基于灰度形态学和图像分割的河口水边线提取

发布时间：2019-11-25 18:17

【摘要】：基于灰度形态学理论,利用图像分割技术在MATLAB平台对南流江河口水边线进行提取的方法作对比研究。实验结果表明,直接边缘检测法、阈值分割法以及单值种子点区域生长法都不能有效跟踪汊道、潮滩、沙洲发育的河口水边线,存在水边线破碎、不连续等问题,而多种子点区域生长法能精准跟踪复杂的河口水边界,获得理想的水边线信息。该方法可快速、自动提取河口水边线,为河口海岸蚀淤、水下滩涂资源监测提供可靠的技术支撑。
【图文】：

示意图,南流江,河口,示意图

系乃釄呦呤撬幔逵肼降刂釗涞姆纸?线[1]，其位置的变化为海岸线侵蚀淤积的监测和模拟研究以及台风和洪水等自然灾害的预测提供了最基本的信息。如何获得海岸线的精确位置是众多海岸带研究中亟需解决的问题[2]。然而，受周期性涨落潮水位的影响，水边线时刻处于变化之中，传统的人工地面采样测量较为困难，目视解译的方法由于受到判读者解译经验和地学知识的影响，水边线提取的精度难以保证。稳定的卫星遥感平台对捕捉不同潮情条件下的水边线非常有效，是目前提取水边线或岸线最有效的途径[3]。南流江河口（图1）具有典型的潮汐三角洲特征[4]，其水下三角洲前缘浅滩可细分为河口沙坝、潮间浅滩和三角洲前缘浅滩[5]。开展河口水边线位置变化研究对南流江河口水下浅滩稳定性监测和滩涂资源保护有着重要的意义。图1南流江河口示意图本文以自动获取河口水下三角洲前缘浅滩水边线为目标，结合灰度形态学理论，，利用高分辨率遥感影像数据的波谱特征，通过边缘检测、阈值分割与区域生长法3种不同图像分割技术对河口水边线进行提龋1图像分割技术图像分割技术主要包括（点、线）边缘检测、阈值处理与基于区域的图像分割等[6]。1.1边缘检测法边缘像素是指图像中灰度发生突变的像素，而边缘是连续的边缘像素的集合[6]。边缘检测通过检测每个像素与其邻域的状态来决定该像素是否处于一个物体的边界。主要思想是先检测出图像中的边缘点，然后再按一定策略连接成水边线轮廓[7]。边缘检测算子通过检查每个像元的邻域并对其灰度级进行量化来确定边界，大多基于方向导数掩膜求卷积方法，其中最常用的有Roberts算子、Prewitt算子、Sobel算子、Laplace-Gauss算子和Canny算子。1.2阈值分割法阈值处理法（阈值分割

效果图,水边线,效果图

3的平坦圆盘结构元素对图像g分别进行顶、底帽变换得到图像g1、g2，然后对图像g与顶帽变换后的图像g1作加法运算得到图像g3，最后对过程图像g3与底帽变换后的图像g2作减法运算，得到对比度增强的图像g4。3水边线提取研究预处理后的遥感数据直接在MATLAB平台进行水边线提取，从而实现上述图像分割算法。3.1直接边缘检测对预处理后的图像直接运用边缘检测算法来提取水边线后发现，Roberts、Prewitt、Sobel这3种算子虽能检测出边缘信息，但由于受到噪声影响，提取的边缘非常破碎，效果较差（图2）；Laplace-Gauss、Canny算子较之其他几种算子定位精度相对较高，也可以剔除假边缘信息，但对于地物类型多样的河口影像数据的潮滩边缘也无法提取完整的水边线，图中右边河流汊道中潮滩边缘水边线不连续。因此可以认为，针对河口地貌，直接边缘检测算法无法提取理想的水边线。aRobertsbPrewittcSobeldLOGeCanny图2水边线提取边缘检测算法效果图3.2阈值分割法对平滑预处理后的单波段影像数据进行直方图分刘鑫：基于灰度形态学和图像分割的河口水边线提取

【相似文献】