随着“数字海洋”战略的提出,海洋信息的自动提取已逐渐引起国内外海洋学家的兴趣。在众多的海洋信息中,海洋锋(温度锋、盐度锋和密度锋)的研究不仅对海洋渔业有重要的意义,而且对国防和生产都有重要的影响,因而海洋锋信息的自动提取在近几年得到广泛关注。 海洋锋信息的提取是提取海洋水体问的边缘信息,是属于海洋要素场高频信息的提取。由于海洋锋本身的弱边界和强边界共存的特性,利用典型的边缘提取算子(Guass算子、Robert算子、Sobel、Prewitt算子和Kirsch算子)提取边缘信息达到理想的效果。阈值选取的过大,弱边界信息和噪声信息均被屏蔽掉,弱边界信息损失较为严重;若阈值选取得过小,弱边界信息得以保留的同时,噪声干扰也较为严重,两者很难达到一个理想的折中。 本文首先从认知理论和空间尺度理论说明了现实世界中的地理实体具有依赖于空间尺度的特性,地理实体只有在特定的尺度下进行描述,并在特定的尺度下进行提取才具有现实意义和科学意义。在此基础上分析了海洋锋的多尺度表达和海洋锋信息在各个尺度间的分布特征,并探讨了利用最佳尺度进行海洋锋提取的可行性。 20世纪60年代发展起来的数学形态学,在多尺度分析方面具有独特的优点。其核心概念:结构元素可以通过形态学的基本概念和基本性质,形成结构元素序列。序列结构元素尺寸与地理实体的空间尺度之间存在着一一对应的关系。在分析结构元素尺寸与形态学梯度性质的基础上,利用相邻结构元素尺寸之间的梯度图像差值和边缘图像的信息熵,设计最佳结构元素尺寸的自适应算法来进行海洋锋的提取。以MODIS-SST和NOAA-SST遥感影像数据作为实验数据,把提取的结果与利用典型算子提取的结果进行比较,试验结果表明:最佳结构元素尺寸的自适应算法在稳健性、连续性、定位精度和对比度上都能够较好的提取出海洋锋信息,并优于典型的梯度算子。 20世纪80年代发展起来的小波理论,被誉为是数学分析的显微镜。在分析小波多尺度分析的基础上,讨论了边缘提取对小波基函数选择的要求和几种常见小波的基本性质,得出利用Harr小波进行边缘提取的可行性。分析了海洋锋信息和噪声信息在各个尺度上分布特征和两者在分布上的差异,设计了基于小波最佳尺度的海洋锋提取算法。对海洋锋信息进行Harr小波分解后形成的水平细节图像序列、垂直细节图像序列和对角线细节图像序列分别进行边缘点的选取、噪声点的去除和边缘的连接,形成水平细节图像、垂直细节图像和对角线细节图像,最后通过Harr小波重构形成最终的海洋锋图像。在最后利用MODIS-SST和NOAA-SST作为试验数据,利用此算法与典型梯度算子进行边缘提取并进行比较分析得出:该算法能够提取出各个尺度上的海洋锋信息。 总之,本文主要解决了以下3个问题:(1)遥感要素场中海洋锋尺度是多少(what);(2)现实世界中海洋锋的尺度是多少(what);(3)如何选择最佳的尺度(算子)进行匹配来达到最佳的信息提取效果(how)。