基于多阈值的形态提取遥感图像中的沿海线的特征方法（Qu Jishuang）

论文阅读笔记

Title：A multi-threshold based morphological approach for extracting coastal line feature in remote sensed images

题目：基于多阈值的形态提取遥感图像中的沿海线特征的方法

摘要

在执行海监测、海上搜救、利用遥感图像进行海污监测等任务的同时，应首先确定沿海线特征。阈值方法是一种简单但有效的图像分割方法，同样，它们可用于检测远程感应图像中的沿海线特征。然而，虽然传统的阈值方法过去是这样做的，但它总是缺乏足够的鉴别能力，以物体的阴影，弱散射的植被，黑暗的人造建筑，海湾模糊的噪音沿海岸线。本文提出了一种基于多阈值的形态学方法，首先将隔离区域划分为大陆内部、海外和沿海隔离区域，然后利用两个定义和形态学操作者对沿海区域进行进一步处理，以提高检测精度，减少误检测，特别是提高上述星云阴影、植被和暗人工建筑的检测精度。实验执行，结果表现出比传统阈值方法具有更好的性能。

1. INTRODUCTION

利用遥感数据执行海上监测、沉船救助、海污监测等任务，包括大面积监测、快速响应时间、成本低等，具有许多优点，可显著提高执行任务的效率。因此，船上的光学和SAR数据被用于监测海洋和海洋。

在利用远程感知数据进行上述应用的同时，提高效率的一个重要步骤是首先通过计算机自动提取沿海线特征，然后对海上目标进行精确处理（http：//www.wins.uva.nl/Research/isis）。

对于SAR数据，由于水与固体材料之间的散射特性不同，可以有效采用强度阈值法提取沿海线特征，但提取沿海线的结果受分辨率和斑点的影响。

光学数据由于其高分辨率，甚至可用于监控偷渡、走私，此外还可用于上述应用。一般来说，强度阈值方法仍可用于有效提取沿海线特征。

阈值法（Sahoo，1988）是一种简单而有效的图像分析和图像分割方法（Kohler，1981年），用于处理多种类型的图像，包括光学图像、SAR图像、多光谱图像等。同时，它传播了许多详细的做法（Kapur，1985年;佩雷斯，1987年）。阈值方法还可用于提取远程感应图像中的沿海特征。但是，如果存在一些黑暗区域，如伪水域，如物体的阴影，弱散植被，沿沿海地区昏暗的建筑物，其中一些可能会被视为海洋的一部分，传统的阈值方法，这将导致一些错误的判断。不， 噪音可能使一些属于海洋的水域隔离， 并导致错误的判断。

一般来说，数学形态学运算符（Heijmans，1994年）包括侵蚀、稀释、开放、关闭等，它们被广泛用于分割图像、增强图像（Pesaresi，2001年）。本文提出了一种基于多阈值的形态学方法，用于提取光学远程感知图像中的沿海线特征。首先，我们采用传统的灰色阈值方法提取基本沿海线特征，这是一个由许多复杂隔离区域组成的二进制图像。然后，通过界定区域距离，将隔离区域分为大陆内隔离区$A_{iso}^{Cont}$、外海隔离区$A_{iso}^{Coast}$和沿海隔离区$A_{iso}^{Coast}$。之后，沿海偏僻地区海岸$A_{iso}^{Coast}$被做了一个进一步的过程，即基于先前知识的区域阈值用于识别沿海$A_{iso}^{Coast}$的大陆或海域属性。通过形态学操作者 Erosion 到最小路径的进一步过程，将属于海域的沿海隔离区域与主要海域连接。通过它，可以提高划分海域和大陆面积的准确性，降低错误判断率。最后，形态学运算符"打开"和"关闭"用于填充相同的属性、大陆或海洋区域，并在远程感应图像中获取准确的成本线特征。

2. COASTAL LINE FEATURE EXTRACTING BY THRESHOLDING APPROACH

各种物体的光散射具有不同的特征，在光学远程感知图像中表现出不同的颜色或强度信息。强度阈值方法利用水的暗强度信息提取沿海线特征。

假设强度阈值为$Thresh$，对于光学遥感图像$I$，$I(i,j)$是任何一个像素，然后我们处理$I(i,j)$:
$$I(i,j)=\{\begin{array}{rlrlr}255& & if& & I(i,j)\ge Thresh\\ 0& & if& & I(i,j)<Thresh\end{array}$$

