基于遥感数据的水边线提取方法比较——以海南岛为例

海岸带是人类活动的重要区域,遥感技术因其优势被广泛应用于海岸带研究,而如何高效地从遥感影像中提取出高精度岸线是海岸带研究的重要问题。本文总结了国内外9种主要水边线提取方法的特点,采用目视解译、阈值分割法（NDWI、MNDWI和SMNDWI）、边缘检测算子法（Sobel、Roberts和Canny）3种最常用的方法提取了...     

基于遥感水边线的潮滩面积提取方法研究

潮滩作为动态变化的后备土地资源,对其研究具有重要意义。文章以江苏省如东县为研究区,使用环境资源卫星(HJ1A/1B)影像为数据源,应用面向对象技术创建分类规则,实现批量半自动提取水边线,随后利用DSAS软件处理水边线集获得潮位点集,基于最外边界法实现高(低)潮位点的提取,进而获得潮滩范围,估算的如东县潮滩面积为55 182hm~2。最后利用误差矩阵进行精度验证(Kappa系数为0.945)。结果表明:该方法对于潮滩面积提取具有适用性,无论在空间域还是时间域都具有一定的推广性。     

基于ZY-3遥感影像的不同地貌水边线提取方法

水边线的精确提取对于沿海地区的经济开发和海域的使用管理具有重要意义。以雷州半岛东北部为研究区域,利用2017年资源三号(ZY-3)卫星数据为数据源,基于不同海岸地貌特征为划分依据,运用阈值分割法、神经元网络分类法和面向对象法对多光谱数据的人工海岸、砂质海岸、淤泥质海岸和红树林海岸进行水边线提取。通过目视解译提取融合图像的海岸线为基线,将提取的水边线与基线进行定性、定量分析。研究结果表明,对于人工岸线,神经元网络分类法最优,均方根误差为6.4m;对于砂质岸线,阈值分割法最优,均方根误差为5.4m;对于淤泥质及红树林岸线,面向对象法最优,均方根误差分别为23.3m和15.2m。该研究对于不同岸线的提取具有重要的借鉴和指导意义。     

基于改进标记分水岭的高分辨率遥感影像海岸水边线提取方法

利用遥感技术快速提取海岸线是一种重要的技术手段,针对传统分水岭算法在高分辨率多光谱卫星数据处理中存在的过分割和抗干扰能力差的问题,本文提出了一种基于扩展极值变换标记分水岭的算法.首先通过形态学重建、扩展极值变换等方法建立前景和背景标记,初步抑制灰度极小值和极大值区域,然后依据这两类标记对梯度图像进行修正,进而进行分水岭...     

江苏辐射沙洲水边线自动提取方法研究

针对不同遥感数据源(TM多光谱、SPOT多光谱及全色波段),对江苏辐射沙洲水边线的自动提取方法进行了研究,形成基于密度分割(TC2分量密度分割、饱和度分量图像密度分割)及基于边缘检测(Canny边缘检测)等2类3种沙洲水边线提取方法。实验表明：(1)上述3种沙洲水边线提取方法在实践中是可行的;(2)通过上述沙洲水边线提取方法,沙洲水边线提取时间大大缩短;(3)由于不受研究者主观影响,水边线提取结果更为准确、客观。     

海岸水边线提取方法在GF-2卫星影像中的适应性研究

准确提取海岸水边线是海岸线变迁研究中必不可少的基本工作。本文以海南省陵水黎族自治县2016年的GF-2影像为数据源,在大气校正和正射校正等预处理的基础上,结合数学形态学处理等方法,采用NDWI (Normalized Difference Water Index)阈值法、ISOADTA (Iterative Self-Organizing Data Analysis Technique Algorithm)、SVM (Support Vector Machine)和面向对象法（Object-Oriented Classification,OOC）等4种不同方法来对海岸水边线进行提取,并对其提取结果进行定性和定量评估,进而分析比较了这4种方法在提取人工海岸、砂质海岸和基岩海岸等3种不同海岸类型的水边线时的提取效果和提取精度。结果表明,SVM方法在3种海岸水边线上的总体提取效果最好,总体提取精度最高。     

