盛 輝, 張 馳, 萬劍華

基于多時相遙感數(shù)據(jù)的海岸線自動提取方法

盛 輝, 張 馳, 萬劍華

(中國石油大學(xué)(華東)海洋與空間信息學(xué)院, 山東 青島 266580)

海岸線是海洋的重要組成部分, 對于海域管理具有重要意義。本文根據(jù)岸線位置確定原理, 即將多時相瞬時水邊線上邊界近似作為海岸線, 提出了一種基于多時相水邊線的海岸線自動提取方法, 該方法應(yīng)用區(qū)域生長與邊緣檢測相結(jié)合的方法提取瞬時水邊線, 然后采用海岸線自動判別算法進(jìn)行海岸線的提取。首先計算歸一化水體指數(shù)(normalized difference water index, NDWI)圖像, 利用區(qū)域生長算法進(jìn)行海陸分割, 得到海陸分割二值圖; 然后利用Canny邊緣檢測對海陸分割結(jié)果進(jìn)行邊緣檢測, 得到瞬時水邊線; 最后利用海岸線自動判別算法得到多時相瞬時水邊線上界作為海岸線。本文以馬六甲海峽部分海岸作為研究區(qū)域, 應(yīng)用多期Landsat 8遙感影像進(jìn)行了海岸線提取和分析。為驗證海岸線提取精度, 對獲取時間接近高潮時的一景哨兵二號影像進(jìn)行目視解譯得到人工解譯的海岸線, 與本文提取海岸線進(jìn)行對比。結(jié)果顯示, 本文算法得到的海岸線平均偏移量和均方根誤差分別為21.01 m和21.96 m, 能夠滿足30 m分辨率遙感圖像的精度要求, 相比采用單景影像提取海岸線, 精度有明顯提高。

海岸線; 多時相; 遙感; 馬六甲海峽

海岸線是海陸分界線, 由于受潮汐作用影響, 海陸分界線時刻處于變化中, 因此海岸線被定義為多年平均大潮高潮面所形成的實際痕跡線。海岸線提取是海岸帶資源管理的基礎(chǔ), 只有準(zhǔn)確地提取出海岸線, 海岸帶的調(diào)查和管理才有意義[1]。

目前, 利用遙感技術(shù)進(jìn)行海岸線提取的方法較多, 主要分為傳統(tǒng)的目視解譯方法和自動提取方法。由于傳統(tǒng)目視解譯提取海岸線需要人為干預(yù), 操作起來比較繁瑣, 且對影像的分辨率要求較高, 因此目前海岸線自動提取方法研究較多, 各類算法已經(jīng)較為成熟。Chen等[2]利用區(qū)域生長法在光學(xué)遙感影像中提取出了水邊線; 李秀梅等[3]應(yīng)用Canny算子對渤海灣海岸線進(jìn)行了提取; 賈明明等[4]基于多源遙感數(shù)據(jù)使用面向?qū)ο蠓椒ㄌ崛『贾轂澈０毒€并取得了較好的提取效果; 陳祥等[5]針對SAR圖像的特點, 采用一種粗閾值與精確閾值相結(jié)合的海陸分割方法實現(xiàn)了海岸線的提取; Aedla等[6]利用直方圖均衡化與自適應(yīng)閾值算法實現(xiàn)了海岸線的自動提取。

上述自動提取方法大都是基于單景影像進(jìn)行海岸線提取, 實際提取到的岸線是衛(wèi)星過境時當(dāng)?shù)氐乃矔r水邊線, 沒有考慮潮汐對瞬時水邊線位置的影響, 并不是真正的海岸線。雖然部分學(xué)者考慮了潮汐的影響并進(jìn)行了潮汐校正, 如馬小峰[7]、張旭凱等[8], 但是由于大部分是使用單景影像進(jìn)行提取, 提取精度不是很理想。因此, 胡亞斌等[9]提出將基于多期遙感影像提取得到的多時相瞬時水邊線上邊界近似平均大潮高潮線, 即海岸線, 但是多時相瞬時水邊線的上邊界判別只能依靠人工選取來實現(xiàn), 反而加大了岸線提取的繁瑣程度。本文在此基礎(chǔ)上, 提出了一種基于多時相瞬時水邊線的海岸線自動判別算法, 能夠自動判別多時相瞬時水邊線的上邊界作為海岸線, 大大提高了海岸線提取效率。

