模拟涨潮的复杂海岸类型岸线自动提取方法
发布时间：2021-10-07 21:48
传统的海岸线提取方法往往仅针对某种类型的海岸有效,对于多种类型混合海岸区域,则需要对图像分类裁剪、分别提取岸线、拼接图像才能提取出完整的海岸线,该过程不仅实现较为复杂,而且将不同类型海岸严格划分开的难度也很大,因此,本文提出了一种适用于混合海岸类型区域提取海岸线新方法——模拟海水涨潮过程的海岸线自动提取方法。首先采用波段差决策树分类分析方法（spectral difference decision tree,SDDT）对遥感影像进行分类,根据地物类型差异将各区域类别标记为"可涨潮区域"与"不可涨潮区域"两类;其次,通过计算每个斑块区域的面积,将面积小于某一预设阈值的区域块定义为噪声区域,去除所有噪声区域;然后,再通过最大矩形填充算法（maximum rectangle filling algorithm,MRFA）模拟海水涨潮逐步填充"可涨潮区域"并提取海岸线。本文方法提取的海岸线较为连续,不受地物分类结果图中的少量误分类斑块的影响。
【文章来源】：海洋环境科学. 2020,39(01)北大核心CSCD
【文章页数】：9 页
【部分图文】：
提取岸线与实际岸线对比
基于最大矩形填充算法的海岸线自动提取方法步骤包含遥感影像的输入、地物分类、区域标记、后处理、模拟涨潮及海岸线的提取输出,流程如图1所示。本文采用波段差决策树分类分析方法(SDDT)进行地物分类,该方法考虑波段间关系对地物进行分类,对于单个波段无法区分的两类地物,通过计算两波段(如Bi和Bj)的差值(ΔBij=Bi-Bj),将ΔBij看做一个组合后的新波段,根据该波段就能够找到两类地物明显的区分阈值,基于该思路结合C4.5决策树分类分析方法便可区分多类地物。
如图2 a所示为2017年3月6日东营附近区域Landsat 8遥感影像,对其使用SDDT算法分类效果如图2 b所示。考虑该地区的实际情况,将分类图中的“海水”、“淤泥”、“沙滩”三类地物视为“可涨潮区域”即图2 c中的白色区域,将“养殖区”地物视为“不可涨潮区域”即图2 c中的黑色区域,对于该465 * 375大小的遥感图像降噪处理PointAmount小于17的部分之后如图2 d所示。1.2 模拟涨潮的海水区域填充算法
【参考文献】：
期刊论文
[1]基于深度极限学习机的高光谱遥感影像分类研究[J]. 吕飞,韩敏. 大连理工大学学报. 2018(02)
[2]GF-3号SAR卫星遥感围填海监测方法研究——以大连金州湾为例[J]. 范剑超,姜大伟,赵建华,初佳兰,谢春华,安文韬,黄凤荣. 海洋科学. 2017(12)
[3]基于决策树与密度聚类的高分辨率影像海岸线提取方法[J]. 王常颖,王志锐,初佳兰,赵建华. 海洋环境科学. 2017(04)
[4]SAR图像海岸线检测的区域距离正则化几何主动轮廓模型[J]. 姜大伟,范剑超,黄凤荣. 测绘学报. 2016(09)
[5]基于深度协同稀疏编码网络的海洋浮筏SAR图像目标识别[J]. 耿杰,范剑超,初佳兰,王洪玉. 自动化学报. 2016(04)
[6]基于均值漂移的海岛(礁)岸线快速提取[J]. 方亮,付成群,方涛,洪建国. 解放军理工大学学报(自然科学版). 2016(05)
[7]基于混合边缘检测的极化SAR图像海岸线检测[J]. 刘春,殷君君,杨健. 系统工程与电子技术. 2016(06)
[8]基于遥感的近30a中国海岸线和围填海面积变化及成因分析[J]. 高志强,刘向阳,宁吉才,芦清水. 农业工程学报. 2014(12)
