一種梯田信息提取方法和系統(tǒng)與流程
本發(fā)明涉及衛(wèi)星遙感技術(shù)領(lǐng)域，特別是涉及一種梯田信息提取方法和系統(tǒng)。
背景技術(shù)：
梯田是在丘陵山坡地上沿等高線方向修筑的條狀階臺式或波浪式斷面的田地，是治理坡耕地水土流失的有效措施，蓄水、保土、增產(chǎn)效果十分顯著。詳細確定某一定區(qū)域內(nèi)的梯田信息一直是水土保持工作關(guān)注的重要問題，有助于管理部門開展水土保持綜合治理項目監(jiān)督、管理工作的開展。
技術(shù)實現(xiàn)要素：
有鑒于此，本發(fā)明提供了一種梯田信息提取方法和系統(tǒng)，用于確定一定區(qū)域內(nèi)的梯田信息，以便管理部門能夠快速、大范圍獲取區(qū)域內(nèi)的梯田信息，針對該梯田信息開展水土保持綜合治理項目監(jiān)督、管理工作。
為了解決上述問題，本發(fā)明公開一種梯田信息提取方法，可選的，具體包括步驟：
對高分遙感影像內(nèi)進行邊緣檢測，獲得僅在梯田提取興趣區(qū)域處包含邊緣線的待處理圖像；
將待處理圖像進行分割，分割為多個邊長為預設(shè)尺寸的正方形窗口；
對每個所述正方形窗口所包含的有效邊緣線進行統(tǒng)計，將得到的有效邊緣線數(shù)量作為所述正方形窗口的特征值；
對每個所述正方形窗口的特征值與預設(shè)的特征閾值進行對比，將特征值與所述特征閾值相匹配的正方形窗口作為梯田窗口，保留所述梯田窗口，去除其他正方形窗口；
對僅保留有所述梯田窗口的待處理圖像進行形態(tài)優(yōu)化，得到平滑連續(xù)的包括梯田信息的處理后圖像。
可選的，所述對高分遙感影像內(nèi)進行邊緣檢測，獲得僅在梯田提取興趣區(qū)域包含邊緣線的待處理圖像，包括：
利用canny算子對所述高分遙感影像進行邊緣線檢測，獲得包含邊緣線的線條圖像；
將所述線條圖像與本底資料進行疊加；
根據(jù)所述本底資料的信息去除非梯田提取興趣區(qū)域的邊緣線，得到僅在所述梯田提取興趣區(qū)域處包含所述邊緣線的待處理圖像。
可選的，所述的對僅保留有所述梯田窗口的待處理圖像進行形態(tài)優(yōu)化，得到平滑連續(xù)的包括梯田信息的處理后圖像，包括：
對所述待處理圖像進行椒鹽現(xiàn)象處理；
對進行椒鹽現(xiàn)象處理后的待處理圖像的圖像邊緣進行優(yōu)化，得到所述處理后圖像。
可選的，所述對進行椒鹽現(xiàn)象處理后的待處理圖像的圖像邊緣進行優(yōu)化，得到所述處理后圖像，包括：
對所述圖像邊緣進行腐蝕和膨脹，得到所述處理后圖像。
可選的，所述特征閾值的獲取方法包括：
在疊加有耕地信息的高分遙感圖像上隨機選取樣本區(qū)域，所述樣本區(qū)域內(nèi)的不同種類梯田的梯田面積占所述樣區(qū)域的總面積的30～60％；
按與所述正方形窗口相同的規(guī)格對所述樣本區(qū)域進行窗口劃分，得到多個標準樣本窗口；
對包含梯田的標準樣本窗口和不包含梯田的標準樣本窗內(nèi)有效邊緣線的數(shù)量分別進行統(tǒng)計，根據(jù)特征閾值確定方法，獲取特征閾值。
一種梯田信息提取系統(tǒng)，具體包括：
邊緣檢測模塊，用于對高分遙感影像內(nèi)進行邊緣檢測，獲得僅在梯田提取興趣區(qū)域處包含邊緣線的待處理圖像；
窗口分割模塊，用于將待處理圖像進行分割，分割為多個邊長為預設(shè)尺寸的正方形窗口；
有效邊緣線統(tǒng)計模塊，用于對每個所述正方形窗口所包含的有效邊緣線進行統(tǒng)計，將得到的有效邊緣線數(shù)量作為所述正方形窗口的特征值；
圖像切割模塊，用于對每個所述正方形窗口的特征值與預設(shè)的特征閾值進行對比，將特征值與所述特征閾值相匹配的正方形窗口作為梯田窗口，保留所述梯田窗口，去除其他正方形窗口；
圖像優(yōu)化模塊，用于對僅保留有所述梯田窗口的待處理圖像進行形態(tài)優(yōu)化，得到平滑連續(xù)的包括梯田信息的處理后圖像。
可選的，所述邊緣檢測模塊包括：
邊緣線檢測單元，用于利用canny算子對所述高分遙感影像進行邊緣線檢測，獲得包含邊緣線的線條圖像；
圖像疊加單元，用于將所述線條圖像與本底資料進行疊加；
區(qū)域切割單元，用于根據(jù)所述本底資料的信息去除非梯田提取興趣區(qū)域的邊緣線，得到僅在所述梯田提取興趣區(qū)域處包含所述邊緣線的待處理圖像。
