針對遙感影像數(shù)據(jù)大面積覆蓋的特性,利用數(shù)學(xué)形態(tài)學(xué)提出了一種多目標(biāo)海島水邊線的同步提取模型,模型包括:利用K-means算法的海島區(qū)域粗分割;基于灰度膨脹算法的海島初始輪廓曲線確立;利用水平集算法的海島水邊線優(yōu)化。以福州海域的多目標(biāo)海島水邊線提取為例,將本文模型與K-means模型、二值化高斯濾波水平集模型（SBGFRLS）和基于改進(jìn)水平集的海島邊界快速分割模型（ILSM-IBRS）進(jìn)行了比較。結(jié)果表明,本文模型彌補(bǔ)了K-means模型的過分割現(xiàn)象,其計(jì)算耗時(shí)較SBGFRLS和ILSM-IBRS模型分別節(jié)省了96.16%和86.96%;其迭代次數(shù)分別減少了97.07%和90.59%。由此可見,本文模型解決了現(xiàn)有提取模型效率低、過分割等現(xiàn)象,實(shí)現(xiàn)了多目標(biāo)海島水邊線的同步提取,為海島普查等提供了一種快速提取方法。 

【文章來源】：海洋測繪. 2020,40(05)

【文章頁數(shù)】：5 頁

【部分圖文】：

圖２基于本文模型的多目標(biāo)海島水邊線同步提取過程示意圖??由圖２（ａ）可看出，多目標(biāo)海島水邊線粗分割結(jié)果??出現(xiàn)了過分割現(xiàn)象

為輸入，基于水平集算法優(yōu)化多海島??水邊線的提取結(jié)果。??（Ｃ）多目標(biāo)海島水邊線??海島初始輪廓已部分收斂到海島目標(biāo)水邊線上，但??受圖像噪聲等影響，初始輪廓并非是一條連續(xù)閉合??的曲線，且存在過分割現(xiàn)象；（４）與ＩＬＳＭ－ＩＢＲＳ模型??相比，本文模型的初始輪廓更為平滑，且實(shí)現(xiàn)了曲線??的閉合，解決了初始輪廓和水邊線的過分割問題。??初始??輪廓??分割??結(jié)果??（ａ）Ｋ－ｍｅａｎｓ?（ｂ）ＳＢＧＦＲＬＳ?（ｃ）ＩＬＳＭ－ＩＢＲＳ?、士士磁??模型?麵?猶??圖３基于不同模型的多目標(biāo)海島水邊線提取結(jié)果對比圖??３．２．２不同模型海島水邊線提取計(jì)算效率比較??針對多目標(biāo)海島水邊線的提取，本節(jié)以計(jì)算時(shí)??間和迭代次數(shù)為參數(shù)，比較了本文模型與Ｋ－ｍｅａｎｓ??模型、ＳＢＧＦＲＬＳ模型、ＩＬＳＭ－ＩＢＲＳ模型的計(jì)算效率。??表１為基于不同提取模型的多目標(biāo)海島水邊線提取??計(jì)算時(shí)間和迭代次數(shù)比較結(jié)果。由表１中可看出：??在多目標(biāo)海島的水邊線的提取中，除Ｋ－ｍｅａｎｓ模型??之外，本文模型在計(jì)算時(shí)間和迭代次數(shù)上均具有較??好的優(yōu)勢。面向福州海域的多目標(biāo)海島水邊線提??取，本文模型所用時(shí)間較ＳＢＧＦＲＬＳ和ＩＬＳＭ－ｆｆｉＲＳ??圖２基于本文模型的多目標(biāo)海島水邊線同步提取過程示意圖??由圖２（ａ）可看出，多目標(biāo)海島水邊線粗分割結(jié)果??出現(xiàn)了過分割現(xiàn)象。經(jīng)過灰度膨脹算法優(yōu)化后的粗分??割結(jié)果，其更為平滑且實(shí)現(xiàn)了曲線的閉合。同時(shí)，加大??的初始邊界與目標(biāo)輪廓距離，解決了粗分割中出現(xiàn)的??過分割現(xiàn)象，見圖２（ｂ）。圖２（ｃ）為多目標(biāo)海島水邊線??的最終提取結(jié)果，其將灰度膨脹算法優(yōu)化后的多目標(biāo)??海島初始輪

