CN116797798A - 基于尺度变换的海岸线快速提取方法和装置 - Google Patents
基于尺度变换的海岸线快速提取方法和装置 Download PDFInfo
- Publication number
- CN116797798A CN116797798A CN202310796341.3A CN202310796341A CN116797798A CN 116797798 A CN116797798 A CN 116797798A CN 202310796341 A CN202310796341 A CN 202310796341A CN 116797798 A CN116797798 A CN 116797798A
- Authority
- CN
- China
- Prior art keywords
- coastline
- scale
- root node
- remote sensing
- land utilization
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000605 extraction Methods 0.000 title claims abstract description 75
- 230000009466 transformation Effects 0.000 title claims abstract description 18
- 238000000034 method Methods 0.000 claims abstract description 48
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 29
- 238000001514 detection method Methods 0.000 claims description 74
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 51
- 230000011218 segmentation Effects 0.000 claims description 16
- 238000010276 construction Methods 0.000 claims description 15
- 240000002044 Rhizophora apiculata Species 0.000 claims description 13
- 239000004576 sand Substances 0.000 claims description 12
- 238000001228 spectrum Methods 0.000 claims description 12
- 238000003384 imaging method Methods 0.000 claims description 11
- 244000132059 Carica parviflora Species 0.000 claims description 10
- 235000014653 Carica parviflora Nutrition 0.000 claims description 10
- 238000002310 reflectometry Methods 0.000 claims description 10
- 239000011435 rock Substances 0.000 claims description 10
- 238000003708 edge detection Methods 0.000 claims description 8
- 238000009499 grossing Methods 0.000 claims description 8
- 238000002360 preparation method Methods 0.000 claims description 6
- 241001474374 Blennius Species 0.000 claims description 5
- 238000011282 treatment Methods 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 240000007058 Halophila ovalis Species 0.000 claims 1
- 238000004364 calculation method Methods 0.000 description 10
- 238000012545 processing Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000011156 evaluation Methods 0.000 description 5
