关于在谷歌地图中识别陆地/海洋质量的技术的建议

Question

我希望开发一些代码，通过查看从谷歌地图下载的图像，分类图像的哪个部分描绘土地，哪个部分描绘海洋。

我是计算机视觉和机器学习的新手，所以我正在寻找一些可能有用的特定技术或API的指针（我不是在寻找这个解决方案的代码）。

到目前为止，我对此有何看法：

• 边缘检测可能没有太大帮助（单独）。虽然它给出了相当漂亮的海岸轮廓，但海面上/海面上的人工制品可能会给地面带来误报（如云，船等）。
• 提取图像的蓝色元素可以很好地指示哪个是海洋或者不是海洋（显然，海洋的蓝色饱和度比陆地高得多）

当然，非常感谢任何帮助。

编辑（对于任何可能想要做类似事情的人）：

• 使用静态Google地图API 获取地图图像（不是卫星 照片，这些都太多了 噪音/假象准确）。 示例网址 - http://maps.google.com/maps/api/staticmap?sensor=false&size=1000x1000&center=dover&zoom=12&style=feature:all|element:labels|visibility:off&style=feature:road|element:all|visibility:off
• 要生成阈值图像，我使用了Image processing lab。我会应用标准化的RGB - ＆gt;提取蓝色通道过滤器，然后应用二值化 - ＆gt; otsu门槛。这产生了极端有用的图像，而不需要调整阈值（algorithm非常聪明，所以我不会混淆水域并尝试解释它）。

Answer 1

我假设您使用的是Google地图中的卫星视图图像，否则您将无法撰写有关船舶或其他文物的文章。

正如您已经说过的那样，尝试提取蓝色图像部分可能是个好主意。 只是看看RGB图像的蓝色通道是行不通的（我只是尝试过），因为树林等不会在水面上给出一个很好的阈值。

因此，您可以尝试将图像转换为YCbCr色彩空间，并查看那里的色度通道。

这是我刚刚用谷歌地图截图制作的一个例子。我在Matlab中将它转换为YCbCr并且只是接受了Cb通道。

然后，您可以通过设定的阈值对此图像进行二值化，这不应该太难找到。 你可能仍然会有一些小的人工制品，你可以使用形态学操作员（打开图像几次）。 这应该删除小的人工制品，留下陆地部分和水的部分。

希望它有所帮助......如果没有，请继续问......

修改

我刚刚尝试使用matlab中的另一个屏幕截图：

1. 将图像转换为YCbCr色彩空间
2. 看看Cb频道
3. 找到固定的Cb图像的阈值，或者通过在二分直方图中找到合适的阈值的Otsu方法
4. 执行打开或其他过滤器以消除小噪音

我制作的原始图片：



在Cb图像上应用阈值后：

在图像上应用开口（5）后

我只是手动选择了一个阈值......通过查看哪个阈值可以更好地运行，您可能会得到更好的结果......但是正如您所看到的那样，这也应该适用于来自河流和海洋的不同颜色的水。

Answer 2

您正在寻找一种分割算法，将每个像素分配给两个类别之一（陆地，海洋）。最简单的方法之一是使用阈值处理。

1. 定义阈值t
2. 如果pixel value＆gt; t - ＆gt;指定像素到陆地
3. 否则将像素分配给大海（通常你会有一个位图，你可以跟踪像素类）

由于这种方法效果最好，如果你能轻易区分陆地和海洋质量，我建议你比较像素的hue value（即找到蓝色和绿色之间的阈值）。