基于主动轮廓模型的海洋航空遥感图像的边缘检测模型和最优化策略研究

The technology of edge detection is an important tool for the location and acreage calculation of oil slick, sea ice and red tide on the sea by aerial remote sensing. Whenever we need to identify them, confirm the location or get the shape and acreage of them, we have to get the edge information of images firstly. Edge detection algorithm based on active contour model becomes one of hot topics in image processing. In view of high noise, blurring and intensity inhomogeneity of oil slick infrared aerial images, this project developes a new edge detection algorithm.Firstly, according to the local region statistics information, edge intensity information,geometrical characteristic and convex constraint criterias, a new edge detection model for ocean aerial IR image will be proposed based on the local gassian fitting and intensity inhomogeinty correction. Theoretically convex transformation is realized by the global optimization idea of Chan.Then, The optimization strategy based on Split Bregman will be proposed and compared with the traditional gradient descent and weighted total variation optimization methods, the proposed strategy make edge detection more simple, make curve converge faster and more stable, and make edge detection more accturate.After that,the selection of local region control parameter can be optimized by machine learning to improve the robustness of edge detection algorithm. At last, the efficiency of the algorithm are analyzed and evaluated.

海洋航空遥感图像的边缘检测技术是最关键的海洋污染监测技术之一，是辨别溢油、海冰和赤潮等海洋灾害存在、估算污染数量的前期工作。基于主动轮廓模型的边缘检测算法目前已经成为图像处理领域中一个重要的研究方向。针对海洋航空遥感图像中存在的噪声、低对比度、边界模糊和灰度不均匀性等问题，本项目对其边缘检测新的研究思路进行探索，即首先综合考虑图像的局部区域统计信息、边缘梯度信息、几何特征、凸性约束限定等问题，建立基于局部高斯拟合和灰度不均匀性纠正的遥感图像快速边缘检测模型，并从理论上借用了Chan的全局最小化优化思想来实现凸性转化。然后提出基于Split Bregman的最优化策略，该策略较之传统的梯度下降和加权全变差最优化方法，使边缘检测算法实现更简单，曲线收敛更快更稳定，边缘检测结果更准确，并采用机器学习的方法实现局部区域控制参数的自动选取，提高边缘检测算法的鲁棒性。

随着国民经济的迅速发展，航空遥感技术应用的不断普及，遥感数据处理技术深入应用到了各个领域。航空遥感图像处理中的海洋遥感图像的边缘检测技术是最关键的海洋污染监测技术之一，是辨别溢油、海冰和赤潮等海洋污染突发事件存在、估算污染数量和面积的必要的前期工作，同时可以提高对海洋污染事故快速反应和处理的能力。由于海洋航空遥感图像在获取过程中存在着低对比度、边界模糊、复杂噪声及背景、灰度不均匀性和纹理不一致性等问题，这些问题会直接影响到目标检测和识别等后续任务处理的准确率和难易程度，且海量的遥感数据也对算法的效率提出了较高要求。因此，边缘检测算法的精确性、有效性、鲁棒性、通用性以及实时性仍然是亟待解决的问题。.本课题重点围绕溢油、海冰和赤潮等海洋航空遥感图像中存在大量的噪声，边界模糊，目标区和海水区对比度较低以及灰度不均匀性等问题，并且考虑遥感数据量较大的特点，对基于区域主动轮廓模型的边缘检测检测算法进行研究，构造快速的边缘检测数学模型及全局最优化策略，提出自适应、精确、高效及鲁棒性好的边缘检测新算法。主要研究内容包括基于区域主动轮廓模型的边缘检测算法的研究；基于分组字典与变分模型的图像去噪算法的研究；基于随机森林和多特征融合的图像分割算法的研究；基于视觉约束能量最小化和基于图结构的特征点匹配算法的研究。.本课题在基于区域主动轮廓模型的边缘检测、基于分组字典与变分模型的图像去噪、基于随机森林和多特征融合的图像分割以及基于视觉约束能量最小化和图结构的特征点匹配等方面取得重要成果。在国内外权威学术期刊上发表相关论11篇，出版专著2部，申请国家发明专利1项。