通过遥感图像自动确定、特征提取和分类潮汐过程：初步研究

1、原文

Automatic Determination, Feature-extraction, and Classification of Tidal-courses through Remote-sensing Images: Preliminary Studies.

https://ieeexplore.ieee.org/document/9648432  

2、摘要

与河流不同，潮汐路径呈现出不同的排水方式复杂分布中的配置。确定它们的特征是对它们的进化建模的第一步。在这项工作中，提出了一种方法，用于在高分辨率卫星图像（IKONOS，1m分辨率）上自动提取和表征潮汐路径。该算法准确地计算结构的总长度。此外，它还通过超分辨率识别和表征每个分支。然后，对没有环路的排水路径进行分类，定义它们受潮汐影响的洪水和退潮的顺序。该方法在两条具有非常不同特征的潮汐路径上进行了测试：矩形或格状排水系统和树枝状排水系统。

3、正文

-------------------------------------------------------------------------------------------

-------------------------------------------------------------------------

---------------------------------------------------------------------------

4、结论

在第一阶段，这项工作提出了一种在IKONOS图像上自动提取和表征潮汐过程的形态测量方法。该程序准确计算结构的总长度；并且还通过超分辨率识别、界定和表征每个组成部分。河段和兴趣点（叉子、源等）都通过相应的地理参考获得，并包括每个点的通道宽度测量。

在接下来的阶段，可以将附加信息合并到研究所需的扩展直接测量结果数据库中，例如方向、表面、缠绕水平、密度等。最后，合并到图像的简化不会引入其一般形态的重大变化，并允许其所有范围的层次化。这种减少是对排水模式进行自动分类的第一步，包括通过潮汐作用定义河道的洪水和落潮顺序。像[21]中的一项研究，通过高光谱航空图像以最小的入侵在泥泞的沿海地区获得密集的温度测量，将允许添加非常高分辨率的地形（小于0.5m）。执行网状排水系统分层时的不一致也将得到解决。

下一步是在寻找描述符时进一步研究图论，并包含多分形和统计分析技术来模拟空间和时间演变潮汐路径。最后，还考虑了分类器和非监督识别算法的开发。尽管我们的工作重点是潮汐过程，但鉴于其完整的形态描述，这项技术为分析超支化结构开辟了新的可能性。

5、参考文献