本发明涉及船舶航线简易高效提取方法，特别是面向轨迹图像的船舶航线智能化提取方法。
背景技术：
1、船舶航路提取能够提供有效的航线规划和航行安全保障，因此在航海领域中具有重要的应用价值。目前，针对船舶航路提取的研究主要集中在基于海洋数据和规则的传统航线设计，这种方法往往费时费力，且在远距离长航线等大规模的航线设计时会受到一些限制。如何借助船舶历史航迹来批量进行智能化航线设计是当前的航路提取手段的新思路。
2、在船舶航路提取领域，目前存在以下主要流派。第一种是基于经验规则的方法，这种方法依赖船舶驾驶员的知识和经验，考虑海洋特征、天气、航道和船舶性能等因素，采取主观经验式确定船舶航路。第二种是基于海洋学的方法，该方法利用传统海洋学的知识和技术，分析海洋水流、气象、地形等因素，结合历史航行数据进行航路规划。第三种基于ais数据的数学模型方法，通过原始ais大数据，模拟船舶航行和海洋环境来确定航路，采用优化算法进行求解。此外，还有第四种，基于二维船舶航路图像进行船舶轨迹聚类提取，实现对船舶航路的信息提取。
3、现有的几个流派在面对复杂的海上环境和大量的数据时，存在以下短板：基于经验规则的方法过于依赖于航海人员的经验，很容易受限于主观判断和个体差异，且无法充分利用大数据和海洋预报等信息；基于传统海洋学的方法虽然考虑了海洋环境因素，但在处理多变、非线性的海洋数据时存在一定的局限性；基于数学模型的方法不仅需要建立复杂的数学模型，并且对模型参数的选择和校准要求较高，此外ais大数据购买昂贵且获得困难；基于二维图像处理航路提取方法存在的问题是：无法准确确定不同航路边界，误差难以消除。在图像处理模式中，首先机器学习和深度学习方法存在的问题是处理过程复杂，运算难度高；其次二维灰度图像处理方法存在的问题是语义阈值分割不清晰，噪声多，处理效果提升难度大，且随着每次迭代处理，误差也会随着增大。
技术实现思路
1、本发明解决目前各类船舶航线提取方法存在的如下问题：依赖航海员的经验的方法很容易受限于主观判断和个体差异、且无法充分利用大数据和海洋预报等信息，基于传统海洋学的方法在处理多变和非线性海洋数据存在局限性，而基于数学模型的方法数学模型复杂、模型参数选择和校准要求较高，ais大数据购买昂贵且获得困难，基于二维图像处理航路提取方法存在噪声多、无法准确确定不同航路边界、迭代增大误差增大，机器学习和深度学习方法处理过程复杂以及运算难度高、处理效果提升难度大，提供一种面向轨迹图像的船舶航线提取方法，能够不受主观因素影响自动提取大量船舶航路信息，能够完全克服噪声的影响，能够对不同繁忙程度的船舶航路进行高精度辨识提取，不需要复杂的数学模型和要求高参数的选择，节约人力资源、提高工作效率、使得航路信息的提取和分析过程更加高效。
2、本发明的技术方案是：
3、面向轨迹图像的船舶航线提取方法，包括下列步骤：
4、s1：针对由船舶ais数据所形成的航线热力图图像，采用三维数据提取方法，转化为三维航线密度散点图像；
5、s2：对s1的三维航线密度散点图像的ais数据在三维密度空间进行纬度上插值，得出在不同高程数据上的船舶密集航路信息，识别其目标高程数据并进行反演放回二维坐标系，得出连续空间下船舶密集航路二维平面图；
6、s3：将步骤s2中二维平面图的坐标系转换为经纬度坐标体系。
7、s1所述三维数据提取方法包括下列步骤：
8、s11：获取船舶ais航线热力图；
9、s12：通过式(1)-(3)的计算，得到三维连续散点密度的船舶航路图，即三维航线密度散点图：
10、x＝x (14)
11、y＝y (15)
12、z＝i_r (16)
13、式中：
14、x为平面图横坐标；y为平面图纵坐标；x为三维散点图横坐标；y为三维散点图纵坐标；i_r为平面图红色分量。
15、s2插值包括下列步骤：
16、采用双线性插值算法，将步骤s12中互相垂直的两个独立方向x和y分别执行线性插值，根据离插值点的距离分配权重，并将四个最近邻点的值进行加权平均，从而获得插值点的高程估计值，得到z轴高程数据图像；其x方向插值表达式为：
17、
18、其y方向插值表达式为：
19、
20、式(4)-(6)中，q11、q21、q12、q22为像素点，x、x1、x2为坐标边界，f(x,y1)与f(x,y2)为r1、r2的像素值；
21、s2还采用边缘检测和边缘平滑处理技术对二维平面图进行图像边界处理，用颜色边界取代船舶航行轨迹宽度，从而获得习惯航路边界位置信息。
22、s3转换为经纬度坐标体系根据纬度渐长率公式转化为经纬度坐标系，即基于墨卡托投影方式，将像素坐标转化为经纬度坐标体系，再通过纬度渐长率算法快速提取信息供航海使用，具体是：
23、假设墨卡托投影的坐标系原点为(0，λ0)，x轴为赤道，y轴则在经度为λ0处垂直于赤道，墨卡托投影公式即为：
24、x＝λ-λ0 (20)
25、
26、λ＝x+λ0 (23)
27、
28、其中，λ为经度，为纬度。式(7)、(8)为正算，式(9)、(10)
29、为逆运算，纬度渐长率公式为式(11)。
30、所述的面向轨迹图像的船舶航线提取方法，还包括步骤s4：