- 238000007726 management method Methods 0.000 description 5
- 241000544058 Halophila Species 0.000 description 4
- 238000012805 post-processing Methods 0.000 description 4
- 230000007547 defect Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000012937 correction Methods 0.000 description 2
- 239000004744 fabric Substances 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000005192 partition Methods 0.000 description 2
- 150000003839 salts Chemical class 0.000 description 2
- 239000013535 sea water Substances 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000008021 deposition Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 230000009545 invasion Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 230000010287 polarization Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/24—Aligning, centring, orientation detection or correction of the image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/13—Satellite images
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
- Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Remote Sensing (AREA)
- Astronomy & Astrophysics (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于尺度变换的海岸线快速提取方法和装置，属于卫星遥感技术领域。本发明构建了融合多尺度卫星遥感影像和土地利用类型锁定岸线分区的判断算法，首先利用大尺度影像确定大尺度海岸线，并基于大尺度海岸线的根节点和子节点的土地利用类型确定各个岸线分区，对不同的岸线分区，基于小尺度卫星遥感影像采用对应的合理的岸线提取算法获取精细海岸线数据。本发明提高了不同尺度卫星遥感影像、不同海岸地质类型海岸下解译海岸线空间位置和类型属性的准确性，在不同遥感影像尺度下、不同海岸类型条件下具有较好的稳定性、鲁棒性、适用性，提高了海岸线自动化解译的精度和时间效率。
Description
技术领域
本发明涉及卫星遥感技术领域，特别是指一种基于尺度变换的海岸线快速提取方法和装置。
背景技术
海岸线是海洋和陆地的分界线，我国沿海1.8万公里的大陆海岸线上富集着砂质岸线、红树林生物岸线、基岩岸线、港口码头人工岸线、养殖岸线、盐田岸线、交通围堤等多种海岸线类型。随着全球海平面上升、围填海等海域开发活动的不断加强，海岸线的空间位置不断变化，其性质属性逐渐由自然岸线属性向人工属性转变，同时也引发了海水入侵、海岸侵蚀加剧、局部海岸淤长、海岸沉积环境改变等资源环境问题。准确掌握海岸线的动态空间位置、类型属性等特征，是海域管理、资源调查、海岸规划以及环境状况评价的重要基础数据。
常规获取海岸线空间分布位置和属性信息的方法主要包括三类：第一类是实地勘测法，通常利用各种测绘仪器外业实地勘界海岸线空间坐标和海岸类型。第二类则是借助卫星或航拍影像的目视解译法，该方法是获取卫星传感器或无人机影像，采用人工目视解译和手动勾绘海陆边界的方法，实现海岸线的空间矢量化。第三类是依赖于海岸带地表光谱成像特征的半自动/自动解译方法，该方法需将光谱与地物之间建立模型，解译不同地物与光谱反射特征之间的关系，常用的方法有单波段分割法、水体指数法、边缘检测法、图像分类法、面向对象法、极化方法等。
第三类方法虽然可以自动对海岸线进行提取，但是其采用的这些每种方法在不同的海岸类型状况下具有不同的适用性，每种方法各自适用于典型海岸区域和海岸线类型，海岸线类型，常规单一算法无法对多种海岸线类型的有效精准识别，导致海岸线位置不确定、海岸线类型属性判别耗费人力。
