高分辨率遙感影像海岸線提取方法范文

本站小編為你精心準(zhǔn)備了高分辨率遙感影像海岸線提取方法參考范文，愿這些范文能點(diǎn)燃您思維的火花，激發(fā)您的寫作靈感。歡迎深入閱讀并收藏。

《海洋測(cè)繪雜志》2016年第6期

摘要:

海岸線快速準(zhǔn)確提取具有十分重要的意義。利用遙感技術(shù)提取海岸線具有宏觀、快速、綜合、高頻、動(dòng)態(tài)和低成本等突出優(yōu)勢(shì)。然而，利用人工解譯費(fèi)時(shí)費(fèi)力，而計(jì)算機(jī)自動(dòng)解譯精度低。對(duì)此，提出一種半自動(dòng)的面向?qū)ο蠛０毒€提取方法。首先利用eCognition進(jìn)行圖像分割，通過(guò)人機(jī)交互的方式進(jìn)行海、陸標(biāo)記，然后利用光譜直方圖測(cè)度對(duì)象之間的相似性，最后通過(guò)兩階段對(duì)象合并的方式實(shí)現(xiàn)海岸線提取。使用高分2號(hào)數(shù)據(jù)分別提取人工和潮灘海岸。實(shí)驗(yàn)表明，本文方法具有快速、通用性強(qiáng)、精度高的優(yōu)勢(shì)。

關(guān)鍵詞:

遙感影像;海岸線提取;遙感;半自動(dòng)信息提取;面向?qū)ο?圖像分割

1引言

海岸線是劃分海洋與陸地管理區(qū)域的基準(zhǔn)線，快速準(zhǔn)確地實(shí)現(xiàn)海岸線測(cè)定和動(dòng)態(tài)變化信息提取，對(duì)于海岸帶區(qū)域使用管理規(guī)劃、自動(dòng)導(dǎo)航、目標(biāo)定位、地圖繪制等工作具有十分重要的意義［1－2］。相對(duì)于傳統(tǒng)海岸線探測(cè)手段，遙感技術(shù)具有宏觀、快速等突出優(yōu)勢(shì)，越來(lái)越多的專家學(xué)者開(kāi)始利用遙感手段快速而準(zhǔn)確地提取海岸線［3］。許多學(xué)者對(duì)這一問(wèn)題作了積極的探索［3］，除目視解譯和多光譜分類外，傳統(tǒng)的海岸線提取方法包括:閾值分割法和邊緣檢測(cè)法［4］、主動(dòng)輪廓模型法［5］、區(qū)域生長(zhǎng)法［1，6］等。由于海岸帶潮灘地形復(fù)雜，遙感影像上海岸線表現(xiàn)為“弱邊界”，并且存在大量潮溝［5］，導(dǎo)致上述方法存在局限性。更重要的是，不同類型的海岸具有不同特征，其水邊線也相應(yīng)具有不同的特點(diǎn)［2］，算法的普適性有待檢驗(yàn)。隨著高分辨率遙感影像的普及，面向?qū)ο髨D像分析方法逐步興起。面向?qū)ο蠓椒ㄍㄟ^(guò)對(duì)影像分割，使同質(zhì)像元構(gòu)成地理對(duì)象，從而實(shí)現(xiàn)較高層次的遙感圖像分類和目標(biāo)地物提取［7］。面向?qū)ο蟮膬?yōu)點(diǎn)是可以綜合利用對(duì)象的光譜、紋理、語(yǔ)義等信息，但是其本質(zhì)上是分割和分類方法的組合，需要由用戶設(shè)定參數(shù)將水陸分離，仍然難以從根本上解決傳統(tǒng)方法所面臨的問(wèn)題。交互式分割算法因其充分利用先驗(yàn)知識(shí)而引起研究人員的廣泛關(guān)注［8］。本文探索如何將解譯人員的目視判斷信息和計(jì)算機(jī)統(tǒng)計(jì)推斷結(jié)合，研究一種非參數(shù)、通用性強(qiáng)、精度高的高分辨率遙感影像海岸線提取方法。將這套算法用于青島地區(qū)“高分2號(hào)”(GF－2)影像，分別提取人工海岸和潮灘海岸。

