网站首页  词典首页

请输入您要查询的论文：

　

标题 苏北淤泥质海岸线提取及精度检验
范文 丁志磊 王志一 徐素宁



摘要：海岸线变化是研究海岸带演化及全球气候变化的基础之一，而从遥感影像上快速、准确地自动提取不同类型的海岸线一直是个难点，尤其是淤泥质海岸的岸线。采用面向对象的方法，针对苏北淤泥质海岸地区2006年的TM影像，建立包括光谱变换信息和纹理特征信息的规则集对影像进行高精度分类，进而准确地提取海岸线。使用该方法不但具有充分挖掘影像信息、自动化程度高、提取速度快等优点，而且可以从精度和稳定性两个指标对提取结果进行检验，不依赖于参考岸线，检验结果较为客观。
关键词：淤泥质海岸线；面向对象；信息提取；精度检验
中图分类号：X87 文献标志码：A 文章编号：1672-1683（2014）06-0140-05
海岸线作为海陆的分界线，是研究海岸带时空变化的基础。不同时相的海岸线精确提取有助于揭示海岸带演变的动态规律，无论对长期持续的变化（如海岸侵蚀淤积）还是短期突发性的变化（如洪水、台风等）都是至关重要的。遥感技术具有观测范围广、信息量大、获取信息快、更新周期短等优点[1]，因此近年来国内外很多学者利用遥感影像对自动提取岸线做了大量研究，大体上可分为阈值分割和边缘检测两种。阈值分割法适用于地物与背景对比度较强的影像，如Frazier等利用TM5波段提取了海岸线[2]。边缘检测法通过Laplace、Roberts、Canny、Soble等算子来实现岸线提取，如Liu等用Canny算子提出了一种海岸线提取算法[3]。但阈值分割法所用数据过于单一，人为干预较大；边缘检测法计算复杂，耗费时间久，所获得的岸线并不连续。也有研究人员针对不同的岸线类型采用不同的提取方法，如黄海军等在计算淤泥质岸线变化规律时提出过要计算坡度[4]；马小峰等认为人工海岸、基岩海岸和砂质海岸都有明显的解译标志，通过图像的分类和对比可确定它们的位置，岸线易于提取[5-6]，需要注意的是间接地物法得出的岸线位置会随解译标志的不同而变化[7-9]。而淤泥质海岸一般无明显解译标志，近岸水体浑浊，潮间带普遍存在水斑，加之岸滩含水量较高以及混合像元的存在都使得精确提取海岸线具有一定难度，其岸线提取通常采用提取水边线后进行潮位校正或者用其他地物间接提取的方法[10]。本文主要采用面向对象的方法建立一套规则集，以苏北淤泥质海岸为例，进行海岸线提取，以此来探讨该方法的适用性。
1 研究区与数据源
研究区位于江苏省如东县，是南通市北三县之一，东北部濒临黄海，西部与如皋市接壤，西北则与海安县毗连，南部与南通市通州区为邻，地处东经120°42′-121°22′，北纬32°12-32°36′。如东县有“黄金海岸”之称，境内海岸线全长106 km，约占全省海岸线的1/9，海域面积达6 000 km2。如东县地面高程一般3.5～4.5 m之间，是典型的平原淤泥质海岸。
本次研究选取2006年9月16日的TM影像作为数据源，其空间分辨率为30 m，包括1、2、3、4、5、7波段的数据。图1为经过几何校正、辐射校正和坐标转换等预处理的研究区卫星遥感影像图。
2 研究方法
本文采用面向对象的方法对淤泥质海岸线进行提取。面向对象法可模拟人类大脑认知过程，在影像分割的时候就将噪声融合到各个均质对象当中，一定程度上可去除影像的椒盐效应。由于处理的是对象而不是像元，因此可以充分利用对象的纹理特征、空间特征和几何特征信息，提高岸线提取的精度。同时，面向对象法中的隶属度函数分类法也可以较大程度地减少人为设置阈值的干扰。
淤泥质海岸线提取方法主要分四个步骤：将影像分割成均质（光谱）的对象（多尺度分割）；充分挖掘影像所包含的信息，利用特定的规则特征组合进行分类（影像分类）；将分类结果优化；准确地提取出海岸线。具体技术路线见图2。
2.1 多尺度分割
影像分割是面向对象分析的基础，也是最关键的步骤之一。本文采用多尺度分割算法对影像进行分割，目的是确定感兴趣边界。目前，已有学者对定量确定分割尺度进行了研究，如陈春雷定义了平均分割评价指数来确定分割尺度[11]。但是分割尺度实际上是一组参数，包括尺度、波段权重、形状和紧致度等，只有把各种参数结合起来才能实现影像的最佳分割。优度实验法是对所有可能的参数进行穷举选择的一种方法，虽耗费时间久，但却具有较好的可行性。
本文采用定性分析与优度实验法相结合的方法来确定分割参数。为了更精细的提取岸线，分割尺度选择应该尽量小；水陆边界光谱差异明显且所选影像分辨率不高，故形状权重应较小；海岸线大多是曲折的，故紧致度也应相应较低。在分割之前，先对TM4波段进行边缘检测，见图3。再把边缘检测结果作为一个新波段参与到多尺度分割当中，其参与分割的权重也应略高一些。
2.2 构建规则集
影像分割完成后，需要从各类特征中找到典型特征提取海岸线。本文根据光谱和纹理两个特征信息构建规则集。
（1）光谱信息。
