基于连通区域提取的中尺度涡自动检测方法研究∗

葛 艳 刘缵然

（青岛科技大学信息科学技术学院 青岛 266061）

1 引言

随着科学和技术的发展，人类与海洋的关系越来越密切。海洋向人类提供生存和发展必不可少的物质和能源，同时对地球气候与生态变化有着重要的影响。例如，在世界各大海洋中存在着一种普遍的海洋现象：中尺度涡。这种海洋上的涡旋，对海水中热量、盐分、化学物质的输运及分区动力条件的改变起着重要作用的同时，还会搅乱海水的稳定性，给海洋生物和海洋渔业造成严重破坏，对船运也会造成巨大影响［1～2］。因此，用特征可视化的手段，观察和检测这类复杂的流场中的特征结构就具有重大意义和科学价值。

海洋中尺度涡是一种非固定形状的自然目标识别，这是计算机图像识别中的一个难题。但是，对于海洋遥感图像中尺度检测和识别如果仅仅通过专家判读方法解译，不仅劳动强度大，而且具有不可避免的人为因素，无法满足快速、自动检测的需求。因此，研究海洋遥感中尺度涡检测和信息提取方法，提高中尺度涡检测的智能化和准确性，具有较高的实用价值。

在中尺度涡检测方面，国内外学者都做了大量的研究，有很多的技术和数学方法被用于中尺度涡特征的识别和分析中。比较常用的方法有以下几种：

1）基于洋面高度信息的漩涡提取［3～4］。在漩涡形成时，洋面高度会有显著变化，所以可通过此特征检测漩涡。用本方法在各种气候条件下提取漩涡是很可靠的，但是这种方法消耗的费用成本非常高。

2）基于温度场信息的漩涡提取。该方法利用洋流的热力差异来识别漩涡［5］。此方法对于状态描述的计算存在瑕疵。

3）基于卫星跟踪浮标的漩涡提取。贺志刚利用四颗卫星跟踪浮标和同一时间的TOPER/PO-SEIDON高度计数据获取漩涡的动态信息［6］。此方法费用成本非常昂贵并且不适合进行大面积提取。

4）基于卫星图像特征信息的漩涡提取。Peckinpaugh等基于遥感图像的边缘，提出了直接利用Hough变换圆检测算子进行涡检测的方法［7～8］。由于涡形态的复杂性，其检测边缘曲线一般不是一个规则的圆，故该方法还是比较粗略的。同时，Hough变换的一个主要缺点是随着处理数据量的增加，所需要的存储和计算量急剧增加，同时检测误差也随之增大。

以上方法在对遥感反演的长时间序列海洋要素场数据的快速、自动化信息分析与预报方面还存在欠缺，亟待与人工智能和模式识别方法相结合，寻找物理海洋领域定量研究的新技术手段和方法。本文遵循在中尺度漩涡提取中精度和速度尤为重要的原则，在基于图像特征信息的漩涡提取的基础上，提出了一种全新的中尺度涡自动检测方法。

2 基于连通区域提取的中尺度涡自动检测方法

本文对遥感图像中尺度涡检测研究，主要使用的是高分三号卫星L1B级和L2级的HH和DH极化图像，成像日期为2016年12月至2017年2月，其成像参数如表1所示。

表1 SAR成像参数示例

遥感图像中的中尺度涡检测过程分为三个步骤：图像预处理，图像检测和图像标记。流程图如图1所示。

图1 图像检测流程图

2.1 图像预处理

对遥感图像的预处理分为图像压缩，辐射定标和边缘检测三部分。

2.1.1 图像压缩

图像压缩是将原本行列数较多的图像压缩为行列数较少的图像，以提升后面图像纹理的计算速度。具体的压缩过程如下：

1）以4000为行列数的标准，取行数和列数除以4000的最小值为该图像的压缩系数；

2）当该系数为n并大于等于2时，则进行n*n的模板的均值计算，并将均值放入相应的行列数当中。

3）若该行列数能整除n，则将余下的行列进行n*m（m

2.1.2 辐射定标

辐射定标是将传感器记录的无量纲的DN值转换成具有实际物理意义的量，在此指计算成后向散射系数。主要是通过以下公式对图像进行定标：

2.1.3 图像Canny边缘检测

1986年，JOHN CANNY提出一个很好的边缘检测算法，被称为Canny边缘检测器［9］。Canny边缘检测根据对信噪比与定位乘积进行测度，得到最优化逼近算子，也就是Canny算子。类似与LoG边缘检测方法［10］，也属于先平滑后求导数的方法。检测阶跃边缘的基本思想是在图像中找出具有局部最大梯度值的像素点。其大部分工作集中在寻找能够用于实际图像的梯度数字逼近，图像梯度逼近必须满足如下两个要求：

