language-agnostic - 关于在谷歌地图中识别陆地/海洋质量的技术建议

Question

我希望开发一些代码，能够通过查看从谷歌地图下载的图像，对图像的哪一部分描绘陆地、哪一部分描绘海洋进行分类。

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

到目前为止我有一些进展:

• 边缘检测(单独而言)可能没有多大帮助。尽管它给出了相当漂亮的海岸轮廓，但海面/海上的人工制品可能会对陆地(如云、船只等)产生误报。
• 提取图像的蓝色元素可以很好地指示哪个是海洋，哪个不是海洋(显然，海洋的蓝色饱和度比陆地高得多)

当然，我们非常感谢任何帮助。

编辑(对于任何可能想做类似事情的人):

• 使用静态谷歌地图 API 获取 map 图像(不是卫星图像) 照片，这些太多了 准确地说是噪声/伪影)。 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
• 为了生成阈值图像，我使用了 Image processing lab 。我将应用归一化 RGB -> 提取蓝色 channel 滤波器，然后应用二值化 -> 大津阈值。这产生了非常有用的图像，而无需摆弄阈值(algorithm非常聪明，所以我不会混淆视听并试图解释它)

Answer 1

我假设您正在使用 Google map 上的卫星 View 图像，否则您不会写有关船舶或其他文物的文章。

正如您已经说过的，尝试提取蓝色图像部分可能是一个好主意。 仅仅查看 RGB 图像的蓝色 channel 是行不通的(我刚刚尝试过)，因为树林等不会在水面上提供良好的阈值。

因此，您可以尝试将图像转换为 YCbCr 色彩空间并查看其中的色度 channel 。

这是我刚刚用谷歌地图的屏幕截图制作的示例。我在Matlab中将其转换为YCbCr，然后只取了Cb channel 。

然后，您可以通过设置良好的阈值对该图像进行二值化，这应该不难找到。 您可能仍然会有一些小的伪影，您可以使用形态运算符(多次打开图像)。 这应该会移除小的人工制品并留下陆地部分和水体部分。

希望有帮助...如果没有，请继续询问...

编辑

我刚刚在 matlab 中再次尝试使用另一个屏幕截图:

1. 将图像转换为 YCbCr 色彩空间
2. 看看 Cb channel
3. 在 Cb 图像上查找固定阈值或通过 Otsu 方法在二部直方图中查找适当的阈值
4. 执行开运算或其他滤波器来消除小噪音

我制作的原始图像:

对 Cb 图像应用阈值后:

在图像上应用开口 (5) 后

我刚刚手动选择了一个阈值...通过查看哪个阈值效果更好，您可能会得到更好的结果...但是正如您所看到的，这也应该适用于河流和海洋的不同颜色的水。