可選的，所述圖像優(yōu)化模塊包括：
第一圖像處理單元，用于對所述待處理圖像進行椒鹽現(xiàn)象處理；
第二圖像處理單元，用于對進行椒鹽現(xiàn)象處理后的待處理圖像的圖像邊緣進行優(yōu)化，得到所述處理后圖像。
可選的，所述第二圖像處理單元用于對所述圖像邊緣進行腐蝕和膨脹，得到所述處理后圖像。
可選的，還包括特征閾值獲取模塊，所述特征閾值獲取模塊包括：
樣本區(qū)域選取單元，用于在疊加有耕地信息的高分遙感圖像上隨機選取樣本區(qū)域，所述樣本區(qū)域內(nèi)的不同種類梯田的梯田面積占所述樣區(qū)域的總面積的30～60％；
窗口分割單元，用于按與所述正方形窗口相同的規(guī)格對所述樣本區(qū)域進行窗口劃分，得到多個標準樣本窗口；
有效邊緣線統(tǒng)計單元，用于對包含梯田的標準樣本窗口和不包含梯田的標準樣本窗內(nèi)的有效邊緣線的數(shù)量分別進行統(tǒng)計，根據(jù)特征閾值確定方法，獲取特征閾值。
從上述技術(shù)方案可以看出，本發(fā)明提供了一種梯田信息提取方法和系統(tǒng)，具體包括對高分遙感影像內(nèi)進行邊緣檢測，獲得僅在梯田提取興趣區(qū)域處包含邊緣線的待處理圖像；將待處理圖像進行分割，分割為多個邊長為預設(shè)尺寸的正方形窗口；對每個正方形窗口所包含的有效邊緣線進行統(tǒng)計，將得到的有效邊緣線數(shù)量作為正方形窗口的特征值；對每個正方形窗口的特征值與預設(shè)的特征閾值進行對比，將特征值與特征閾值相匹配的正方形窗口作為梯田窗口，保留梯田窗口，去除其他正方形窗口；對僅保留有梯田窗口的待處理圖像進行形態(tài)優(yōu)化，得到平滑連續(xù)的包括梯田信息的處理后圖像。從而使有關(guān)管理部門能夠根據(jù)本技術(shù)方案得到的處理后圖像確定一定區(qū)域內(nèi)的梯田信息，并針對該梯田信息開展水土保持綜合治理項目的監(jiān)督、管理工作。
附圖說明
為了更清楚地說明本發(fā)明實施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)這些附圖獲得其他的附圖。
圖1為本發(fā)明提供的一種梯田信息提取方法實施例的步驟流程圖；
圖2為本發(fā)明提供的邊緣線的提取結(jié)果示意圖；
圖3為本發(fā)明提供的椒鹽現(xiàn)象處理前的圖像；
圖3a為本發(fā)明提供的椒鹽現(xiàn)象處理后的圖像；
圖4為本發(fā)明提供的邊緣優(yōu)化處理前的圖像；
圖4a為本發(fā)明提供的邊緣優(yōu)化處理后的圖像；
圖5為本發(fā)明提供的標準樣本窗口劃分示意圖；
圖5a為本發(fā)明提供的閾值選取示意圖；
圖6為本發(fā)明提供的一種梯田信息提取系統(tǒng)實施例的結(jié)構(gòu)框圖；
圖7為本發(fā)明提供的另一種梯田信息提取系統(tǒng)的結(jié)構(gòu)框圖。
具體實施方式
下面將結(jié)合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術(shù)方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發(fā)明一部分實施例，而不是全部的實施例?；诒景l(fā)明中的實施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本發(fā)明保護的范圍。
實施例一
圖1為本發(fā)明提供的一種梯田信息提取方法實施例的步驟流程圖。
參照圖1所示，本實施例提供的梯田信息提取方法用于對衛(wèi)星獲取的高分遙感影像內(nèi)的梯田信息進行統(tǒng)計，具體可以包括如下步驟：
S101：對高分遙感影像進行邊緣檢測，獲得包括邊緣線的待處理圖像。
高分遙感影像即利用衛(wèi)星遙感技術(shù)獲取到的影像資料，通過對高分遙感影像內(nèi)的邊緣檢測，得到僅在梯田提取興趣區(qū)處包含邊緣線的待處理圖像，將梯田不可能存在的區(qū)域予以排出，可以有效提高處理效率。具體的邊緣檢測方法包括如下子步驟：
S1011：利用canny算子對高分遙感影像進行邊緣線檢測。