1 數(shù)據(jù)

1.1 研究區(qū)

本文以馬六甲海峽為研究區(qū), 具體選擇蘇門答臘島海岸帶進(jìn)行試驗, 位于101°56′E～102°39′E, 1°15′N～ 1°36′N, 如圖1。

圖1 馬六甲海峽研究區(qū)

馬六甲海峽地處東南亞, 位于馬來半島與蘇門答臘島之間, 是連接印度洋和太平洋的咽喉要道。近年來, 馬六甲海峽內(nèi)船只擱淺事故不斷, 大型船只通行和運輸面臨嚴(yán)峻考驗, 因此, 研究馬六甲海峽海岸線的變化規(guī)律對船只通行安全和港口貿(mào)易具有重要意義。

1.2 遙感影像

本文使用的遙感影像為2019—2020年5景已經(jīng)經(jīng)過幾何校正的Landsat 8 OLI影像, 主要用于多時相瞬時水邊線的提取, 具體參數(shù)信息見表1。

表1 所用影像參數(shù)信息

同時, 為驗證提取海岸線的精度, 獲取一景哨兵二號影像進(jìn)行人工解譯提取該地區(qū)海岸線用于精度驗證, 影像獲取時間為2020年3月16日, 分辨率為10 m。其他輔助數(shù)據(jù)主要是國家海洋科學(xué)數(shù)據(jù)中心2019年和2020年爪拉巴株巴轄潮汐觀測站潮高統(tǒng)計數(shù)據(jù)。

2 方法

由于在后續(xù)提取水體過程中, 需要用到綠光和近紅外波段的反射率, 為了消除受大氣影響而造成的輻射誤差, 得到真實的地表反射率, 提高水體提取精度, 需要對數(shù)據(jù)進(jìn)行輻射定標(biāo)和大氣校正處理, 并根據(jù)研究區(qū)矢量范圍對原始數(shù)據(jù)進(jìn)行裁剪。海岸線提取總體流程如圖2所示。

圖2 海岸線提取總體流程

2.1 基于NDWI和區(qū)域生長的海陸分割

歸一化水體指數(shù)(normalized difference water index, NDWI)早在1996年由Mcfeeters[10]提出, 主要用于提取影像中的水體信息。其主要是基于水體在綠光波段和近紅外波段相反的光譜特性, 由綠波段和近紅外波段的反射率計算得到。NDWI計算得到的圖像相比原始圖像, 能夠更明顯地區(qū)分陸地和水體, 降低云霧對結(jié)果的干擾, 增強水陸分界邊緣信息, 提高水邊線提取精度。因此, 本研究采用NDWI圖像來提取水邊線。NDWI是一種比值指數(shù), 其具體計算方法如下:

區(qū)域生長是根據(jù)事先定義的準(zhǔn)則將像素或子區(qū)域聚合成更大區(qū)域的過程。其基本思想是從一組生長點(單個像素或某個區(qū)域)開始, 將與該生長點性質(zhì)相似的相鄰像素或者區(qū)域與生長點合并, 形成新的生長點, 重復(fù)此過程直到不能生長為止[11]。生長點和相似區(qū)域的相似性判斷依據(jù)可以是灰度值、紋理、顏色等圖像信息。

2.2 基于Canny算子的邊緣檢測

圖像邊緣信息主要集中在高頻段, 通常說的邊緣檢測實質(zhì)就是高頻濾波, 圖像處理中有多種邊緣檢測算子, 常用的包括普通一階差分、Robert算子、Sobel算子等, Canny邊緣檢測算子是一種多級檢測算法, 相比其他算子, Canny算子提出了基于邊緣梯度方向的非極大值抑制和雙閾值的滯后閾值處理, 使得到的結(jié)果更加細(xì)化, 定位更加準(zhǔn)確, 是目前圖像邊緣檢測算法中最經(jīng)典、最先進(jìn)的算法之一[12]。Canny 算子邊緣檢測步驟如下:

