本發(fā)明涉及圖像處理，特別是一種基于形態(tài)學規(guī)則解譯從insar變形圖中解譯變形滑坡的方法。

背景技術：

1、insar技術利用衛(wèi)星雷達對地面兩次不同時段觀測回波的相位差計算地表變形。insar觀測因具有探測面積大、靈敏度高等優(yōu)勢，近年正在成為活動性滑坡識別的主要技術，但如何快速、準確地從insar觀測結(jié)果中獲取滑坡輪廓，仍是災害防范和流域管理面臨的關鍵問題。

技術實現(xiàn)思路

1、本發(fā)明所要解決的技術問題是提供一種基于形態(tài)學規(guī)則解譯從insar變形圖中解譯變形滑坡的方法，采用灰度分割和圖像形態(tài)規(guī)律相結(jié)合的方法從insar觀測結(jié)果中識別變形體，首先利用insar形變值梯度邊緣信息確定最佳篩選閾值以提取變形異常區(qū)，并在此基礎上選用限制圖像對比度圖像增強算法，提升微弱變形區(qū)的圖像對比度，最后依據(jù)形態(tài)學規(guī)律對分割結(jié)果進行優(yōu)化處理，使其接近自然滑坡的輪廓特征。

2、為解決上述技術問題，本發(fā)明所采用的技術方案是：一種基于形態(tài)學規(guī)則解譯從insar變形圖中解譯變形滑坡的方法，包括以下步驟：

3、s1、預處理和灰度分割，為實現(xiàn)insar滑坡體邊界識別準確性，解決變形體邊緣內(nèi)部的形變像素分布不均的問題，采用從insar觀測中相位強度圖像的梯度邊緣信息來確定最佳篩選閾值，進而提取地表變形像素；

4、s2、微弱信號增強，引入限制圖像對比度圖像增強算法以突出地表形變微弱區(qū)域，構(gòu)建起形態(tài)學精細化處理流程以突出和完善地表變形區(qū)域；

5、s3、形態(tài)學計算，通過建立地表變形像素篩選規(guī)則和分割、突出地表形變微弱區(qū)、對原始分割結(jié)果進行邊緣精細化處理等步驟，來進一步提高對活動性滑坡邊界和整體形態(tài)提取的準確性。

6、優(yōu)選的，所述步驟s1包括以下步驟：

7、利用insar變形圖像梯度邊緣信息來確定最佳的篩選閾值，構(gòu)建梯度邊緣分割法，采用一階微分等價算子（sobel）求取輸入圖像在水平和垂直方向的梯度矩陣，再將輸入圖像灰度值大于梯度矩陣的均值與標準差劃分為潛在邊緣點，并利用高斯濾波器濾去孤立像素，最后把潛在邊緣點的均值或標準差最大一方作為最佳閾值m；經(jīng)sobel算子計算后，原始圖中x和y方向上的梯度分別為水平方向的梯度和垂直方向的梯度。

8、優(yōu)選的，所述步驟s2包括以下步驟：

9、計算局部區(qū)域內(nèi)的直方圖分布來構(gòu)建映射函數(shù)，并重新設置亮度值來改善圖像，將超過該閾值的部分“均勻”分布至概率密度曲線上，從而限制累計直方圖的增幅；此處理過程可拉伸圖像的動態(tài)變化范圍，增強圖像對比度，突出地表形變微弱區(qū)域；再將原始圖像的灰度圖劃分為若干個大小相等且互不重疊的子塊后，先選取對比度閾值，再將每個子塊的像素個數(shù)平均分到相對應子塊的每個灰度級中，得到每個灰度級所分配的平均像素個數(shù)n。

10、優(yōu)選的，所述步驟s3包括以下步驟：

11、消除不相干的形狀來精簡原提取形變像素和進行圖像增益之后，構(gòu)成變形體的像素呈離散狀分布，且二值圖像中仍存在微弱噪聲、空值現(xiàn)象，依靠數(shù)字形態(tài)學通過定義選取結(jié)構(gòu)元素與待處理圖像進行對比和匹配，從而獲得待處理圖像的形狀結(jié)構(gòu)，再經(jīng)形態(tài)學算子組合計算，去除背景干擾信息，保證目標幾何形圖像中的結(jié)構(gòu)，進而保圖像空間結(jié)構(gòu)特征和目標幾何結(jié)構(gòu)；通過引入形態(tài)學方法中的膨脹、腐蝕、開運算和閉運算步驟解決滑坡邊緣鋸齒和內(nèi)部空值現(xiàn)象。