1）能有效地抑制噪声；

2）必须尽量精确确定边缘的位置。

Canny边缘检测器是高斯函数的一阶导数，是对信噪比与定位之乘积的最优化逼近算子。Canny边缘检测有3个显著的优势：

1）正确率高，不会漏找边缘，或者出现伪相应边缘；

2）单边缘点相应，只有真实存在的边缘点，才会响应，不会出现多个边缘响应；

3）边缘定位精确度高，拟合的像素点尽可能贴近真实边缘。

Canny边缘检测算法的基本过程如下［11～12］。

1）图像平滑

将图像表示成一个离散化的二维灰度值函数f(x,y)，使用二维高斯函数的导函数作为图像平滑滤波器。由于求导和求卷积是可交换的，所以先用高斯函数平滑滤波然后再求导：

其中高斯滤波函数为

σ为高斯滤波器标准方差，决定图像的平滑程度。

2）梯度幅值计算

采用2*2邻域一阶偏导的有限差分计算平滑后的图像I(x,y)的梯度方向和幅值，其一阶偏导为

在求出x和y方向上的偏导后，利用二范数计算梯度幅值为：

梯度方向为

通过梯度方向，可以找到这个像素梯度方向的邻接像素。

3）梯度图像的非极大值抑制

通过上述步骤，可以将图像中的边缘连成轮廓。为了后续的继续处理，我们需将轮廓形成单像素边缘，即对梯度幅值图像M[i,j]中的屋脊带进行边缘细化，保留幅值局部变化最大的点。即对于图像的每一个点m[i,j]以及上一步中得到的梯度方向，我们将其与梯度方向上的2个值进行比较，如果m[i,j]小于梯度方向上的2个梯度幅值，说明该点不是局部最大值，则将m[i,j]对应的边缘标示为0，即该点不是边缘点。

4）阈值化处理

2.2 图像检测

经过上述对图像的预处理，已将图像处理为二值图像。然而，对二值图像分析最重要的方法就是连通区域标记。它是所有二值图像分析的基础，它通过对二值图像中白色像素（目标）的标记，让每个单独的连通区域形成一个被标识的块。从而进一步就可以获取这些块的轮廓、外接矩形、质心、不变矩等几何参数。

2.2.1 连通区域

在图像中最小的单位是像素，每个像素周围有8个邻接像素，常见的邻接关系有2种：4邻接与8邻接。4邻接共4个点，即上下左右，如图2所示。8邻接的点共有8个，包括了对角线位置的点，如图3所示。

图2 四邻域

图3 八邻域

如果像素点A与B邻接，称A与B连通，于是我们有如下的结论：

1）如果A与B连通，B与C连通，则A与C连通。

2）在视觉上看来，彼此连通的点形成了一个区域，而不连通的点形成了不同的区域。这样由所有彼此连通点构成的集合，称为一个连通区域［13～14］。

在图4中，如果考虑4邻接，则有3个连通区域；如果考虑8邻接，则有2个连通区域。（注：图像是被放大的效果，图像正方形实际只有4个像素）。

图4 连通区域

2.2.2 连通区域提取

在电子商务运营课程教学方式方面，要一改常态，采用案例教学、分组教学相结合，这样既可以调动学生的积极性，同时还可以让学生从活生生的例子中汲取重要的知识点，从中可以学到很多书本上学不到的知识点。还要定期进行实战演练，如：企业模拟平台。要让每位学生都可以经历实战操作，通过实战来检验学习的成果，这样可以很好让学生把理论知识转化为实践技能。

