一种基于缨帽变换的遥感图像海岸线信息提取方法及系统[发明专利]

(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 (43)申请公布日 (21)申请号 201710367295.X
(22)申请日 2017.05.23
(71)申请人 浙江海洋大学
地址 316022 浙江省舟山市定海区临城街
道海大南路1号
(72)发明人 陈超　傅姣琪　张帅　
(74)专利代理机构 杭州千克知识产权代理有限
公司 33246
代理人 贾森君
(51)Int.Cl.
G06K 9/00(2006.01)
G06K 9/46(2006.01)
G06T 7/136(2017.01)
(54)发明名称
一种基于缨帽变换的遥感图像海岸线信息
提取方法及系统
(57)摘要
本发明揭示了一种基于缨帽变换的遥感图
像海岸线信息提取方法及系统，包括以下步骤：
预处理，对遥感图像进行辐射定标、大气校正，得
到研究区域的预处理图像；基于缨帽变换的水体
信息提取，对预处理图像进行缨帽变换以提取湿
度信息，基于阈值分割得到初始水体信息，并利
用数学形态学运算获取精确水体信息；特征知识
支持下的海岸线信息提取，对精确水体信息进行
矢量化并进行最终海岸线信息提取；精度评价，
将海岸线信息提取结果与原始图像进行空间叠
加分析，从位置准确性和海岸线完整性对结果进
行评价。

本发明适用于悬浮泥沙含量较大区域的
海岸线信息提取，具有操作简单、结果准确等优
点。

权利要求书3页 说明书9页 附图5页CN 107247927 A 2017.10.13
C N 107247927
A
1.一种基于缨帽变换的遥感图像海岸线信息提取方法，其特征在于：所述信息提取方法依次包括以下步骤：
S1：预处理
选取所需研究区域遥感图像，进行辐射定标、大气校正和几何校正，得到所需研究区域的预处理图像，获取适于后续处理的反射率数据；
S2：基于缨帽变换的水体信息提取
S21、对S1中所述预处理图像进行缨帽变换以提取湿度信息，并基于阈值分割得到所需研究区域的初始水体信息；
S22、基于数学形态学对初始水体信息进行开启和闭合运算，得到所需研究区域的精确水体信息；
S3：特征知识支持下的海岸线信息提取
S31、对研究区域的精确水体信息进行矢量化，以获取水体边缘信息，得到研究区域的初始海岸线信息；
S32、根据海岸线在遥感图像上的表现特征及实际情况下海岸线的形态，基于海岸线的长度、距离和方向特征知识进行研究区域的最终海岸线信息提取。

2.根据权利要求1所述的一种基于缨帽变换的遥感图像海岸线信息提取方法，其特征在于：所述信息提取方法还包括精度评价步骤：
S4、将S3中最终海岸线信息提取结果与原始图像进行空间叠加分析，从位置准确性和海岸线完整性两方面对结果进行精度评价。

3.根据权利要求1所述的一种基于缨帽变换的遥感图像海岸线信息提取方法，其特征在于：所述S21中提取湿度信息具体包括如下步骤，
S211：利用传感器所对应的缨帽变换系数对所需研究区域的预处理图像进行缨帽变换，得到所需研究区域的缨帽变换后的遥感图像，并提取所需研究区域的湿度信息；
缨帽变换数学表达式如下所示：
u＝R T x+r (1)
其中，u表示所需研究区域的缨帽变换图像，R是传感器所对应的缨帽变换系数，x代表所需研究区域的预处理图像，r表示常数偏移量，是为避免在变换过程中出现负值。

所需研究区域的缨帽变换图像的第三波段为所需研究区域的湿度信息I wetness。

4.根据权利要求1所述的一种基于缨帽变换的遥感图像海岸线信息提取方法，其特征在于：所述S21中初始水体信息具体包括如下步骤:
步骤S212：提取道路、植被、裸土、滩涂、城镇、不同泥沙含量水体等地物在研究区域的湿度信息上的取值并比较，选取分割阈值T；利用选取的分割阈值T对所需研究区域的湿度信息进行分割，提取所需研究区域的初始水体信息；
具体公式如下：
其中，I water为所需研究区域的初始水体信息，I wetness为所需研究区域的湿度信息，T为选取的分割阈值。