經(jīng)過反復實驗后，確定Canny算子為最適宜邊緣特征統(tǒng)計算法的邊緣檢測手段。Canny邊緣檢測算法是高斯函數(shù)的一階導數(shù)，是對信噪比與定位精度之乘積的最優(yōu)化逼近算子，其實現(xiàn)原理包括：高斯濾波圖象平滑，一階偏導有限差分梯度的幅值和方向計算，梯度非極大幅值抑制和雙閾值算法檢測與邊緣連接。具體的檢測過程如下所述。
①平滑圖像：
Canny算法首先用二維高斯函數(shù)的一階導數(shù)對高分遙感影像進行平滑，設(shè)二維高斯函數(shù)見(0-1)：
其梯度矢量見(0-2)：
用分解的方法提高速度，把G的2個濾波卷積模板分解為2個一維的行列濾波器見(0-3)和(0-4)：
式中，k為常數(shù)，e為高斯濾波器參數(shù)，它控制著平滑程度。對于e小的濾波器，雖然定位精度高，但信噪比低；e大的情況則相反，因此要根據(jù)需要適當?shù)倪x取高斯濾波器參數(shù)e。
②計算梯度的幅值和方向：
傳統(tǒng)Canny算法采用2×2鄰域一階偏導的有限差分來計算平滑后的數(shù)據(jù)陣列I(x,y)的梯度幅值和梯度方向。其中，x和y方向偏導數(shù)的2個陣列Px[i,j]和Py[i,j]分別見式(0-5)和(0-6)：
Px[i,j]＝(I[i,j+1]-I[i,j]+I[i+1,j+1]-I[i+1,j]) (0-5)
Py[i,j]＝(I[i,j]-I[i+1,j]+I[i+1,j+1]-I[i+1,j]) (0-6)
像素的梯度幅值和梯度方向用直角坐標到極坐標的坐標轉(zhuǎn)化公式來計算，用二階范數(shù)來計算梯度幅值見式(0-7)：
梯度方向見(0-8)：
③對梯度幅值進行非極大值抑制：
為了精確定位邊緣線，必須細化梯度幅值圖像M[i,j]中的屋脊帶，只保留幅值局部變化最大的點，這一過程就是非極大值抑制。在非極大值抑制過程中，Canny算法使用3×3大小，包含8方向的鄰域?qū)μ荻确店嚵蠱[i,j]的所有像素沿梯度方向進行梯度幅值的插值。在每一個點上，鄰域的中心像素M[i,j]與沿梯度方向的2個梯度幅值的插值結(jié)果進行比較,Y[i,j]是像素鄰域中心處沿著梯度方向的扇形區(qū)域，非極大值抑制在此區(qū)域進行。如果鄰域中心點的幅值M[i,j]不比梯度方向上的2個插值結(jié)果大，則將M[i,j]對應的邊緣標志位賦值為0，這一過程把M[i,j]寬屋脊帶細化為一個像素寬，并且保留了屋脊的梯度幅值。非極大值抑制(nonmaxima suppression,NMS)過程的數(shù)學表示見(0-9)：
N[i，j]＝NMS(M[i，j]，Y[i，j]) (0-9)
④檢測和連接邊緣：
雙閾值算法是對經(jīng)過非極大值抑制和梯度直方圖分類的子圖像N[i,j]分別使用高、低2個閾值fh和fl分割得到2個閾值邊緣圖像Th[i,j]和Tl[i,j]。由于圖像Th[i,j]是由高閾值得到，因此它應該不含有假邊緣線，但Th[i,j]可能在輪廓上有間斷。因此雙閾值算法要在Th[i,j]中把邊緣線連接成輪廓，當達到輪廓端點時，該算法就在由低閾值得到的邊緣圖像Tl[i,j]的8鄰域位置尋找可以連接到輪廓上的邊緣線，這樣，利用遞歸跟蹤的算法不斷地在Tl[i,j]中搜集邊緣線，直到將Th[i,j]中所有的間隙都連接起來為止。
最后對高分遙感影像進行二值化處理，即邊緣線賦值為1，背景值賦值為0，從而得到包含邊緣線的線條圖像。
S1012：將線條圖像與本底資料進行疊加。
所謂本底資料是提前獲取到的高分遙感影像所處區(qū)域的土地利用類型資料，其中包括耕地、園地、林地、草地、城鎮(zhèn)村及工礦用地、交通運輸用地、水域及水利設(shè)施用地和其他用地等土地利用類型，其中耕地是梯田最可能存在的區(qū)域，作為梯田提取興趣區(qū)域，其他土地利用類型梯田存在可能性小，即將存在梯田可能性小的信息標注在線條圖像中。
S1013：去除非梯田提取興趣區(qū)域的邊緣線，得到僅在梯田提取興趣區(qū)域存在邊緣線的待處理圖像。
即利用線條圖像中所標注的信息對邊緣檢測結(jié)果進行裁剪，縮小算法提取的目標范圍，以提高檢測效率。提取結(jié)果示意圖見2所示。
S102：將待處理圖像進行分割為多個邊長為預設(shè)尺寸的正方形窗口。
即將經(jīng)過剪裁得到的待處理圖像進行分割，分割為n*n個正方形窗口，每個正方形窗口的邊長為預設(shè)尺寸，該預設(shè)尺寸的具體數(shù)據(jù)以每個窗口中能夠包含合理數(shù)量的邊緣線為原則。