高分辨率遥感影像城市道路提取方法研究

根据高分辨率遥感影像可以提取道路细节信息和中低分辨率遥感影像可以提取道路轮廓信息这一特性,提出基于多尺度的不同分辨率遥感影像道路提取方法。以原始高分辨率遥感影像为底层影像建立影像金字塔获取不同分辨率影像,利用中低分辨率遥感影像上提取的道路骨架轮廓约束高分辨率遥感影像的道路提取,并对Canny边缘检测算法进行改进。实验结果表明,该方法能够有效地消除高分辨率遥感影像城市道路路面噪声的影响,道路提取效果较好。     

顾及轮廓信息和DRLSE模型的遥感影像瞬时水边线快速提取

针对利用传统瞬时水边线提取方法处理高分辨率遥感影像存在提取结果不连续、效率不高和无法同时提取多片水域等问题, 提出了一种顾及轮廓信息和距离正则化水平集演化(distance regularized level set evolution, DRLSE)模型的遥感影像瞬时水边线快速提取方法, 并将其应用于福建泉州附近海域瞬时水边线提取。首先,使用DRLSE模型提取地物轮廓信息, 以解决经典阈值方法水边线提取结果不连续问题; 其次, 利用DRLSE模型的初始矩形轮廓中心位置和周长信息, 对噪声点等轮廓进行自动剔除, 并提取多片水域, 以提高瞬时水边线提取后处理效率。研究结果表明:相较于泛洪算法、Canny算子和CV(Chan-Vese)模型, 应用本方法进行大陆海岸线瞬时水边线提取更高效, 且提取结果连续、精度更高。     

多源多算法遥感水边线提取适配模型研究

提出了基于潮汐变化、滩面复杂度以及不同影像数据源的多种算法的关联适配模型。针对两类水边线提取结果,提出适合于不同类型的水边线精度评价模型。以渤海湾某海域的潮滩影像为研究对象,对方法的有效性进行了验证。结论表明:提出的适配模型有助于提高运算效率,降低运算复杂度,对各种潮情和滩面的水边线提取结果准确,且精度评价的可信度高,可为大范围潮滩数字高程模型的构建提供数据支持。     

基于遥感影像的海岸线提取技术研究进展

常用于水边线提取的遥感手段主要有卫星光学遥感、微波遥感和激光雷达技术。从这三种常用的水边线提取遥感技术角度出发,分析比较了基于各类型数据提取水边线的主要方法原理、特点及适用情况。介绍了潮位校正和基于DEM数据的两种获取真实海岸线的研究方法及三维激光扫描数据的应用。最后就目前该领域的不足之处提出了今后研究的可行性建议。     

基于遥感图像增强的海岸线提取方法

在人类活动和自然环境的影响下,海岸带长期处于变化状态,准确提取和实时监测海岸线变化对我国海岸带的利用与开发具有重要意义。文章利用Landsat TM遥感图像和ERDAS IMAGINE遥感图像处理软件的监督分类和图像增强方法,提出两种海岸线获取方法,完成海岸线的自动提取,实现海岸带的大面积同步和动态监测。     

一种改进的Curvelet变换遥感影像融合方法

提出了一种改进的Curvelet变换的融合算法,以IKONOS影像为样本数据,融合过程中将原全色波段与多光谱影像中未参与HIS分解的波段进行加权组合,形成新全色分量,再将此分量与明度分量分别进行第二代Curvelet变换,以形成新明度分量,HIS逆变换后形成融合影像。并与改进的HIS变换融合、传统的HIS变换与Curvelet变换结合的融合算法相比较,结果表明,改进的方法能增加融合影像的信息量,降低光谱扭曲度,提高融合影像与原多光谱影像的相似度。     

