傳統(tǒng)的海岸線提取方法往往僅針對某種類型的海岸有效,對于多種類型混合海岸區(qū)域,則需要對圖像分類裁剪、分別提取岸線、拼接圖像才能提取出完整的海岸線,該過程不僅實現較為復雜,而且將不同類型海岸嚴格劃分開的難度也很大,因此,本文提出了一種適用于混合海岸類型區(qū)域提取海岸線新方法——模擬海水漲潮過程的海岸線自動提取方法。首先采用波段差決策樹分類分析方法（spectral difference decision tree,SDDT）對遙感影像進行分類,根據地物類型差異將各區(qū)域類別標記為"可漲潮區(qū)域"與"不可漲潮區(qū)域"兩類;其次,通過計算每個斑塊區(qū)域的面積,將面積小于某一預設閾值的區(qū)域塊定義為噪聲區(qū)域,去除所有噪聲區(qū)域;然后,再通過最大矩形填充算法（maximum rectangle filling algorithm,MRFA）模擬海水漲潮逐步填充"可漲潮區(qū)域"并提取海岸線。本文方法提取的海岸線較為連續(xù),不受地物分類結果圖中的少量誤分類斑塊的影響。 

【文章來源】：海洋環(huán)境科學. 2020,39(01)北大核心CSCD

【文章頁數】：9 頁

【部分圖文】：

提取岸線與實際岸線對比

基于最大矩形填充算法的海岸線自動提取方法步驟包含遙感影像的輸入、地物分類、區(qū)域標記、后處理、模擬漲潮及海岸線的提取輸出,流程如圖1所示。本文采用波段差決策樹分類分析方法(SDDT)進行地物分類,該方法考慮波段間關系對地物進行分類,對于單個波段無法區(qū)分的兩類地物,通過計算兩波段(如Bi和Bj)的差值(ΔBij=Bi-Bj),將ΔBij看做一個組合后的新波段,根據該波段就能夠找到兩類地物明顯的區(qū)分閾值,基于該思路結合C4.5決策樹分類分析方法便可區(qū)分多類地物。

如圖2 a所示為2017年3月6日東營附近區(qū)域Landsat 8遙感影像,對其使用SDDT算法分類效果如圖2 b所示�？紤]該地區(qū)的實際情況,將分類圖中的“海水”、“淤泥”、“沙灘”三類地物視為“可漲潮區(qū)域”即圖2 c中的白色區(qū)域,將“養(yǎng)殖區(qū)”地物視為“不可漲潮區(qū)域”即圖2 c中的黑色區(qū)域,對于該465 * 375大小的遙感圖像降噪處理PointAmount小于17的部分之后如圖2 d所示。1.2 模擬漲潮的海水區(qū)域填充算法

【參考文獻】：
期刊論文
[1]基于深度極限學習機的高光譜遙感影像分類研究[J]. 呂飛,韓敏.  大連理工大學學報. 2018(02)
[2]GF-3號SAR衛(wèi)星遙感圍填海監(jiān)測方法研究——以大連金州灣為例[J]. 范劍超,姜大偉,趙建華,初佳蘭,謝春華,安文韜,黃鳳榮.  海洋科學. 2017(12)
[3]基于決策樹與密度聚類的高分辨率影像海岸線提取方法[J]. 王常穎,王志銳,初佳蘭,趙建華.  海洋環(huán)境科學. 2017(04)
[4]SAR圖像海岸線檢測的區(qū)域距離正則化幾何主動輪廓模型[J]. 姜大偉,范劍超,黃鳳榮.  測繪學報. 2016(09)
[5]基于深度協同稀疏編碼網絡的海洋浮筏SAR圖像目標識別[J]. 耿杰,范劍超,初佳蘭,王洪玉.  自動化學報. 2016(04)
[6]基于均值漂移的海島(礁)岸線快速提取[J]. 方亮,付成群,方濤,洪建國.  解放軍理工大學學報(自然科學版). 2016(05)
[7]基于混合邊緣檢測的極化SAR圖像海岸線檢測[J]. 劉春,殷君君,楊健.  系統(tǒng)工程與電子技術. 2016(06)
[8]基于遙感的近30a中國海岸線和圍填海面積變化及成因分析[J]. 高志強,劉向陽,寧吉才,蘆清水.  農業(yè)工程學報. 2014(12)
[9]結合海岸類型和潮位校正的海岸線遙感提取[J]. 張旭凱,張霞,楊邦會,莊智,尚坤.  國土資源遙感. 2013(04)
[10]基于樣本自動選擇與SVM結合的海岸線遙感自動提取[J]. 朱長明,張新,駱劍承,李萬慶,楊紀偉.  國土資源遙感. 2013(02)

博士論文
[1]基于數據挖掘的遙感影像海岸帶地物分類方法研究[D]. 王常穎.中國海洋大學 2009



本文編號：3422834