结合马尔可夫随机场和混合模型的海岸线提取

为了高效且准确地实现基于遥感影像的海岸线提取,提出一种结合马尔可夫随机场和混合模型的合成孔径雷达(synthetic aperture radar,SAR)影像海岸线提取算法。该算法以统计模型理论为研究基础,考虑SAR影像中同一地物像素反射强度的统计分布具有非对称和重尾的统计特性,利用伽马混合模型建立SAR影像内像素强度的概率分布。为了建模像素的空间相关性,采用马尔可夫随机场构建伽马混合模型的组分权重概率分布以克服SAR影像相干斑噪声的影响。结合马尔可夫随机场和伽马混合模型构建出SAR影像海陆分割模型,通过最大期望方法估计模型参数以实现准确的海陆分割,进而实现海岸线提取。在Sentinel-1卫星SAR影像上进行海岸线提取实验,实验结果表明该算法可实现准确的海岸线提取。

基于自动阈值与区域增长的SAR影像海岸线提取算法

为实现对海岸线的动态监管和监测,提出了一种自动阈值与区域增长相结合的合成孔径雷达(Synthetic Aperture Radar,SAR)影像海岸线自动提取方法。首先结合Canny边缘检测和最大类间方差法(OTSU方法)实现自动阈值分割提取水陆分界线;在自动阈值提取的基础上,对水域进行开运算和图像分割,将占有较大比例的海上水体作为种子点进行区域增长,获取海上水体,从而去除陆地水体、阴影等误分为海域的部分;之后对区域增长法获取的海陆分割结果进行去噪、填充等形态学优化处理,填补海上船体、风车、岛礁等造成的空洞影像,形成最终的海陆分割结果;最后,使用Canny边缘检测算子获取海岸线。基于江苏海岸带的实验结果表明该方法可以高精度地提取出光滑、连续的海岸线,在SAR影像海岸线提取中具有较强的实用性。

海岸线提取技术研究进展

探讨了海岸线定义不明确的问题。在总结实地测量痕迹线法和遥感影像提取法在测量海岸线的实现过程和关键技术的基础上,分析指出了这两种方法都存在效率低下、工作周期长、安全隐患大等缺点。介绍了国外利用航空LiDAR数据提取海岸线的主要方法及其实现过程,美国在垂直基准转换系统VDatum的支撑下,LiDAR技术提取海岸线法获得了较广泛的应用,而国内在技术方法研究与海域垂直基准建设方面则处于起步阶段。最后针对海岸线测量存在的问题提出了几点建议。

基于合成孔径雷达回波数据的海岸线提取方法

合成孔径雷达(synthetic aperture radar,简称SAR)通过对地面目标的多次照射来提高方位向上的目标分辨能力,由此使现有的SAR目标检测算法通常是一个基于SAR图像的后处理过程.在分析各种成像算法和现有的一些典型SAR目标检测算法的基础上,提出了一种在非成像状态下进行海岸线提取的新方法,把成像处理与目标检测问题有机地结合起来.通过真实星载SAR回波数据应用实验,证明了直接利用SAR回波对海岸线检测的有效性.

基于边缘引导约束的高分辨率遥感影像海岸线提取

针对海岸线的影像特征,提出一种基于边缘引导约束的海岸线提取方法。该方法是在遥感影像进行中值滤波处理,去除噪声的基础上,通过交互方式对遥感影像进行灰度拉伸,以增强海岸线特征;再利用梯度算子卷积运算得到梯度影像;然后通过边缘像素点和灰度差阈值引导种子点进行生长,进而提取包括滩涂在内的水域或其他地物;最后通过轮廓跟踪提取生长区域的边界,即海岸线。试验表明,该方法可准确提取出海岸线位置,效果较好。

基于邻域相关信息的海岸线提取方法

海岸线的检测是实现海洋遥感中海岸区域检测的前提和基础.利用遥感卫星IKONOS所提供的高分辨率全色影像,综合考虑光谱信息和空间信息,提出了一种基于邻域相关信息并基于二维类间方差原理的快速自动提取海岸线方法,经实验数据检验,取得了良好的分割效果.

遥感技术支持下海岸线提取算法

以河北省唐山市曹妃甸地区的海岸线为研究对象,选取ETM遥感影像进行低通滤波、中值滤波以及均值平滑处理。运用边缘检测方法中的修复归一水体指数算法(MNDWI)和Soble算法,实现了对曹妃甸地区的海岸线的自动提取。两种提取方法相比较的结果表明,Soble算法比修复归一化水体指数法提取精度更高,更适合曹妃甸地区的海岸线提取。

基于种子点增长的SAR图像海岸线提取算法

合成孔径雷达SAR(Synthetic Apenure Radar)图像海岸线检测在自动导航、地图绘制等海洋应用方面具有重要意义。国内外针对海岸线检测提出了不少方法,但是这些方法都有一个很大的缺点:速度慢。为此提出了一种快速SAR图像海岸线提取算法。该算法基于种子点增长的思想,从一个选定的初始种子点出发,计算出所有连通的海洋区域点,从而可以确定出海岸线位置。将该算法应用于真实的SAR图像进行实验,证明了该算法的有效性。