12、優(yōu)選的，所述水平方向的梯度和垂直方向的梯度的計算公式分別為：

13、；

14、；

15、式中為原始圖像中像素，,,和分別表示x-1,x+1,y-1?和y+1，利用x和y方向上梯度可計算梯度幅值:

16、；

17、在通過確定最佳篩選閾值后，將每個像素都和最佳閾值進行對比，若源圖像中像素i大于m，則將像素歸為變形區(qū)，并取其絕對值放入中；反之，將像素i歸背景區(qū)域，分配計算方法如下:

18、；

19、式中為無背景的形變圖。

20、在數(shù)據(jù)處理的后期，采用min-max方式將原始數(shù)據(jù)映射到[0，255]之間。這并不改變數(shù)據(jù)分布，可方便賦予所有數(shù)據(jù)屬性同等的權(quán)重，使屬性之間的比較與聚合更容易，結(jié)果的收斂條件更好。

21、優(yōu)選的，計算公式如下：

22、；

23、式中，為子塊x方向像素數(shù)量;為子塊y方向像素數(shù)量;為子塊灰度級別數(shù)量；閾值計算公式為：

24、；

25、式中，為攔截限制倍數(shù),閾值超過的倍；利用計算得到的對每個子塊的灰度直方圖進行切割，將剪切到的多余像素數(shù)平均分配到其他灰度級中；每個灰度級平均分配到的像素數(shù)為：

26、；

27、為截取像素的總數(shù)量；

28、對重新分配像素后的每個子塊進行直方圖均衡化處理后，還需要采用雙線性插值法計算每個子區(qū)域的像素值；計算過程中，將每個子塊的中心點作為參考點，待計算的點的像素值由其相鄰的4個參考點，，和來確定；計算過程中，先對x方向進行線性插值運算，得和點的像素值分別和，即：

29、；

30、；

31、再對y方向進行插值，得到：

32、。

33、雙線性插值只針對周圍包含4個參考點的中心點，而處于四個頂點位置的像素值則使用映射函數(shù)變換獲取，其余處在邊緣的像素計算需要通過相鄰兩個參考點進行插值計算。經(jīng)過插值處理后的圖像就會使圖像的塊狀效應得以消除，還可采用高斯雙邊濾波進行處理，進一步提高信噪比。

34、優(yōu)選的，灰度腐蝕運算后會使圖像變暗，灰度圖像腐蝕運算定義為：

35、；

36、式中，為灰度圖像，是結(jié)構(gòu)元素(需要定義一個原點)；是f的定義域，是b的定義域；當在上移動時，對包含在中的像素的最小值賦值到的原點處，用以消除二值圖像中特征區(qū)域的噪聲，填補空值，平滑特征區(qū)域的線條；

37、灰度膨脹運算后圖像會變亮，灰度圖像膨脹運算定義為：

38、；

39、式中是f的定義域，是b的定義域；當像素在圖像上移動時，會將圖像上的最大值賦值到的原點處，去除特征區(qū)域外的背景信息，只保留有效特征；

40、灰度開運算是首先對圖像f(x，y)做腐蝕運算，之后再對經(jīng)過腐蝕運算后的圖像做膨脹運算；灰度開運算定義為：

41、；

42、式中○表示灰度開運算，該步驟可去除圖像中孤立的像素、單個像素之間的連接和邊緣粗糙區(qū)，并使圖像輪廓平滑；

43、灰度閉運算與灰度開運算互為對偶，即對圖像做膨脹運算，之后再對經(jīng)過膨脹運算后的圖像做腐蝕運算；灰度閉運算定義為：

44、；

45、式中●表示灰度閉運算；該步驟可以使圖像輪廊平滑，但是與開啟操作不同，它可以填充目標中的空值，增加像素的空間關聯(lián)性。

46、本發(fā)明提供一種基于形態(tài)學規(guī)則解譯從insar變形圖中解譯變形滑坡的方法，僅需insar遙感的非接觸觀測結(jié)果就可以開展工作。與監(jiān)督分類等自動解譯方法相比，無需樣本，不依賴訓練數(shù)據(jù)中的圖像語義信息，可充分利用所有滑坡的異常變形特征；與聚類等非監(jiān)督分類自動解譯方法相比，適應滑坡體的活動遵循特殊地貌演變與地質(zhì)體變化規(guī)律，解譯結(jié)果具有幾何形態(tài)多樣性，邊界符合滑坡的自然形態(tài)特征。所構(gòu)建的方法可用于在大空間范圍內(nèi)和復雜地表環(huán)境中快速尋找具有危險性的活動性滑坡，在地災防控領域具有很大推廣空間。