1) 使用高斯濾波器對原圖像進(jìn)行濾波, 其中高斯函數(shù)的方差人為設(shè)定;

2) 對濾波后的圖像求梯度幅值以及梯度向量;

3) 對梯度圖像進(jìn)行非最大值抑制操作, 剔除非最大值的像素點;

4) 確定高、低閾值并結(jié)合連接分析方法確定圖像最終的邊緣, 高、低閾值大小的選擇, 對檢測得到的邊緣質(zhì)量有著關(guān)鍵性影響。

2.3 水邊線上邊界自動判別

岸線位置確定原理是根據(jù)海岸線的定義綜合考慮潮汐對岸線位置的影響而提出的, 其中心思想就是確定多時相瞬時水邊線的上邊界, 將該上邊界近似為平均大潮高潮線, 即海岸線。本文基于岸線位置確定原理, 提出了一種基于多時相瞬時水邊線的海岸線自動判別算法。

設(shè)平面中3點1(1,1),2(2,2),3(3,3), 根據(jù)矢量積和右手定則, 可以通過計算3點的向量交叉積判斷3與1、2組成的向量12的位置關(guān)系, 公式如下:

若>0, 則3在向量12的左側(cè); 若<0, 則3在向量12的右側(cè); 若=0, 則3在向量12上。根據(jù)以上原理, 可以判斷點與直線的位置關(guān)系, 從而判別多時相瞬時水邊線(1、2、…、L)的上邊界。算法總體流程如圖4所示。

具體步驟如下:

1) 確定陸地點, 將瞬時水邊線1的首尾點,連接組成向量, 并規(guī)定的方向為前進(jìn)方向。

2) 計算(,,)。若>0, 則在左側(cè)。

3) 計算1、2的交點并根據(jù)交點分為段, 逐段判別。設(shè)某一段端點為、,1上一點為,2上一點為, 分別計算1(,,)、2(,,)。

4) 若1′>0且2′<0, 則1為該段水邊線上邊界; 若1′<0且2′>0, 則2為該段水邊線上邊界; 若1′>0且2′>0, 則比較1與2絕對值大小, 若|1|>|2|, 則1為上邊界; 若1′<0且2′<0, |1|< |2|, 則2為上邊界。

5) 根據(jù)步驟3)和4)判斷1、2全部段的上邊界, 合并得到1、2完整的瞬時水邊線上邊界。

6) 將步驟5)得到的上邊界作為新的瞬時水邊線, 按照以上步驟與剩余–2條瞬時水邊線進(jìn)行判別, 得到條多時相瞬時水邊線的上邊界。

3 實驗

3.1 實驗

本文利用區(qū)域生長法進(jìn)行海陸分割, 并利用 Canny算子邊緣檢測提取的瞬時水邊線如圖3所示。應(yīng)用本文提出算法得到的多時相瞬時水邊線和海岸線結(jié)果如圖5所示, 為更好展示不同時相瞬時水邊線的差異, 選取部分區(qū)域進(jìn)行顯示。可以看出, 提取的2019年3月15日的瞬時水邊線部分地區(qū)變化較大, 是由于在水體提取過程中受到了云的影響, 獲取了假邊緣信息。2019年12月28日與2020年1月13日影像獲取時潮高相差不大, 提取到的瞬時水邊線基本重合在一起, 無法區(qū)分, 其余瞬時水邊線部分地區(qū)相互交叉重疊, 大部分區(qū)域能夠明顯分離, 可見潮高對瞬時水邊線的影響比較大。

