![47277afb02b98494812864eefdca8a24.png](https://i-blog.csdnimg.cn/blog_migrate/fab775084e224e02946cf0adbc63a475.png)
![5338f832ab729f3494464cb94d4a36dd.png](https://i-blog.csdnimg.cn/blog_migrate/d7cd5e996ee7ae2e6faeb73d4435aa50.png)
一、引 言
![9aa290f8ea0c60aa585863e5e9e9128f.png](https://i-blog.csdnimg.cn/blog_migrate/889608d7d209c574c7e8071b0d3fa4d3.png)
海岸线是陆地与海洋的交界线,一般分为岛屿海岸线和大陆海岸线。在自然环境和人类开发的影响下,海岸线一直处于变化状态中,准确地掌握海岸线的类型、位置及变迁过程和将来海岸线的变化趋势对于指导海岸养殖、海岸带开发航行运输等活动都具有十分重要的意义。
遥感具有大面积同步观测、时效性强、数据综合可比性和不受地理环境影响等优点,故成为海岸线提取的绝佳选择。利用遥感影像来进行海岸线提取的方法在总体上可以分为2类:人工目视解译和计算机自动解译。其中,目视解译虽然有解译精度高、提取海岸线的连续等优点,但其易受人主观因素影响且效率低下、耗费人工,而计算机自动解译以其极高的效率和可复用性等特点成为了国内外学者的主要研究方向。目前,用于提取海岸线的遥感影像是通过卫星光学遥感、微波遥感或者激光雷达遥感的方式获取的。
此前,有学者曾针对各个不同类型的遥感手段对海岸线提取的方法做过综述,但对各种方法综合、系统整理的文章很少。另外,近年来有许多新数据和新方法被利用于海岸线的自动分类和提取中,所以对海岸线自动分类与提取方法做一个新的总结与评述是十分有必要的。因此,本文围绕海岸线的提取方法系统梳理了国内外的各种方法,并总结了各个方法的优缺点和适用条件,希望通过本文能对我国海岸线提取的工作者能有所借鉴与帮助,同时也为今后的研究打下基础。
![aa2b7632037409ae74e863625e1b8f03.png](https://i-blog.csdnimg.cn/blog_migrate/c843e16be45a4511fba619e0330d1da4.jpeg)
![5338f832ab729f3494464cb94d4a36dd.png](https://i-blog.csdnimg.cn/blog_migrate/d7cd5e996ee7ae2e6faeb73d4435aa50.png)
二、海岸线的概念与类型
![9aa290f8ea0c60aa585863e5e9e9128f.png](https://i-blog.csdnimg.cn/blog_migrate/889608d7d209c574c7e8071b0d3fa4d3.png)
中华人民共和国国家标准《海洋学术语海洋地质学》(GB/T 18190-2000)规定的海岸线定义为:“海岸线是海陆分界线,在我国系指多年大潮高潮位时的海陆界线”,这个定义与许多文献中所提到的平均大潮高潮面痕迹线的含义是相同的。从定义中可以看出,海岸线大部分时间都是没有水浸过的,一个月中可能只有几天或者几个小时的时间海水能够到达海岸线的位置并留下痕迹,这些痕迹成为了判读海岸线的重要依据。海岸类型通常分为生物质海岸、基岩质海岸、人工海岸、淤泥质海岸与砂质海岸,不同岸线类型判定海岸线的依据和方法通常也不一样。人工海岸与基岩质海岸的判定较为简单,即为人工修筑的岸堤和基岩构成的岩壁,生物质海岸的海岸线一般判读为生物的生长界线,砂质海岸则主要根据浪潮作用而形成的滩脊作为判定依据,而淤泥质海岸可以通过耐盐植物生长状况的变化和潮滩上贝壳碎屑和杂物的分界线来判断。
![5338f832ab729f3494464cb94d4a36dd.png](https://i-blog.csdnimg.cn/blog_migrate/d7cd5e996ee7ae2e6faeb73d4435aa50.png)
三、海岸线提取降噪方法
![9aa290f8ea0c60aa585863e5e9e9128f.png](https://i-blog.csdnimg.cn/blog_migrate/889608d7d209c574c7e8071b0d3fa4d3.png)
在提取海岸线之前,往往需要对遥感图像进行一定的处理,以减少结果噪声和提高提取出来的海岸线的精准度。常用的方法主要有图像滤波和均值漂移处理。
⒈图像滤波
图像滤波是平滑图像,减少图像噪声的重要方法,也是对遥感图像分割、分类和信息提取处理之前的重要步骤。在利用遥感影像特别是微波遥感图像自动提取海岸线之前,先对图像进行滤波降噪处理是十分有必要的。常用的滤波算法主要有中值滤波、均值滤波、高斯滤波以及自适应的局部统计滤波器如Frost滤波、Gamma滤波、Lee滤波。在各种滤波方法中中值滤波、均值滤波以及高斯滤波均属于低通滤波,虽然这些方法都能有效地去除图像中的噪声,但也存在削弱线性特征、模糊边缘和略微扭曲目标等显著缺点所以不适合用于提取海岸线的图像预处理中。而自适应性的滤波在窗口较小时能在去除噪声的同时较好地保持边缘特征并且不存在畸变,是进行岸线提取时的不错选择。在充分抑制噪声和较好保持边缘、细小特征方面,学者柏延臣等提出了基于小波分析的滤波方法,该方法用多级小波分解对图像进行处理,得到了比一般的自适应滤波器更好的结果,值得在岸线提取方面尝试运用。
⒉均值漂移处理
均值漂移算法(Mean shift)是由Fukunaga和Hosteler 1975年提出的一种核密度估计算法,其根据数据概率密度不断迭代,搜寻模态点,直到满足一定条件为止。此后,经过Cheng、Comaniciu 等对均值漂移算法的改进和发展,学者们逐渐认识到了该算法在图像平滑、聚类分析和图像分割方面的优势。特别是在图像平滑中,由于均值漂移算法是基于概率密度分布的,而且是一种无参取样,所以这种算法在变化不大的噪声区域能有效地平滑掉噪声,而在变化较大的图像边界区域又能很好地保持边界特征。基于均值漂移的这些优点,许多学者将该算法应用于海岸线的提取中,张宏伟利用均值漂移的这种特点,先用均值漂移算法对图像进行处理,然后结合像元标记和区域生长法精准并快速的从高分辨率遥感影像中提取出了海岛的水边线。张毅飞等利用均值漂移算法将海陆区域分成若干个同质区域,