水体和陆地的光谱特征差异很大，是水陆分离的重要特征。本文采用LBV变换的B分量光谱信息来提取岸线。LBV变换是一种影像增强的处理方法，其中L代表地物的总辐射水平，B表示可见光-近红外波段的辐射平衡，V表示波段的辐射变化。地物可见光辐射越强，红外辐射越弱，则B值越大，而这一特性恰好能区别水体和其他地物。另外，B分量效应还可以消除阴影和建筑物对水体的混淆[12]。TM数据B分量变换的一般公式如下
式中：D2、D3、D4和D5分别为TM数据的2、3、4、5波段。
本实验数据的标准差S=9.714 003，B分量图像的均值μ=49.670 454。求得本实验数据的B分量的最佳变换公式为
淤泥质海岸的近岸海水比较浑浊，可用（TM4-TM3）/（TM4+TM3）这一波段运算条件来消除浑浊水体的影响[13]。
（2）纹理信息。
纹理特征表达了对象及其对象之间的相互关系，是局部地物空间分布模式（空间位置、空间方向和空间强度）的一种精细描述。本文采用纹理对比度信息来构建规则集，纹理对比度（contrast）是灰度共生矩阵的统计量之一，反映了影像局部特征的差异程度和纹理沟纹的深浅程度，其公式如下
式中：i，j分别为灰度共生矩阵元素的行、列号；mij为灰度共生矩阵中（i，j）位置的值。
由公式（3）可知：如果中心元素同邻域中元素的灰度相差越大，其对比度值就越大，在纹理对比度影像上表现为较亮的区域（如陆地）；相反，则对应影像中的暗区域（如海水）。因此，对比度是反映局部区域中陆地特征的较大变化和水体特征平稳过渡的重要指标。
3 海岸线提取实例
海岸线在我国系指多年大潮平均高潮位时海陆分界线[14]。淤泥质海岸是指由粉砂和淤泥等细颗粒物质所组成的坡度平缓的海岸，具有含泥量较大、持水能力较强等特点。这使得平均大潮高潮线两边的地区含水量差别较大，利于在光谱上区分；而由于高低潮时海水的反复冲刷，也使得海岸线在纹理对比度上比较好辨别。
第一步；对研究区遥感影像进行多尺度分割。通过定性分析和优度实验法得到最优分割参数，即分割尺度为10；形状为0.1；紧致度为0.3；1、2、3、4、5、7波段参与分割的权重依次为1，边缘检测波段的权重为2。本次分割结果见图4。
第二步；创建自定义特征。输入B分量公式，并计算灰度共生纹理矩阵的对比度。应用隶属度函数对58～75之间的B分量值以及300～340之间的对比度值对海水和陆地的进行分类。再用（TM4-TM3）/（TM4+TM3）这一波段运算条件消除淤泥质海岸浑浊水体的影响，处理结果见图5。
第三步；考虑到海岸带的陆地区域包含众多养殖区、晒盐场和河流等，为了提高分类精度以及优化提取的海岸线，应用查找封闭类（find enclosed by class）算法对海水和陆地进行二值化，处理结果见图6。
第四步；应用合并区域（merge region）算法合并海水和陆地，并对海水区域和陆地区域进行形态学闭运算（先膨胀后腐蚀）对海岸线进行平滑处理，结果见图7。
第五步；提取水陆的交界线，即海岸线，见图8。图9为提取岸线与原始影像相叠加的结果，从目视解译角度来看，效果较好。
4 精度评价
以往的海岸线提取结果评价，主要是通过目视分析定性地评估提取结果，或将提取的岸线与参考岸线相互叠加并计算相关参数进行定量评价。如Bagli等采用PI（performance index）指数来评价结果[15]；王李娟采用相对误差=[（测量值-真值）/真值]×100%作为评价标准[16]；周亚男等采用完整度、正确度和质量等作为参考指标评价岸线提取结果[17]。以上定量的结果评价都依赖于参考岸线的质量，参考岸线通常不易获取，且海岸线始终处在动态的变化中，参考岸线的精确性并不能保证。
面向对象是进行水陆分类后再提取海岸线的，因此海水和陆地的分类精度就可反映海岸线这一线性目标提取的精度，而且所得的岸线精度是绝对精度，具有很强的实用性。从表1可见，陆地与水体的平均分类精度高达0.997，并且其分类稳定性也较好（表2）。海岸线作为海水和陆地两类地物的分界线，其提取精度应为二者分类精度的乘积，因此岸线提取精度可达0.9以上。从图10中可以看到，该提取方法的规则简单，提取速度快，实验中整个计算时间不超过10秒，在大区域中应用该方法提取岸线同样比用其他方法所需时间短。
5 结论
（1）采用面向对象的方法对苏北淤泥质海岸线进行自动提取，提取规则由光谱和纹理两种特征组成。不仅可以通过与其他规则求交集或并集的方式克服光谱和纹理特征单独提取存在的局限性，而且在提取速度和准确性上也有一定优势。
（2）相比结果评价方法，本文通过分类精度和稳定性两个指标检验提取结果而不依赖参考岸线的质量，其结果真实客观，具有较强的实用性。
（3）使用面向对象的方法对淤泥质海岸线进行提取，尺度分割和特征规则集的建立是其中关键步骤。本文采用的光谱和纹理特征规则集对于提取其他类型海岸线同样具有借鉴意义。
参考文献（References）：
