论文专区▏基于水边线的遥感影像防波堤提取方法
喻金桃1,2，郭海涛1，林雨准1，陈小卫1，丁磊1
1.信息工程大学 地理空间信息学院；
2.华北计算技术研究所
【摘要】通过对遥感影像上防波堤的空间关系特征和其他特征的分析，设计了一种基于水边线的遥感影像防波堤提取方法。该方法首先对海岸带影像进行水边线提取；然后，将提取的水边线作为海陆分界线，进行海陆分割，得到海陆二值图；最后根据遥感影像上防波堤的空间关系特征和其他特征将防波堤从水边线中分割出来，并剔除伪防波堤的干扰。实验结果表明：该方法能够实现防波堤的自动准确提取，并且提取速度快、稳定性好。
【关键词】防波堤提取；空间关系特征；上下文特征；道格拉斯算法；水边线提取
一、引言
在传统测绘方法中，码头、防波堤等海洋近岸目标的获取主要是依靠人工测量结合遥感影像判读的方法。该方法自动化程度低、效率不高，劳动强度大，危险系数高，以至无法自动快速地获取海洋近岸目标的空间信息，势必对作战训练和航行安全带来隐患。随着我国航天技术和传感器技术的快速发展，我国实施全球海洋测绘已具备可靠的数据源保障。但我国在获取海岸带地理空间信息方面还存在很大不足，特别是缺乏可靠有效的海洋近岸目标提取方法[1]，此外，防波堤作为一种航行方位物，对航运和海上搜救起着至关重要的作用[2]。目前国内外的研究大部分是针对港口检测进行的[3-5]，专门针对防波堤提取的研究相对较少，因此对于防波堤提取方法的研究迫在眉睫。
在港口的检测中，通常利用码头、防波堤的检测来验证港口的存在，对于防波堤主要是利用长度和宽度、矩形度、圆形度等[6]形状特征和图像中的几何特征对防波堤目标进行检测[7]，而对防波堤的空间关系关注不够，另外，许多算法自动化程度不高，需要人工干预[8]。
针对上述问题，本文通过对遥感影像上防波堤自身特征以及空间关系的分析，设计了一种基于水边线的遥感影像防波堤提取方法，该方法根据防波堤本身是水边线或者是水边线的一部分，且水边线的提取比直接提取防波堤容易，首先进行水边线的提取，在此基础上，利用防波堤的空间特征和其他特征将防波堤提取从水边线中分割出来，并剔除伪防波堤，从而实现防波堤的自动提取。
二、基于水边线的防波堤提取原理
⒈防波堤特征分析及水边线提取
⑴防波堤空间关系特征分析
传统的遥感影像防波堤的检测提取方法主要考虑的是防波堤本身的灰度特征和结构特征，而对防波堤空间关系特征重视不够。防波堤本身就是水边线或者水边线的一部分，那么提取了水边线也就意味着防波堤已经被提取出来，要得到完整的防波堤只需要将防波堤从水边线中分离即可。然而，海岸带遥感影像水边线的提取一般要比直接提取防波堤容易，因此，充分利用海岸带遥感影像提取的水边线信息，再结合防波堤本身的灰度、结构等特征进行防波堤的提取往往效果更佳，对得到连续、完整的防波堤意义重大。
⑵防波堤其他特征分析
通过分析防波堤具有以下特征[9-10]：
①上下文特征
上下文特征是指防波堤位于陆地与海洋交界处，紧邻大片海域，防波堤的四周均被海水包围，而陆地一般不满足这个条件。
②长宽比
防波堤一般具有较为明显的长宽比（根据防波堤的面积和周长计算出的长和宽），绝大多数在10以上，而伪防波堤的长宽比一般较小[4-6]。
③具有一定的面积
虽然防波堤较窄，但是长度一般来说比较长，因此具有一定的面积。
④半封闭性
防波堤的存在是为了阻挡波浪，因此防波堤具有半封闭结构，半封闭结构内部是海域，外部也是海域，并在远离陆地的端点处呈现出口门状。
⑤防波堤一般成对出现。呈现出闭合状，伸向海域。
⑥同一个港口区域内，防波堤与陆地相连的两端距离有一定的范围。
⑶水边线提取
本文水边线的提取采用四叉树和多种活动轮廓模型相结合的水边线提取方法，该方法充分分析了测地线活动轮廓（GAC）模型、Chan-Vese（CV）模型、局部二值拟合（LBF）模型各自的优势和不足，并将各种活动轮廓模型的优势互补，实现水边线的自动准确提取[11]。
利用CV模型的全局信息和LBF模型的全局信息构造符号压力函数[11]，代替GAC模型[12]的边界停止函数，得到改进的水平集演化方程为：
式中：spf(I)为符号压力函数，div为散度算子，▽为梯度算子，a是一个常数项，为了增加轮廓法方向上的演变速度而增加。因为div(▽φ/|▽φ|)|▽φ|是一个规则化项，可以用水平集函数φ的拉普拉斯表示[13]，在实现时可以用高斯滤波代替该规则化项[14]，故规则化项可以忽略。然后采用二值选择和高斯滤波正则化的水平集方法进行演化[15]，所以，spf(I)|▽φ|也可以省略。最后的演化方程为：
