基于耦合适配的潮汐水边线提取方法.docxVIP

基于耦合适配的潮汐水边线提取方法 1 遥感水边线提取方法 利用多时多光谱遥感图像提取序列水边线，与潮汐位置信息配合，反演潮汐位置信息。这是获得大规模泥质潮汐海滩数字高距离模型的有效路径。而水边线提取的位置精度和效率, 会直接影响后续潮滩地形建模的精度和效率。如何从多光谱潮滩影像上快速准确地提取水边线, 一直是国内外学者的研究热点。遥感水边线提取方法可以总结为两类, 一类是边缘检测方法, 另一类可以归为分类分割法。研究表明, 无论是传统的边缘检测法、阈值分割法、还是基于分类的方法均无法在任何情况下得到准确的水边线提取结果, 而且, 这些方法都需要后续的大量修正算法而无法快速得到连续的水边线。为此, 根据影像来源、水边线的模糊程度、水边线的潮位位置, 针对不同潮滩类型, 尝试提出关联各种影响因素的多源多算法水边线提取适配模型, 并采用多光谱影像对适配模型的有效性进行验证。 2 损伤地层的水边线提取 为充分利用各算法的优势, 对不同类型的水边线采用不同的适配算法, 本文提出了多元多算法水边线提取的适配模型。 首先由目视解译对水边线的模糊程度进行定性的粗分类, 即将水边线所处空间地域分为清晰和模糊两类 (表1) 。然后根据水边线在潮滩滩面上的分布, 即水边线获取时间的潮情进行第二级分类, 分为复杂的高潮时潮滩水边线和单一的低潮时潮滩水边线两种。一般来讲高潮时获取水边线的潮滩影像, 由于地物类型增多, 有土丘、植被和养殖围垦等混淆信息, 使得滩面较复杂;而中低潮位的潮滩, 海水的冲刷作用使得滩面均一简单。对于复杂的高潮滩, 本文开发了基于对象合并指数 (object merging index, OMI) 的区域生长算子, 能够顾及各种地物类型影像, 快速准确获取水边线。对于均一低潮滩的情况, 两种实际情况是, 第一, 如果遇到晴朗无风, 传感器曝光时间很好, 影像质量很高, 这时水边线归到清晰的大类别。这种情况往往在开始涨潮时, 因为退潮的滩面水分出露于晴朗天气条件下的时间足够长, 这时的水边线非常平滑, 采用边缘检测中的Canny算子可以快速提取水边线;第二, 在退潮的过程中, 滩面残余水和泥沙影响, 造成水边线边界的模糊和噪声, 此时采用波段运算的改进水体指数 (normalized difference water index, NDWI) 分割分类方法提取水边线。另外, 针对BJ-1小卫星, 由于光谱波段少, 实际上只有3个波段, 除改进的归一化植被指数外, 又充分考虑其积分时间可调的智能增益特点, 开发了适合BJ-1小卫星的基于“积分时间”的水边线提取方法。对于水边线提取精度评价, 也可继续分为两种。对于水边线位置清晰的水边线提取精度评价, 采用目视解译水边线的对比法;对于水边线位置模糊的水边线提取精度评价, 则可考虑面积与缓冲区的精度评价方法, 以提高算法评价的可信度和简化性。 3 多光谱影像分类 应用本文提出的多源多算法水边线提取适配模型进行水边线提取研究, 在渤海湾潮滩DEM反演工程应用中, 选择Landsat系列、HJ-1/2系列以及BJ-1小卫星等30景多光谱影像, 其中Landsat影像8景, BJ-1影像6景, HJ-1影像16景。首先将这30景多光谱影像进行NIR、R、B波段的彩色合成, 根据水边线影像清晰与否以及水边线所处滩面的高低位置, 进行两次分类 (表1) 。对归类后的影像分别采用目视解译样本点精度评价模型和多重缓冲区精度评价模型。特别指出的是, 针对BJ-1小卫星影像水边线的特殊性, 单独应用基于积分时间的水边线提取算法, 列在表1最后一列。其原理及实验结果分述如下。 3.1 cancy算子边缘检测 针对水边线位置清晰并且滩面单一情况下的影像如TM2009.04.08, 用Canny算子进行边缘检测。图1 (b) 图显示了Canny算子边缘检测后的梯度图, 二值化并矢量化直接得到连续的水陆分割线 (水边线) 。可见用Canny算子直接可提取出清晰的单个像元边缘连线。 3.2 改进的ndwi指数法 对于水边线位置模糊并且滩面单一的影像如TM2009.10.17, 由于滩面残余水和水中悬浮泥沙使得水边线变成一条具有一定宽度的“泥水带”, 此时用Canny边缘检测受噪声影响大, 且需要大量的边缘修正算法的后处理, 自动精确提取的过程十分繁琐。根据表1所示的适配模型, 这类水边线适宜采用水体指数法 (NDWI) 进行提取。本文运用徐涵秋以中红外波段代替近红外波段构建的改进的水体归一化指数MNDWI (Modified NDWI) 进行低潮模糊水边线提取。采用MNDWI指数法进行水体分割得到分割后的影像见图2 (a) , 对指数影像进行二值化处理, 取阈值为0对NDWI指数影像中的水体进行提取, 将影像中大