5.根据权利要求1所述的一种基于缨帽变换的遥感图像海岸线信息提取方法，其特征在于：所述S32精确海岸线信息提取依次包括如下步骤：
S321：对所需研究区域的最终水体信息进行矢量化，得到所需研究区域的初始海岸线信息；
S322：统计所需研究区域的初始海岸线信息中各线段长度，设定阈值，以去除数学形态学运算所造成的噪声影响；
具体公式如下：
L i≤L T(i＝1,2,3,...,N) (3)
其中，N为所需研究区域的初始海岸线信息线段总数，L i为第i条线段的长度，L T为设定的最短海岸线长度；
当满足公式(3)时，则删除此段海岸线，否则将该段海岸线保留，以进行后续操作，将所有海岸线根据长度由高到低进行排序，L T取总个数95％时的长度值，即L T＝L I(I＝INT (0.95*N)) (INT表示取整)；
S323：考虑到海岸线的连续性，统计每一条海岸线相对于X轴的方向，以及和其他海岸线的距离，设定阈值，判定相邻海岸线是否满足公式(4)设定的连接条件；
其中，D T和A T为相邻海岸线的距离和角度差，D m-n是第m和第n条海岸线之间的距离，A m和A n分别为第m和第n条海岸线相对于X轴的角度；
S324：根据公式(4)连接满足条件的海岸线，得到所需研究区域的最终海岸线信息。

6.一种基于缨帽变换的遥感图像海岸线信息提取系统，其特征在于：包括：数据输入输出模块、遥感图像预处理模块、缨帽变换模块、初始水体信息提取模块、精确水体信息提取模块及海岸线信息提取模块；所述数据输入输出模块连接所述遥感图像预处理模块，所述缨帽变换模块分别连接所述遥感图像预处理模块和初始水体信息提取模块，所述精确水体信息提取模块分别连接所述初始水体信息提取模块和海岸线信息提取模块；
所述数据输入输出模块，用以读取研究区域的卫星遥感图像、保存海岸线信息提取结果；
所述遥感图像预处理模块，用于对遥感图像进行辐射定标、大气校正和几何校正的预处理操作，消除遥感图像中的辐射畸变和几何畸变，提高遥感图像质量；
所述缨帽变换模块，利用传感器对应缨帽变换系数对预处理后遥感图像进行缨帽变换，以获取湿度分量得到湿度信息；
所述初始水体信息提取模块，比较不同地物在湿度信息上的差异性，并设定分割阈值，利用阈值对缨帽变换后的湿度信息进行初始水体信息提取；
所述精确水体信息提取模块，利用数学形态学运算对初始水体信息进行开启和闭合操作，进行最终水体信息提取；
所述海岸线信息提取模块，采用边缘跟踪法对精确水体信息进行矢量化，统计每条线段的长度和线段之间的距离，通过设定长度和距离阈值，进行海岸线信息提取。

7.根据权利要求6所述的一种基于缨帽变换的遥感图像海岸线信息提取系统，其特征在于：在所述精确水体信息提取模块中，对初始水体信息进行数学形态学运算以消除湖泊、
河流等小面积水域的影响，填充海面船舶造成的孔洞，并保留原有海洋边界范围。

8.根据权利要求6所述的一种基于缨帽变换的遥感图像海岸线信息提取系统，其特征在于：在所述海岸线信息提取模块中，统计初始海岸线信息的线段长度，基于阈值去除噪声影响，并统计每一段海岸线相对于X轴的方向，以及和其他海岸线的距离，设定阈值，连接满足条件的海岸线，得到精确海岸线信息。

一种基于缨帽变换的遥感图像海岸线信息提取方法及系统
技术领域
[0001]本发明涉及遥感图像处理技术领域，尤其涉及一种基于缨帽变换的遥感图像海岸线信息提取方法及系统。

