matlab分割后的区域的相同边界,基于图像分割的海洋锋面提取方法与流程

本发明涉及遥感信息技术和物理海洋领域，特别涉及到一种以卫星遥感海洋水文要素数据为基础，利用数字图像处理技术对海洋锋面进行提取的方法。

背景技术：

：海洋锋面是两个类型不同的水团或水系间的分界面，在锋面处对应的水文要素(如温度、叶绿素浓度、盐度等)急剧变化，形成对应水文要素的高梯度区域。海洋锋面处海水辅聚，垂直运动加强，同时海水携带的营养物质在此处富集，为浮游生物、鱼类等提供丰富的饵料，从而易于形成良好的渔场，所以海洋锋面与海洋能量交换与物质输送、海洋生态系统和渔业资源分布密切相关。因此海洋锋面的提取对渔业生产计划制订、渔情预报、海洋生物栖息地调查、海洋流场结构分析等领域具有重要意义。遥感技术能在同一时间获取大面积海洋要素观测数据，遥感数据优良的连续性以及同步性使其被广泛应用于海洋锋的提取。海洋锋面是对应水文要素图像的边缘信息，因此海洋锋面的提取往往被认为是一种海洋水文要素图像的边缘检测的过程。目前海洋锋面主要通过sobel算法或canny算法进行提取。sobel算法是根据海洋锋面处对应水文要素呈现较高水平梯度的原理，先利用sobel算子计算水文要素图像的像元梯度，再设置合理的阈值将梯度值高于该阈值的像元作为锋面像元。canny算法则先通过高斯滤波去除图像噪声，再计算图像梯度及梯度方向，然后通过非极大值抑制去除伪边缘，最后利用高、低阈值实现边缘检测和边缘连接。sobel算法和canny算法均是通过对海洋水文要素图像中的高梯度像元进行处理从而实现锋面的提取，且sobel算法和canny算法在其设计之初均是用于强边缘(如固体边缘)的提取，被处理的对象边缘特征十分明显，边缘处像元梯度值突然增大，因此才能获取较为连续且宽度较小的边缘线。然而海洋属于流体，海洋中各水文要素在卫星影像中呈现出弱边缘的特征，即边缘不明显，边缘处像元梯度值增长相对固体边缘而言较为平缓。sobel算法只能获取宽度较大的带状锋面区域而无法获取锋面中心线，而且图像噪声所在处同样是图像高梯度区域，sobel算法仅通过单一的阈值难以区分噪声信息和锋面信息，因此sobel算法锋面提取结果受噪声影响较大；Canny算法通过高斯滤波和双阈值检测过程降低了噪声对锋面提取结果的影响，同时非极大值抑制和双阈值检测过程可以实现宽度为单像元大小的锋面中心线的获取，但是在利用canny算法进行锋面提取时，海洋水文要素图像的弱边缘特征使得一些较弱的边缘信息在非极大值抑制或双阈值检测过程中被剔除，从而导致锋面提取结果连续性不佳，并出现较多的破碎锋，此外canny算法需要同时设定高、低两个阈值，同时设定双阈值组合的方式无法分别确定高、低阈值的选取对锋面提取结果的影响，从而加大了阈值调整的难度。海洋锋面的本质是不同性质水团或水系的分界面，因此，可以先通过图像分割将海洋水文要素图像分割成若干不同性质的区域(即水团)，然后再搜索不同区域间的边界，该边界即为海洋锋面。经过图像分割后的海洋水文要素图像的边缘信息得到加强，同时图像噪声被削弱，因此，对分割后的水文要素图像进行边缘检测以实现海洋锋面的提取，提取结果会有更好的连续性，且受噪声影响较小。技术实现要素：针对海洋水文要素图像呈现弱边缘特征的特点，本发明目的在于提供一种基于图像分割的海洋锋面提取方法，利用中值滤波减少图像噪声，并通过对海洋水文要素图像进行图像分割来增强图像边缘信息并进一步削弱图像噪声，从而解决因海洋水文要素图像弱边缘特征以及图像噪声导致的传统sobel算法和canny算法锋面提取结果受噪声影响较大、连续性不佳的问题，使锋面提取结果有更好的连续性，并减少破碎锋的出现，同时能获取锋面中心线以便进一步获取海洋锋面的位置信息及其空间分布情况。