一种基于自适应滤波的水边线提取方法技术

一种基于自适应滤波的水边线提取方法，分为以下四部分：1、水边线背景均衡化：对Sentinel

【技术实现步骤摘要】
一种基于自适应滤波的水边线提取方法


[0001]本专利技术涉及一种基于自适应滤波的水边线提取方法，属于遥感地学应用


技术介绍

[0002]海岸带是沿海区域变化最剧烈的地区之一，水边线作为海岸带管理的重要参考，对研究自然与人类环境变化至关重要。近些年海平面上升、风暴潮频发及人造海岸带建设都对水边线的演变产生重要影响。海岸线分为人工海岸、基岩海岸、砂质海岸、淤泥质海岸和生物质海岸等多种形态，受不规律潮汐等不可控自然环境与人类活动影响，水边线边界难以辨别且识别精度低等难点。
[0003]卫星遥感以大面积、全天时和全天候优势，准确监测海岸线与海岸工程开发和利用状态，在海岸线监测中发挥了重要作用。Landsat 8OLI影像在空间分辨率、光谱分辨率及信噪比方面都比较完备。该影像光谱覆盖可见光
–
近红外
–
热红外波段共11个波段，空间分辨率为30m，为准确监测海岸线提供了最佳数据集。海岸线通常由不同类型组成，各类岸线光谱、形态特征存在差异。近些年，我国的水边线变化十分明显。引起海岸线空间变迁人类开发活动主要为农田用海、养殖用海、盐田用海、港口码头建设、城镇建设以及交通等；引起海岸线变化的自然活动主要为淤积和侵蚀作用。本专利发展了一种自适应滤波的水边线提取方法，能够高效准确地获取海岸线分布，评估水边线演变规律。

