SAR影像提取海岸线的MS-CV方法

摘要

海岸线作为海陆分界线，是大陆及海岛礁形状描绘与面积量算的依据，是海图和地形图上不可或缺的重要地形要素，由于地理位置优势以及人类活动频繁等因素，海岸线区域成为最为敏感的地带，快速实时的掌握其开发状况及位置变化已成为亟待解决的关键问题。合成孔径雷达(Synthetic Aperture Radar,SAR)以其高频、高精度、快速、统一、同步、综合的数据获取能力以及全天候、大面积、周期性和穿透云雾雨雪观测的特点非常适用于海岸线信息探测，在海岸带资源调查和海岸带管理等方面表现出无可比拟的优势。
　　本文主体研究如何利用SAR影像实现对海岸线的自动、快速、准确提取。在现有提取方法的基础上，重点对目前常用的具有较强的检测灵敏度和抗噪能力的多尺度影像序列水平集C-V模型分割海岸线方法进行研究。针对SAR影像固有的斑点噪声、海陆区域的反射信息变化无常、复杂地物的难以区分等因素引起的多尺度序列影像边界继承不连续、C-V模型差分迭代复杂的问题，从纵向影像序列生成与横向精细化自动分割两个方面进行改进，构建了一种新的适用于提取SAR影像海岸线的方法——MultiscaleSequence-Chan Vese(MS-CV)方法，以提高SAR海岸线提取的精度与计算速率，实现SAR影像海岸线的快速自动化精确获得。本文主要工作和创新点如下：
　　1.改进了多尺度序列金字塔影像的生成方式，通过改变由小尺度影像到大尺度影像的继承迭代方式，给出了基于指数型和双曲型的两种多尺度影像金字塔序列生成方式。实验表明此改进方法一方面提高边界继承的效率，另一方面通过尺度变化降低噪声干扰并整合所关注的对象。
　　2.提出了一种适用于自动提取SAR影像海岸线方法——MS-CV方法。本方法在改进多尺度影像序列的基础上，应用了包括巴特沃斯低通滤波、Ostu预分割、综合阈值的辅助方法，提升C-V模型的初始值获得的效率及海岸线自动化分割的精确度，实验表明此方法提升了SAR海岸线提取精度与计算速率。
　　3.发展了一种对海岸线提取结果进行精度评价的方法——偏移误差量，即偏移量的均方根误差，评价MS-CV方法分割的海岸线与常规多尺度C-V模型分割海岸线的差异情况，以解决不同方法原始数据点数、位置不同而无法进行海岸线精度评价的问题。
　　本文通过利用Cosmo-SkyMed影像数据进行研究实验，与现有的多尺度C-V模型分割海岸线方法对比评价，MS-CV方法在海岸线提取精度与计算速率方面具有明显的优势。

目录

第一个书签之前

摘要

Abstact

Contents

1 绪论

1.1 研究背景及意义

1.2 国内外研究现状及分析

1.2.1 海岸线定义国内外发展现状

1.2.2 SAR影像提取海岸线国内外研究现状

1.2.3 水平集 C-V方法分割 SAR影像海岸线现状

1.2.4 水平集 C-V方法检测海岸线存在问题

1.3 研究内容及技术路线

1.4 论文结构安排

2 多尺度影像序列的 C-V模型分割方法

2.1 概述

2.2.1 水平集方法简介

2.2.2 水平集数值计算

2.2.3 C-V模型分割

2.3 水平集 C-V模型分割海岸线问题

2.3.1 初始水平集函数φ的选定决定计算量

2.3.2 内部几何参数的选定决定分割精度

2.3.3循环初始化决定迭代时间

2.4 现有的基于 C-V模型的二进制多尺度的海岸线分割

2.4.1 多尺度即为图像的金字塔表达

2.4.2现有二进制尺度函数

3 改进多尺度影像序列的生成方法

3.1 引言

3.1.1 多尺度分解

3.2 指数型多尺度序列的金字塔方法

3.2.1 指数型金字塔性质及计算量

3.3 双曲型多尺度序列的金字塔方法

3.3.1 双曲型金字塔性质及计算量

3.4 实验及分析

3.4.1 指数型与双曲型多尺度序列生成实验分析

3.5 本章小结

4 自动提取海岸线的 MS-CV方法

4.1 引言

4.2 一种自动提取海岸线方法

4.2.1 巴特沃斯低通滤波与 Ostu预分割

4.2.2 综合阈值法

4.3 自动的 MS-CV方法分割海岸线

4.3.1 整体技术流程

4.3.2 技术流程的实验效果及分析

4.4 MS-CV方法与现有多尺度 C-V方法实验对比及分析

4.4.1 对比实验

4.4.2 精度评级及实验结果分析

4.4.3 计算量对比分析

4.5 指数型与双曲型 MS-CV方法实验对比及分析

4.6 本章小结

5 总结与展望

5.1 总结

5.2 展望

参考文献

致谢