SAR影像海岸线提取方法对比及效果评价

利用合成孔径雷达(SAR)影像提取海岸线是当前遥感研究的热点之一,近年来基于边缘检测法、区域生长法、阈值分割法、水平集法、面向对象分类法、支持向量机分类法等系列SAR影像海岸线提取研究各自取得了一定的进展,但至今尚无对上述典型方法的全面研究与综合对比分析。为此,该文以基岩海岸、淤泥质海岸等2种常见类型海岸线的提取进行了实验,并提出一种海岸线提取精度定量评价的新指标——偏移误差,基于该指标定性定量对比分析了不同算法的优劣及适用性。实验表明,对基岩岸线,面向对象的分类法最优,边缘检测最劣;对淤泥质岸线,水平集最优,区域生长法最劣。

Otsu法、区域生长法及形态学相结合的遥感图像海岸线提取

针对现有的海岸线提取方法精度低,无法满足处理各种传感器卫星图像及对线性多样复杂的海岸线提取的需求,本文提出了一种将Otsu法、区域生长法及形态学相结合的遥感图像海岸线提取方法。并且通过试验证明,该海岸线提取方法可以充分发挥Otsu、区域生长法及形态学方法在提取海岸线方面的各自优势,大大提高了海岸线的提取精度。并利用该方法对两种不同的卫星图像数据进行海岸线提取,验证了该方法在不同条件下均有良好的适用性。

基于遥感和GIS的海州湾海岸线提取方法研究

海岸线的时空演变分析对于岸线空间资源的开发利用有重要意义。从遥感影像上提取的瞬时水边线随卫星过境时的潮位变化而不同,一般不具有可比性,只有潮位相同时的水边线才适合用来比较和分析海岸线的时空变化。以海州湾为例,提出一种通过遥感影像水边线来间接推算具有特定潮高海岸线的方法。该方法先通过遥感图像处理技术来提取卫星过境时的瞬时水边线,再通过时间间隔较近的2期水边线及其潮高数据,运用GIS的空间数据分析方法来推算国家高程基准面与陆地的交线。该线潮高固定,具有可比性,可用作海州湾海岸线时空变化分析的基础数据。

面向对象的无人机遥感影像海岸线提取方法研究

针对海岸线区域地形复杂和卫星遥感影像分辨率的不足,精度难以满足大比例尺成图要求,以及常规解译方法的局限性,选取青岛小岛湾海岸线为研究区,以无人机(UAV)遥感影像为基础数据,提出一种面向对象的海岸线提取方法,结合现场实测验证,开展了人工海岸线和砂质海岸线识别的应用实验。结果表明:人工海岸线和砂质海岸线概率边缘指数(PRI)分别为0.97和0.88,边缘定位误差(BDE)分别为4.33和2.84,提取的人工海岸线和砂质海岸线与实测海岸线结果整体上匹配较好,仅在局部细微处存在微小差异。本文提出的方法可快速有效地获取海岸线信息,其精度能够满足海岸线动态变化监测的需求,可在海岸线资源管理中推广应用。

全极化SAR影像多特征分类的海岸线提取方法

快速准确地提取海岸线对研究海岸带和海岸带演变具有重要的意义。针对目前利用SAR影像提取海岸线的精度和自动化程度不能达到一个平衡这一问题,提出了一种结合多特征选择和随机森林分类算法的海岸线提取方法。并以高分三号(GF-3)全极化影像为研究数据,以黄河三角洲地区为研究区,成功提取了黄河三角洲地区的海岸线。该方法结果与OTSU阈值分割方法所提取的海岸线做了对比。结果显示,在40 m分析精度下,该方法海岸线提取结果质量均在90%以上,其提取结果光滑连续且精度可靠,优于直接阈值法提取的结果。

基于潮汐模型和DEM的海岸线提取方法研究

近年来随着卫星遥感和无人机测量等技术的飞速发展,通过遥感影像提取海岸线替代人工实地测量逐步得到了应用,目前遥感影像判绘主要是根据影像上海岸线的痕迹,或直接用水涯线代替,提取方式、提取结果存在一些不足。文章提出了一种基于潮汐模型和DEM的海岸线提取方法,通过无人机航摄影像构建海岸带DEM,利用潮汐模型计算海岸线高、水涯线高及其差值,在DEM中提取水涯线高程并根据潮汐模型计算的差值反算出海岸线高,进而在DEM模型利用反算的海岸线高快速、准确地确定出海岸线位置。最后通过实测数据验证了这种提取方法效率较高、精度较为均匀,尤其适用于海岛礁、陡崖险滩等人工测量困难的区域。

