【摘要】：基于灰度形態(tài)學(xué)理論,利用圖像分割技術(shù)在MATLAB平臺對南流江河口水邊線進(jìn)行提取的方法作對比研究。實(shí)驗(yàn)結(jié)果表明,直接邊緣檢測法、閾值分割法以及單值種子點(diǎn)區(qū)域生長法都不能有效跟蹤汊道、潮灘、沙洲發(fā)育的河口水邊線,存在水邊線破碎、不連續(xù)等問題,而多種子點(diǎn)區(qū)域生長法能精準(zhǔn)跟蹤復(fù)雜的河口水邊界,獲得理想的水邊線信息。該方法可快速、自動提取河口水邊線,為河口海岸蝕淤、水下灘涂資源監(jiān)測提供可靠的技術(shù)支撐。
【圖文】：

系乃釄呦呤撬幔逵肼降刂釗淶姆紙?線[1]，其位置的變化為海岸線侵蝕淤積的監(jiān)測和模擬研究以及臺風(fēng)和洪水等自然災(zāi)害的預(yù)測提供了最基本的信息。如何獲得海岸線的精確位置是眾多海岸帶研究中亟需解決的問題[2]。然而，受周期性漲落潮水位的影響，水邊線時(shí)刻處于變化之中，傳統(tǒng)的人工地面采樣測量較為困難，目視解譯的方法由于受到判讀者解譯經(jīng)驗(yàn)和地學(xué)知識的影響，水邊線提取的精度難以保證。穩(wěn)定的衛(wèi)星遙感平臺對捕捉不同潮情條件下的水邊線非常有效，是目前提取水邊線或岸線最有效的途徑[3]。南流江河口（圖1）具有典型的潮汐三角洲特征[4]，其水下三角洲前緣淺灘可細(xì)分為河口沙壩、潮間淺灘和三角洲前緣淺灘[5]。開展河口水邊線位置變化研究對南流江河口水下淺灘穩(wěn)定性監(jiān)測和灘涂資源保護(hù)有著重要的意義。圖1南流江河口示意圖本文以自動獲取河口水下三角洲前緣淺灘水邊線為目標(biāo)，結(jié)合灰度形態(tài)學(xué)理論，，利用高分辨率遙感影像數(shù)據(jù)的波譜特征，通過邊緣檢測、閾值分割與區(qū)域生長法3種不同圖像分割技術(shù)對河口水邊線進(jìn)行提齲1圖像分割技術(shù)圖像分割技術(shù)主要包括（點(diǎn)、線）邊緣檢測、閾值處理與基于區(qū)域的圖像分割等[6]。1.1邊緣檢測法邊緣像素是指圖像中灰度發(fā)生突變的像素，而邊緣是連續(xù)的邊緣像素的集合[6]。邊緣檢測通過檢測每個(gè)像素與其鄰域的狀態(tài)來決定該像素是否處于一個(gè)物體的邊界。主要思想是先檢測出圖像中的邊緣點(diǎn)，然后再按一定策略連接成水邊線輪廓[7]。邊緣檢測算子通過檢查每個(gè)像元的鄰域并對其灰度級進(jìn)行量化來確定邊界，大多基于方向?qū)?shù)掩膜求卷積方法，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閾值分割法閾值處理法（閾值分割

3的平坦圓盤結(jié)構(gòu)元素對圖像g分別進(jìn)行頂、底帽變換得到圖像g1、g2，然后對圖像g與頂帽變換后的圖像g1作加法運(yùn)算得到圖像g3，最后對過程圖像g3與底帽變換后的圖像g2作減法運(yùn)算，得到對比度增強(qiáng)的圖像g4。3水邊線提取研究預(yù)處理后的遙感數(shù)據(jù)直接在MATLAB平臺進(jìn)行水邊線提取，從而實(shí)現(xiàn)上述圖像分割算法。3.1直接邊緣檢測對預(yù)處理后的圖像直接運(yùn)用邊緣檢測算法來提取水邊線后發(fā)現(xiàn)，Roberts、Prewitt、Sobel這3種算子雖能檢測出邊緣信息，但由于受到噪聲影響，提取的邊緣非常破碎，效果較差（圖2）；Laplace-Gauss、Canny算子較之其他幾種算子定位精度相對較高，也可以剔除假邊緣信息，但對于地物類型多樣的河口影像數(shù)據(jù)的潮灘邊緣也無法提取完整的水邊線，圖中右邊河流汊道中潮灘邊緣水邊線不連續(xù)。因此可以認(rèn)為，針對河口地貌，直接邊緣檢測算法無法提取理想的水邊線。aRobertsbPrewittcSobeldLOGeCanny圖2水邊線提取邊緣檢測算法效果圖3.2閾值分割法對平滑預(yù)處理后的單波段影像數(shù)據(jù)進(jìn)行直方圖分劉鑫：基于灰度形態(tài)學(xué)和圖像分割的河口水邊線提取

【相似文獻(xiàn)】

相關(guān)期刊論文 前4條

1 顧靜良,張衛(wèi),萬敏;基于灰度形態(tài)學(xué)和鄰域熵值的弱小目標(biāo)檢測[J];強(qiáng)激光與粒子束;2004年12期

2 王耀革,王玉海,朱長青,陳星;基于灰度形態(tài)學(xué)的高分辨率遙感影像預(yù)處理[J];測繪學(xué)院學(xué)報(bào);2004年02期

3 李林,高政;一種新穎的灰度形態(tài)學(xué)算子[J];計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào);2001年09期

4 ;[J];;年期

相關(guān)會議論文 前3條

1 韓建濤;王書宏;陳曾平;;基于灰度形態(tài)學(xué)的可見光弱小目標(biāo)檢測[A];第十二屆全國信號處理學(xué)術(shù)年會（CCSP-2005）論文集[C];2005年

2 魯昌華;程現(xiàn)彬;胡林和;;基于灰度形態(tài)學(xué)圖像邊緣檢測方法及其應(yīng)用研究[A];2010振動與噪聲測試峰會論文集[C];2010年

3 董宇星;孫海江;劉偉寧;;基于背景抑制和灰度形態(tài)學(xué)的弱小目標(biāo)檢測[A];圖像圖形技術(shù)研究與應(yīng)用(2010)[C];2010年

相關(guān)碩士學(xué)位論文 前3條

1 謝巍;格同態(tài)映射下的灰度形態(tài)學(xué)連通性理論研究[D];哈爾濱工程大學(xué);2011年

2 郭艷艷;灰度形態(tài)學(xué)算子[D];蘇州科技學(xué)院;2014年

3 秦學(xué)文;基于圖像處理的現(xiàn)場鋼管計(jì)數(shù)研究[D];華中科技大學(xué);2013年

本文編號：2565800