另外，各种方法获取的海岸线尺度具有差异性，根据采用的不同尺度卫星遥感数据源，海岸线测量尺度从1:1000到1:2500000的尺度不等，海岸线精度从200米到25千米不等。不同尺度的卫星遥感影像获取的不同尺度的海岸线数据具有各自的局限性，大尺度影像表征地物类型差异不显著(往往不能区分细节地物特征)，小尺度影像表征地物种类繁多且复杂，在海岸线长度测算、自然岸线保有率评估等方面差异性较大。
发明内容
为解决上述技术问题，本发明提供一种基于尺度变换的海岸线快速提取方法和装置，提高了解译海岸线空间位置和类型属性的准确性，具有较好的稳定性、鲁棒性、适用性，提高了海岸线自动化解译的精度和时间效率。
本发明提供技术方案如下：
一种基于尺度变换的海岸线快速提取方法，所述方法包括：
S1：获取待检测区域的卫星遥感影像、土地利用分类数据和数字高程DEM数据；
其中，所述卫星遥感影像包括大尺度卫星遥感影像和小尺度卫星遥感影像；
S2：根据所述大尺度卫星遥感的归一化水体指数提取得到大尺度海岸线，并获取所述大尺度海岸线各个折线节点作为根节点；
S3：为每个所述根节点生成设定长度的辅助线段，在所述辅助线段上按照设定的间距生成一系列子节点，并根据所述土地利用分类数据得到各个根节点和子节点的土地利用类型；
其中，所述辅助线段穿过所述根节点，并且所述辅助线段垂直于所述大尺度海岸线在所述根节点处的切线；
S4：对每一个所述根节点，根据该根节点的土地利用类型、该根节点对应的所有子节点的土地利用类型以及该根节点对应的所有子节点与该根节点的距离计算该根节点更新后的土地利用类型；
S5：根据各个根节点更新后的土地利用类型，按照所述大尺度海岸线的方向，将更新后的土地利用类型相同的连续的根节点及其辅助线段向右合并，得到抽稀根节点及其对应的辅助线段；
S6：按照所述大尺度海岸线的方向，将位于所述大尺度海岸线同一侧的各个辅助线段的最外端点依次连接，得到每个抽稀根节点对应的闭合区域；
S7：根据所述闭合区域，对所述小尺度卫星遥感影像进行裁剪，得到每个抽稀根节点对应的检测子区域；
S8：在每个所述检测子区域内，根据该检测子区域对应的抽稀根节点更新后的土地利用类型以及数字高程DEM数据确定对应的岸线提取算法，通过对应的岸线提取算法对该检测子区域进行海岸线提取，得到该检测子区域对应的海岸线分段；
S9：将所有海岸线分段依次进行首尾相连，得到海岸线结果。
进一步的，所述S1包括：
S11：获取覆盖待检测区域的卫星遥感影像，所述卫星遥感影像包括大尺度卫星遥感影像和小尺度卫星遥感影像；
其中，所述卫星遥感影像至少包括红波段、绿波段、蓝波段和近红外波段；
S12：获取待检测区域的矢量边界；
S13：获取土地利用分类数据和数字高程DEM数据；
S14：判断所述卫星遥感影像、矢量边界土地利用分类数据和数字高程DEM数据投影坐标是否一致，若不一致，则进行坐标转换；
S15：并使用所述矢量边界对所述卫星遥感影像进行矢量裁剪，得到待检测区域的卫星遥感影像；
其中，若整景遥感影像均为待检测区域，则将非成像区域去除或设置为无效。
进一步的，所述S2包括：
S21：计算所述大尺度卫星遥感影像的各个像元的归一化水体指数NDWI；
NDWI＝(p(Green)-p(NIR))/(p(Green)+p(NIR))
其中，p(Green)和p(NIR)分别为卫星遥感影像绿波段和近红外波段的遥感反射率；
S22：根据设置的归一化水体指数阈值对所述大尺度卫星遥感影像进行分割，将归一化水体指数大于所述归一化水体指数阈值的像元分割为海洋区域，否则分割为陆地区域；
S23：将所述海洋区域和陆地区域的临界线作为所述大尺度海岸线；
S24：取所述大尺度海岸线各个折线结点，按照所述大尺度海岸线的方向从左向右依次编号为根节点p1···pm。
进一步的，所述S3包括：
S31：从所述大尺度海岸线的左侧开始，依次为每个所述根节点生成设定长度的辅助线段；
其中，所述辅助线段穿过所述根节点，并且所述辅助线段垂直于所述大尺度海岸线在所述根节点处的切线；
S32：在所述辅助线段上按照设定的间距生成一系列子节点q1···qn；
S34：对所述大尺度海岸线和辅助线段叠加土地利用分类数据；
S35：基于空间位置关系，将所述土地利用分类数据的土地利用类型赋予每个根节点p1···pm及其对应的子节点q1···qn；
其中，所述土地利用类型包括：“林地”、“草地”、“裸岩”、“滩涂/湿地/围涂”、“砂滩/沙滩”、“红树林/海草床/珊瑚礁”、“居住地/海岸围堤”、“旱地/水田”、“交通用地”、“建设用地”、“码头/港口/渔港”、“水域”和“河口”。
进一步的，所述S4包括：
S41：通过如下公式计算每个根节点对应的各个子节点的距离权重；
其中，bj为第j个子节点的距离权重，j＝1,2,3...n，n为一条辅助线段上的子节点数量，Lj为第j个子节点与其对应的根节点的距离，r为辅助线段的长度；
S42：通过如下公式计算根节点是各种土地利用类型的加权权重值；
其中，pi和ai分别表示第i个根节点的土地利用类型及其权重，i＝1,2,3...m，qj和cj分别表示第i个根节点对应的第j个子节点的土地利用类型及其权重，class(pm)表示根节点是各种土地利用类型的加权权重值；