一种基于极化熵的极化SAR海岸线提取方法

提出了一种可用于极化合成孔径雷达图像的海岸线提取方法。通过对极化SAR数据的分析,极化熵由于其对极化相关纹理敏感的特性而被选用来进行海陆之间的边缘检测与海岸线提取。针对极化熵图像,首先通过均值比率算子进行边缘图提取,包括边缘强度图和边缘方向图。在此基础上,提出了一种新的"coarse-fine"的海岸线提取方法。该方法包括两个步骤:首先利用边缘方向图,采用一种新的边缘跟踪的方法得到海岸线的粗检测轮廓;然后基于边缘强度图,在粗检测轮廓的基础上进行典型边缘点的提取,这些边缘点被称为控制点,最后利用控制点对粗检测轮廓进行修正,得到最终的海岸线。最后,基于Radarsat-2全极化数据进行了实验,实验结果证明,该方法可以很好的描绘出实验区域的海岸线,并优于其他对比方法。

基于平稳小波变换的SAR图像海岸线提取

阐述了一种利用平稳小波变换(SWT)从SAR图像中提取海岸线的方法。该方法首先利用基于局部统计特性的自适应滤波算法对SAR图像进行滤波,然后利用SWT对SAR图像进行分析处理,计算SWT系数的小波梯度信息,通过模极大值搜索检测边缘点,最后利用阈值化和形态学方法对局部极大值图像进行细化处理。实验结果证明,这种方法是对于SAR图像海岸线提取是有效的。

基于改进U-Net的海岸线提取方法

遥感影像海陆分割对于海岸线提取及其动态监测具有重要意义。传统的基于光谱特征和图像处理的海岸线识别和提取方法,在面对高分辨率遥感图像复杂的纹理和空间分布时,只能生成具有局限性的图像特征结果,且分割结果准确率不高。本文将深度卷积神经网络应用于高分遥感图像的海陆分割问题,并在经典编码器-解码器结构的基础上进行了创新。首先,为了降低调参难度引入批归一化层,降低了网络对参数的尺度和初始值的敏感度;其次,采用转置卷积代替传统卷积,在模型训练过程中通过梯度递减算法,不断更新参数权值,显著提高语义分割的精度。利用研究区域高分一号遥感图像数据对于人工岸线及自然岸线的分割实验结果显示:相较于经典U-Net与SegNet,改进U-Net网络,对于各种自然岸线和人工岸线具有更低的边界模糊度和更准确的分割结果,对于自然岸线的提取结果,漏检、错检现象较少;对于人工岸线的提取具有更大的感受野,能够提取岸线的空间结构信息,避免误分类。面对日益丰富的高分辨率的遥感影像数据源,基于改进U-Net的海岸线提取,能更好地保留边界信息且具备更优的语义分割效果,可以更为准确地挖掘高分遥感影像的空间分布特征、纹理特征以及光谱特征,从而提升分类的准确性。

核估计的最佳阈值SAR图像海岸线提取

针对SAR图像海陆分割的最佳阈值难以确定的问题,提出了一种差值核估计的自适应最佳阈值SAR图像海岸线提取方法。首先将图像的频数分布直方图看作一组以灰度值为横坐标和以频数为纵坐标的数据点集,然后以任一点为中心点构建左右两个邻域;定义两邻域内点横坐标到中心点横坐标距离的核函数;以核函数为权重先计算中心点纵坐标与左邻域内所有点纵坐标之差的加权平均值,再计算右邻域内所有点纵坐标与中心点纵坐标之差的加权平均值,并定义后者与前者之差为该数据点在直方图中坡度由陡变缓的跳变幅度,最后将拥有最大跳变幅度的数据点对应的横坐标作为海陆分割的最佳阈值。为去除初始分割结果中海陆交界处的不规则形状像素集,设计基于滤波操作的后处理过程。对真实大尺度SAR图像提取结果的定量评价表明提出方法可以高精度地提取出光滑、连续的海岸线,相较其他阈值分割法有更强的实用性。

卫星遥感影像分水岭分割与边缘检测的海岸线提取

本文采用基于标注的分水岭算法对卫星遥感获取的海岸影像数据进行海岸线提取和海岸带变化分析,并以中国北纬18°城市三亚海岸线的海岸线检测为例,通过对多年(2009-2016)海岸线提取信息进行比对,以此来分析海岸线变化及其驱动该变化的主要因素。

基于遥感图像的大区域海岸线提取系统设计

大区域海岸线提取系统按照常规图像边界提取方式获取海岸线数据,导致海岸线提取结果与外业测绘结果相差较大。设计基于遥感图像的大区域海岸线提取系统,选择RedEdge-MX BIUE十光谱相机作为图像采集设备,并对中央控制模块进行选型优化。获取研究区域遥感图像,使用GVF算法获取海岸线区域主轮廓信息。对使用海岸线区域主轮廓展开色彩转换,使用Canny算子提取海岸线信息,并对其进行填充,得到最终海岸线提取结果。将硬件优化结果与软件设计内容相结合,完成基于遥感图像的大区域海岸线提取系统设计工作。通过测试表明此系统整体运行效果较为稳定,海岸线提取结果与外业测绘结果基本一致。