S103：統(tǒng)計每個正方形窗口的特征值。
具體為對每個正方形窗口中包含有效邊緣線的數(shù)量進行統(tǒng)計，將統(tǒng)計得到的有效邊緣線數(shù)量作為該正方形窗口的特征值。該特征值為判斷該正方形窗口是否包含梯田的判斷依據(jù)。
S104：將特征值與預設(shè)的特征閾值相匹配的正方形窗口作為梯田窗口予以保留，去除其他正方形窗口。
在得到每個正方形窗口的特征值后，將每個特征值分別于預設(shè)的特征閾值進行比較，如果某個正方形窗口的特征值與特征閾值相匹配，則將該正方形窗口作為梯田窗口予以保留；特征值與特征閾值不相匹配的正方形窗口則為非梯田窗口，去除掉非梯田窗口。從而得到僅保留梯田窗口的待處理圖像。這里的梯田窗口的含義是指該窗口中的地面為梯田。
上述特征閾值根據(jù)預先選擇的樣本區(qū)域中標準樣本窗口中的有效邊緣線數(shù)確定，該標準樣本窗口的面積與上述的正方形窗口面積相同。
S105：對包含梯田窗口的待處理圖像進行形態(tài)優(yōu)化，得到包含梯田信息的處理后圖像。
具體為經(jīng)過上述步驟處理得到的僅保留梯田窗口的待處理圖像進行形態(tài)優(yōu)化，得到符合梯田地物形態(tài)特征。具體處理過程包括椒鹽現(xiàn)象處理和邊緣優(yōu)化。
在進行椒鹽現(xiàn)象處理時，通過將待處理圖像中每個正方形窗口的上、下、左、右、左上、左下、右上和右下八個方向上的窗口的屬性進行對比，如果上述八個窗口中有五個以上窗口與該正方形窗口的屬性不同，則重置該正方形窗口的屬性，圖3為處理前的圖像，圖3a為處理后的圖像。
邊緣優(yōu)化是指將待處理圖像的圖像邊緣進行優(yōu)化，具體是指通過腐蝕和膨脹的方法將邊緣的鋸齒去除，最終得到平滑連續(xù)、并包含梯田信息的處理后圖像，其中，圖4為邊緣優(yōu)化前的圖像，圖4a為邊緣優(yōu)化處理后的圖像。
從上述技術(shù)方案可以看出，本實施例特提供了一種梯田信息提取方法，具體包括對高分遙感影像內(nèi)進行邊緣檢測，獲得僅在梯田提取興趣區(qū)域處包含邊緣線的待處理圖像；將待處理圖像進行分割，分割為多個邊長為預設(shè)尺寸的正方形窗口；對每個正方形窗口所包含的有效邊緣線進行統(tǒng)計，將得到的有效邊緣線數(shù)量作為正方形窗口的特征值；對每個正方形窗口的特征值與預設(shè)的特征閾值進行對比，將特征值與特征閾值相匹配的正方形窗口作為梯田窗口，保留梯田窗口，去除其他正方形窗口；對僅保留有梯田窗口的待處理圖像進行形態(tài)優(yōu)化，得到平滑連續(xù)的包括梯田信息的處理后圖像。從而使有關(guān)管理部門能夠根據(jù)本技術(shù)方案得到的處理后圖像確定一定區(qū)域內(nèi)的梯田信息，并針對該梯田信息開展水土保持綜合治理項目的監(jiān)督、管理工作。
另外，本實施例中的特征閾值可以根據(jù)以下的方法步驟獲取。
首先，將高分遙感圖像上疊加耕地信息，然后將疊加有耕地信息的高分遙感圖像隨機選取樣本區(qū)域。樣本區(qū)域的大小視所選窗口大小變化，且單個區(qū)域內(nèi)梯田面積應占樣本區(qū)域的面積的30～60％，選擇樣本區(qū)域中盡量包含不同種類的梯田，且至少選擇三個樣本區(qū)域，這里僅以一個樣本區(qū)域進行說明。
樣本區(qū)域中所包含的梯田類型的不同對提前結(jié)果產(chǎn)生的影響主要有：樣本區(qū)域內(nèi)梯田紋理越清晰，梯田提取結(jié)果越好；樣本區(qū)域內(nèi)梯田類型越單一，對該類型梯田的提取效果也好；樣本區(qū)域內(nèi)某一類梯田數(shù)量越多，
對該類型梯田的提取結(jié)果越好，具體見表1所示。
表1
然后，對樣本區(qū)域進行窗口劃分，得到多個標準樣本窗口，參見圖5所示。標準樣本窗口的尺寸要與上述的正方形窗口的尺寸相同。每個標準梯田窗口中至少要包含1～2個完整田面及相鄰部分田面，即2～4個有效邊緣線。
最后，對包含梯田窗口和不包含梯田的標準樣本窗口內(nèi)有效邊緣線分別進行統(tǒng)計，將得到的有效邊緣線的數(shù)量根據(jù)特征閾值確定方法，計算獲得特征閾值。
