海上溢油遙感圖像的邊緣檢測算法研究.pdf

1、隨著我國航海事業(yè)、海洋石油開發(fā)和沿海經(jīng)濟(jì)的迅速發(fā)展，溢油事故和不合法的廢油排放頻頻發(fā)生。這些問題嚴(yán)重地威脅著海洋環(huán)境并造成巨大的經(jīng)濟(jì)損失。所以，溢油的及時(shí)監(jiān)測、識(shí)別、回收和清理工作顯得十分重要。遙感技術(shù)的迅猛發(fā)展使得人們通過遙感手段來監(jiān)測和識(shí)別溢油成為可能，大量針對(duì)遙感數(shù)字圖像處理的技術(shù)也應(yīng)運(yùn)而生。其中，圖像邊緣檢測技術(shù)顯得尤為重要，因?yàn)闊o論溢油的識(shí)別，位置的確定或者溢油量的獲取，我們都需要首先確定溢油區(qū)域的邊界信息。由于溢油遙感圖像通

2、常存在大量的條紋、斑點(diǎn)噪聲，邊界模糊，溢油區(qū)和海水區(qū)對(duì)比度較低以及灰度不均勻性等問題，使得現(xiàn)存的邊緣檢測方法很難獲得精確的邊緣檢測結(jié)果。本課題以溢油遙感圖像為重點(diǎn)研究對(duì)象，對(duì)圖像邊緣檢測的發(fā)展情況，現(xiàn)狀進(jìn)行了深入、系統(tǒng)的探討和研究，創(chuàng)新性地提出了3種邊緣檢測算法。具體工作可概括如下：
　　 1.借鑒了傳統(tǒng)邊緣檢測方法的思路即：候選邊緣點(diǎn)的確定，閾值去噪和邊緣連接三個(gè)過程，且針對(duì)閾值去噪過程中常用的全局閾值算法的缺陷提出了一種動(dòng)態(tài)

3、分塊閾值去噪算法，該算法考慮了局部邊緣的梯度信息對(duì)閾值的影響，避免了在使用全局閾值算法時(shí)由微弱精細(xì)邊緣形成的局部極大值會(huì)隨著由灰度不均勻、噪聲等產(chǎn)生的極大值一起被濾除掉，從而更加準(zhǔn)確的確定了真實(shí)的邊緣點(diǎn)，且對(duì)候選邊緣圖像中存在的偽邊緣和噪聲具有較好的抑制能力。在邊緣連接的過程中，針對(duì)GDNI邊緣連接方法在噪聲和模糊邊界的干擾下容易產(chǎn)生誤連接的問題，提出一種改進(jìn)的GDNI邊緣連接算法，該算法綜合利用了邊緣終斷點(diǎn)間的灰度信息，歐幾里德距離信

4、息以及方向信息，實(shí)現(xiàn)了對(duì)終斷邊緣點(diǎn)的準(zhǔn)確連接。實(shí)驗(yàn)結(jié)果表明，提出的兩種算法的結(jié)合較好地實(shí)現(xiàn)了具有低對(duì)比度、弱噪聲問題的溢油遙感圖像的邊緣檢測，且具有很好的實(shí)時(shí)性。
　　 2.充分利用區(qū)域可擴(kuò)展擬合模型RSF和全局最小化主動(dòng)輪廓模型GMAC各自的優(yōu)勢，提出了一種新的基于區(qū)域可擴(kuò)展的全局主動(dòng)輪廓邊緣檢測模型(RSF-GAC)。該模型在全局最小化框架下引了圖像的邊緣信息和局部區(qū)域信息，既能夠避免能量函數(shù)的演化陷入局部極小值，又能夠抑制

5、圖像中存在的噪聲、灰度不均勻性和低對(duì)比度等問題。在曲線演化和數(shù)字最小化的過程中，引入了基于加權(quán)全變分的對(duì)偶規(guī)則，將RSF-GAC模型的最小化問題轉(zhuǎn)化成一個(gè)迭代過程，并對(duì)數(shù)字化迭代過程進(jìn)行了文字描述。與傳統(tǒng)的基于水平集的曲線演化方法相比，基于加權(quán)全變分對(duì)偶規(guī)則的最小化方法不需要定義初始輪廓，實(shí)現(xiàn)更簡單，曲線收斂更快，更準(zhǔn)確。實(shí)驗(yàn)結(jié)果證明，提出的RSF-GAC邊緣檢測模型對(duì)于具有低對(duì)比度、強(qiáng)噪聲、弱灰度不均勻性問題的溢油遙感圖像都能夠獲得較

6、理想的邊緣檢測結(jié)果，且與其它算法相比，具有較少的控制參數(shù)、較高的精確性和較快的收斂速度。
　　 3.由于溢油遙感圖像中會(huì)存在各種程度的灰度不均勻性的問題，而現(xiàn)存的主動(dòng)輪廓邊緣檢測模型無法很好的處理該問題，基于此本文提出一種健壯的基于局部高斯擬合和灰度不均勻性糾正的主動(dòng)輪廓邊緣檢測模型LGF-IHC。首先對(duì)具有灰度不均勻性的圖像用數(shù)學(xué)方法來描述，并嘗試建立一個(gè)基于局部高斯擬合和灰度不均勻性糾正的區(qū)域能量模型，然后結(jié)合測地線主動(dòng)輪廓

7、模型的邊緣梯度信息構(gòu)造了一個(gè)新穎、健壯的LGF-IHC主動(dòng)輪廓邊緣檢測模型。從理論上借用了Chan的全局最小化優(yōu)化思想來求得LGF-IHC模型的全局極小解。在數(shù)字最小化和曲線演化過程中，運(yùn)用了基于加權(quán)全變分的對(duì)偶規(guī)則，快速、穩(wěn)定地實(shí)現(xiàn)了LGF-IHC模型的全局最小化迭代過程。通過大量的實(shí)驗(yàn)證明了提出的LGF-IHC模型不僅能夠有效的實(shí)現(xiàn)具有低對(duì)比度和強(qiáng)噪聲問題的溢油遙感圖像的邊緣檢測，還能夠糾正圖像中存在的各種程度的灰度不均勻性問題，從