基于改进水平截集算法的SAR图像海岸线检测

合成孔径雷达(SAR)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。水平截集算法是一种基于人类视觉特性的边缘检测方法。由于它具备检测效果好、抗噪能力强等优点,因而在海岸线检测方法的研究和应用两方面倍受关注。然而,水平截集算法由于迭代方式复杂等原因在应用于分辨率较大的图像时,检测速度比较慢,限制了它在工程应用中的实用性。针对SAR图像,提出一种基于水平截集算法的改进算法,先在低分辨率图像中用水平截集算法进行粗略检测,得到贴近真实海岸线的轮廓线,然后将轮廓线映射到高分辨率图像上,继续用水平截集算法进行检测,最后得到精确的结果。实验中使用RadarsatScanSAR图像证明该方法可大大加快检测速度,通过与原水平截集算法的检测效果进行对比,新方法没有降低检测效率。

基于广义Gamma分布的高分辨率SAR图像海岸线检测

本文针对高分辨率SAR图像,采用广义Gamma分布(GΓD)对杂波进行建模,在此基础上提出一种基于水平集分割的海岸线检测方法.GΓD是一种高度灵活的经验分布模型,能够对SAR图像不同类型的地物进行有效建模,其参数可由对数累量法估计得到.基于该分布建立能量泛函,并通过水平集方法最小化能量泛函进行海陆分割,得到海岸线检测结果.利用两幅Terra SAR-X实测SAR图像实验证明,该方法可以实现更精确的海岸线检测.

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。