论文部分内容阅读
海岸线是陆地与海洋相互交汇的部位,是海岸带的重要标志之一,其分析技术和应用在海洋科学研究、生产活动和国防建设上具有十分重要的意义。随着卫星数据的广泛应用,基于遥感影像的海岸线提取已逐渐成为海岸线解译的主流方法。本文以遥感影像为数据源,以提高海岸线的提取精度为研究目标,从不同的实际需求和应用条件出发,针对现有的两类(不考虑混合像元问题和考虑混合像元问题)海岸线提取方法进行系统的研究和分析,指出了各自的不足和弊端,进而有针对性地提出了改进的算法。具体来讲,主要有以下两个方面的工作:1、不考虑混合像元对海岸线提取精度的影响,针对目前测地线活动轮廓(GAC)模型存在的多光谱遥感影像的光谱信息利用不充分以及地形复杂多变的情况下海岸线提取效果有待提高等问题,提出了基于KPCA光谱特征约束的海岸线提取算法。该算法以多光谱遥感影像为数据源,采用KPCA变换构建水体的光谱特征项,并结合以GAC模型为基础的图像数据项,建立海岸线提取模型,有效提高了海岸线的提取精度。2、考虑混合像元对海岸线提取精度的影响,采用亚像元定位方法确定混合像元中水、陆的具体空间位置,主要从以下两个方面进行了研究和探讨:(1)针对采用全局地物端元的亚像元定位方法忽略了遥感影像中属于同类地物的不同像元可能存在的较大的光谱差异,进而影响亚像元定位的精度的问题,提出了基于SEKSFC的局部自适应海岸线亚像元定位模型(LA_SPSMS)。该模型首先采用SEKSFC算法提取初始海岸线,然后利用数学形态学原理确定进行亚像元定位的混合像元,最后采用局部自适应选取地物端元、融合光谱信息的亚像元定位方法进行海岸线亚像元定位,减缓了采用全局端元引起的光谱分解误差的影响,提高了海岸线亚像元定位的精度。(2)针对亚像元定位算法多样且优劣难以确定的问题,考虑到辅助数据可以提供更多的约束条件,提出了基于全色影像和多种算法的海岸线亚像元定位模型。该模型选取LA_SPSMS、基于Markov随机场的亚像元定位模型和基于Hopfield神经网络的亚像元定位模型三种典型算法,并将高分辨率的全色影像提供的约束条件加入到每一种算法中,通过综合分析每种算法得到的亚像元定位结果,利用权重选举法确定每个亚像元的地物类型,有效地提高了海岸线亚像元定位的精度。