2海岸線半自動(dòng)提取方法

本文提出了一種半自動(dòng)的海岸線提取算法，其整體流程見(jiàn)圖1，用戶只需要提供少量的標(biāo)記信息，無(wú)需對(duì)海陸進(jìn)行參數(shù)化分析。首先，為了保持較好的初始對(duì)象邊緣，得到均勻同質(zhì)的對(duì)象，本文使用商業(yè)軟件eCognition的多尺度分割算法(multiresolutionsegmentation，MRS)［9］進(jìn)行初始分割，尺度參數(shù)設(shè)為10～20，形狀權(quán)重設(shè)為0.1;然后，進(jìn)行人工標(biāo)記，以區(qū)域內(nèi)的直方圖為特征度量區(qū)域間的相似性。最后，通過(guò)兩階段區(qū)域合并將水陸分離。

2.1對(duì)象相似測(cè)度

光譜直方圖接近人眼視覺(jué)響應(yīng)［10］，不僅能夠描述對(duì)象的全局特征，而且對(duì)噪聲、光照變化和紋理具有較強(qiáng)的魯棒性。因而，本文構(gòu)造光譜直方圖來(lái)描述對(duì)象特征。對(duì)圖像進(jìn)行初始分割后，按照如下步驟計(jì)算對(duì)象的光譜直方圖:首先將每個(gè)光譜分量量化為ns個(gè)灰度級(jí)，其中s表示光譜分量，如R、G、B、Nir等。然后，將新量化后的光譜矢量轉(zhuǎn)化為標(biāo)量索引z。以RGB彩色圖像為例，分別將R、G、B三個(gè)通道量化為nR、nG、nB個(gè)灰度級(jí)別。假定像素點(diǎn)i量化后的顏色矢量為［ri，gi，bi］，那么對(duì)應(yīng)的索引zi表示為:zi=ri+gi•nR+bi•nR•nG(1)該過(guò)程中索引z能夠充分反映光譜矢量信息。然后計(jì)算每個(gè)對(duì)象的直方圖HistuR:HistuR=∑x∈R∫z2z1δ(z－R(X))dz(2)式中，R為對(duì)象標(biāo)號(hào);u為箱格號(hào);X為對(duì)象R中像元的位置;Z1、Z2為箱格u的上下界;z為像元的光譜索引值;δ為狄拉克函數(shù)。利用對(duì)象光譜直方圖，定義如下相似測(cè)度表征對(duì)象Q和R的相似度:ρ(Q，R)=∑16nu=1HistuR•Hist槡uQ(3)對(duì)象Q和R的相似度ρ(Q，R)能夠充分描述對(duì)象之間的相似性。

2.2兩階段對(duì)象合并

通過(guò)迭代合并逐步將未標(biāo)記對(duì)象合并到已標(biāo)記對(duì)象，從而實(shí)現(xiàn)目標(biāo)提取。合并過(guò)程分為兩個(gè)階段:第一階段，未標(biāo)記對(duì)象與背景標(biāo)記對(duì)象合并，迭代增長(zhǎng)背景區(qū)域。當(dāng)背景區(qū)域停止增長(zhǎng)則進(jìn)入第二階段;第二階段，自適應(yīng)地合并未標(biāo)記對(duì)象，包括未標(biāo)記對(duì)象與目標(biāo)對(duì)象合并、未標(biāo)記對(duì)象間相互合并。兩階段迭代執(zhí)行，因而每個(gè)對(duì)象都能得到正確的類別，使算法收斂。根據(jù)文獻(xiàn)［11］，在每個(gè)階段可以通過(guò)迭代合并最相似的對(duì)象滿足，相應(yīng)的合并判據(jù)為:P(Q，R)=Trueifρ(Q，R)=Maxj=1，2，…，kρ(Q，SQj)False{Otherwise(4)式中，SQj為Q的任一相鄰對(duì)象。如果R是Q的最相似對(duì)象，那么R=R∪Q;反之，拒絕Q與R合并。