背景技术
[0002]海岸线是陆地与海洋的分界线，也是划分海洋与陆地管理区域的基准线，在我国指多年平均大潮高潮时形成的实际痕迹线。

海岸线既是一种重要的国土资源，也是重要的基础地理信息数据。

由于河口淤积、气候变暖等自然条件导致的海平面上升及围垦开荒、填海造地、海洋工程等人类活动的影响，海岸线在不断发生着变化。

因此，快速而准确地测定海岸线的动态变化，对于海域使用管理、海岛海岸带研究等具有重要意义。

[0003]通常情况下，海岸线信息以野外实地调查的方式获取，首先测量拐点坐标，再顺序连接后形成海岸线，虽然精度较高，但是花费人工多、效率低下、工作周期长，而且受地理条件的限制，存在测量困难和无法到达区域，无法满足大范围提取的要求。

遥感技术凭借其特有的高时效、大范围、动态性特点，能够有效克服地面调查中可能遇到的各种限制，已成为海岸线信息提取的主要手段。

目前遥感图像海岸线信息提取有两种方法：目视解译和自动解译。

目视解译利用绘图仪或软件进行边界描绘，并保存为矢量文件，方法简单，精度较高，但速度慢，工作量大，无法满足大范围快速提取的要求。

自动解译根据水体和海岸在遥感图像上的表现特征，在计算机技术的支持下，获取海岸线的空间分布信息。

相对于目视解译，自动解译速度较快，工作量较小，但容易受到其他地物的干扰，噪声较多，往往需要复杂的后处理操作。

[0004]遥感图像海岸线信息自动解译方法主要包括边缘检测法、指数分析法、阈值分割法、区域生长法、神经网络法。

边缘检测法利用岸线空间关系，通过Roberts、Prewitt、Sobel、Laplace、Canny等算子检测灰度值发生阶跃变化的位置，该方法操作简单，运算效率较高。

指数分析法在分析地表物体自身波谱特性的基础上进行，利用归一化植被指数、归一化水体指数、修正后归一化水体指数分离陆地和水体，物理意义较为明确。

阈值分割法的前提是同类地物具有相似的灰度值，适用于目标与背景对比强烈的图像。

区域生长法将具有相似性质的像素集合起来构成区域，结果比较准确。

神经网络法以模拟人体神经系统的结构和功能为基础，通过样本训练实现陆地与水体的聚类，进而提取海岸线，这种方法能够提取不同类型的海岸线，并且分类精度较高。

这些方法各有特点，在某些特定领域取得了一定成功，但也有其自身缺陷。

边缘检测法会引入较多干扰，海岸线连续性不好。

指数分析法存在容易饱和的问题，并且一部分近岸水体易被错分为陆地，严重影响了海岸线提取精度。

阈值分割法容易受到光谱相似性地物的影响。

区域生长法生长规则选择困难，在图像局部方差比较大的情况下效果往往不佳。

神经网络法较为复杂，需要较多具有典型意义的样本支持。

[0005]缨帽变换是由Kauth和Thomas于1976年发现的一种线性变换，又称K-T变换，是针对多光谱遥感图像的一种线性变换，在减少波段相关性引起的数据冗余的同时提供具有物
理特征(如植物生长、土地变化等)的信息，它遵循一般的线性变换形式，能够消除多光谱图像的相对光谱响应相关性。

[0006]考虑悬浮泥沙含量对水体光谱特性的影响，导致传统水体信息提取方法失效，影响海岸线信息提取效果，以及海岸线的实际形态变化，探索一种基于缨帽变换的遥感图像海岸线信息提取方法及系统，以应对遥感图像处理领域的挑战，保证海岸线信息提取的准确性，就成为亟待解决的问题。

发明内容
[0007]本发明的目的就是为了消除悬浮泥沙对水体信息提取的影响，保证海岸线信息提取的可靠性和准确性，提供一种基于缨帽变换的遥感图像海岸线信息提取方法及系统。

[0008]本发明的目的将通过以下技术方案得以实现：一种基于缨帽变换的遥感图像海岸线信息提取方法，所述信息提取方法依次包括以下步骤：
[0009]S1：预处理
[0010]选取所需研究区域遥感图像，进行辐射定标、大气校正和几何校正，得到所需研究区域的预处理图像，获取适于后续处理的反射率数据；
[0011]S2：基于缨帽变换的水体信息提取
[0012]S21、对S1中所述预处理图像进行缨帽变换以提取湿度信息，并基于阈值分割得到所需研究区域的初始水体信息；
[0013]S22、基于数学形态学对初始水体信息进行开启和闭合运算，得到所需研究区域的精确水体信息；
[0014]S3：特征知识支持下的海岸线信息提取
[0015]S31、对研究区域的精确水体信息进行矢量化，以获取水体边缘信息，得到研究区域的初始海岸线信息；
[0016]S32、根据海岸线在遥感图像上的表现特征及实际情况下海岸线的形态，基于海岸线的长度、距离和方向特征知识进行研究区域的最终海岸线信息提取。

