SAR影像提取海岸线的MS-CV方法

发布时间：2020-05-24 03:38

【摘要】：海岸线作为海陆分界线,是大陆及海岛礁形状描绘与面积量算的依据,是海图和地形图上不可或缺的重要地形要素,由于地理位置优势以及人类活动频繁等因素,海岸线区域成为最为敏感的地带,快速实时的掌握其开发状况及位置变化已成为亟待解决的关键问题。合成孔径雷达(Synthetic Aperture Radar,SAR)以其高频、高精度、快速、统一、同步、综合的数据获取能力以及全天候、大面积、周期性和穿透云雾雨雪观测的特点非常适用于海岸线信息探测,在海岸带资源调查和海岸带管理等方面表现出无可比拟的优势。本文主体研究如何利用SAR影像实现对海岸线的自动、快速、准确提取。在现有提取方法的基础上,重点对目前常用的具有较强的检测灵敏度和抗噪能力的多尺度影像序列水平集C-V模型分割海岸线方法进行研究。针对SAR影像固有的斑点噪声、海陆区域的反射信息变化无常、复杂地物的难以区分等因素引起的多尺度序列影像边界继承不连续、C-V模型差分迭代复杂的问题,从纵向影像序列生成与横向精细化自动分割两个方面进行改进,构建了一种新的适用于提取SAR影像海岸线的方法—Multiscale Sequence-Chan Vese(MS-CV)方法,以提高SAR海岸线提取的精度与计算速率,实现SAR影像海岸线的快速自动化精确获得。本文主要工作和创新点如下:1.改进了多尺度序列金字塔影像的生成方式,通过改变由小尺度影像到大尺度影像的继承迭代方式,给出了基于指数型和双曲型的两种多尺度影像金字塔序列生成方式。实验表明此改进方法一方面提高边界继承的效率,另一方面通过尺度变化降低噪声干扰并整合所关注的对象。2.提出了一种适用于自动提取SAR影像海岸线方法——MS-CV方法。本方法在改进多尺度影像序列的基础上,应用了包括巴特沃斯低通滤波、Ostu预分割、综合阈值的辅助方法,提升C-V模型的初始值获得的效率及海岸线自动化分割的精确度,实验表明此方法提升了 SAR海岸线提取精度与计算速率。3.发展了一种对海岸线提取结果进行精度评价的方法——偏移误差量,即偏移量的均方根误差,评价MS-CV方法分割的海岸线与常规多尺度C-V模型分割海岸线的差异情况,以解决不同方法原始数据点数、位置不同而无法进行海岸线精度评价的问题。本文通过利用Cosmo-SkyMed影像数据进行研究实验,与现有的多尺度C-V模型分割海岸线方法对比评价,MS-CV方法在海岸线提取精度与计算速率方面具有明显的优势。
【图文】：

水平集,曲线演化

了合并或分裂的拓扑结构变化，水平集函数依然可以有效的进行处理，最后达逡逑到演化全部闭合曲线的目的。此原理也是水平集函数实现演化闭合活动轮廓线逡逑的优点，对于影像实现高精度分割是非常有效的。如图２．１所示，由于水平集逡逑函数不断进行演化，，所以对应的零水平集也在不断变化，当水平集演化趋于平逡逑稳时，演化停止，得到界面形状。逡逑图２．１水平集曲线演化表示逡逑Ｆｉｇ．２．１邋Ｅｖｏｌｕｔｉｏｎ邋ｏｆ邋ｌｅｖｅｌ邋ｓｅｔ邋ｃｕｒｖｅ逡逑其实换种说法就是，把平面曲线演化的问题转化成曲面的演化问题，而原逡逑理转化的衔接点就是曲线是曲面的零水平集。具体做法为，给定演化平面上的逡逑一条闭合曲线，以曲线为边界，把整个平面划分为两个区域：曲线的外部和内逡逑１４逡逑

图像表示,分辨率,多尺度

平集方法与Ｃ－Ｖ模型的结合应用中，对函数在闭合曲线拓展中，对于ＳＤＦ函数的符号演变，不能确保在每一次的更新迭代的正负具有稳定的特性。因此，在利用Ｃ－Ｖ模型对影像的分割中，始化是逐一进行的，这种迭代过程则导致速率变慢，所需时间增加。逡逑有的基于Ｃ－Ｖ模型的二进制多尺度的海岸线分割逡逑多尺度即为图像的金字塔表达逡逑现有二进制多尺度方法即为将影像进行多尺度序列的生成，此序列即为］９８７年Ｍａｌｌａｔ［８３］提出的多分辨率理论。简单来说，由于目的性同尺度影像，以不同分辨率来进行研宄，具有不同的效果，如高于获得其细致的纹理信息，低分辨率下有利于获得其轮廓信息。对海岸线分割，在不同的尺度拆解下，可有效的利于目标提取。逡逑
【学位授予单位】：山东科技大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：P715.7

【参考文献】