从经验上，Thresh 选择图像的均值强度或其相邻值，也就是说：
$$Thresh=mean(I)+\Delta$$
上式中的$\Delta$是$Thresh$的优化，Thresh 也可以由 Otsu （Otsu， 1979 年） 提议的方法计算。

通过这个程序，很容易划分暗强度的主要海域，$main{A}^{Sea}$和强散射主陆，$main{A}^{Cont}$。当然，在陆地面积中，也有一些暗强区域，如湖泊、弱散射植被、物体阴影等，在门槛处理后会导致一些孤立的假海区。同时，沿海线沿线的一些海湾可能由于噪音而被隔离为水域，而岛上的岛屿或船只将形成陆地，成为孤立的点或区域。同样，图像的噪声也会导致一些孤立的点或区域。因此，通过阈值处理的结果将是包含主要沿海线特征的二进制值图像。

为了准确提取沿海线，必须别有用心地使用形态学操作器处理这些隔离点或区域。为了便于描述，我们将在下面将所有孤立的点和地区视为孤立的区域。

3. 利用形态学操作器对沿海线特征进行分析

形态学操作器

将结构元素作为$SE$。对于图像$I$中的任何一个像素$p$，它的值为$value(p)$。假设$N_{SE}(p)$是由在像素$p$上操作的$SE$形成的相邻区域，然后对$p$进行的$Erosion$操作$SE$定义为：
E r o s i o n S E ( p ) = { ∧ v a l u e ( p ′ ) ∣ p ′ ∈ { p } ∪ N S E ( p ) } Erosion_{SE}(p)=\{ \wedge value(p^{'})|p^{'} \in \{p\} \cup N_{SE}(p)\} ErosionSE​(p)={∧value(p′)∣p′∈{p}∪NSE​(p)}

同时，对$p$进行的$Dilation$操作$SE$定义为：
D i l a t i o n S E ( p ) = { ∨ v a l u e ( p ′ ) ∣ p ′ ∈ { p } ∪ N S E ( p ) } Dilation_{SE}(p)=\{ \vee value(p^{'})|p^{'} \in \{p\} \cup N_{SE}(p)\} DilationSE​(p)={∨value(p′)∣p′∈{p}∪NSE​(p)}

然后，对$p$进行的$Open$和$Close$操作$SE$定义为：
$$\begin{gathered} Ope{n}_{SE}(p)=Dilatio{n}_{SE}Erosio{n}_{SE}(p) \\ Clos{e}_{SE}(p)=Erosio{n}_{SE}Dilatio{n}_{SE}(p) \end{gathered}$$

3.1 孤立区域判断

定义1 区域距离：
假设两个区域$A_1$和$A_2$，未在 4 相邻模式下连接，$P_1,P_2$分别是$A_1,A_2$中的一个像素点，$Conn$是像素之间的相邻连接模式，则$A_1$和$A_2$之间的区域距离为：
$$D(A_1,A_2)=\underset{P_1\in A_1,P_2\in A_2}{\min }(dist(P_1,P_2),Conn)$$
点$P_1^D,P_2^D$在$A_1,A_2$，对应于区域距离的像素为"距离像素"。

通常，$Conn$一般选择8或4相邻连接，如果$A_1,A_2$相连接，则区域距离为0.显然，在$A_1,A_2$中与区域距离对应的距离像素$P_1^D,P_2^D$并不唯一。

在擦除孤立区域 $A_{iso}$ 之前，必须确认它属于谁。我们划分这些孤立的区域作为大陆内孤立的区域 $A_{iso}^{Cont}$， 外海孤立区域$A_{iso}^{Sea}$，以及沿海孤立地区$A_{iso}^{Coast}$。

将区域距离的阈值设为$Thres{h}_1^D,Thres{h}_2^D$，那么孤立区域通过下面的公式划分：
$$A_{iso}\in \{\begin{array}{rlrlrlr}{A}_{iso}^{Cont}& & if& & D(A_{iso},main& & A^{Sea})>Thres{h}_1^D,\\ A_{iso}^{Sea}& & if& & D(A_{iso},main& & A^{Sea})>Thres{h}_1^D,\\ A_{iso}^{Coast}& & otherwise.& & & & \end{array}$$