４８??海洋測繪??第４０卷??＿?ＴＰ??￣?ＴＰ?＋?ＦＰ?＋?ＦＮ?“３）?［２］??式中，為匹配的模型提取水邊線長度，ＦＰ為未匹??配的模型提取水邊線長度，ｍ為匹配的目視解譯提??取水邊線長度為未匹配的目視解譯水邊線長??度。表２為不同模型的海島水邊線提取結(jié)果精度比??較，可看出本文模型的提取水邊線結(jié)果表現(xiàn)出更好??的完整性、正確率和提取質(zhì)量。??圖４海島水邊線目視解譯結(jié)果示意圖??表２基于不同模型的多目標(biāo)海島水邊線提取結(jié)果精度比較??模型??ＴＰ?ＴＰ＋ＦＰ?ＴＮ??ＴＮ＋ＦＮ?ＣＰ％??ＣＲ％??ＱＬ％??本文模型??３１６７６?３４８０９?２６６３０??９３??９１??８６??ＩＬＳＭ－ＩＢＲＳ３４１８１?４０６５５?２５８９２??９０??２８６１５??８４??７９??ＳＢＧＦＲＬＳ??３３?８１１?４０２９０?２５?８８８??９０??８４??７９??Ｋ－ｍｅａｎｓ??３０３７０?４６７３６?２０８１４??７３??６５??５６??４結(jié)束語??本文結(jié)合數(shù)學(xué)形態(tài)學(xué)的灰度膨脹算法，兼顧海島??遙感影像大面積覆蓋的特點(diǎn)，提出了多目標(biāo)海島水邊??線的同步提取模型。通過與其它分割模型比較，如??Ｋ－ｍｅａｎｓ模型，二值化高斯濾波水平集模型??（ＳＢＧＦＲＩ５）和基于改進(jìn)水平集的海島邊界快速分割模??型（ＩＩ５Ｍ－ＩＢＲＳ），驗(yàn)證了本文模型提取的多目標(biāo)海島??邊線結(jié)果表現(xiàn)出更好的完整性、正確率和提取質(zhì)量。??但本文僅對利用某一時(shí)刻遙感觀測影像數(shù)據(jù)提??取了海島水邊線，其屬于瞬時(shí)水邊線的提��；海島水??邊線還需綜合考慮潮汐數(shù)據(jù)等自然因素觀測數(shù)據(jù)，??因此如何實(shí)現(xiàn)多源海島監(jiān)測數(shù)據(jù)的融合，提高海島??

【參考文獻(xiàn)】：
期刊論文
[1]海岸線自動(dòng)提取方法研究[J]. 呂立蕾,董玉磊,奉定平,王榮林.  海洋測繪. 2019(04)
[2]改進(jìn)水平集模型的海島邊界快速分割方法研究[J]. 王振華,何婉雯,孫婧琦,曲念毅,黃冬梅.  計(jì)算機(jī)科學(xué)與探索. 2019(07)
[3]基于水邊線的遙感影像防波堤提取方法[J]. 喻金桃,郭海濤,林雨準(zhǔn),陳小衛(wèi),丁磊.  海洋測繪. 2018(03)
[4]海島礁航空攝影測量技術(shù)應(yīng)用研究[J]. 滕惠忠,于波,李海濱,郭忠磊,閘旋.  海洋測繪. 2016(06)
[5]基于國產(chǎn)GF-1遙感影像的山區(qū)細(xì)小水體提取方法研究[J]. 李艷華,丁建麗,閆人華.  資源科學(xué). 2015(02)
[6]數(shù)學(xué)形態(tài)學(xué)在作物病害圖像處理中的應(yīng)用研究[J]. 刁智華,趙春江,吳剛,郭新宇.  中國圖象圖形學(xué)報(bào). 2010(02)



本文編號：3025897