基于小波分析海洋锋形态特征提取.pdfVIP

基于小波分析的海洋锋形态特征提取1 1 2 3 1 2 薛存金 苏奋振 周军其 1 （中科院地理资源所 资源环境信息国家重点实验室海洋GIS中心 北京 100101） 2 3 （武汉大学遥感信息工程学院 武汉 430079）( 中国科学院研究生院 北京 100039) 摘 要：海洋锋具有强边缘信息和弱边缘信息共存的特性，其空间尺度在不同的空间位置存在较大 的差异。针对传统的边缘提取算子只能提取某一尺度的海洋锋信息，而其它尺度的信息被损失的缺点， 利用小波的多尺度分析特性，提出最佳尺度确定的算法框架，设计出最佳尺度确定算法的流程。以海 面温度锋-墨西哥湾流为实例进行海洋锋形态特征提取，并与典型的边缘提取算子效果在信息量、稳 健性、定位精度、连续性和对比度上进行对比分析。试验结果表明该算法在提取多尺度的海洋锋信息 的可行性和实用性。 关键词：海洋锋 小波分析 特征提取 海洋地理信息系统 1 引言与背景 从遥感中分析流场一直是海洋遥感的重要研究内容之一[1]。其中海流及其边沿锋的形态特征研究 不仅具有重要的科学意义，且面临着诸多实际应用的需求。从遥感反演要素场中提取海流及边沿锋的 形态特征，过去主要是采用灰度分割或假彩色显示，结合人工目视分析，提取和分析海洋现象特征[2] [3]。面对遥感数据海量增加、时间序列较长和判定标准需要统一的情况，上述的方法在效率和定量上 有所不足，由此计算机自动进行海面形态特征的提取已具有必要性和迫切性。而海面形态特征具有动 态易变性，从要素场中自动提取一直是国内外研究难点[4][5]。 海洋锋的研究在海洋渔业、环境保护、海洋倾废、海难救助、水声技术利用等方面具有应用价值， 在海洋领域一直是研究的重点[6]。海洋锋信息的提取属于海洋要素场高频信息的提取。由于海洋锋本 身的强边缘和弱边缘共存的特性，利用传统的边缘提取算子（Robert、Prewitt和Kirsch算子等）进 行海洋锋提取均不能达到理想的效果[7]。阈值选取的过大，弱边界信息和噪声信息均被屏蔽掉，弱边 界信息损失较为严重；若阈值选取得过小，弱边界信息得以保留的同时，噪声干扰也较为严重，两者 很难达到一个理想的折中。20 世纪 80 年代发展起来的小波理论，被誉为数学分析的显微镜，小波分 析的核心思想是多尺度分析。多尺度分析形成序列尺度的近似信息和细节信息，对各个尺度的近似信 息和细节信息分别根据需要进行处理和分析，在大尺度上提取强边界信息，在小尺度上提取弱边界信 息[8]。然后根据边缘信息和噪声信息在各个尺度间的分布存在本质的差异，对各个尺度上信息进行小 波重构，在提取各尺度边界信息的同时抑制了噪声，该方法在国外受到广泛的关注并取得了很好的效 果[9][10][11]。 然而利用小波多尺度分析理论来进行海洋锋形态特征的提取在国内还为多见，在国外研究也不是 很多。S.S.Iyengar 等尝试在尺度分析的基础上，利用小波多尺度分析技术对海洋图像要素场进行提 取； Simhadri, K.K 等提出弱边缘在海洋卫星图像上的存在性，并利用小波多尺度分析的思想提出了 一种在抑制噪声的同时，海洋边缘信息得以增强的算法，并取得了不错的效果。本文旨在探讨海洋锋 信息在各个尺度间的分布情况及海洋锋信息和噪声信息在各个尺度间分布的差异，在多尺度分析的基 础上，设计最佳尺度确定算法及其流程，并进行海洋锋形态特征进行提取。 2 最佳尺度确定算法 基金项目:国家 863 计划资助项目(2002AA639400,2003AA637030,2003AA604040) 作者简介:薛存金 男 1979.04 博士研究生 主要研究方向 海洋地理信息系统和遥感图像处理与应用 Email:xuecj@ Tel: 010转 7 -1- 2.1 多尺度分析 小波多尺度分析的思想可以用二维 Mallet 算法表示为图 1 所示的框架图。二维 MRA 多尺度分析 是在一维 MRA 算法的基础