事实上，对于大陆内孤立区域和外海孤立区域，其大陆或海域属性可以根据大陆内部或外部海洋属性进行确认。然而，对于沿海孤立地区，它需要通过进一步的判断来确认其大陆或海域属性。这些判断可以由其区域特征决定。如果该海域面积遵循特定范围，我们将该海域视为海域。

3.2 连接孤立的海洋区域

在确认沿海隔离区域的大陆内或外海属性后，如果某一区域属于海域，仍有工作将其与$main{A}^{Sea}$ 连接，使其成为海域的一部分。

定义2 最小路径：
假设区域$A_1,A_2$中的距离像素$P_1^D,P_2^D$，$Conn$是相邻模式，那么最小路径定义为：
P a t h m i n = { P i x e l s ∣ m i n ( d i s ( P 1 D , P 2 D , C o n n ) ) } Path_{min}=\{ Pixels|min(dis(P_1^D, P_2^D, Conn)) \} Pathmin​={Pixels∣min(dis(P1D​,P2D​,Conn))}

图1 沿海线特征提取的实验结果。（a） 源远程感应图像，（b） 用灰色阈值方法处理后处理的二进制图像，（c） 用传统阈值方法提取的沿海线特征，（d） 用拟议方法提取的沿海线特征。

然后，通过将属于海域的沿海隔离区域与$main{A}^{Sea}$连接，可以通过"水化"$A_{iso}^{Coast}$地区与$A^{Sea}$地区之间的最小路径实现。

3.3 消除其他孤立区域

上述加工后，属于海域的孤立区与主海域相连，成为整个海域。其余的处理是消除其他孤立区域。我们可以使用区域擦除运算符来消除它们，并使他们成为大陆或海洋的一部分。假设 $Area(\cdot )$是同一强度的区域运算符，并在二进制值图像中将区域连接到孤立区域$A_{iso}$，假设其像素值为 1 ，然后
$$I=\{\begin{array}{rlrlrlrlr}Open(A_{iso})& & if& & value(A_{iso})=1& & and& & Area(A_{iso})<Thres{h}^O\\ Close(A_{iso})& & if& & value(A_{iso})=0& & and& & Area(A_{iso})<Thres{h}^C\end{array}$$

$Thres{h}^O,Thres{h}^C$分别表示$Open,Close$操作区域的阈值。

经过前几步处理后，将准确提取光学远程感应图像中的沿海线特征。

图2 在图 1-（b）、1-（c）和 1-（d）中标记的 1 和 2 区域的放大结果。（a） 扩大区域为1-b，（b） 扩大区域为1-c，（c） 扩大区域为1-d，（d） 扩大区域为2-b，（e） 扩大区域为2-c，（f） 扩大区域为2-d。

4. 实验和结果分析

为了验证建议的方法，对遥感图像进行了实验。在这里，我们设置 $A_{iso}^{Sea}$ 和 $A_{iso}^{Cont}$区域距离 $Thres{h}_1^D$，$Thres{h}_2^D$ 到 2 像素，区域距离的连接模式 $Conn$ 和最小路径到 4 连接。$Open$ 操作的区域阈值为 16 像素，$Close$操作的区域阈值为 50000 像素。

5. 结论和未来工作

本文提出了一种基于多阈值的形态学方法，从光学远程感知图像中提取沿海线特征。传统的阈值方法对于图像分割简单而有效。但是，它将导致物体的阴影、弱散射植被和黑暗建筑物的任何错误划分。由几个形态学操作符同时提出两个定义，区域距离和最小路径，建议的方法被证明比传统的阈值方法具有更准确的结果，通过实验验证。

在建议的方法中使用多个阈值时，如何自适应地确定阈值是需要解决的另一个重要方面。适当的阈值选择将提供优化的结果（中川，1979年;王，1984年）。

由于雷达远程感知图像中水区与陆地之间的明显比较，光学图像和SAR图像的数据融合方法可用于提取沿海线特征，从而综合了各种数据的优势，可显著提高结果。