圖；圖3是實(shí)施例1中圖像分割后的結(jié)果圖；圖4是實(shí)施例1中細(xì)化后的區(qū)域邊界圖；圖5是實(shí)施例1中梯度二值化結(jié)果圖；圖6是實(shí)施例1中鋒面提取的結(jié)果圖；圖7是canny算法鋒面提取結(jié)果圖；圖8是sobel算法鋒面提取結(jié)果圖。具體實(shí)施方式下面通過實(shí)施例進(jìn)一步說明本發(fā)明。實(shí)施例1：如圖1所示，包括以下步驟：獲取海洋水文要素圖像(海洋表面溫度數(shù)據(jù)，seasurfacetemperature，即sst)；利用中值濾波對(duì)海洋水文要素圖像sst進(jìn)行處理以削弱噪聲部分噪聲；利用區(qū)域生長的方法對(duì)中值濾波處理后的圖像進(jìn)行圖像分割；獲取分割后圖像中每個(gè)獨(dú)立區(qū)域的邊界；利用zhang-suen法對(duì)區(qū)域邊界進(jìn)行細(xì)化；計(jì)算中值濾波后圖像的像元梯度；選擇合適的梯度閾值對(duì)梯度圖像進(jìn)行二值化處理；將細(xì)化后的區(qū)域邊界圖像與二值化梯度圖像進(jìn)行疊加對(duì)比，若區(qū)域邊界圖像中的邊界像元對(duì)應(yīng)梯度二值化圖像相同位置上的前景像元，則將其標(biāo)記為鋒面像元，最終完成海洋溫度鋒面的提取。本實(shí)施例采用紅外與微波融合的sst(海表溫度)數(shù)據(jù)作為鋒面提取的原始數(shù)據(jù)，該數(shù)據(jù)空間分辨率為9km，時(shí)間分辨率為1d?？紤]到海洋鋒面的時(shí)間尺度一般為數(shù)天到數(shù)月，因此本實(shí)施例以周平均sst數(shù)據(jù)為基礎(chǔ)進(jìn)行鋒面提取。利用基于圖像分割的海洋鋒面提取方法對(duì)2014年第5周(1月29日至2月4日)中國南海海域的溫度鋒進(jìn)行提取。本實(shí)施例通過matlab軟件編程實(shí)現(xiàn)，具體實(shí)施方法和步驟如下：(1)海洋表面溫度sst數(shù)據(jù)獲取下載全球2014年1月29日——2014年2月4日紅外與微波融合的sst數(shù)據(jù)，按照0°n—30°n，105°e—130°e的范圍對(duì)數(shù)據(jù)進(jìn)行裁切，并在時(shí)間尺度上求平均，得到2014年第5周中國南海海域sst周平均數(shù)據(jù)。(2)對(duì)sst圖像進(jìn)行中值濾波處理利用matlab自帶的medfilt2函數(shù)對(duì)步驟(1)中得到的2014年第5周中國南海海域sst周平均數(shù)據(jù)進(jìn)行中值濾波處理以去除部分噪聲。(3)圖像分割本實(shí)施例圖像分割的具體步驟如下：a.將實(shí)施例所選區(qū)域西北角第一個(gè)像元作為本實(shí)施例圖像分割中的第一個(gè)種子像元，即待生長區(qū)域的生長起點(diǎn)b.搜索該種子像元未被歸并的鄰域像元，將其作為待歸并像元。c.按照待歸并像元與已歸并像元作為同一組數(shù)據(jù)時(shí)的變異系數(shù)從低到高的順序依次判斷待歸并像元是否滿足生長準(zhǔn)則，若滿足，則將該待歸并像元?dú)w并到對(duì)應(yīng)生長區(qū)域中。若無滿足生長準(zhǔn)則的待歸并像元，則該待生長區(qū)域生長完畢，將區(qū)域內(nèi)像元值用區(qū)域內(nèi)像元的平均值代替，并將第一個(gè)未歸并像元作為新的種子像元，并返回步驟b。本實(shí)施例的生長準(zhǔn)則是：將待歸并像元與其對(duì)應(yīng)的待生長區(qū)域內(nèi)所有已歸并像元視為同一組數(shù)據(jù)，若該組數(shù)據(jù)變異系數(shù)小于0.06，則將該待歸并像元?dú)w并到對(duì)應(yīng)待生長區(qū)域中。d.將所有可歸并的鄰域像元?dú)w并后，搜索與該待生長區(qū)域相鄰的未歸并像元，并將其作為待歸并像元，重復(fù)步驟b、c。e.若無未歸并像元，則圖像分割完畢，輸出圖像分割后的結(jié)果圖(圖3)。(4)區(qū)域邊緣檢測(cè)利用matlab自帶的bwperim函數(shù)依次獲取圖像分割后所有獨(dú)立區(qū)域的邊界。(5)邊界細(xì)化處理利用zhang-suen法對(duì)步驟(4)中得到的區(qū)域邊界進(jìn)行細(xì)化處理，獲得寬度為單像元大小的區(qū)域邊界，并將細(xì)化后得到的邊界像元賦值為1，其余像元賦值為0，輸出細(xì)化后的區(qū)域邊界圖像(圖4)。