本发明涉及sar图像语义分割领域,特别是涉及一种基于模拟植物生长算法及简单线性迭代聚类算法的海陆分割方法、系统、电子设备及介质。
背景技术:
1、相对于光学成像,合成孔径雷达具有全天候成像的优势,因而使得sar(syntheticaperture radar,合成孔径雷达)图像在战略目标识别与探测、灾害控制、土地资源监测、海域使用管理、地图测绘和船舰目标识别等领域起到了重要的作用。近年来sar图像在海域管理领域逐渐引起关注,其主要问题之一就是海陆分割海岸线监测问题,由于长时间江河泥沙堆积,填海造地等原因使得海岸线不断发生变化,有效监测海岸线的变化,对海域使用动态监测具有一定的实际意义。
2、目前比较典型的方法有基于阈值的分割算法,该算法拥有简洁、高效、易实现的特点,在许多分割技术中脱颖而出,倍受学者们的青睐。阈值分割技术的主要思想是从灰度值中选择合适的阈值,通过对比阈值与其他灰度值将图像分割成若干不同类的像素点,此方法的关键在于阈值的选择,找到一个最优阈值或一组最优阈值组合,但这种方法只考虑像素本身的灰度值,一般不考虑空间特征,因此对于噪声很敏感,海陆分割的精度较低,在实际运用中难以单独使用,通常与其他方法结合使用。
3、为了更好的实现sar图像在检测海岸线变化中实际作用,如何精准快速的对sar图像实现海陆分割显得至关重要。
技术实现思路
1、本发明的目的是提供一种海陆分割方法、系统、电子设备及介质,可提高对sar图像进行海陆分割的精度。
2、为实现上述目的,本发明提供了如下方案:
3、一种海陆分割方法,包括:
4、获取合成孔径雷达图像;所述合成孔径雷达图像中包括海洋部分和陆地部分;
5、基于模拟植物生长算法及简单线性迭代聚类算法,对所述合成孔径雷达图像中的像素点进行聚类,得到多个超像素;
6、采用dice系数加强多个超像素的连通性,以得到海陆分割结果。
7、可选地,基于模拟植物生长算法及简单线性迭代聚类算法,对所述合成孔径雷达图像中的像素点进行聚类,得到多个超像素,具体包括:
8、初始化超像素数量;
9、根据所述合成孔径雷达图像中的像素点总数及所述超像素数量,确定多个初始超像素中心点;
10、计算所述合成孔径雷达图像中各像素点的梯度值;
11、根据各像素点的梯度值及多个初始超像素中心点,采用模拟植物生长算法,确定多个最优超像素中心点;
12、针对任一像素点,根据所述像素点在灰度空间内的颜色像素值及各最优超像素中心点在灰度空间内的颜色像素值,计算所述像素点与各最优超像素中心点的颜色域距离;
13、根据所述像素点在平面空间上的坐标点及各最优超像素中心点在平面空间上的坐标点,计算所述像素点与各最优超像素中心点的空间域距离;
14、根据所述像素点与各最优超像素中心点的颜色域距离及空间域距离,确定所述像素点与各最优超像素中心点的总距离;
15、根据各像素点与各最优超像素中心点的总距离,对各像素点进行聚类,以得到多个超像素。
16、可选地,根据所述合成孔径雷达图像中的像素点总数及所述超像素数量,确定多个初始超像素中心点,具体包括:
17、根据所述合成孔径雷达图像中的像素点总数及所述超像素数量,将所述合成孔径雷达图像分为多个区域;
18、针对任一区域,将所述区域内的中心像素点作为所述区域的初始超像素中心点,以得到多个初始超像素中心点。
19、可选地,根据各像素点的梯度值及多个初始超像素中心点,采用模拟植物生长算法,确定多个最优超像素中心点,具体包括:
20、针对任一初始超像素中心点,根据所述初始超像素中心点设定范围内各像素点的梯度值,计算所述初始超像素中心点设定范围内各像素点的形态素浓度值;
21、将各初始超像素中心点设定范围内形态素浓度值最大的像素点作为最优超像素中心点。
22、可选地,所述设定范围为3*3;采用以下公式计算坐标为(x,y)的像素点的形态素浓度值:
23、
24、其中,txy为坐标为(x,y)的像素点的形态素浓度值,gradxy为坐标为(x,y)的像素点的梯度值。
25、可选地,采用dice系数加强多个超像素的连通性,以得到海陆分割结果,具体包括:
26、采用dice系数计算任意两个超像素之间的相似性;
27、将相似性小于设定阈值的两个超像素合并为一个超像素,以得到海陆分割结果。
28、为实现上述目的,本发明还提供了如下方案:
29、一种海陆分割系统,包括:
30、图像获取单元,用于获取合成孔径雷达图像;所述合成孔径雷达图像中包括海洋部分和陆地部分;
31、聚类单元,与所述图像获取单元连接,用于基于模拟植物生长算法及简单线性迭代聚类算法,对所述合成孔径雷达图像中的像素点进行聚类,得到多个超像素;
32、加强单元,与所述聚类单元连接,用于采用dice系数加强多个超像素的连通性,以得到海陆分割结果。
33、为实现上述目的,本发明还提供了如下方案:
34、一种电子设备,包括存储器及处理器,所述存储器用于存储计算机程序,所述处理器运行所述计算机程序以使所述电子设备执行上述的海陆分割方法。
35、为实现上述目的,本发明还提供了如下方案:
36、一种计算机可读存储介质,其存储有计算机程序,所述计算机程序被处理器执行时实现上述的海陆分割方法。
37、根据本发明提供的具体实施例,本发明公开了以下技术效果:
38、本发明将模拟植物生长算法与简单线性迭代聚类算法相结合,对合成孔径雷达图像中的像素点进行聚类,得到多个超像素,在加强连通性时,利用dice系数将过小的超像素与其相邻的超像素进行合并,最终提高了对sar图像的海陆分割精度。
1.一种海陆分割方法,其特征在于,所述海陆分割方法包括:
2.根据权利要求1所述的海陆分割方法,其特征在于,基于模拟植物生长算法及简单线性迭代聚类算法,对所述合成孔径雷达图像中的像素点进行聚类,得到多个超像素,具体包括:
3.根据权利要求2所述的海陆分割方法,其特征在于,根据所述合成孔径雷达图像中的像素点总数及所述超像素数量,确定多个初始超像素中心点,具体包括:
4.根据权利要求2所述的海陆分割方法,其特征在于,根据各像素点的梯度值及多个初始超像素中心点,采用模拟植物生长算法,确定多个最优超像素中心点,具体包括:
5.根据权利要求4所述的海陆分割方法,其特征在于,所述设定范围为3*3;采用以下公式计算坐标为(x,y)的像素点的形态素浓度值:
6.根据权利要求1所述的海陆分割方法,其特征在于,采用dice系数加强多个超像素的连通性,以得到海陆分割结果,具体包括:
7.一种海陆分割系统,其特征在于,所述海陆分割系统包括:
8.一种电子设备,其特征在于,包括存储器及处理器,所述存储器用于存储计算机程序,所述处理器运行所述计算机程序以使所述电子设备执行权利要求1至6中任一项所述的海陆分割方法。
9.一种计算机可读存储介质,其特征在于,其存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至6中任一项所述的海陆分割方法。