本文运用八邻域标记算法对图像进行标记，运用直接扫描标记算法把连续区域作同一个区域进行标记［15～16］。八邻域标记算法步骤如下：

1）循环遍历图像中的每一个点（i，j），判断点（i，j）八邻域中最左，左上，最上，上右方向的情况，如果没有其他点，则判定为一个新的连通区域的开始；

2）如果点（i，j）八邻域中最左、上右都有点，则标记点（i，j）为这两个中的最小标记点，并修改大标记为小标记；

3）如果点（i，j）八邻域中的左上、上右都有点，则标记（i，j）为这两个中的最小标记点，并修改大标记为小标记；

4）如果以上情况都不存在，则按照最左、左上、最上、上右的顺序，标记此点（i，j）为四个中的一个。

若图像是四邻域的，则一定是八邻域的。

2.2.3 中尺度涡圆弧检测

通过以上步骤，每一个连通区域都有唯一的一个值相对应。对图形处理起来也简单的多。以下是检测符合中尺度涡圆弧的步骤：

1）为防止图像边界影响检测的准确性，通过分析和咨询专家，若连通区域的长度或宽度大于整副图像长度或宽度的二分之一，将此连通区域视为边界噪声线，舍去。并将此条连通区域所对应的坐标上的值赋为0。同时，将连通区域的总条数减1。

2）循环遍历剩下的连通区域，对每条连通区域进行处理，选取其中长度和宽度分别符合设定阈值范围的圆弧（此阈值参数是根据多组数据的分析和专家从影像中识别出的多个漩涡数据作为基础设定的）。

3）寻找每条符合中尺度涡圆弧的特征点，拟合中尺度涡。

2.2.4 中尺度涡拟合

在中尺度涡圆弧检测的基础上，首先对每条符合中尺度涡圆弧的连通区域寻找特征点，然后根据特征点拟合中尺度涡。本文主要通过任意不共线的三点，运用最小二乘法对中尺度涡进行拟合。

通过观察总结容易看出，每条圆弧的特征点无非就是X轴方向上的最小值点（A点）和最大值点（B点），以及Y轴方向上的最小值点（C点）和最大值点（D点）四点。从四点中寻找更具特征性的三点，步骤如下：

1）固定X轴方向上的最小值点（A点）和最大值点（B点），若Y轴方向上的最小值点（C点）的横坐标距离A点的横坐标或者距离B点的横坐标小于设定的阈值，则将C点舍去，选取ABD三点进行中尺度涡拟合；

2）若Y轴方向上的最小值点（C点）的横坐标距离A点的横坐标或者距离B点的横坐标不小于设定的阈值，则选取ABC三点进行中尺度涡拟合。

本文中设定的距离阈值为50像素，实验表明此阈值合适。

基于以上得到的不共线的三个特征点，运用最小二乘法对中尺度涡进行拟合，同时返回拟合后的圆心和半径。根据圆心坐标确定中尺度涡的经纬度位置，按照遥感图像的实际宽度和图像的矩阵宽度之间的比例计算近似半径，从而得到近似中尺度涡的面积。

3 实验结果

为了检测本文方法的有效性，分别选取了高分三号卫星L1B级和L2级的遥感图像进行检测测试。

经过图像预处理，连通区域检测等步骤之后，对三幅不同的遥感图像进行圆弧检测和中尺度涡拟合分别如图5～7所示。实验表明，本文算法对海洋遥感图像的中尺度涡具有良好的检测性。

图5 中尺度涡圆弧检测和圆弧拟合实例1

图6 中尺度涡圆弧检测和圆弧拟合实例2

图7 中尺度涡圆弧检测和圆弧拟合实例3

4 结语

为了提高中尺度漩涡提取精度和速度，本文提出的基于连通区域提取的海洋中尺度涡自动检测方法。首先对遥感图像数据预处理，包括图像压缩、图像定标、图像边缘检测；然后对图像进行连通区域提取，计算其特征参数；最后对这些连通区域判别检测，实现对遥感图像中尺度涡的自动检测和标注。实验表明，该中尺度涡自动检测方法，对图像中漩涡的提取是行之有效的，同时有许多地方需要进一步完善。在检测中尺度涡圆弧时，定义的阈值参数已基本满足目前的图像检测，为继续提高准确度，同样需要更多的数据进行训练。在中尺度涡拟合后，由于是按照圆的半径计算其面积，与真实值还有一定误差，此步骤算法还需进一步完善。