[0017]优选地，所述信息提取方法还包括精度评价步骤：
[0018]S4、将S3中最终海岸线信息提取结果与原始图像进行空间叠加分析，从位置准确性和海岸线完整性两方面对结果进行精度评价。

[0019]优选地，所述S21中提取湿度指数具体包括如下步骤，
[0020]S211：利用传感器所对应的缨帽变换系数对所需研究区域的预处理图像进行缨帽变换，得到所需研究区域的缨帽变换后的遥感图像，并提取所需研究区域的湿度信息；[0021]缨帽变换数学表达式如下所示：
[0022]u＝R T x+r (1)
[0023]其中，u表示所需研究区域的缨帽变换图像，R是传感器所对应的缨帽变换系数，x 代表所需研究区域的预处理图像，r表示常数偏移量，是为避免在变换过程中出现负值；所需研究区域的缨帽变换图像的第三波段为所需研究区域的湿度信息I wetness。

[0024]优选地，所述S21中初始水体信息具体包括如下步骤:
[0025]步骤S212：提取道路、植被、裸土、滩涂、城镇、不同泥沙含量水体等地物在研究区域的湿度信息上的取值并比较，选取分割阈值T；利用选取的分割阈值T对所需研究区域的
湿度信息进行分割，提取所需研究区域的初始水体信息；
[0026]具体公式如下：
[0027]
[0028]其中，I water为所需研究区域的初始水体信息，I wetness为所需研究区域的湿度信息，T为选取的分割阈值。

[0029]优选地，所述S32最终海岸线信息提取依次包括如下步骤：
[0030]S321：对所需研究区域的最终水体信息进行矢量化，得到所需研究区域的初始海岸线信息；
[0031]S322：统计所需研究区域的初始海岸线信息中各线段长度，设定阈值，以去除数学形态学运算所造成的噪声影响；
[0032]具体公式如下：
[0033]L i≤L T(i＝1,2,3,...,N) (3)
[0034]其中，N为所需研究区域的初始海岸线信息线段总数，L i为第i条线段的长度，L T为设定的最短海岸线长度；
[0035]当满足公式(3)时，则删除此段海岸线，否则将该段海岸线保留，以进行后续操作，将所有海岸线根据长度由高到低进行排序，L T取总个数95％时的长度值，即L T＝L I(I＝INT (0.95*N))(INT表示取整)；
[0036]S323：考虑到海岸线的连续性，统计每一条海岸线相对于X轴的方向，以及和其他海岸线的距离，设定阈值，判定相邻海岸线是否满足公式(4)设定的连接条件；
[0037]
[0038]其中，D T和A T为相邻海岸线的距离和角度差，D m-n是第m和第n条海岸线之间的距离，A m和A n分别为第m和第n条海岸线相对于X轴(水平方向)的角度；
[0039]S324：根据公式(4)连接满足条件的海岸线，得到所需研究区域的最
[0040]终海岸线信息。

[0041]一种基于缨帽变换的遥感图像海岸线信息提取系统，包括：数据输入输出模块、遥感图像预处理模块、缨帽变换模块、初始水体信息提取模块、精确水体信息提取模块及海岸线信息提取模块；所述数据输入输出模块连接所述遥感图像预处理模块，所述缨帽变换模块分别连接所述遥感图像预处理模块和初始水体信息提取模块，所述精确水体信息提取模块分别连接所述初始水体信息提取模块和海岸线信息提取模块；
[0042]所述数据输入输出模块，用以读取研究区域的卫星遥感图像、保存海岸线信息提取结果；
[0043]所述遥感图像预处理模块，用于对遥感图像进行辐射定标、大气校正和几何校正的预处理操作，消除遥感图像中的辐射畸变和几何畸变，提高遥感图像质量；
[0044]所述缨帽变换模块，利用传感器对应缨帽变换系数对预处理后遥感图像进行缨帽变换，以获取湿度分量得到湿度信息；
[0045]所述初始水体信息提取模块，比较不同地物在湿度信息上的差异性，并设定分割
阈值，利用阈值对缨帽变换后的湿度分量进行初始水体信息提取；
[0046]所述精确水体信息提取模块，利用数学形态学运算对初始水体信息进行开启和闭合操作，进行精确水体信息提取；
[0047]所述海岸线信息提取模块，采用边缘跟踪法对精确水体信息进行矢量化，统计每条线段的长度和线段之间的距离，通过设定长度和距离阈值，进行海岸线信息提取。