S43：将最大的所述加权权重值对应的土地利用类型作为根节点更新后的土地利用类型。
进一步的，所述S8包括：
S81：若所述抽稀根节点更新后的土地利用类型为“林地”、“草地”或“裸岩”，且DEM坡度大于设置的第一坡度阈值，则使用设置的全局阈值对所述检测子区域的近红外波段光谱图像进行阈值分割，将阈值分割的边缘作为所述海岸线分段，并将所述海岸线分段的类型设置为“基岩岸线”；
S82：若所述抽稀根节点更新后的土地利用类型为“滩涂/湿地/围涂”，且DEM坡度小于设定的第二坡度阈值，则采用图像聚类分类法将所述检测子区域分为两类，取两类的临界线作为所述海岸线分段，并将所述海岸线分段的类型设置为“淤泥质岸线”；
S83：若所述抽稀根节点更新后的土地利用类型为“砂滩/沙滩”、“居住地/海岸围堤、旱地/水田”或“交通用地”，则根据所述检测子区域的归一化水体指数提取得到所述海岸线分段，并分别将所述海岸线分段的类型设置为“砂质岸线”、“农田围堤”或“交通围堤”；
S84：若所述抽稀根节点更新后的土地利用类型为“红树林/海草床/珊瑚礁”，则根据所述检测子区域的归一化植被指数NDVI提取得到所述海岸线分段，并将所述海岸线分段的类型设置为“生物岸线”；
NDVI＝(p(NIR)-p(Red))/(p(NIR)+p(Red))
其中，p(Red)为卫星遥感影像红波段的遥感反射率；
S85：若所述抽稀根节点更新后的土地利用类型为“建设用地”或“码头/港口/渔港”，则采用边缘检测算法提取得到所述检测子区域的所述海岸线分段，并分别将所述海岸线分段的类型设置为“建设围堤”或“码头岸线”；
S86：若所述抽稀根节点更新后的土地利用类型为“水域”或“河口”，则将所述检测子区域前后两个抽稀根节点直线连接，作为所述检测子区域的所述海岸线分段，并将所述海岸线分段的类型设置为“河口岸线”。
进一步的，所述方法还包括：
S10：对所述海岸线结果进行修正，并根据修正后的海岸线结果计算海岸线长度。
进一步的，所述S10包括：
S101：对所述海岸线结果的海岸线边缘进行三阶平滑处理；
S102：对所述海岸线结果的海岸线的凹部进行填平或缩小；
S103：设立拓扑规则，对所述海岸线结果的海岸线的空间位置关系进行修正；
S104：计算海岸线长度，获取最终的海岸线数据。
一种基于尺度变换的海岸线快速提取装置，所述装置包括：
数据准备模块，用于获取待检测区域的卫星遥感影像、土地利用分类数据和数字高程DEM数据；
其中，所述卫星遥感影像包括大尺度卫星遥感影像和小尺度卫星遥感影像；
大尺度海岸线提取模块，用于根据所述大尺度卫星遥感的归一化水体指数提取得到大尺度海岸线，并获取所述大尺度海岸线各个折线节点作为根节点；
子节点确定模块，用于为每个所述根节点生成设定长度的辅助线段，在所述辅助线段上按照设定的间距生成一系列子节点，并根据所述土地利用分类数据得到各个根节点和子节点的土地利用类型；
其中，所述辅助线段穿过所述根节点，并且所述辅助线段垂直于所述大尺度海岸线在所述根节点处的切线；
土地利用类型更新模块，用于对每一个所述根节点，根据该根节点的土地利用类型、该根节点对应的所有子节点的土地利用类型以及该根节点对应的所有子节点与该根节点的距离计算该根节点更新后的土地利用类型；
抽稀模块，用于根据各个根节点更新后的土地利用类型，按照所述大尺度海岸线的方向，将更新后的土地利用类型相同的连续的根节点及其辅助线段向右合并，得到抽稀根节点及其对应的辅助线段；
闭合区域获取模块，用于按照所述大尺度海岸线的方向，将位于所述大尺度海岸线同一侧的各个辅助线段的最外端点依次连接，得到每个抽稀根节点对应的闭合区域；
检测子区域获取模块，用于根据所述闭合区域，对所述小尺度卫星遥感影像进行裁剪，得到每个抽稀根节点对应的检测子区域；
小尺度海岸线提取模块，用于在每个所述检测子区域内，根据该检测子区域对应的抽稀根节点更新后的土地利用类型以及数字高程DEM数据确定对应的岸线提取算法，通过对应的岸线提取算法对该检测子区域进行海岸线提取，得到该检测子区域对应的海岸线分段；
合并模块，用于将所有海岸线分段依次进行首尾相连，得到海岸线结果。
进一步的，所述数据准备模块包括：
影像获取单元，用于获取覆盖待检测区域的卫星遥感影像，所述卫星遥感影像包括大尺度卫星遥感影像和小尺度卫星遥感影像；
其中，所述卫星遥感影像至少包括红波段、绿波段、蓝波段和近红外波段；
矢量边界获取单元，用于获取待检测区域的矢量边界；
土地分类和高程数据获取单元，用于获取土地利用分类数据和数字高程DEM数据；
坐标变换单元，用于判断所述卫星遥感影像、矢量边界土地利用分类数据和数字高程DEM数据投影坐标是否一致，若不一致，则进行坐标转换；
裁剪单元，用于并使用所述矢量边界对所述卫星遥感影像进行矢量裁剪，得到待检测区域的卫星遥感影像；
其中，若整景遥感影像均为待检测区域，则将非成像区域去除或设置为无效。
进一步的，所述大尺度海岸线提取模块包括：
