论文部分内容阅读
合成孔径雷达(Synthetic Aperture Radar，SAR)具有全天时、全天候观测的优点，而且星载SAR可实现对目标区域周期性的观测，因此SAR图像越来越广泛的应用于海岸线的提取。海岸线的检测在更新地图、水资源管理、船舶导航、地形反演和岸滩环境的稳定性监测等方面具有重要作用。近年来，SAR图像海岸线自动提取算法的研究，一直是学术界广泛关注的热点。然而，由于风和海浪的影响，后向散射特性差异，以及特殊的海岸类型如砂质海岸，淤泥质海岸，会导致SAR图像上陆地与海水的对比度低，增加了海岸线自动提取的难度。同时，SAR图像上噪声的影响，使得许多传统图像分割方法难以准确快速地提取海岸线。因此为了解决SAR图像中海岸线提取面临的挑战，本文提出了两种改进的SAR图像海岸线自动提取算法并应用于实际水域变化检测，主要研究内容如下: 1、提出了一种区域边缘相结合的分段窄带主动轮廓模型。主动轮廓模型方法提取的曲线不仅连续光滑性好，而且能自动逼近海岸线甚至达到亚像素精度。但主动轮廓模型对初始条件敏感，容易受到噪声的影响。而且主动轮廓模型的计算量大，迭代速度缓慢。为了解决上述问题，本文结合区域和边缘主动轮廓模型，提出了一种改进的主动轮廓模型。该算法同样采用粗精结合的机制来减少图像分割的时间，并且将水平集的迭代演变限制在窄带上，进一步降低算法的时间复杂度。将窄带进行分段是考虑大幅度的SAR图像场景复杂，海岸上的物体同质性差的问题。 2、提出了一种基于粗精结合的区域合并算法进行SAR图像海岸线自动提取。该算法解决了区域合并算法难以应用在大尺寸SAR图像上的难题。采用改进的k-means方法来对SAR图像进行过分割，并在此基础上采用粗精结合的机制进行区域合并，同时引入子区域类别来加快区域合并的速度。由于噪声的影响，很难仅通过像素的灰度信息进行类别判断相似性，因此本文提取了SAR图像的灰度，空间，纹理多维度特征来进行聚类。该算法不仅提高了海岸线提取的精度，而且大大降低了区域合并的时间复杂度。 3、海岸线检测的算法同样能应用在水域面积变化检测，水域变化检测对湖泊变化和洪涝干旱的监测具有重要意义。本文利用改进的算法对鄱阳湖在枯水期的水域面积变化进行了检测。