其中，在具體選取特征閾值時，對全部梯田窗口(WT)和非梯田窗口(WN)內(nèi)的有效線條數(shù)分別進行特征值的計算，參照圖5a所示，分別求出兩種窗口內(nèi)線條數(shù)目的最大值(max)、最小值(min)、平均值(ave)和標準差(Standard deviation)。
特征閾值(n)的取值或取值范圍按照公式(0-10)進行計算：
令WTn1＝(WTave-WTsd)，WTn2＝(WTave+WTsd)
WNn1＝(WNave-WNsd)，WNn2＝(WNave+WNsd)
則：n1＝WTave
n2∈[WTn1，WTn2] (0-10)
n3∈[WTn1，WTn2]，當WTn1≥WNn2時
n3∈[WNn2，WTn2]，當WTn1<WNn2時
n4∈[WTave，WTn2]
式中：
n1，n2，n3，n4為四個特征值；
WTave：梯田窗口有效線條數(shù)平均值、WTsd：梯田窗口有效線條數(shù)標準差；
WNave：非梯田窗口有效線條數(shù)平均值、WNsd：非梯田窗口有效線條數(shù)標準差；
WTn1和WTn2：表示距離WTave左右各一個WTsd距離的值；WNn1和WNn2：表示距離WNave左右各一個WNsd距離的值；n1，n2，n3，n4為四個初步特征閾值。
特征閾值確定：由(0-10)可以得出四個初步的特征值n1～n4，用于算法的窗口屬性的判定。將特征值分別帶入全圖的窗口屬性判定，顯示結(jié)果并由人為判斷最適宜的特征閾值。
需要說明的是，對于方法實施例，為了簡單描述，故將其都表述為一系列的動作組合，但是本領(lǐng)域技術(shù)人員應該知悉，本發(fā)明實施例并不受所描述的動作順序的限制，因為依據(jù)本發(fā)明實施例，某些步驟可以采用其他順序或者同時進行。其次，本領(lǐng)域技術(shù)人員也應該知悉，說明書中所描述的實施例均屬于優(yōu)選實施例，所涉及的動作并不一定是本發(fā)明實施例所必須的。
實施例二
圖6為本發(fā)明提供的一種梯田信息提取系統(tǒng)實施例的結(jié)構(gòu)框圖。
參照圖6所示，本實施例提供的梯田信息提取系統(tǒng)用于對衛(wèi)星獲取的高分遙感影像內(nèi)的梯田信息進行統(tǒng)計，具體包括邊緣檢測模塊10、窗口分割模塊20、有效邊緣線統(tǒng)計模塊30、圖像切割模塊40和圖像優(yōu)化模塊50。
邊緣檢測模塊10用于對高分遙感影像進行邊緣檢測，獲得包括邊緣線的待處理圖像。
高分遙感影像即利用衛(wèi)星遙感技術(shù)獲取到的影像資料，通過對高分遙感影像內(nèi)的邊緣檢測，得到僅在梯田提取興趣區(qū)域處包含邊緣線的待處理圖像，因為梯田最可能存在于耕地區(qū)域內(nèi)，其他土地利用類型其他土地利用類型梯田存在可能性小，因此將梯田存在可能性小的的區(qū)域予以排出，可以有效提高處理效率。具體來說，該模塊包括邊緣線檢測單元、圖像疊加單元和區(qū)域切割單元。
邊緣線檢測單元用于利用canny算子對高分遙感影像進行邊緣線檢測。
經(jīng)過反復實驗后，確定Canny算子為最適宜邊緣特征統(tǒng)計算法的邊緣檢測手段。Canny邊緣檢測算法是高斯函數(shù)的一階導數(shù)，是對信噪比與定位精度之乘積的最優(yōu)化逼近算子，其實現(xiàn)原理包括：高斯濾波圖象平滑，一階偏導有限差分梯度的幅值和方向計算，梯度非極大幅值抑制和雙閾值算法檢測與邊緣連接。邊緣線檢測單元的具體檢測過程如下所述。
①平滑圖像：
Canny算法首先用二維高斯函數(shù)的一階導數(shù)對高分遙感影像進行平滑，設(shè)二維高斯函數(shù)見(0-1)：
梯度矢量見(0-2)：
用分解的方法提高速度，把G的2個濾波卷積模板分解為2個一維的行列濾波器見(0-3)和(0-4)：
式中，k為常數(shù)，e為高斯濾波器參數(shù)，它控制著平滑程度。對于e小的濾波器，雖然定位精度高，但信噪比低；e大的情況則相反，因此要根據(jù)需要適當?shù)倪x取高斯濾波器參數(shù)e。
②計算梯度的幅值和方向：
傳統(tǒng)Canny算法采用2×2鄰域一階偏導的有限差分來計算平滑后的數(shù)據(jù)陣列I(x,y)的梯度幅值和梯度方向。其中，x和y方向偏導數(shù)的2個陣列Px[i,j]和Py[i,j]分別見式(0-5)和(0-6)：
Px[i,j]＝(I[i,j+1]-I[i,j]+I[i+1,j+1]-I[i+1,j]) (0-15)