NDWI计算单元，用于计算所述大尺度卫星遥感影像的各个像元的归一化水体指数NDWI；
NDWI＝(p(Green)-p(NIR))/(p(Green)+p(NIR))
其中，p(Green)和p(NIR)分别为卫星遥感影像绿波段和近红外波段的遥感反射率；
水陆分割单元，用于根据设置的归一化水体指数阈值对所述大尺度卫星遥感影像进行分割，将归一化水体指数大于所述归一化水体指数阈值的像元分割为海洋区域，否则分割为陆地区域；
大尺度海岸线提取单元，用于将所述海洋区域和陆地区域的临界线作为所述大尺度海岸线；
根节点确定单元，用于取所述大尺度海岸线各个折线结点，按照所述大尺度海岸线的方向从左向右依次编号为根节点p1···pm。
进一步的，所述子节点确定模块包括：
辅助线段生成单元，用于从所述大尺度海岸线的左侧开始，依次为每个所述根节点生成设定长度的辅助线段；
其中，所述辅助线段穿过所述根节点，并且所述辅助线段垂直于所述大尺度海岸线在所述根节点处的切线；
子节点生成单元，用于在所述辅助线段上按照设定的间距生成一系列子节点q1···qn；
数据叠加单元，用于对所述大尺度海岸线和辅助线段叠加土地利用分类数据；
类型赋值单元，用于基于空间位置关系，将所述土地利用分类数据的土地利用类型赋予每个根节点p1···pm及其对应的子节点q1···qn；
其中，所述土地利用类型包括：“林地”、“草地”、“裸岩”、“滩涂/湿地/围涂”、“砂滩/沙滩”、“红树林/海草床/珊瑚礁”、“居住地/海岸围堤”、“旱地/水田”、“交通用地”、“建设用地”、“码头/港口/渔港”、“水域”和“河口”。
进一步的，所述土地利用类型更新模块包括：
距离权重计算单元，用于通过如下公式计算每个根节点对应的各个子节点的距离权重；
其中，bj为第j个子节点的距离权重，j＝1,2,3...n，n为一条辅助线段上的子节点数量，Lj为第j个子节点与其对应的根节点的距离，r为辅助线段的长度；
类型权重计算单元，用于通过如下公式计算根节点是各种土地利用类型的加权权重值；
其中，pi和ai分别表示第i个根节点的土地利用类型及其权重，i＝1,2,3...m，qj和cj分别表示第i个根节点对应的第j个子节点的土地利用类型及其权重，class(pm)表示根节点是各种土地利用类型的加权权重值；
类型更新单元，用于将最大的所述加权权重值对应的土地利用类型作为根节点更新后的土地利用类型。
进一步的，所述小尺度海岸线提取模块包括：
第一提取单元，用于若所述抽稀根节点更新后的土地利用类型为“林地”、“草地”或“裸岩”，且DEM坡度大于设置的第一坡度阈值，则使用设置的全局阈值对所述检测子区域的近红外波段光谱图像进行阈值分割，将阈值分割的边缘作为所述海岸线分段，并将所述海岸线分段的类型设置为“基岩岸线”；
第二提取单元，用于若所述抽稀根节点更新后的土地利用类型为“滩涂/湿地/围涂”，且DEM坡度小于设定的第二坡度阈值，则采用图像聚类分类法将所述检测子区域分为两类，取两类的临界线作为所述海岸线分段，并将所述海岸线分段的类型设置为“淤泥质岸线”；
第三提取单元，用于若所述抽稀根节点更新后的土地利用类型为“砂滩/沙滩”、“居住地/海岸围堤、旱地/水田”或“交通用地”，则根据所述检测子区域的归一化水体指数提取得到所述海岸线分段，并分别将所述海岸线分段的类型设置为“砂质岸线”、“农田围堤”或“交通围堤”；
第四提取单元，用于若所述抽稀根节点更新后的土地利用类型为“红树林/海草床/珊瑚礁”，则根据所述检测子区域的归一化植被指数NDVI提取得到所述海岸线分段，并将所述海岸线分段的类型设置为“生物岸线”；
NDVI＝(p(NIR)-p(Red))/(p(NIR)+p(Red))
其中，p(Red)为卫星遥感影像红波段的遥感反射率；
第五提取单元，用于若所述抽稀根节点更新后的土地利用类型为“建设用地”或“码头/港口/渔港”，则采用边缘检测算法提取得到所述检测子区域的所述海岸线分段，并分别将所述海岸线分段的类型设置为“建设围堤”或“码头岸线”；
第六提取单元，用于若所述抽稀根节点更新后的土地利用类型为“水域”或“河口”，则将所述检测子区域前后两个抽稀根节点直线连接，作为所述检测子区域的所述海岸线分段，并将所述海岸线分段的类型设置为“河口岸线”。
进一步的，所述装置还包括：
后处理模块，用于对所述海岸线结果进行修正，并根据修正后的海岸线结果计算海岸线长度。
进一步的，所述后处理模块包括：
平滑处理单元，用于对所述海岸线结果的海岸线边缘进行三阶平滑处理；
线段简化单元，用于对所述海岸线结果的海岸线的凹部进行填平或缩小；
拓扑检查单元，用于设立拓扑规则，对所述海岸线结果的海岸线的空间位置关系进行修正；
长度计算单元，用于计算海岸线长度，获取最终的海岸线数据。
本发明具有以下有益效果：
本发明提高了不同尺度卫星遥感影像、不同海岸地质类型海岸下解译海岸线空间位置和类型属性的准确性，在不同遥感影像尺度下、不同海岸类型条件下具有较好的稳定性、鲁棒性、适用性，提高了海岸线自动化解译的精度和时间效率。在自然岸线保有率生态指标评价、自然岸线分区管控以及自然岸线的保护监督管理等方面具有广泛的应用前景。