3.2 精度驗證

精度驗證是對成果進(jìn)行定性評價的基礎(chǔ)上的定量分析。本文為驗證海岸線提取的精度, 選取一景分辨率為10 m的哨兵二號影像, 獲取時間為2020年3月16日, 獲取時潮高為240 cm。對該影像進(jìn)行輻射定標(biāo)、大氣校正等預(yù)處理, 利用目視解譯方法得到人工解譯的海岸線, 作為參考海岸線進(jìn)行精度驗證。

在本文提取的海岸線上每隔50 m選取一個特征點, 從各特征點向人工解譯海岸線作垂線, 測量各點到人工解譯岸線的距離(圖6), 得到最大的偏移距離為35.84 m, 最小距離為13.42 m, 統(tǒng)計計算得到平均偏移量和均方根誤差分別為21.01 m和21.96 m, 由于本文使用的遙感影像的空間分辨率為30 m, 因此誤差在30 m之內(nèi)均可接受, 所以使用本文算法提取的海岸線在精度要求的范圍內(nèi), 并且顯然比使用單景影像提取的海岸線精度更高, 證明該算法能夠用于海岸線的提取。

圖3 瞬時水邊線提取結(jié)果

圖4 海岸線自動判別算法流程

圖5 海岸線提取結(jié)果

圖6 精度驗證

3.3 討論

本文基于多期Landsat 8 OLI影像, 使用區(qū)域生長與Canny算子邊緣檢測相結(jié)合的方法進(jìn)行瞬時水邊線的提取, 考慮到歸一化水體指數(shù)NDWI在海陸分割中的優(yōu)勢, 采用NDWI圖像作為輸入圖像, 充分利用綠波段和近紅外波段的光譜特性, 提高瞬時水邊線提取精度。利用本文提出的海岸線自動判別算法進(jìn)行多時相瞬時水邊線上界的判別, 得到的海岸線具有較高的準(zhǔn)確度和完整度, 但是也還有許多問題需要進(jìn)一步完善。

首先, 在影像預(yù)處理過程中只考慮了輻射誤差的影響, 進(jìn)行了輻射校正, 沒有針對云、霧可能對結(jié)果產(chǎn)生的影響進(jìn)行處理。并且由于本文采用的Landsat 8衛(wèi)星在同一地點過境時間固定, 實驗中沒有獲取到當(dāng)天最高潮時刻的影像, 對海岸線提取精度有一定的影響。

其次, 用于精度驗證的參考岸線是人工解譯得到的, 雖然用于解譯的影像分辨率較高, 但是仍然與真實岸線有一定的誤差, 導(dǎo)致本文提取的海岸線精度評價不準(zhǔn)確。

再次, 在瞬時水邊線自動提取方法中, 各類算法已較為成熟, 其中, 邊緣檢測算法在復(fù)雜的圖像背景下容易受噪聲影響, 造成提取結(jié)果不連續(xù), 區(qū)域生長算法得到的結(jié)果雖然穩(wěn)定連續(xù), 但是速度較慢。本文利用區(qū)域生長與邊緣檢測相結(jié)合的方法, 充分利用圖像的灰度值、紋理、顏色等信息的同時, 利用Canny算子的高信噪比、高定位精度和單邊緣響應(yīng)能力, 降低噪聲對結(jié)果的干擾, 提高結(jié)果的準(zhǔn)確性。但算法中一些參數(shù)的確定還是根據(jù)經(jīng)驗進(jìn)行的, 沒有考慮多種因素的影響, 后續(xù)研究中還需建立相關(guān)模型, 結(jié)合影像各波段間的關(guān)系進(jìn)行參數(shù)和閾值的確定。并且由于實驗過程中用到了綠波段和近紅外波段信息, 綠光波段可以穿透一定的海水, 對于清潔海域, 還應(yīng)考慮海底反射信息對岸線提取的影響。

4 結(jié)論

針對人工判別瞬時水邊線上界速度慢、效率低的問題, 本文研究了基于多時相瞬時水邊線的海岸線自動提取方法, 并開展精度評價, 主要結(jié)論如下。

1) 利用區(qū)域生長與邊緣檢測相結(jié)合的方法提取了瞬時水邊線, 充分利用圖像的灰度值、紋理、顏色等信息, 在岸線周圍地物復(fù)雜時依然能得到較好的結(jié)果。