[9]结合海岸类型和潮位校正的海岸线遥感提取[J]. 张旭凯,张霞,杨邦会,庄智,尚坤. 国土资源遥感. 2013(04)
[10]基于样本自动选择与SVM结合的海岸线遥感自动提取[J]. 朱长明,张新,骆剑承,李万庆,杨纪伟. 国土资源遥感. 2013(02)
博士论文
[1]基于数据挖掘的遥感影像海岸带地物分类方法研究[D]. 王常颖.中国海洋大学 2009
本文编号：3422834
【文章来源】：海洋环境科学. 2020,39(01)北大核心CSCD
【文章页数】：9 页
【部分图文】：
提取岸线与实际岸线对比
基于最大矩形填充算法的海岸线自动提取方法步骤包含遥感影像的输入、地物分类、区域标记、后处理、模拟涨潮及海岸线的提取输出,流程如图1所示。本文采用波段差决策树分类分析方法(SDDT)进行地物分类,该方法考虑波段间关系对地物进行分类,对于单个波段无法区分的两类地物,通过计算两波段(如Bi和Bj)的差值(ΔBij=Bi-Bj),将ΔBij看做一个组合后的新波段,根据该波段就能够找到两类地物明显的区分阈值,基于该思路结合C4.5决策树分类分析方法便可区分多类地物。
如图2 a所示为2017年3月6日东营附近区域Landsat 8遥感影像,对其使用SDDT算法分类效果如图2 b所示。考虑该地区的实际情况,将分类图中的“海水”、“淤泥”、“沙滩”三类地物视为“可涨潮区域”即图2 c中的白色区域,将“养殖区”地物视为“不可涨潮区域”即图2 c中的黑色区域,对于该465 * 375大小的遥感图像降噪处理PointAmount小于17的部分之后如图2 d所示。1.2 模拟涨潮的海水区域填充算法
【参考文献】：
期刊论文
[1]基于深度极限学习机的高光谱遥感影像分类研究[J]. 吕飞,韩敏. 大连理工大学学报. 2018(02)
[2]GF-3号SAR卫星遥感围填海监测方法研究——以大连金州湾为例[J]. 范剑超,姜大伟,赵建华,初佳兰,谢春华,安文韬,黄凤荣. 海洋科学. 2017(12)
[3]基于决策树与密度聚类的高分辨率影像海岸线提取方法[J]. 王常颖,王志锐,初佳兰,赵建华. 海洋环境科学. 2017(04)
[4]SAR图像海岸线检测的区域距离正则化几何主动轮廓模型[J]. 姜大伟,范剑超,黄凤荣. 测绘学报. 2016(09)
[5]基于深度协同稀疏编码网络的海洋浮筏SAR图像目标识别[J]. 耿杰,范剑超,初佳兰,王洪玉. 自动化学报. 2016(04)
[6]基于均值漂移的海岛(礁)岸线快速提取[J]. 方亮,付成群,方涛,洪建国. 解放军理工大学学报(自然科学版). 2016(05)
[7]基于混合边缘检测的极化SAR图像海岸线检测[J]. 刘春,殷君君,杨健. 系统工程与电子技术. 2016(06)
[8]基于遥感的近30a中国海岸线和围填海面积变化及成因分析[J]. 高志强,刘向阳,宁吉才,芦清水. 农业工程学报. 2014(12)
[9]结合海岸类型和潮位校正的海岸线遥感提取[J]. 张旭凯,张霞,杨邦会,庄智,尚坤. 国土资源遥感. 2013(04)
[10]基于样本自动选择与SVM结合的海岸线遥感自动提取[J]. 朱长明,张新,骆剑承,李万庆,杨纪伟. 国土资源遥感. 2013(02)
博士论文
[1]基于数据挖掘的遥感影像海岸带地物分类方法研究[D]. 王常颖.中国海洋大学 2009
本文编号：3422834
本文链接：https://www.wllwen.com/kejilunwen/haiyang/3422834.html
