海上溢油事故的频发对自然环境造成了严重破坏,因此准确分割海面遥感图像中的溢油区域对海上溢油监测具有重要意义。在实际业务运行中,运用能量最小化方法进行溢油分割时,需要手工设置一个适当的初始化描述遥感图像的溢油区域。由于海面溢油情况复杂,手工设置的初始化不能精确捕获各种形状的溢油区域,导致后续分割结果不准确,且耗费人力,初始化效率低。针对这一问题,本文提出基于单点模糊初始化的能量最小化溢油分割方法。与手工初始化相比,单点模糊初始化只需在海面溢油区域内选择任一像素作为初始点即可完成初始化,节约人力成本,且不同初始点衍生的模糊区域相同,能有效进行后续分割,获得具有一致性且精度更高的分割结果。针对基于RSF(Region Scalable Fitting)水平集的连续能量最小化分割方法,本文提出基于单点模糊初始化的RSF海面遥感溢油图像分割方法:在遥感图像的溢油区域选择任一像素作为初始种子点,基于模糊连通度算法构建初始水平集函数;运用最速下降法求解水平集函数的最小化;所得最小化的水平集函数中,大于零的区域对应溢油图像中的溢油区域。单点模糊初始化基于初始点和剩余像素之间的模糊连通度衍生出一个物理均质区域(即一致性的初始模糊区域),由此进行RSF能量最小化分割,能够得到精度更高的溢油分割区域。针对基于Graph-cuts算法的离散能量最小化分割方法,本文提出基于单点模糊初始化的Graph-cuts海面遥感溢油图像分割方法:首先在遥感图像的溢油区域选择任一像素作为初始种子点,基于模糊连通度算法得到初始模糊区域,然后将其设定为目标区域初始标签,同时选择相对任意位置的非溢油区域像素作为背景区域初始标签,最后基于Graph-cuts算法进行最小割/最大流(min-cut/max-flow)切割,将切割完成的图转化成溢油分割结果。将单点模糊初始化方法得到一致性的初始模糊区域作为目标区域初始标签,由此再进行Graph-cuts分割,分割过程更加稳定,溢油分割结果的精度更高。综上所述,单点模糊初始化方法操作简单、实用性强,可高效且准确地完成能量最小化分割。