31、s4：航路重建：对来自不同ais数据所获取的不同三维航线密度散点图像或船舶航路长距离数据源的轨迹点进行航路链接，即将航路信息关联，从而形成更长的航路段。
32、s4的航路重建的所述关联是通过像素与像素点之间设定距离阈值来判断其是否关联，有关联即连线，非关联即剔除，其公式如(12)，
33、
34、其中，xa和ya是前像素点的坐标，xb和yb是后像素点的坐标，然后通过对距离应用阈值来决定是否将两个像素点关联起来。
35、s4步骤的航路重建还包括航路平滑化处理，公式(13)为航路平滑处理公式，该公式如下：
36、
37、其中，g(x,y)为高斯滤波器的输出像素值，x和y是像素点相对于中心像素的偏移，是高斯分布的标准差，其控制滤波器的平滑程度。
38、一种存储介质，其特征是存储有计算机指令，所述计算机指令被处理器执行时用于实现如权利要求1—8之一所述的面向轨迹图像的船舶航线提取方法。
39、技术效果：
40、本发明将ais船舶航线热力图通过三维数据提取方法转化为三维航线密度散点图像，即将二维轨迹图像升至三维图像，然后从三维航线密度散点图中获取不同高程数据上的船舶密集航路信息，识别出目标航路的高程数据，从而有效地增强了航路的可视化能力和区分度并做到零误差信息提取，能够更准确地表现船舶在海洋中的航行轨迹，然后通过将轨迹图像重新转换为二维，并运用图像处理技术将二维平面图坐标系转换为经纬度坐标体系，实现对航路信息的提取。
41、本发明不受航海人员主观判断和个体差异的影响，可以充分利用ais数据，提取大量船舶航路信息，同时本发明方法不涉及复杂的数学模型、不需要进行模型参数选择和校准，克服了噪声的影响，能够准确地确定不同航路边界，不需要迭代，因此不会增大误差，处理过程简单、运算难度低，处理效果好。本发明不仅节约人力资源、提高工作效率，而且使得航路信息的提取和分析过程更加高效。本发明方法能够克服现有各种船舶航路提取的缺点，在处理大规模船舶轨迹数据时具有优势，能够提供更准确和高效的船舶航路信息。
42、本发明的三维数据提取方法简单，通过简单计算即可得到三维连续散点密度的船舶航路图。
43、通过双线性插值拟合算法，成功获取了不同高程(颜色)的z轴高程数据图像，得到船舶习惯航路信息，从而得到了目标航路的相关数据，利用可视化数学工具，就可以使得整个空间下不同高程位置的航路数据同时呈现；即双线性插值利用可以填补图像中像素之间的空白区域，根据离插值点的距离分配权重，并将四个最近邻点的值进行加权平均，从而获得插值点的高程估计值，实现航路准确位置信息进一步感知，对不同繁忙程度的船舶航路进行高精度辨识提取。即双线性插值算法利用了多维信息，从而有助于提高插值结果的精确度，
44、本发明方法在船舶航行轨迹数据图像的基础上，进行图像处理后，反演形成二维平面图的船舶航路数据，主要是用颜色边界取代船舶航行轨迹宽度，针对图像颜色过渡区域，辨识不同繁忙程度或者不同船舶航线密度航路的边界，从而准确确定设定航路的边界信息。
45、接着，本发明的航路重建像素与像素点之间通过设定距离阈值来判断是否其是否关联，有关联即连线，非关联即剔除。这样，在密度较高的区域，算法可以生成更密集的航路，而在密度较低的区域则生成更稀疏的航路，以更好地反映航线密度的分布。因此，航路重建技术是根据船舶密度热力图的变化，辩识航路宽度与提取航线方向，自适应调校航路精细度，进而确定强关联航路点，实现航迹路径表达。
46、最后，航路重建算法引入了平滑化技术，使生成的航路路径更加平滑和连续，本发明采用高斯滤波器方法来实现，以减少噪声和不必要的抖动。
47、下面结合附图和实施例对本发明做进一步的说明。
1.面向轨迹图像的船舶航线提取方法，其特征是包括下列步骤：
2.根据权利要求1所述的面向轨迹图像的船舶航线提取方法，其特征是s1所述三维数据提取方法包括下列步骤：
3.根据权利要求2所述的面向轨迹图像的船舶航线提取方法，其特征是s2插值包括下列步骤：
4.根据权利要求3所述的面向轨迹图像的船舶航线提取方法，其特征是s2还采用边缘检测和边缘平滑处理技术对二维平面图进行图像边界处理，用颜色边界取代船舶航行轨迹宽度，从而获得习惯航路边界位置信息。
5.根据权利要求4所述的面向轨迹图像的船舶航线提取方法，其特征是s3转换为经纬度坐标体系根据纬度渐长率公式转化为经纬度坐标系，即基于墨卡托投影方式，将像素坐标转化为经纬度坐标体系，再通过纬度渐长率算法快速提取信息供航海使用，具体是：
6.根据权利要求5所述的面向轨迹图像的船舶航线提取方法，其特征是还包括步骤s4：
7.根据权利要求6所述的面向轨迹图像的船舶航线提取方法，其特征是s4的航路重建的所述关联是通过像素与像素点之间设定距离阈值来判断其是否关联，有关联即连线，非关联即剔除，其公式如(12)，
8.根据权利要求7所述的面向轨迹图像的船舶航线提取方法，其特征是s4步骤的航路重建还包括航路平滑化处理，公式如下：
9.一种存储介质，其特征是存储有计算机指令，所述计算机指令被处理器执行时用于实现如权利要求1—8之一所述的面向轨迹图像的船舶航线提取方法。