Py[i,j]＝(I[i,j]-I[i+1,j]+I[i+1,j+1]-I[i+1,j]) (0-16)
像素的梯度幅值和梯度方向用直角坐標到極坐標的坐標轉(zhuǎn)化公式來計算，用二階范數(shù)來計算梯度幅值見式(0-7)：
梯度方向見(0-8)：
③對梯度幅值進行非極大值抑制：
為了精確定位邊緣線，必須細化梯度幅值圖像M[i,j]中的屋脊帶，只保留幅值局部變化最大的點，這一過程就是非極大值抑制。在非極大值抑制過程中，Canny算法使用3×3大小，包含8方向的鄰域?qū)μ荻确店嚵蠱[i,j]的所有像素沿梯度方向進行梯度幅值的插值。在每一個點上，鄰域的中心像素M[i,j]與沿梯度方向的2個梯度幅值的插值結(jié)果進行比較,Y[i,j]是像素鄰域中心處沿著梯度方向的扇形區(qū)域，非極大值抑制在此區(qū)域進行。如果鄰域中心點的幅值M[i,j]不比梯度方向上的2個插值結(jié)果大，則將M[i,j]對應的邊緣標志位賦值為0，這一過程把M[i,j]寬屋脊帶細化為一個像素寬，并且保留了屋脊的梯度幅值。非極大值抑制(nonmaxima suppression,NMS)過程的數(shù)學表示見(0-9)：
N[i，j]＝NMS(M[i，j]，Y[i，j]) (0-19)
④檢測和連接邊緣：
雙閾值算法是對經(jīng)過非極大值抑制和梯度直方圖分類的子圖像N[i,j]分別使用高、低2個閾值fh和fl分割得到2個閾值邊緣圖像Th[i,j]和Tl[i,j]。由于圖像Th[i,j]是由高閾值得到，因此它應該不含有假邊緣線，但Th[i,j]可能在輪廓上有間斷。因此雙閾值算法要在Th[i,j]中把邊緣線連接成輪廓，當達到輪廓端點時，該算法就在由低閾值得到的邊緣圖像Tl[i,j]的8鄰域位置尋找可以連接到輪廓上的邊緣線，這樣，利用遞歸跟蹤的算法不斷地在Tl[i,j]中搜集邊緣線，直到將Th[i,j]中所有的間隙都連接起來為止。
最后對高分遙感影像進行二值化處理，即邊緣線賦值為1，背景值賦值為0，從而得到包含邊緣線的線條圖像。
圖像疊加單元用于將線條圖像與本底資料進行疊加。
所謂本底資料是提前獲取到的高分遙感影像所處區(qū)域的土地利用類型資料，其中包括耕地、園地、林地、草地、城鎮(zhèn)村及工礦用地、交通運輸用地、水域及水利設(shè)施用地和其他用地等土地利用類型，其中耕地是梯田最可能存在的區(qū)域，作為梯田提取興趣區(qū)域，其他土地利用類型梯田存在可能性小，即將存在梯田可能性小的信息標注在線條圖像中。
區(qū)域切割單元用于去除非梯田提取興趣區(qū)域的邊緣線，得到僅在梯田提取興趣區(qū)域存在邊緣線的待處理圖像。
即利用線條圖像中所標注的信息對邊緣檢測結(jié)果進行裁剪，縮小算法提取的目標范圍，以提高檢測效率。提取結(jié)果示意圖見2所示。
窗口分割模塊20用于將待處理圖像進行分割為多個邊長為預設(shè)尺寸的正方形窗口。
即將經(jīng)過剪裁得到的待處理圖像進行分割，分割為n*n個正方形窗口，每個正方形窗口的邊長為預設(shè)尺寸，該預設(shè)尺寸的具體數(shù)據(jù)以每個窗口中能夠包含合理數(shù)量的邊緣線為原則。
邊緣線統(tǒng)計模塊30用于統(tǒng)計每個正方形窗口的特征值。
具體為對每個正方形窗口中包含有效邊緣線的數(shù)量進行統(tǒng)計，將統(tǒng)計得到的有效邊緣線數(shù)量作為該正方形窗口的特征值。該特征值為判斷該正方形窗口是否包含梯田的判斷依據(jù)。
圖像切割模塊40用于將特征值與預設(shè)的特征閾值相匹配的正方形窗口作為梯田窗口予以保留，去除其他正方形窗口。
在得到每個正方形窗口的特征值后，將每個特征值分別于預設(shè)的特征閾值進行比較，如果某個正方形窗口的特征值與特征閾值相匹配，則將該正方形窗口作為梯田窗口予以保留；特征值與特征閾值不相匹配的正方形窗口則為非梯田窗口，去除掉非梯田窗口。從而得到僅保留梯田窗口的待處理圖像。這里的梯田窗口的含義是指該窗口中的地面為梯田。
上述特征閾值根據(jù)預先選擇的樣本區(qū)域中標準樣本窗口中的有效線條數(shù)并依據(jù)特征閾值確定方法計算獲得，該標準樣本窗口的面積與上述的正方形窗口面積相同。
圖像優(yōu)化模塊50用于對包含梯田窗口的待處理圖像進行形態(tài)優(yōu)化，得到包含梯田信息的處理后圖像。