2) 提出了基于多時相瞬時水邊線的海岸線自動判別算法, 實現(xiàn)了多時相瞬時水邊線上界的自動判別, 得到的瞬時水邊線上界就是海岸線, 提高了海岸線提取效率。

3) 利用人工解譯的海岸線進(jìn)行精度驗證, 計算得到岸線位移距離均值和均方根誤差分別為21.01 m和21.96 m, 通過分析, 誤差在精度要求的范圍內(nèi), 證明本文所提算法切實可行, 能夠有效準(zhǔn)確地提取出海岸線。但是對于水邊線交叉重疊較多以及形狀較復(fù)雜的地區(qū), 海岸線精度沒有達(dá)到期望值, 后續(xù)還需對預(yù)處理和瞬時水邊線提取方法進(jìn)行改進(jìn)。

[1] 嚴(yán)海兵, 李秉柏, 陳敏東. 遙感技術(shù)提取海岸線的研究進(jìn)展[J]. 地域研究與開發(fā), 2009, 28(1): 101-105.

YAN Haibing, LI Bingbai, CHEN Mindong. Research progress of coastline extraction by remote sensing tech-nology[J]. Regional Research and Development, 2009, 28(1): 101-105.

[2] CHEN A J, CHEN C F, CHEN K S. Investigation of shoreline change and migration along Wai-San-Ding- Zou barrier island, Central Western Taiwan[C]//Interna-tional Geoscience and Remote Sensing Symposium, IGARSS. Quantitative Remote Sensing for Science and Applications. Firenze, Italy, 1995: 2097-2099.

[3] 李秀梅, 袁承志, 李月洋. 渤海灣海岸帶遙感監(jiān)測及時空變化[J]. 國土資源遙感, 2013, 25(2): 156-163.

LI Xiumei, YUAN Chengzhi, LI Yueyang. Remote sensing monitoring and spatiotemporal change of coastal zone in Bohai Bay[J]. Remote Sensing of Land and Resources, 2013, 25(2): 156-163.

[4] 賈明明, 劉殿偉, 王宗明. 面向?qū)ο蠓椒ê投嘣催b感數(shù)據(jù)的杭州灣海岸線提取分析[J]. 地球信息科學(xué)學(xué)報, 2013(2): 262-269.

JIA Mingming, LIU Dianwei, WANG Zongming. Extraction and analysis of Hangzhou Bay coastline based on object-oriented method and multi-source remote sensing data[J]. Journal of Earth Information Science, 2013(2): 262-269.

[5] 陳祥, 孫俊, 尹奎英, 等. 基于Otsu與海域統(tǒng)計特性的SAR圖像海陸分割算法[J]. 數(shù)據(jù)采集與處理, 2014, 29(4): 603-608.

CHEN Xiang, SUN Jun, YIN Kuiying, et al. Land sea segmentation algorithm of SAR image based on OTSU and sea area statistical characteristics[J]. Data acquisition and processing, 2014, 29(4): 603-608.

[6] AEDLA R, DWARAKISH G S, REDDY D V. Automa-tic shoreline detection and change detection analysis of netravati-gurpurrivermouth using histogram equaliza-tion and adaptive thresholding techniques[J]. Aquatic Procedia, 2015, 4: 563-570.

[7] 馬小峰, 趙冬至, 邢小罡, 等. 海岸線衛(wèi)星遙感提取方法研究[J]. 海洋環(huán)境科學(xué), 2007(2): 185-189.

MA Xiaofeng, ZHAO Dongzhi, XING Xiaogang, et al. Resea-rch on extraction method of coastline from satellite remote sensing[J]. Marine Environmental Science, 2007(2): 185-189.