(6)圖像梯度計(jì)算利用matlab自帶的gradient函數(shù)對(duì)步驟(2)中的圖像進(jìn)行梯度計(jì)算。(7)梯度圖像二值化本實(shí)施例利用迭代法獲取梯度閾值，最終得到的梯度閾值為0.0316，對(duì)步驟(6)中得到的梯度圖像進(jìn)行二值化處理，將高于閾值的像元賦值為1(即前景像元)，低于閾值的像元賦值為0(即背景像元)。迭代法獲取閾值的步驟為：a.利用matlab自帶的max和min函數(shù)分別獲取步驟(6)中得到的梯度圖像的最大、最小值gmax和gmin，并將初始閾值設(shè)為：t(0)＝(gmax+gmin)/2。b.根據(jù)閾值t(k)(k＝0,1,2,3……)將圖像分為前景像元和背景像元，并用mean函數(shù)分別求得二者平均值mean1和mean2。c.獲得新的閾值t(k+1)＝(mean1+mean2)/2。d.若t(k+1)＝t(k)，則得到最終閾值t(k)，否則返回步驟b。為防止迭代進(jìn)入死循環(huán)，將迭代次數(shù)限制為20次。(8)邊界像元篩選將步驟(5)中得到的區(qū)域邊界圖像與步驟(7)中得到的梯度二值化圖像(圖5)進(jìn)行疊加對(duì)比，若相同位置上區(qū)域邊界圖像與梯度二值化圖像上像元值均為1，則將該位置上的像元設(shè)為鋒面像元，最終完成海洋鋒面的提取并輸出鋒面提取的結(jié)果圖(圖6)。下面將兩個(gè)對(duì)照實(shí)驗(yàn)(1)canny算法和對(duì)照實(shí)驗(yàn)(2)sobel算法的鋒面提取結(jié)果與本發(fā)明提出的基于圖像分割的鋒面提取方法的鋒面提取結(jié)果進(jìn)行比較，以進(jìn)一步說明本發(fā)明的優(yōu)勢(shì)。對(duì)照實(shí)驗(yàn)1：利用canny算法對(duì)對(duì)2014年第5周中國南海海域的溫度鋒進(jìn)行提取。包括以下步驟：(1)sst數(shù)據(jù)獲取與實(shí)施例1中步驟(1)相同。(2)鋒面像元提取利用matlab自帶的edge函數(shù)對(duì)步驟(1)中的到的圖像進(jìn)行邊緣檢測(cè)，其中邊緣檢測(cè)方法選擇canny算子，低閾值和高閾值分別設(shè)置為0.3和0.9，最終完成海洋鋒面的提取并輸出鋒面提取的結(jié)果圖(圖7)。通過對(duì)圖6和圖7的對(duì)比可看出：圖7中中國臺(tái)灣海峽以北的中國大陸沿岸、中國臺(tái)灣海峽以及中國臺(tái)灣海峽西南側(cè)提取到的海洋鋒主要以破碎鋒形式存在，而圖6中為連續(xù)的曲線，此外圖7中提取到的鋒面更為平滑。這說明與canny算法相比，本發(fā)明提出的基于圖像分割的海洋鋒面提取方法鋒面提取結(jié)果有更好的連續(xù)性，提取結(jié)果中破碎鋒較少且得到的鋒面中心線更平滑。對(duì)照實(shí)驗(yàn)2：利用sobel算法對(duì)2014年第5周中國南海海域的溫度鋒進(jìn)行提取。包括以下步驟：(1)sst數(shù)據(jù)獲取與實(shí)施例1中步驟(1)相同。(2)梯度計(jì)算利用sobel算子對(duì)步驟(1)中得到的圖像進(jìn)行梯度計(jì)算，即分別利用模板(sobelx)和(sobely)對(duì)圖像進(jìn)行卷積運(yùn)算求得像元dx、dy值，再通過公式：求得圖像梯度。在matlab中可通過其自帶的imfilter函數(shù)實(shí)現(xiàn)，濾波模板分別為sobelx和sobely，濾波過程選擇conv(即通過卷積完成)。(3)鋒面像元提取利用迭代法獲取梯度閾值，將步驟(2)中得到的圖像中梯度值高于梯度閾值的像元設(shè)為鋒面像元并輸出鋒面提取的結(jié)果圖(圖8)。迭代法具體步驟與實(shí)施例1中步驟(7)相同，所得梯度閾值為0.0306。通過對(duì)圖6和圖8的對(duì)比可看出：利用sobel算法進(jìn)行鋒面提取只能獲取大面積的帶狀的鋒面區(qū)域而不能獲取鋒面中心線，且在南海中部及呂宋海峽附近有較多的破碎鋒。這說明與sobel算法相比，本發(fā)明提出的基于圖像分割的海洋鋒面提取方法，即鋒面提取結(jié)果有更好的定位精度，同時(shí)能減少破碎鋒的出現(xiàn)。當(dāng)前第1頁12