附图说明
图1为本发明的基于尺度变换的海岸线快速提取方法的流程图；
图2为大尺度卫星遥感影像和小尺度卫星遥感影像的对比示意图；
图3为大尺度海岸线以及根节点的示意图；
图4为大尺度海岸线、根节点以及子节点的示意图；
图5为各个抽稀根节点及其对应的闭合区域的示意图；
图6为大尺度海岸线和小尺度海岸线的示意图；
图7为本发明的基于尺度变换的海岸线快速提取装置的示意图。
具体实施方式
为使本发明要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具体实施例进行详细描述。
本发明实施例提供一种基于尺度变换的海岸线快速提取方法，如图1所示，该方法包括：
S1：获取待检测区域的卫星遥感影像、土地利用分类数据和数字高程DEM数据。其中，卫星遥感影像具有不同尺度，包括大尺度卫星遥感影像和小尺度卫星遥感影像。
本步骤是数据准备和预处理的过程，作为一种实现方式，本步骤可以包括：
S11：获取覆盖待检测区域的卫星遥感影像及其基本参数信息。
卫星遥感影像的基本参数信息包括空间尺度(分辨率)、波段数量、光谱范围、投影坐标、非成像区值等，卫星遥感影像至少包括红波段(Red)、绿波段(Green)、蓝波段(Blue)和近红外波段(Near Infrared)4个光谱波段。该遥感影像既可以为原始影像，也可以为采用经过辐射定标、大气校正、几何校正以及其他影像增强处理后的高级别影像。
具体的，大尺度卫星遥感影像的基本参数信息包括：空间分辨率＝500m；波段数目＝4；波段1-4：蓝、绿、红、近红外；地理坐标：WGS84；投影坐标：UTM 50N；非成像区值：0；幅宽：500千米；成像日期；2022年10月1日14:58等信息。
小尺度卫星遥感影像的基本参数信息包括：空间分辨率＝1m；波段数目＝4；波段1-4：蓝、绿、红、近红外；地理坐标：WGS84；投影坐标：UTM 50N；非成像区值：0；幅宽：30千米；成像日期；2022年5月13日06:27等信息。
大尺度卫星遥感影像和小尺度卫星遥感影像的对比如图2所示，大尺度卫星遥感影像的宽度为W1，长度为H1。小尺度卫星遥感影像的宽度为W2；长度为H2。两者之间在宽幅和像元大小方面均有差异。
S12：获取待检测区域的矢量边界。
矢量边界表示海岸线待检测区域范围矢量，为矢量格式，并附带有矢量信息。
S13：获取海岸带的土地利用分类数据和数字高程DEM数据，土地利用分类数据通常包括class1…classn多种土地利用类型。
S14：判断卫星遥感影像、矢量边界土地利用分类数据和数字高程DEM数据投影坐标是否一致，若不一致，则进行坐标转换。
S15：并使用矢量边界对卫星遥感影像进行矢量裁剪、拼接等处理，得到待检测区域的卫星遥感影像。
其中，在裁剪时，若整景遥感影像均为待检测区域，则依据S11中的遥感影像的基本参数信息将非成像区域去除或设置为无效。
S2：根据大尺度卫星遥感的归一化水体指数提取得到大尺度海岸线，并获取大尺度海岸线各个折线节点作为根节点。
NDWI(Normalized Difference Water Index，归一化水指数)，通过用遥感影像的特定波段进行归一化差值处理，以凸显影像中的水体信息。计算公式为：
NDWI＝(p(Green)-p(NIR))/(p(Green)+p(NIR))
其中，p(Green)和p(NIR)分别为卫星遥感影像绿波段和近红外波段的遥感反射率。
本发明通过归一化水体指数提取得到大尺度海岸线以及确定根节点的具体实现方式包括：
S21：计算大尺度卫星遥感影像的各个像元的归一化水体指数NDWI。
S22：根据设置的归一化水体指数阈值T1对大尺度卫星遥感影像进行分割，将归一化水体指数大于归一化水体指数阈值的像元分割为海洋区域Area(sea)，否则分割为陆地区域Area(land)。计算公式如下：
S23：将海洋区域Area(sea)和陆地区域Area(land)的临界线作为大尺度海岸线Line1。
S24：取大尺度海岸线Line1各个折线结点，按照大尺度海岸线Line1的方向从左向右依次编号为根节点p1···pm。
其中，大尺度海岸线的方向表示为Direction(Line1,p)，p∈(p1···pm)。
提取的海洋区域Area(sea)、陆地区域Area(land)、以及确定的大尺度海岸线Line1及其根节点p1···pm的一个示例如图3所示。依据大尺度海岸线的走势和形态，大尺度海岸线的根节点密集程度均有不同。
S3：为每个根节点生成设定长度的辅助线段，在辅助线段上按照设定的间距生成一系列子节点，并根据土地利用分类数据得到各个根节点和子节点的土地利用类型。
其中，辅助线段穿过根节点，并且辅助线段垂直于大尺度海岸线在根节点处的切线。
作为一个具体示例，本步骤的实现方式包括：
S31：从大尺度海岸线的左侧开始，依次为每个根节点生成设定长度的辅助线段。