[8] 張旭凱, 張霞, 楊邦會, 等. 結(jié)合海岸類型和潮位校正的海岸線遙感提取[J]. 國土資源遙感, 2013, 25(4): 91-97.

ZHANG Xukai, ZHANG Xia, YANG Banghui, et al. Coastline remote sensing extraction based on coastal type and tide level correction[J]. Remote sensing of land and resources, 2013, 25(4): 91-97.

[9] 胡亞斌, 馬毅, 孫偉富, 等. 基于多期遙感影像的砂質(zhì)岸線提取方法——以海陽沙灘為例[J]. 海洋開發(fā)與管理, 2016, 33(5): 32-36, 49.

HU Yabin, MA Yi, SUN Weifu, et al. Sandy shoreline extraction method based on multi period remote sensing image: a case study of Haiyang Beach[J]. Marine development and management, 2016, 33(5): 32-36, 49.

[10] MCFEETERS S K. The use of the Normalized Differen-ce Water Index (NDWI) in the delineation of open water features[J]. International Journal of Remote Sensing, 1996, 17(7): 1425-1432.

[11] 王華松. 一種基于種子點區(qū)域生長的彩色圖象分割算法[D]. 開封: 河南大學(xué), 2015.

WANG Huasong. A color image segmentation algorithm based on seed region growing[D]. Kaifeng: Henan University of Kaifeng City, 2015.

[12] 謝明鴻, 張亞飛, 付琨. 基于種子點增長的SAR圖像海岸線自動提取算法[J]. 中國科學(xué)院大學(xué)學(xué)報, 2007, 24(1): 93-98.

XIE Minghong, ZHANG Yafei, FU Kun. Automatic Coastline Extraction from SAR image based on seed point growth[J]. Journal of Chinese Academy of Sciences, 2007, 24(1): 93-98.

Automatic coastline extraction method based on multitemporal remote sensing data

SHENG Hui, ZHANG Chi, WAN Jian-hua

(College of Ocean and Space Information, China University of Petroleum (East China), Qingdao 266580, China)

Acoastline is an essential part of the ocean and is considerably important to the management of sea areas. According to the principle of shoreline location determination, this study proposes an automatic coastline extraction method based on a multitemporal instantaneous waterline, which uses the region growth method and edge detection to extract the instantaneous waterline, and an automatic coastline discrimination algorithm to extract the coastline. First, the NDWI image is calculated, a region growing algorithm is used to segment the land and sea, and a binary image is obtained. Second, the Canny operator is used to detect the edge of the land-sea segmentation result to obtain the instantaneous waterline. Finally, the multitemporal instantaneous waterline boundary is obtained as the coastline using the automatic coastline discrimination algorithm. In this study, a section of the coast of the Malacca Strait is taken as the research area, and the coastline is extracted and analyzed using multiperiod Landsat 8 remote sensing images. To verify the accuracy of the coastline extraction, a Sentinel-2 scene image when the acquisition time was close to high tide is visually interpreted, and the artificial interpretation coastline is obtained, which is compared with the coastline extracted for this study. Results show that the average offset and root mean square error of the coastline obtained by the algorithm are 21.01 and 21.96 m, respectively, which meet the accuracy requirements of 30-m resolution remote sensing images, and the accuracy is significantly improved compared to that of single-scene image extraction.

coastline; multitemporal; remote sensing; Strait of Malacca

Nov. 8, 2020

TP79

A

1000-3096(2021)05-0016-07

10.11759/hykx20201108004

2020-11-08;

2020-11-26

國家重點研發(fā)計劃項目(2017YFC1405600); 國家自然科學(xué)基金項目(41776182); 山東省自然科學(xué)基金-面上項目(ZR2019MD023)

[National Key R & D Plan, No. 2017YFC1405600; National Natural Science Foundation, No.41776182; Natural Science Foundation of Shandong Province, No. ZR2019MD023]

盛輝(1972—), 男, 山東定陶人, 副教授, 主要從事攝影測量與遙感方面的研究工作, E-mail: sheng@upc.edu.cn

(本文編輯: 楊 悅)