⒉防波堤提取
防波堤的提取主要是采用多特征融合的思路进行，具体特征的应用如下：
①横纵向扫描。根据上文特征⑴扫描二值影像，对每一个陆地像素点，从左到右扫描每一列像素点，若出现连续的白色区域，并且上下两侧都是水域，则将该部分标记为防波堤区域；然后从上到下扫描每一行像素点，若出现连续的白色区域，并且左右两侧都是水域，则将该部分标记为防波堤区域；至此，获得横向和纵向扫描的疑似防波堤区域。
上述扫描可以提取比较简单的疑似防波堤区域，但是对于如图1所示的防波堤，将会把港口的一部分检测为防波堤，如图1中多边形框选的部分，因此需要将港口部分非防波堤部分分离。根据防波堤呈现细长长条状特征，而港口部分一般会比较宽，因此在进行二值图像扫描时，加入宽度、长度限制，设定防波堤的宽度和长度阈值，从而将港口部分去掉，得到更接近实际的疑似防波堤区域。
图1 防波堤示意图
②伪防波堤剔除。根据上文特征⑵～⑷进行伪防波堤剔除。计算被保留下来的疑似防波堤的长宽比，长宽比根据经验而定，一般大于10，如果连通区域的长宽比小于10，则将该疑似区域剔除。计算疑似防波堤与陆地相连两端的距离D_L以及远离陆地的防波堤两端点的距离D_F，若D_F﹥D_L，同样标记为伪防波堤区域。
③防波堤目标确认。根据上文特征⑸和⑹来进行防波堤区域的确定。
防波堤自动提取算法流程如图2所示：
图2 防波堤提取流程图
三、实验结果与分析
为了验证本文算法的有效性和稳定性，进行了3组实验，第一组实验是常规的简单的防波堤提取实验；第二组实验是带有码头等干扰物影响下的防波堤提取实验；第三组是不常见形状的防波堤提取实验。为定量分析本文方法提取的准确性，利用线特征提取被广泛使用的评价方法作为定量分析的指标，将算法提取的防波堤边线与人工提取的边线进行比较，采用完整性（CP）、正确率（CR）、提取质量（QL）三个指标对提取结果进行评价，计算方法参考文献[16]，3组实验的效率以及准确性统计结果如表1所示。
⒈实验一：常规防波堤提取
本实验是对简单常规的防波堤进行提取，以验证本文算法的可行性。影像大小为970像素×557像素，实验结果见图3。
图3 实验一防波堤提取
由图3可以看出，本文算法提取水边线准确，在准确提取水边线的基础上，能够准确提取防波堤，验证了本文算法的可行性。
⒉实验二：复杂背景下防波堤提取
本实验是对复杂背景下的防波堤进行提取，以验证本文算法的稳定性和有效性。影像大小为1459像素×1237像素，实验结果见图4。
图4 实验二防波堤提取
由图4实验结果可以看出，在有船只、部分港口等复杂背景条件下，本文算法依然能够提取出防波堤目标，验证了本文算法的有效性和稳定性。
⒊实验三：非常规防波堤提取
本实验是对非常规形状的防波堤进行提取，以验证本文算法的稳定性和有效性。影像大小为585像素×485像素，实验结果见图5。
图5 实验三防波堤提取
由图5提取结果可以看出，对于非常规形状的防波堤，本文算法同样可以准确的提取，验证了本文算法的稳定性和有效性。
由表1各组实验执行效率统计结果可以看出，本文算法提取效率较高，主要时间消耗在水边线提取上，主要原因在于水边线提取采用Matlab编程实现，而Matlab程序执行效率相对于C++偏低，在后续研究中将会进行改进。由表1实验准确率评价指标表明，本文算法针对不同情况均能较完整地提取出防波堤，完整率在96%以上，正确率和提取质量也较为理想。但是，对于防波堤与陆地相连部分的准确分割不够准确，下一步考虑结合防波堤的方向性作进一步的优化处理。
表1 各组实验执行效率以及准确率统计
提取时间/s | |||
实验 | 水边线提取时间 | 后续处理时间 | 总时间 |
实验一 | 51.8 | 0.8 | 52.6 |
实验二 | 66.9 | 1.4 | 68.3 |
实验三 | 3.4 | 0.5 | 3.9 |
准确性/% | |||
实验 | 完整性（CP） | 完整性（CP） | 完整性（CP） |
实验一 | 99.3 | 98.9 | 98.3 |
实验二 | 96.5 | 90.0 | 87.4 |
实验三 | 97.6 | 88.0 | 88.0 |
