海岸线是海水和陆地的分界线,即长时间平均大潮高潮形成的痕迹线,是划分海洋表面与陆地表面管理区域的基准线。海岸线作为海洋领域的重要参数之一,对海洋渔业、航线、城镇扩建、管理等领域具有重要的作用。因此,能够快速而准确的确定海岸线的位置以及动态变迁情况对于海岸港口的开发利用及海岸带的调查和管理具有重要的意义。遥感在海岸线提取中占有重要的作用,遥感技术可以提供大范围的海岸线动态监测,而遥感图像提取的海岸线是卫星过顶时的瞬时海岸线。遥感影像是获取海岸线的重要数据来源,常用于海岸线提取的遥感图像数据主要包含SAR图像、LiDAR以及中高光谱图像。但是SAR图像容易受到斑点噪声的影响;LiDAR影像在处理多幅影像时由于成本较高而受到限制;而多光谱图像由于受到波段数目的限制而产生光谱信息较少的离散信号,难以区分复杂海岸地带的海水、植被、不透水层以及土壤等地表光谱特征获得较低的精度。因此这些图像在复杂的海岸地带提取海岸线并不适合。高光谱图像相对于其他遥感图像,具有近连续的光谱信息和丰富的海岸线地表特征信息,因此有较高的能力区分海水和其他海岸地物,获得较高的海岸线提取精度。然而传统的硬分类方法获取中高光谱影像的海岸线是基于像元级基础上处理的,这种方法将该类像元硬性地归为某一类属性,这必然会带来分类误差,不能真实的反映海岸水、植被、不透水层和土壤地物类型情况,对最终的提取结果造成影响。为了提高复杂海岸地带的分类精度,便需要对海岸地带的混合像元进行亚像元分解,将一个混合像元分解成为若干个纯净端元地物,可以获得海岸地带海水、植被、不透水层和土壤不同光谱类型纯净像元代表,从而提高海岸线提取的精度。针对以上研究内容,本文提出了一种自动亚像元分解海岸线提取(Automatic Sub-Pixel Coastline Extraction,ASPCE)方法,并且将该方法应用在南海、东海和渤海海岸线提取上,最后基于原始的像元级和亚像元级对比方法对ASPCE方法提取的海岸线结果进行分析验证。本文的主要研究如下:1.详细的介绍了改进的W-V-I-S(Water-Vegetation-Impervious-Soil)模型,该模型使用四种指数建立,即归一化水体指数(NDWI)、归一化植被指数(NDVI)、归一化建筑物指数(NDBI)和归一化土壤指数(NDSI),并且详细的分析使用W-V-I-S模型提取混合像元时的判别准则,从而可以精确地获取W-V-I-S混合像元以及提高纯净端元获取的效率。2.详细阐述了全约束最小二乘法(FCLS)的基本原理,同时还有效界定该方法的两个约束条件:一是在一个混合像元内所有的海岸地物的端元丰度值之和为1;二是每种海岸地物纯净端元的丰度值应限制于0和1之间。因此,使用该方法可以有效地计算出海水、植被、不透水层和土壤在W-V-I-S混合像元中占有的丰度(权重)值,提高W-V-I-S混合像元分解的精度。3.首次以FCLS计算出的精确地海水、植被、不透水层和土壤海岸地物丰度值为基础,利用空间吸引力模型的基本原理,分析并计算出海岸水、植被、不透水层和土壤在W-V-I-S混合像元中具体的空间位置信息,对南海、东海和渤海研究区域的海岸线进行精确提取。4.本文全面分析了自动亚像元分解方法提取海岸线的技术及实现方法,并与其他像元级和亚像元级方法进行对比,通过南海、东海和渤海研究区域的实验结果表明,本文的方法提取海岸线的精度优于其他的像元级和亚像元级方法,更适合在复杂海岸地带提取海岸线,为今后对海岸地带的监测和管理奠定基础。