技术实现思路

[0004]本专利技术要解决的技术问题是：针对现有水边线提取算法对潮湿滩面和干燥滩面界线模型阈值难以确定，提出一种基于自适应滤波的水边线提取算法。该方法将水体特征增强、聚类分析、水边线多尺度增强、自动阈值分割进行整合，高精度识别海陆边界长度及范围。
[0005]为此，本专利技术采用的具体技术方案如下：一种基于自适应滤波的水边线提取方法，该方法包括以下步骤：基于自适应滤波的水边线提取方法，其特征在于，该方法包括以下步骤：
[0006]第一步、下载Landsat8 OLI影像并进行大气校正，利用感兴趣区对目标区域进行掩膜，得到目标区域影像；
[0007]第二步、利用红光波段和近红外波段做归一化植被指数NDVI运算，得到突出水体信息的NDVI图像；
[0008]第三步、根据模糊聚类算法对NDVI图像进行聚类运算，增强线性水边线灰度值，得到聚类图像；
[0009]第四步、利用Frangi滤波中的Hessian矩阵算法对聚类图像的线性特征增强，利用Hessian特征值构建线性滤波增强水边线像元特征；
[0010]第五步、根据多阈值OTSU算法对Frangi滤波增强的水边线进行分割，得到水边线
的初步轮廓；
[0011]第六步、使用腐蚀膨胀算法对水边线的初步轮廓进行填充；
[0012]第七步、使用滑动滤波窗口对图像提取噪声做平滑处理；
[0013]第八步、根据验潮站公布影像拍摄时间的水位信息对水边线进行修正；
[0014]第九步：对水边线提取结果做二值化处理并转成矢量格式。
[0015]本专利将Frangi滤波拓展到水边线提取中，并通过多阈值分割算法实现海陆边界精确识别。本专利基于30m分辨率Landsat 8OLI影像，提取水边线遥感算法，实现水边线数据集绘制。考虑到水边线类型繁多、背景复杂、海陆边界难以界定等因素，本算法分为以下四部分：(1)水边线背景均衡化：对Sentinel
‑
2MSI绿光波段和近红外波段进行水体指数运算增强水边线水体特征，聚类分析算法分离陆地和水体反射率中重合区域，减少像元间的反射率混淆性。(2)局部微分结构的水系增强：利用Frangi滤波对图像做二阶Hessian矩阵，确定水边线最优尺度增强特征。(3)多阈值水边线分割：利用多阈值OTSU算法提取水边线结果。(4)非线性水体噪声剔除：使用腐蚀膨胀算法将陆地填充，建立滑动窗口遍历图像中所有像元删除噪声信号。其中第2是算法的核心部分。本算法在水边线提取中鲁棒性强、精度高，在Sentinel
‑
2A/B MSI、Modis图像中效果也很好。
[0016]本专利技术采用的自适应滤波水边线提取算法属于算法应用创新。考虑到影像中海陆边界线状特征模糊、背景异质性差异大等问题，使用模糊聚类算法对图像做平滑突出水体信息；使用线状尺度增强算法增加海陆边界线特征，利用多阈值分割模型得到水边线。本算法提高了水边线识别精度、鲁棒性和普适性，为水边线识别提供思路。所有步骤均由编程实现，减少了人工参与。
[0017]算法的主要创新在以下三方面：
[0018]1、所述第三步中，利用模糊聚类对NDVI图像进行处理，增强水体和陆地之间的差异。
[0019]2、所述第四步中，利用Frangi滤波增强海陆边界线，将探测尺度空间的最大响应记录到最优尺度匹配线性特征指标。
[0020]3、所述第八步中，利用验潮站点水位来对水边线提取结果做校正。
附图说明
[0021]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0022]图1是基于自适应滤波的水边线提取算法流程图。
[0023]图2是归一化植被指数效果图、模糊聚类算法图。
[0024]图3是不同尺度水边线微分结构目标增强。
[0025]图4多阈值OTSU结果图。
[0026]图5腐蚀膨胀结果图。
[0027]图6水边线结果图。
具体实施方式
[0028]为进一步说明各实施例，本专利技术提供有附图，这些附图为本专利技术揭露内容的一部分，其主要用以说明实施例，并可配合说明书的相关描述来解释实施例的运作原理，配合参考这些内容，本领域普通技术人员应能理解其他可能的实施方式以及本专利技术的优点，图中的组件并未按比例绘制，而类似的组件符号通常用来表示类似的组件。
[0029]下面根据附图详细阐述本专利技术，使本专利技术的技术路线和操作步骤更加清晰。
[0030]本专利技术实例研究区域为黄河口，时间为2017年6月26日。
[0031]图1是本专利技术基于自适应滤波的水边线提取方法的的流程图，包括以下步骤：
[0032]第一步、下载2017年6月26日黄河口30m分辨率的Landsat OLI影像，并进行大气校正，利用感兴趣区对目标区域进行掩膜，得到目标区域影像。
[0033]第一步包括以下步骤：
[0034]a.下载包含目标区域的晴空无云的Landsat 8OLI影像；
[0035]b.根据影像成像时间及区域，使用Py6S方法对Landsat 8OLI影像进行大气校正，Py6S方法的输入参数包括水汽波长及气溶胶类型；
[0036]c.根据感兴趣区域矢量文件对影像进行掩膜处理，得到目标区域影像。
[0037]第二步、利用Python读取裁剪影本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于自适应滤波的水边线提取方法，其特征在于，该方法包括以下步骤：第一步、下载Landsat8 OLI影像并进行大气校正，利用感兴趣区对目标区域进行掩膜，得到目标区域影像；第二步、利用红光波段和近红外波段做归一化植被指数NDVI运算，得到突出水体信息的NDVI图像；第三步、根据模糊聚类算法对NDVI图像进行聚类运算，增强线性水边线灰度值，得到聚类图像；第四步、利用Frangi滤波中的Hessian矩阵算法对聚类图像的线性特征增强，利用Hessian特征值构建线性滤波增强水边线像元特征；第五步、根据多阈值OTSU算法对Frangi滤波增强的水边线进行分割，得到水边线的初步轮廓；第六步、使用腐蚀膨胀算法对水边线的初步轮廓进行填充；第七步、使用滑动滤波窗口对图像提取噪声做平滑处理；第八步、根据验潮站公布影像拍摄时间的水位信息对水边线进行修正；第九步：对水边线提取结果做二值化处理并转成矢量格式。2.根据权利要求1所述的基于自适应滤波的水边线提取方法，其特征在于，所述Landsat8 OLI影像的分辨率为30m。3.根据权利要求1所述的基于自适应滤波的水边线提取方法，其特征在于，所述第一步包括以下步骤：a.下载包含目标区域的晴空无云的Landsat 8OLI影像；b.根据影像成像时间及区域，使用Py6S方法对Landsat 8OLI影像进行大气校正；c.根据感兴趣区域矢量文件对影像进行掩膜处理，得到目标区域影像。4.根据权利要求3所述的基于自适应滤波的水边线提取方法，其特征在于，步骤b中，Py6S方法的输入参数包括水汽波长及气溶胶类型。5.根据权利要求1所述的基于自适应滤波的水边线提取方法，其特征在于，步骤2中，针对影像的每个像元，计算归一化植被指数NDVI：式中，ρ1是影像像元近红外波段的辐射强度，ρ2是影像像元近红光波段的辐射强度。6.根据权利要求1所述的基于自适应滤波的水边线提取方法，其特征在于，步骤3中，利用Matlab编写模糊聚类算法对NDVI图像做处理步骤如下：(1)随机将样本聚成k个聚类之心点簇，u1，u2,
…
,u
k
(2)重复下面收敛过程：对每一个样例i，计算属于类，对每一个类j，重新计算该类质心u
j
，
其中i为样本，j为聚类中心点，m为训练样本个数，C
(i)
为样本i与类别k中最近类...

【专利技术属性】
技术研发人员：王正，杜军，邱士可，王超，王景旭，刘纪平，党晓岩，杨旭，马玉凤，
申请(专利权)人：河南省科学院地理研究所，
类型：发明
国别省市：