[1] 王志一，徐素宁，姜艳辉等.苏北废黄河三角洲岸线变迁与海岸冲於动态遥感监测[J].南水北调与水利科技， 2013，11（1）：136-139.（WANG Zhi-yi，XU Su-ning，JIANG Yan-hui，et al.Remote sensing based dynamic monitoring of coastline change and coastal erosion and deposition of the abandoned Yellow River Delta in Northern Area of Jiangsu Province.South-to-North Water Transfers and Water Science &Technology.2013;，11（1）：136-139.（in Chinese））
[2] Frazier P S，K J Page.Water body detection and delineation with Landsat TM data[J].Photogram.Eng.Remote Sensing，2000，66（2）：1461-1467.
[3] Liu H.Automated extraction of coastline from satellite imagery by integrating Canny edge detection and locally adaptive thresholding methods[J].INT.J.REMOTE SENSING，2004，25（5）：937-958.
[4] 黄海军，李成治，郭建军.卫星影像在黄河三角洲岸线变化研究中的应用[J].海洋地质与第四纪地质，1994，14（2）：29-37.（Huang Hai-jun，Li Cheng-zhi，Guo Jian-jun.Application of landsat images to the studies of the Shorelines Change of the Huanghe River Delta.Marine Geology & Quaternary Geology，1994，14（2）：29-37.（in Chinese））
[5] 马小峰，赵东至，邢小罡.海岸线卫星遥感提取方法研究[J].海洋环境科学，2007，26（2）：185-189.（MA Xiao-feng，ZHAO Dong-zhi，XING Xiao-gang.Means of withdrawing coastline by remote sensing.Marine Environmental Science，2007，26（2）：185-189.（in Chinese））
[6] 王常颖.基于数据挖掘的遥感影像海岸带地物分类方法研究[D].青岛：中国海洋大学，2009（WANG Chang-ying.Coastal land covers classification of remote sensing images based on data minning technology[D].Qinghai：Ocean Vniversity of China，2009.（in Chinese） ）
[7] 常军，刘高焕，刘庆生.黄河三角洲海岸线遥感动态监测[J].地球信息科学，2004，6（1）：94-98.（CHANG Jun，LIU Gao-huan，LIU Qing-sheng.Dynamic monitoring of coastline in the Yellow River delta by remote sensing[J].Geo-information science，2004，6（1）：94-98.（in Chinese） ）
[8] 孙美仙，张伟.福建省海岸线遥感调查方法及其应用研究[J].台湾海峡，2004，23（2）：213-218.（SUN Mei-xian，ZHANG Wei.Study on Coastline Remote Sensing Survey and Application in Fujian Province[J].Journal of coean-graphy in Taiwan STRATT，2004，23（2）：213-218.（in Chinese））
[9] 张鹰，邱永红.海岸带地物特征的遥感信息提取方法[J].海洋预报，2002，19（3）：14-21.（ZHANG Ying，QIU Yong-hong.Remote sensing information extraction of coastal land features[J].Marine forecasts.2002，19（3）：14-21.（in chinese））