由表1各组实验执行效率统计结果可以看出，本文算法提取效率较高，主要时间消耗在水边线提取上，主要原因在于水边线提取采用Matlab编程实现，而Matlab程序执行效率相对于C++偏低，在后续研究中将会进行改进。由表1实验准确率评价指标表明，本文算法针对不同情况均能较完整地提取出防波堤，完整率在96%以上，正确率和提取质量也较为理想。但是，对于防波堤与陆地相连部分的准确分割不够准确，下一步考虑结合防波堤的方向性作进一步的优化处理。
四、结论
针对国内外对于防波堤提取的研究相对较少，并且很难提取完整、纯净的防波堤等问题，本文提出一种基于水边线的遥感影像防波堤提取方法。实验结果表明：该方法具有以下特点：①从各组实验水边线与原图叠加显示结果来看，水边线提取结果准确，为后续防波堤的准确提取奠定了基础；②该算法稳定性好，对于简单的防波堤，复杂背景下的防波堤以及非常规形状的防波堤均能正确的提取；③充分考虑防波堤与水边线的空间关系，准确的水边线提取，保证了后续防波堤边缘的准确；④该算法实现简单，提取效率高，实现了防波堤提的自动化提取。因此，该方法具有重要的应用价值。
参考文献：
[]王彦情,马雷,田原.光学遥感图像舰船目标检测与识别综述[J].自动化学报,2011,37(9):1029-1039.
[2]吴中鼎,钱成春,孙芳.海洋环境信息在海上搜救中的应用[J].海洋测绘,2008,05:23-27.
[3]吴建华.遥感图像中港口识别与毁伤分析研究[D].南京理工大学硕士学位论文.2005.
[4]魏军伟.遥感图像中港口目标检测研究与实现[D].西安电子科技大学学位论文.2007.
[5]杨飞.码头目标智能识别方法研究[D].北方工业大学硕士学位论文.2016.
[6]郭丽艳,徐海樵,王元斌等.一种基于知识的港口识别与理解方法[J].火力与指挥控制,2010,35(6): 46-49.
[7]刘昭贤,潘励.顾及几何特征的遥感影像港口提取方法[J].中国科技论文在线,2012:1-6.
[8]吴晓东.遥感影像航行方位物提取技术研究[D].解放军信息工程大学.2015.
[9]张永梅,周易,姜明.一种基于多元特征的海上目标分割方法[J].计算机应用与软件,2013,30(7):90-97.
[0]陈琪,陆军,杨仝,等.基于模型的遥感图像港口检测[J].信号处理,2010,26(6):941-945.
[11]喻金桃,郭海涛,李传广.等.四叉树与多种活动轮廓模型相结合的遥感影像水边线提取方法[J].测绘学报,2016,45(9):1104-1114.
[12]郭海涛,孙磊,申家双，等.一种四叉树和测地线活动轮廓模型相结合的海陆影像分割方法[J].测绘学报,2016,45(1):65-72.
[13]Fedkiw R,Osher S.Level set methods and dynamic implicit surfaces[M]. NewYork:Springer-Verlag,,2003:77.
[14]P.Perona,J.Malik,Scale-space and edge detection using anisotropic diffusion[J].IEEE Transaction on Pattern Analysis and Machine Intelligence.1990,12(7):629–640.
[15]Zhang K,Zhang L,Song H,et al. Active contours with selective local or global segmentation: a new formulation and level set method[J].Image and Vision computing,2010,28(4):668-676.
[16]丁磊,姚红,郭海涛,等.利用领域质心投票从高分辨率影像提取道路中心线[J].中国图像图形学报, 2015,20(11):1526-1534.
【作者简介】第一作者喻金桃，1992年出生，男，重庆人，硕士研究生，研究方向为数字摄影测量、遥感图像处理；本文来自《海洋测绘》（2018年第3期），若其他公众平台转载，请备注论文作者，并说明文章来源，版权归《海洋测绘》所有。
相关阅读推荐
公众号
溪流之海洋人生
微信号▏xiliu92899
用专业精神创造价值
用人文关怀引发共鸣
您的关注就是我们前行的动力
投稿邮箱▏452218808@qq.com