取步骤S2中获取的大尺度海岸线Line1、根节点p∈(p1···pm)以及海岸线方向Direction(Line1,p)，以海岸线方向Direction(Line1,p)的左侧开始，依次并穿过跟节点p∈(p1···pm)，生成长度为r的辅助线段Line2(p，r)。
S32：在辅助线段Line2(p，r)上按照设定的间距生成一系列子节点q1···qn，其中，q(m)∈(r0,r1,r2···rn)(m＝1,2,3…n)。辅助线段和子节点的一个示例如图4所示。
S34：对大尺度海岸线Line1和辅助线段Line2(p，r)叠加海岸带土地利用分类数据。
S35：利用S1中相同地理空间坐标系的判别条件，基于空间位置关系，将土地利用分类数据的土地利用类型赋予至对大尺度海岸线Line1的每个根节点p∈p1···pm及其对应的子节点q(m)∈(r0,r1···rn)上。
其中，土地利用类型包括以下类型：
Class∈(“林地”、“草地”、“裸岩”、“滩涂/湿地/围涂”、“砂滩/沙滩”、“红树林/海草床/珊瑚礁”、“居住地/海岸围堤”、“旱地/水田”、“交通用地”、“建设用地”、“码头/港口/渔港”、“盐田”、“养殖”、“水域”和“河口”)。
S4：对每一个根节点，根据该根节点的土地利用类型、该根节点对应的所有子节点的土地利用类型以及该根节点对应的所有子节点与该根节点的距离计算该根节点更新后的土地利用类型。
本步骤依据根节点p∈(p1···pm)和子节点q(m)∈(r0,r1···rn)的土地利用类型属性，更新结点p∈(p1···pm)的土地利用类型属性。本发明不限制本步骤的具体实现方式，在其中一个示例中，其包括：
S41：通过如下公式计算每个根节点对应的各个子节点的距离权重。
其中，bj为第i个根节点的第j个子节点的距离权重，i＝1,2,3...m，j＝1,2,3...n，n为一条辅助线段上的子节点总数量，m为根节点总数量，Lj为第j个子节点与其对应的根节点的距离，r为辅助线段的长度。子节点距离根节点越远，则其距离权重越低。
S42：通过如下公式计算根节点是各种土地利用类型的加权权重值；
其中，pi和ai分别表示第i个根节点的土地利用类型及其权重，qj和cj分别表示第i个根节点对应的第j个子节点的土地利用类型及其权重，class(pm)表示根节点是各种土地利用类型的加权权重值。
S43：将最大的加权权重值对应的土地利用类型作为根节点更新后的土地利用类型。
即更新后的土地利用类型p′i(i＝1,2,3...m)＝max(class(pm))。示例性的，class(pm)的表达形式为：class(pm)＝0.2水+10红树林+2建设用地，则根节点的更新后的土地利用类型p′i为红树林。
S5：根据各个根节点更新后的土地利用类型，按照大尺度海岸线的方向，将更新后的土地利用类型相同的连续的根节点及其辅助线段向右合并，得到抽稀根节点及其对应的辅助线段。
具体的，取更新后的根节点p∈(p1···pm)的土地利用类型，按照大尺度海岸线Line1的方向Direction(Line1,p)，将连续的同属性根节点及辅助线段向右合并，形成抽稀根结点h∈(h1···hx)及其对应的子节点，例如抽稀根结点hx对应的子节点为k(hx)∈(k1(hx)···ky(hx))，其中，k1(hx)表示抽稀根结点hx的第一个子节点，ky(hx)表示抽稀根结点hx的最后一个子节点，即k1(hx)和ky(hx)分别表示抽稀根结点的辅助线段的首尾两个端点。
S6：按照大尺度海岸线的方向，将位于大尺度海岸线同一侧的各个辅助线段的最外端点依次连接，得到每个抽稀根节点对应的闭合区域。
在其中一个方式中，对于抽稀根结点h1，依次连接邻节点k1(h1),h1,ky(h1),ky(h2),h2,k1(h2),k1(h1)，形成抽稀根结点h1对应的闭合区域Region(h1)。即对应的闭合区域位于抽稀根结点右侧，最后一个抽稀根结点(即大尺度海岸线的尾端点)没有对应的闭合区域。
对于抽稀根结点h2，依次连接邻节点k1(h2),h2,ky(h2),ky(h3),h3,k1(h3),k1(h2)，形成抽稀根结点h2对应的闭合区域Region(h2)。以此类推，直至形成闭合区域Region(hx)。
合并后的抽稀根结点以及得到的闭合区域的一个示例如图5所示。
S7：根据闭合区域，对小尺度卫星遥感影像进行裁剪，得到每个抽稀根节点对应的检测子区域。
本步骤中，剪裁闭合区域Region(hx)内的小尺度卫星遥感影像，得到每个抽稀根节点对应的检测子区域，然后根据后续的方法，依据抽稀根结点hx的属性class，分块计算海岸线精确位置。
S8：在每个检测子区域内，根据该检测子区域对应的抽稀根节点更新后的土地利用类型以及数字高程DEM数据确定对应的岸线提取算法，通过对应的岸线提取算法对该检测子区域进行海岸线提取，得到该检测子区域对应的海岸线分段。
由于常用的海岸线自动提取方法在不同的海岸类型状况下具有不同的适用性，例如：单波段分割法适用于海水透明度较好、悬浮物浓度较低、水体生态状况较好情况下。水体指数法提高了砂质岸线、生物岸线提取精度。边缘检测法适用于海陆单一背景地物，具有明显的边缘轮廓的海岸线提取。图像分类法和面向对象法则适用于地物背景复杂，混合像元较多，地物光谱信息丰富的海岸情景下的岸线提取。