3實(shí)驗(yàn)分析

從圖像上可以看出，采取傳統(tǒng)的邊緣檢測(cè)算子是難以直接從影像中得到連續(xù)、完整岸線。選取青島市“高分二號(hào)”(GF－2)衛(wèi)星影像進(jìn)行試驗(yàn)。主要包括兩種海岸線，圖2(a)是青島西海岸典型的人工海岸，岸線相對(duì)完整、平滑;圖2(b)為膠州灣地區(qū)典型的淤泥質(zhì)潮灘，存在大量潮溝，岸線較模糊，并且膠州灣內(nèi)部存在跨海大橋和較多的過(guò)往船只等干擾信息。本文選用面向?qū)ο蟮膱D像分析方法作為對(duì)比方法，其試驗(yàn)平臺(tái)為eCognitionDeveloper。采取面向?qū)ο蟮谋O(jiān)督分類方法，利用光譜、水體指數(shù)、植被等數(shù)等指數(shù)和灰度共生矩陣等紋理特征，使用隨機(jī)森林分類器［12］，對(duì)海域和陸地進(jìn)行分類，檢測(cè)出海岸線。為確保實(shí)驗(yàn)公平，分類器的輸入樣本規(guī)模大于本文的人工標(biāo)記。從圖像上可以看出，采取傳統(tǒng)的邊緣檢測(cè)算子是難以直接從影像中得到連續(xù)、完整岸線。需要指出，由于以下兩個(gè)原因，對(duì)于海岸線提取算法的精度進(jìn)行定量的評(píng)估是相當(dāng)困難的:①“海岸線”有一定模糊度，對(duì)于陸地和水域中間的過(guò)渡地段(如海灘)有時(shí)很難定義明顯的海陸分界線;②很難獲取用于驗(yàn)證的地面真實(shí)數(shù)據(jù)［5］。大部分有關(guān)海岸線檢測(cè)的文獻(xiàn)，均只定性地給出了一定的主觀性評(píng)估?；谏鲜龇治?，本文也僅基于目視判斷來(lái)對(duì)二種算法的檢測(cè)結(jié)果進(jìn)行定性精度比較。本文實(shí)驗(yàn)平臺(tái)為Windows64位操作系統(tǒng)，2.9GHzIntelPentiumCPU，6GBRAM，Matlab2013a和eCognitiondeveloper9.0。

3.1人工海岸實(shí)驗(yàn)

本算法不需要用戶輸入任何的參數(shù)，用戶操作簡(jiǎn)單，僅需提供目視判斷信息。人工海岸線通常不受潮汐的影響。對(duì)此，用戶只需要大致的標(biāo)記海域和陸地的位置，如圖3(a)所示，陸地被標(biāo)記為目標(biāo)(綠色)，海洋被標(biāo)記為背景(藍(lán)色)。除了藍(lán)色和綠色的標(biāo)記線，圖3(a)還疊加顯示了一些黑色的細(xì)線，它們是初始分割的邊界線。圖3(b)是本文方法提取的海岸線結(jié)果，它具有平滑、連續(xù)的特點(diǎn)。圖3(c)是用戶選取的水體和陸地的樣本，其中黃色表示陸地、藍(lán)色表示海洋。通過(guò)與圖3(a)對(duì)比，可以看出其規(guī)模大于本文的標(biāo)記。然而，從圖4(d)中可以看出，面向?qū)ο蠓椒ㄎ茨苡行У奶崛∪斯ず０毒€。

3.2潮灘海岸實(shí)驗(yàn)

由于砂質(zhì)和淤泥質(zhì)潮灘海岸受潮位影響較大，提取結(jié)果均為影像獲取時(shí)間的瞬時(shí)水邊線，須經(jīng)過(guò)潮位改正后方能作為海岸線。潮位校正一般根據(jù)衛(wèi)星成像時(shí)刻的潮位高度、平均大潮高潮位的潮水高度以及海岸坡度等信息計(jì)算水邊線至高潮線的水平距離，從而確定海岸線的位置［3］。基于上述分析，用戶有必要在提取瞬時(shí)水邊線的同時(shí)，結(jié)合實(shí)際情況，提取潮灘區(qū)域。這樣做不僅可以為融合多源數(shù)據(jù)的海岸線提取奠定基礎(chǔ)，有利于結(jié)合潮位、DEM等數(shù)據(jù)推算精確的海岸線［2，13］，也有利于海岸帶環(huán)境分析。本算法能夠靈活應(yīng)對(duì)上述需求，可以根據(jù)海岸線的實(shí)際情況靈活的設(shè)置標(biāo)記。如圖4(a)所示，本文在潮灘區(qū)域額外設(shè)置了橙色標(biāo)記。如圖4(b)所示，本文算法將水陸分界線和潮灘同時(shí)提取出來(lái)。在潮灘位置，存在的弱邊界、潮溝等并沒(méi)有影響本文方法的提取效果，得到的邊界平滑、連續(xù)。并且，本文的方法沒(méi)有受到膠州灣內(nèi)部船只、島嶼和跨海大橋的影響。圖4(b)是本文方法提取的海岸線結(jié)果，它具有平滑、連續(xù)的特點(diǎn)。圖4(c)是用戶選取的足量樣本，其中紅色表示潮灘。然而，從圖4(d)中可以看出，面向?qū)ο蠓椒ㄎ茨苡行懦持械母蓴_因素，將跨海大橋識(shí)別為陸地，并且潮灘和陸地存在很多的混淆。從表1中可以看出，本文的運(yùn)算時(shí)間顯著低于向?qū)ο蠓治龇ǖ暮臅r(shí)。這是因?yàn)椋疚牡姆椒ㄋ玫奶卣鞅容^簡(jiǎn)潔，算法效率高。面向?qū)ο蠓椒ㄋ褂玫奶卣鞅容^復(fù)雜，分割、訓(xùn)練和分類需要消耗較長(zhǎng)的時(shí)間。