具體為經(jīng)過上述步驟處理得到的僅保留梯田窗口的待處理圖像進行形態(tài)優(yōu)化，得到符合梯田地物形態(tài)特征的處理后圖像。具體包括第一圖像處理單元和第二圖像處理單元。
第一圖像處理單元用于對待處理圖像進行椒鹽現(xiàn)象處理，在進行椒鹽現(xiàn)象處理時，通過將待處理圖像中每個正方形窗口的上、下、左、右、左上、左下、右上和右下八個方向上的窗口的屬性進行對比，如果上述八個窗口中有五個以上窗口與該正方形窗口的屬性不同，則重置該正方形窗口的屬性，圖3為處理前的圖像，圖3a為處理后的圖像。
第二圖像處理單元用于對待處理圖像進行邊緣優(yōu)化，具體是指通過腐蝕和膨脹的方法將邊緣的鋸齒去除，最終得到平滑連續(xù)、并包含梯田信息的處理后圖像，其中，圖4為邊緣優(yōu)化前的圖像，圖4a為邊緣優(yōu)化處理后的圖像。
從上述技術(shù)方案可以看出，本實施例特提供了一種梯田信息提取系統(tǒng)，具體包括對高分遙感影像內(nèi)進行邊緣檢測，獲得僅在梯田提取興趣區(qū)域處包含邊緣線的待處理圖像；將待處理圖像進行分割，分割為多個邊長為預設(shè)尺寸的正方形窗口；對每個正方形窗口所包含的有效邊緣線進行統(tǒng)計，將得到的有效邊緣線數(shù)量作為正方形窗口的特征值；對每個正方形窗口的特征值與預設(shè)的特征閾值進行對比，將特征值與特征閾值相匹配的正方形窗口作為梯田窗口，保留梯田窗口，去除其他正方形窗口；對僅保留有梯田窗口的待處理圖像進行形態(tài)優(yōu)化，得到平滑連續(xù)的包括梯田信息的處理后圖像。從而使有關(guān)管理部門能夠根據(jù)本技術(shù)方案得到的處理后圖像確定一定區(qū)域內(nèi)的梯田信息，并應用該梯田信息開展水土保持綜合治理項目監(jiān)督、管理工作的開展。
另外，本實施例中的特征閾值可以通過人為方式設(shè)置閾值，還可以增設(shè)用于確定特征閾值的特征閾值獲取模塊60，參照圖7所示。特征閾值獲取模塊60包括樣本區(qū)域選取單元61、窗口分割單元62和有效邊邊緣線統(tǒng)計單元63。
樣本區(qū)域選取單元61用于將高分遙感圖像上疊加耕地信息，然后將疊加有耕地信息的高分遙感圖像隨機選取樣本區(qū)域。樣本區(qū)域的大小視所選窗口大小變化，且單個區(qū)域內(nèi)梯田面積應占樣本區(qū)域的面積的30～60％，選擇樣本區(qū)域中盡量包含不同種類的梯田，且至少選擇三個樣本區(qū)域，這里僅以一個樣本區(qū)域進行說明。
樣本區(qū)域中所包含的梯田類型的不同對提前結(jié)果產(chǎn)生的影響主要有：樣本區(qū)域內(nèi)梯田紋理越清晰，梯田提取結(jié)果越好；樣本區(qū)域內(nèi)梯田類型越單一，對該類型梯田的提取效果也好；樣本區(qū)域內(nèi)某一類梯田數(shù)量越多，對該類型梯田的提取結(jié)果越好，具體見表1所示。
窗口分割單元62用于對樣本區(qū)域進行窗口劃分，得到多個標準樣本窗口，參見圖5所示。標準樣本窗口的尺寸要與上述的正方形窗口的尺寸相同。每個標準梯田窗口中至少要包含1～2個完整田面及相鄰部分田面，即2～4個有效邊緣線。。
有效邊緣線統(tǒng)計單元63用于對包含梯田的標準樣本窗口和不包含梯田的標準樣本窗內(nèi)的有效邊緣的數(shù)量分別進行統(tǒng)計，根據(jù)特征閾值確定方法，獲取特征閾值。。
其中，在具體選取特征閾值時，對全部梯田窗口(WT)和非梯田窗口(WN)內(nèi)的有效線條數(shù)分別進行特征值的計算，參照圖5a所示，分別求出兩種窗口內(nèi)線條數(shù)目的最大值(max)、最小值(min)、平均值(ave)和標準差(Standard deviation)。
特征閾值(n)的取值或取值范圍按照公式(0-10)進行計算：
令WTn1＝(WTave-WTsd)，WTn2＝(WTave+WTsd)
WNn1＝(WNave-WNsd)，WNn2＝(WNave+WNsd)
則：n1＝WTave
n2∈[WTn1，WTn2] (0-20)
n3∈[WTn1，WTn2]，當WTn1≥WNn2時
n3∈[WNn2，WTn2]，當WTn1<WNn2時
n4∈[WTave，WTn2]
式中：
n1，n2，n3，n4為四個特征值；
WTave：梯田窗口有效線條數(shù)平均值、WTsd：梯田窗口有效線條數(shù)標準差；