本发明以对应水文要素遥感图像作为锋面提取的数据源，先通过图像分割将水文要素图像分割成若干不同性质的区域(即水团)，然后搜索不同区域间的边界以实现海洋锋面的提取。本发明提出的基于图像分割的海洋锋面提取方法，具体步骤如下：(1)利用遥感技术获取海洋水文要素图像，作为后续锋面提取步骤的基础数据；(2)利用中值滤波对步骤(1)得到的海洋水文要素图像进行处理，以削弱图像噪声；(3)对步骤(2)经过中值滤波处理后的图像采用区域生长的方法进行图像分割，将图像分割成若干性质不同的独立区域，并输出图像分割结果图；即以种子像元为起点，将待归并像元与已归并像元视为同一组数据，若该组数据变异系数小于所设定的变异系数阈值，则将待归并像元归并到该待生长区域中；按照待归并像元与待生长区域的已归并像元作为同一组数据时的变异系数从低到高的顺序依次判断待归并像元是否符合生长准则；(4)搜索步骤(3)中分割得到的每个独立区域的边界；(5)利用zhang-suen法对步骤(4)中得到的每个独立区域的边界进行细化，得到宽度为单像元大小的区域边界，并输出细化后的区域边界图，每个区域边界像元都是待提取的锋面像元；(6)计算经过步骤(2)中值滤波后得到的图像分割结果图中的像元梯度；像元梯度计算的公式为：Dx＝[T(i,j+1)-T(i,j-1)]/2ΔXDy＝[T(i+1,j)-T(i-1,j)]/2ΔY式中，Grad为像元梯度，Dx、Dy分别为像元东西方向和南北方向上的梯度，i、j分别为像元在图像矩阵中的行、列号，ΔX、ΔY分别是图像X、Y方向上像元的大小，即图像空间分辨率；(7)梯度图像二值化并输出梯度二值化结果图；选择合适的梯度阈值，对步骤(6)中得到的像元梯度进行二值化处理，得到梯度二值化结果图，将高于梯度阈值的像元设为前景像元，低于梯度阈值的像元设为背景像元；(8)锋面像元筛选将步骤(5)经过细化后得到的区域边界图与步骤(7)经过二值化处理得到的梯度二值化结果图进行比较，将步骤(5)所得的区域边界与步骤(7)所得的梯度二值化结果图的前景像元位置不对应的区域边界像元剔除，相同位置上的区域边界像元则将其标记为锋面像元，最终完成海洋锋面的提取。本发明中，步骤(3)中对海洋水文要素图像进行图像分割将海洋水文要素图像分割成若干不同性质的区域(即水团)，然后在区域的基础上进行区域边界检测，分割后得到的区域边界较为平滑且有很好的连续性，从而减少了以单个像元为基础进行锋面提取时容易出现的破碎锋。本发明中，步骤(3)中图像分割的具体步骤如下：(3.1)根据海洋水文要素图像特征选择一个合适的种子像元，即第一个待生长区域的生长起点；(3.2)搜索该种子像元的邻域像元，将邻域像元中未被归并的像元作为待归并像元；(3.3)按照待归并像元与待生长区域的已归并像元作为同一组数据时的变异系数从低到高的顺序依次判断待归并像元是否符合生长准则，若符合生长准则，则将其归并到该待生长区域中；生长准则为：将待归并像元与已归并像元视为同一组数据，若该组数据变异系数小于所设定的阈值，则将待归并像元归并到该待生长区域中；变异系数的计算公式为：式中，S2为该组数据的标准偏差，为该组数据的平均值；若无可归并的邻域像元，则该待生长区域生长完毕，并将第一个未归并像元作为下一待生长区域的种子像元并返回步骤(3.2)；(3.4)将所有可归并的邻域像元归并后，搜索与该待生长区域相邻的未归并像元，重复步骤(3.2)、(3.3)；(3.5)若无未归并像元，则图像分割完毕，得到若干性质不同的独立区域。本发明中，为获取宽度为单像元大小的锋面中心线，采用Zhang-Suen法对步骤(4)中得到的区域边界进行细化处理，细化后的每个边界像元都是待提取的锋面像元；Zhang-Suen法的原理为：在二值图像中，假设待检测前景像元为P1，则其八邻域像元可表示成：P9P2P3P8P1P4P7P6P5若P1满足以下四个条件：a.2