4結(jié)束語(yǔ)

本文提出一種半自動(dòng)的面向?qū)ο蟾叻直媛蔬b感影像海岸線提取方法。該方法不僅具有面向圖像分析的優(yōu)點(diǎn)，也能夠直接有效的融合解譯人員的判讀信息，減輕解譯人員的負(fù)擔(dān)。相對(duì)于監(jiān)督分類的方法，該方法無(wú)需反復(fù)調(diào)整實(shí)驗(yàn)參數(shù)。本文分別對(duì)人工海岸和潮灘海岸進(jìn)行實(shí)驗(yàn)，獲得了連續(xù)、平滑的高精度海岸線，表明該方法具有快速、通用性強(qiáng)、精度高的優(yōu)勢(shì)。通常，潮灘海岸受潮汐等因素的影響，從遙感圖像上直接提取的并不是真正意義上的海岸線，而是水陸分界線，需要結(jié)合潮汐和地形信息進(jìn)行校正。需要指出，對(duì)于潮灘海岸，本文能夠同時(shí)提取潮灘和水陸分界線，為后續(xù)的潮汐校正提供基礎(chǔ)?？傮w而言，本文所提出的半自動(dòng)方法是一種有價(jià)值的高分辨率遙感影像海岸線提取算法。

參考文獻(xiàn):

［1］謝明鴻，張亞飛，付琨．基于種子點(diǎn)增長(zhǎng)的SAR圖像海岸線自動(dòng)提取算法［J］．中國(guó)科學(xué)院大學(xué)學(xué)報(bào)，2007，24(1):93-98．

［2］張旭凱，張霞，楊邦會(huì)．結(jié)合海岸類型和潮位校正的海岸線遙感提取［J］．國(guó)土資源遙感，2013，25(4):91-97．

［3］毋亭，侯西勇．國(guó)內(nèi)外海岸線變化研究綜述［J］．生態(tài)學(xué)報(bào)，2016(4):1-13．

［5］沈琦，汪承義，趙斌．幾何活動(dòng)輪廓模型用于高分辨率遙感影像海岸線自動(dòng)提取［J］．復(fù)旦學(xué)報(bào):自然科學(xué)版，2012，51(1):77-82．

［6］張繼領(lǐng)，馮伍法，張艷．基于邊緣引導(dǎo)約束的高分辨率遙感影像海岸線提取［J］．海洋測(cè)繪，2015，35(6):58-61．

［7］吳小娟，肖晨超，崔振營(yíng)．“高分二號(hào)”衛(wèi)星數(shù)據(jù)面向?qū)ο蟮暮０毒€提取法［J］．航天返回與遙感，2015(4):84-92．

［8］周良芬，何建農(nóng)．弱交互式水邊線提取新算法［J］．計(jì)算機(jī)工程與設(shè)計(jì)，2013，34(4):1442-1445．

［13］申家雙，翟京生，郭海濤．海岸線提取技術(shù)研究［J］．海洋測(cè)繪，2009，29(6):74-77．

作者:王鵬 孫根云 王振杰 單位:中國(guó)石油大學(xué)(華東)地球科學(xué)與技術(shù)學(xué)院