WNave：非梯田窗口有效線條數(shù)平均值、WNsd：非梯田窗口有效線條數(shù)標準差；
WTn1和WTn2：表示距離WTave左右各一個WTsd距離的值；WNn1和WNn2：表示距離WNave左右各一個WNsd距離的值；n1，n2，n3，n4為四個初步特征閾值。
特征閾值確定：由(0-10)可以得出四個初步的特征值n1～n4，用于算法的窗口屬性的判定。將特征值分別帶入全圖的窗口屬性判定，顯示結(jié)果并由人為判斷最適宜的特征閾值。
本說明書中的各個實施例均采用遞進的方式描述，每個實施例重點說明的都是與其他實施例的不同之處，各個實施例之間相同相似的部分互相參見即可。
本領(lǐng)域內(nèi)的技術(shù)人員應明白，本發(fā)明實施例的實施例可提供為方法、裝置、或計算機程序產(chǎn)品。因此，本發(fā)明實施例可采用完全硬件實施例、完全軟件實施例、或結(jié)合軟件和硬件方面的實施例的形式。而且，本發(fā)明實施例可采用在一個或多個其中包含有計算機可用程序代碼的計算機可用存儲介質(zhì)(包括但不限于磁盤存儲器、CD-ROM、光學存儲器等)上實施的計算機程序產(chǎn)品的形式。
本發(fā)明實施例是參照根據(jù)本發(fā)明實施例的方法、終端設(shè)備(系統(tǒng))、和計算機程序產(chǎn)品的流程圖和/或方框圖來描述的。應理解可由計算機程序指令實現(xiàn)流程圖和/或方框圖中的每一流程和/或方框、以及流程圖和/或方框圖中的流程和/或方框的結(jié)合。可提供這些計算機程序指令到通用計算機、專用計算機、嵌入式處理機或其他可編程數(shù)據(jù)處理終端設(shè)備的處理器以產(chǎn)生一個機器，使得通過計算機或其他可編程數(shù)據(jù)處理終端設(shè)備的處理器執(zhí)行的指令產(chǎn)生用于實現(xiàn)在流程圖一個流程或多個流程和/或方框圖一個方框或多個方框中指定的功能的裝置。
這些計算機程序指令也可存儲在能引導計算機或其他可編程數(shù)據(jù)處理終端設(shè)備以特定方式工作的計算機可讀存儲器中，使得存儲在該計算機可讀存儲器中的指令產(chǎn)生包括指令裝置的制造品，該指令裝置實現(xiàn)在流程圖一個流程或多個流程和/或方框圖一個方框或多個方框中指定的功能。
這些計算機程序指令也可裝載到計算機或其他可編程數(shù)據(jù)處理終端設(shè)備上，使得在計算機或其他可編程終端設(shè)備上執(zhí)行一系列操作步驟以產(chǎn)生計算機實現(xiàn)的處理，從而在計算機或其他可編程終端設(shè)備上執(zhí)行的指令提供用于實現(xiàn)在流程圖一個流程或多個流程和/或方框圖一個方框或多個方框中指定的功能的步驟。
盡管已描述了本發(fā)明實施例的優(yōu)選實施例，但本領(lǐng)域內(nèi)的技術(shù)人員一旦得知了基本創(chuàng)造性概念，則可對這些實施例做出另外的變更和修改。所以，所附權(quán)利要求意欲解釋為包括優(yōu)選實施例以及落入本發(fā)明實施例范圍的所有變更和修改。
最后，還需要說明的是，在本文中，諸如第一和第二等之類的關(guān)系術(shù)語僅僅用來將一個實體或者操作與另一個實體或操作區(qū)分開來，而不一定要求或者暗示這些實體或操作之間存在任何這種實際的關(guān)系或者順序。而且，術(shù)語“包括”、“包含”或者其任何其他變體意在涵蓋非排他性的包含，從而使得包括一系列要素的過程、方法、物品或者終端設(shè)備不僅包括那些要素，而且還包括沒有明確列出的其他要素，或者是還包括為這種過程、方法、物品或者終端設(shè)備所固有的要素。在沒有更多限制的情況下，由語句“包括一個……”限定的要素，并不排除在包括所述要素的過程、方法、物品或者終端設(shè)備中還存在另外的相同要素。
以上對本發(fā)明所提供的技術(shù)方案進行了詳細介紹，本文中應用了具體個例對本發(fā)明的原理及實施方式進行了闡述，以上實施例的說明只是用于幫助理解本發(fā)明的方法及其核心思想；同時，對于本領(lǐng)域的一般技術(shù)人員，依據(jù)本發(fā)明的思想，在具體實施方式及應用范圍上均會有改變之處，綜上所述，本說明書內(nèi)容不應理解為對本發(fā)明的限制。
- 還沒有人留言評論。精彩留言會獲得點贊！