[0048]优选地，在所述精确水体信息提取模块中，对初始水体信息进行数学
[0049]形态学运算以消除湖泊、河流等小面积水域的影响，填充海面船舶造成的孔洞，并保留原有海洋边界范围。

[0050]优选地，在所述海岸线信息提取模块中，统计初始海岸线信息的线段长度，基于阈值去除噪声影响，并统计每一段海岸线相对于X轴的方向，以及和其他海岸线的距离，设定阈值，连接满足条件的海岸线，得到精确海岸线信息。

[0051]本发明技术方案的优点主要体现在：针对悬浮泥沙含量较大，导致传统水体信息提取方法失效的问题，本技术方案构建了一种基于缨帽变换的遥感图像海岸线信息提取方法；从海岸线在遥感图像的表现特征及实际情况下的海岸线形态出发，基于长度、距离和方向等特征知识，开展噪声去除、断线连接研究，保证海岸线信息提取精度。

[0052]另外，在本发明的精确水体信息提取方法中，采用数学形态学运算以消除湖泊、河流等小面积水域的影响，填充海面船舶造成的孔洞，并保留原有海洋边界范围，进一步提高了水体信息提取的运算效率和结果准确性。

附图说明
[0053]图1是本发明基于缨帽变换的遥感图像海岸线信息提取方法的流程示意图。

[0054]图2是本发明基于缨帽变换的遥感图像海岸线信息提取系统的结构示意图。

[0055]图3是本发明实施例研究区域的区位示意图。

[0056]图4是本发明实施例研究区域的原始图像的示意图。

[0057]图5是本发明实施例研究区域的预处理后图像的示意图。

[0058]图6是本发明实施例研究区域的实测地物波谱曲线的示意图。

[0059]图7是本发明实施例研究区域基于缨帽变换后湿度信息的示意图。

[0060]图8是本发明实施例研究区域基于缨帽变换后初始水体信息的示意图。

[0061]图9是本发明实施例研究区域基于缨帽变换后精确水体信息的示意图。

[0062]图10是本发明实施例研究区域特征知识下的初始海岸线信息提取结果的示意图。

[0063]图11是本发明实施例研究区域特征知识下的精确海岸线信息提取结果示意图。

具体实施方式
[0064]本发明的目的、优点和特点，将通过下面优选实施例的非限制性说明进行图示和解释。

这些实施例仅是应用本发明技术方案的典型范例，凡采取等同替换或者等效变换而形成的技术方案，均落在本发明要求保护的范围之内。

[0065]本发明揭示了一种基于缨帽变换的遥感图像海岸线信息提取方法及系统，具体地，一种基于缨帽变换的遥感图像海岸线信息提取方法，如图1所示，所述信息提取方法依次包括以下步骤：
[0066]S1：预处理
[0067]选取所需研究区域遥感图像，进行辐射定标、大气校正和几何校正，得到所需研究区域的预处理图像，获取适于后续处理的反射率数据。

[0068]通常情况下，用户获取的卫星遥感影像数据为没有物理意义的灰度值，并且在成像过程中，由于受到大气的影响，数据质量较差，因此需要对其进行图像预处理，获取适于后续处理的反射率数据。

在本实施例中，所述探测卫星优选为Landsat-5卫星，Landsat-5为光学对地观测卫星，是美国陆地卫星系列(Landsat卫星)的第五颗卫星，于1984年3月1日发射。