[10] 严海兵，李秉柏，陈敏东.遥感技术提取海岸线的研究进展.地域研究与开发[J].地质研究与开发，2009，48（2）.（YAN Hai-bing，LI Bing-bai，CHEN Min-dong.Progress of research in coastline extraction based on RS technique[J].Areal research and development，2009，48（2）.（in Chinese））
[11] 陈春雷，武刚.面向对象的遥感影像最优分割尺度评价[J].遥感技工与应用，2011，26（1）：96-102.（CHEN Chun-lei，WU Gang.Evaluation of Optimal Segmentation Scale with Object-oriented Method in Remote Sensing[J].Remote Sensng Technology and Application，2011，26（1）：96-102.（in Chinese））
[12] 周文鑫，何隆华，马荣华，等.基于面向对象的TM-LBV变换水体信息提取[J].中国科学院研究生院学报，2012，11（6）：775-779.（ZHOU Wen-xin，He Long-hua，Ma Rong-hua，et al.Extraction of water information based on LBV transformation of TM image using the object-oriented method[J].Journal of Graduate university of Chinese Academy of Sciences，2012，29（6）：775-779.（in Chinese））
[13] Ryu J H.Won J S.Kyung Duck Min.Waterline extraction from landsat TM data in a tidal flat a case study in Gomso Bay[J].Remote Sensing of Environment.2002，83：442-456.
[14] 杨玉娣，边淑华.海岸线及其划定方法探讨[J].海洋开发与管理，2007，24（6）：34-35.（YANG Yu-di，BIAN Shu-hua.Explore of coastline and its delineation method[J].Ocean Development and Management .2007，24（6）：34-35.（in Chinese））
[15] Bagli S，Soille P.Automatic delineation of shoreline and lake boundaries from Landsat satellite images //Proceedings of initial ECO-IMAGING GI and GIS for Integrated Coastal Management.Seville，Spain，2004：13-16.
[16] 王李娟，牛铮，赵德刚，等.基于ETM 遥感影像的海岸线提取与验证研究[J].遥感技术与应用，2010，25（2）：235-239.（WANG Li-juan，NIU Zheng，ZHAO De-gang，et al.The study of coastline extraction and validation using ETM remote sensing image[J].Remote sensing technology and applacation，2010，25（2）：235-239.（in Chinese））
[17] 周亚男，朱志文，沈占峰，等.融合纹理特征和空间关系的TM 影像海岸线自动提取[J].北京大学学报：自然科学版，2012，48（2）.（ZHOU Ya-nan，ZHU Zhi-wen，SHEN Zhan-feng，et al.Automatic Extraction of Coastline from TM Image Integrating Texture and Spatial Relationship[J].Acta Scientiarum Naturalium：Natural Sciences，2012，48（2）.
随便看

　

科学优质学术资源、百科知识分享平台，免费提供知识科普、生活经验分享、中外学术论文、各类范文、学术文献、教学资料、学术期刊、会议、报纸、杂志、工具书等各类资源检索、在线阅读和软件app下载服务。

　

Copyright © 2004-2023 puapp.net All Rights Reserved
更新时间：2025/3/22 19:56:43