基于天绘一号的匹配生长水体提取方法

以国产天绘一号01星多光谱4波段影像为数据源,针对大范围水体提取难度大的问题,提出基于归一化水体指数(NDWI)和单波段阈值法的匹配生长算法。采用NDWI水体指数法提取完整的海洋水体和内陆部分水体,将内陆部分水体与单波段阈值对应位置完整的水体做匹配,再通过连通区提取、掩膜运算获得完整的水体分割二值图。采用两景遥感影像(大连和芝罘)进行实验,并与经典水体提取算法进行对比分析。实验结果表明:该法总体精度在90%左右,Kappa系数在0.8左右,对经典提取算法有了显著改善。在大范围提取水体信息时效果较好,提取水体的同时能有效减少陆地阴影造成的干扰,在海陆边界处,陆地轮廓清晰,较好的将陆地和海洋分割开来。     

基于结构特征的遥感影像海岸码头分割方法

在分析水边线对码头提取的作用和海岸码头的结构特征的基础上,提出了一种基于结构特征的遥感影像海岸码头分割方法。该方法在遥感影像水边线提取的基础上,利用道格拉斯-普克算法通过压缩得到关键节点,接着在节点中选取满足要求的凹点,然后依据海岸结构特征通过对凹点的筛选分割出海岸规则突出物,最后通过对规则突出物的分析验证得到海岸码头。实验结果表明,该方法能够从水边线中将码头区域分割出来,并且受停靠船舶等噪声影响较小,为下一步海岸码头的精确提取奠定了坚实基础。     

基于数学形态学的遥感影像水域提取

利用数学形态学的方法对遥感影像上的水渠进行了提取试验。经试验结果得出,利用数学形态学的基本运算组合成的各种算子高低帽变换滤波与阈值截取相结合的增强方法,选择合适的结构元素,对图像进行预处理后进行分割,可以完成遥感影像上灰度变化较小水体的提取,其结果优于直接对原图进行分割。矢量跟踪后,得出的结果可以直接应用到GIS中去。     

基于光谱复原的NMF遥感图像融合改进算法

在研究了非负矩阵分解(NMF)用于遥感图像融合技术的基础上,改进了一种基于光谱复原的NMF遥感图像融合算法,首先利用矩阵非负性分解求取图像的基向量矩阵,然后综合考虑图像融合后的光谱特性和波形变化情况,对基向量矩阵进行直方图规则化处理,最后得到融合后的图像。实验结果表明,该方法具有较好保持原始图像的光谱信息和空间信息的优点。     

一种新的基于PCA变换多源遥感影像像素级融合方法

在多源遥感影像融合中,基于传统PCA变换的多源遥感影像融合的光谱分辨率受到较大影响。提出了一种新的基于PCA变换的多源遥感影像像素级融合方法,通过在传统PCA变换融合算法基础上引入小波变换融合,保留了多波段遥感图像光谱特性的有用信息,进一步提高融合后遥感影像的效果。给出实验的融合结果,并与传统PCA变换方法进行对比,证明了该方法的有效性。     

基于DeepLabv3架构的高分辨率遥感图像分类

针对目前使用机器学习解决高分辨率遥感图像分类主要存在下采样导致的细节信息丢失问题,提出了一种基于DeepLabv3架构的小波域DeepLabv3-MRF(Markov random field,MRF)算法。选择当前较为普遍的DeepLabv3架构分类算法,能够获得更为精确的分类结果;采用小波域DeepLabv3-MRF算法,还能够获得更为清晰的边缘细节信息。选取南方某地区高分辨率无人机遥感图像进行分类实验,通过小波变换的方向性、非冗余性以及MRF变换像素空间的交互性这三个方面,将分类结果与原始DeepLabv3架构分类结果对比分析。结果表明,所提出的分类方法精度明显高于原始DeepLabv3架构分类算法的精度,总体精度可提升3%左右,并且可以充分表达高分辨率遥感图像细节信息。