Landsat-5各波段参数如下：
[0069]
波段号波段频谱范围(μm)分辨率(m)
B1Blue0.45—0.5230
B2Green0.52—0.6030
B3Red0.63—0.6930
B4Near IR0.76—0.9030
B5SW IR 1.55—1.7530
B6LW IR10.40—12.5120
B7SW IR 2.08—2.3530
[0070]具体地，在操作过程中先选取所需研究区域，获取该所需研究区域的遥感图像，并对获取的所需研究区域所对应的遥感图像依次进行辐射定标、大气校正和几何校正预处理操作，得到所需研究区域的预处理图像。

一方面，根据文件自带的参数进行辐射定标，将灰度值转换为具有物理意义的辐亮度。

另一方面，对辐亮度数据进行大气校正以获得反射率数据，在本实施例中，该大气校正采用FLAASH模型进行，减弱由于大气散射和吸收造成的衰减，改善图像质量，提高信息提取精度。

[0071]S2：基于缨帽变换的水体信息提取
[0072]海岸线是水体和陆地的分界线，因此，提取水体信息对于海岸线信息提取具有重要指导意义，能够限定海岸线信息提取的空间范围，提高结果准确性。

[0073]对所需研究区域的预处理图像进行缨帽变换以提取湿度信息，并基于阈值分割得到初始水体信息；其中，基于缨帽变换的水体信息提取，即所述研究区域的初始水体信息提取过程主要包括以下步骤：
[0074]S21、对S1中所述预处理图像进行缨帽变换以提取湿度信息，并基于阈值分割得到所需研究区域的初始水体信息；
[0075]S22、基于数学形态学对初始水体信息进行开启和闭合运算，得到所需研究区域的精确水体信息；
[0076]步骤S211：利用传感器所对应的缨帽变换系数对所需研究区域的预处理图像进行缨帽变换，得到所需研究区域的缨帽变换后遥感图像，并提取所需研究区域的湿度信息I wetness。

[0077]缨帽变换数学表达式如下所示。

[0078]u＝R T x+r (1)
[0079]其中，u表示所需研究区域的缨帽变换图像，R是传感器所对应的缨帽变换系数，x
代表所需研究区域的预处理图像，r表示常数偏移量，是为避免在变换过程中出现负值。

[0080]所需研究区域的缨帽变换图像的第三波段即是研究区域的湿度信息，该湿度信息反映了地面水分条件，特别是土壤的温度状态。

[0081]缨帽变换系数表为：
[0082]
[0083]经过缨帽变换可以得到与波段数相同的几个分量，其中前三个分量与地面景物密切相关。

具体地，这三个分量分别为：
[0084]第一分量为亮度信息(BI)，反映了地物总体反射率的综合效果。

[0085]第二分量为绿度信息(GVI)，与亮度信息垂直，反映了地面植被覆盖、叶面积指数及生物量的丰富程度。

[0086]第三分量为湿度信息(WI)，与土壤温度有关，反映了地面水分条件，特别是土壤的湿度状态。

其余分量为黄度指数及噪声。

对不同地区特点和传感器，系数是调整变化的。

[0087]对于TM图像而言，可见光-红外六个波段数据蕴含着很丰富的信息，前三个分量主要反映土壤亮度(Brightness)、绿度(Greenness)和湿度(Wetness)，第四分量为黄度及噪声。

以Landsat5为例，可表示为：
[0088]
[0089]经过缨帽变换后能够在该空间下对植被、土壤、水体等地面覆被做更为细致准确的分析。

[0090]步骤S212：比较道路、植被、裸土、滩涂、城镇、不同泥沙含量水体等地物在研究区域的湿度信息上的取值，以选取分割阈值T；利用选取的分割阈值T对研究区域的湿度信息进行分割，提取研究区域的初始水体信息。

具体公式如下：
[0091]
[0092]其中，I water为所需研究区域的初始水体信息，I wetness为所需研究区域的湿度信息，T为选取的分割阈值；
[0093]利用数学形态学运算对初始水体信息进行开启和闭合操作，以消除湖泊、河流等小面积水域的影响，填充海面船舶造成的孔洞，并保留原有海洋边界范围，得到研究区域的精确水体信息。

[0094]S3：特征知识支持下的海岸线信息提取
[0095]对所需研究区域的精确水体信息进行矢量化，以获取水体边缘信息，
[0096]得到研究区域的初始海岸线信息，然后根据海岸线在遥感图像上的表现特征，考。