为解决上述问题，本发明首先根据大尺度卫星遥感影提取的大尺度海岸线确定每个检测子区域，该检测子区域属于同一个土地利用类型。然后根据检测子区域的土地利用类型，针对性的采用不同的提取算法提取小尺度的精确的海岸线。具体的一个方式可以包括：
S81：若抽稀根节点更新后的土地利用类型为“林地”、“草地”或“裸岩”，且DEM坡度大于设置的第一坡度阈值T2，则使用设置的全局阈值对检测子区域的近红外波段光谱图像进行阈值分割，分割为海洋区域和陆地区域，将阈值分割的边缘(即海洋区域和陆地区域的临界线)作为海岸线分段，并将海岸线分段的类型设置为“基岩岸线”。
S82：若抽稀根节点更新后的土地利用类型为“滩涂/湿地/围涂”，且DEM坡度小于设定的第二坡度阈值T3，则采用图像聚类分类法将检测子区域分为两类(即海洋和陆地两类)，取两类的临界线作为海岸线分段，并将海岸线分段的类型设置为“淤泥质岸线”。
S83：若抽稀根节点更新后的土地利用类型为“砂滩/沙滩”、“居住地/海岸围堤、旱地/水田”或“交通用地”，则根据检测子区域的归一化水体指数提取得到海岸线分段，并分别将海岸线分段的类型设置为“砂质岸线”、“农田围堤”或“交通围堤”。
S84：若抽稀根节点更新后的土地利用类型为“红树林/海草床/珊瑚礁”，则根据检测子区域的归一化植被指数NDVI提取得到海岸线分段，并将海岸线分段的类型设置为“生物岸线”。
NDVI＝(p(NIR)-p(Red))/(p(NIR)+p(Red))
其中，NDVI(Normalized Difference Vegetation Index，归一化植被指数)，p(Red)为卫星遥感影像红波段的遥感反射率。
S85：若抽稀根节点更新后的土地利用类型为“建设用地”或“码头/港口/渔港”，则采用边缘检测算法提取得到检测子区域的海岸线分段，并分别将海岸线分段的类型设置为“建设围堤”或“码头岸线”。
边缘检测算法采用Sobel、Roberts等微分算子模型，根据遥感影像灰度值的差异化，在灰度值呈阶跃变化的相邻区域的交界处定为海岸线。
S86：若抽稀根节点hx更新后的土地利用类型为“水域”或“河口”，则将检测子区域前后两个抽稀根节点(h(x-1)和hx)直线连接，作为检测子区域的海岸线分段，并将海岸线分段的类型设置为“河口岸线”。
S9：将所有海岸线分段依次进行首尾相连，得到海岸线结果。
具体的，可以连接分块提取的海岸线分段的首尾端点和根节点，作为海岸线结果。提取的各个海岸线分段以及相连后的海岸线结果如图6所示。
本发明构建了一种基于多尺度卫星遥感影像的海岸线快速提取方法，该方法首先获取不同尺度的卫星遥感影像；其次在大尺度卫星遥感影像上计算归一化水体指数，并利用归一化水体指数获取海陆分割图像，提取海陆分割边缘作为大尺度海岸线提取结果；然后解析大尺度海岸线结果的根节点，并在根节点处做垂直于大尺度海岸线的辅助线段，在大尺度海岸线上每隔一定距离生成子节点；然后叠加辅助线段与土地利用分类数据，基于空间地理位置，采用距离和土地利用类型加权获取根节点更新后的土地利用类型；然后将连续的、土地利用类型相同的根节点进行向右合并，进行根节点抽稀，在不同根节点辅助线段上连接四至形成岸线类型闭合区域；基于小尺度卫星遥感影像的闭合区域，采用对应的合理的岸线提取算法获取精细海岸线分段数据；最后连接不同分段的精细海岸线形成海岸线结果。
本发明针对现有技术中常规单一算法无法对多种(例如多达11种)海岸线类型进行有效精准识别，导致海岸线位置不确定、海岸线类型属性判别耗费人力等缺陷，融合了多尺度卫星遥感影像和土地利用类型锁定岸线分区的判断算法。采用根结点处岸线属性向右合并方式，解决了不同海岸线相交处结点属性需人工目视判别的缺陷，提高效率和精确度；然后通过不同海岸线类型相交根结点在小尺度影像上建立岸线精细化提取区域，依据根节点处岸线属性特征，分别建立适用于不同岸线的提取算法，精准有效的提取海岸线位置和类型，减少了全局单一算法在全幅影像上的海岸线不适用性以及全局单一算法对不同类型海岸线的不适用性，提高小尺度、复杂下垫面下的海岸线空间位置和类型属性检测精度。
本发明利用不同尺度的卫星遥感影像获取不同比例尺的海岸线数据，其中大尺度卫星遥感影像获取海岸线大尺度结果，小尺度卫星遥感影像获取海岸线的精确提取结果，解决了大尺度和小尺度影像在海岸线提取的各自局限性，减少海岸线长度在尺度上的不确性以及全幅影像单一算法检测效果较差的缺陷。利用不同尺度的海岸线数据应用于海岸线生态状况评价、海岸工程监管、自然岸线保护以及海岸形态演变等研究中，从而加强海岸线保护与管理。
本发明通过大尺度卫星遥感影像的大尺度海岸线结果矢量结点，结合海岸带土地利用分类数据，通过距离和土地类型的判别函数，对矢量结点处的海岸线类型进行判别，提高海岸线类型的识别准确性。
本发明提高了不同尺度卫星遥感影像、不同海岸地质类型海岸下解译海岸线空间位置和类型属性的准确性，在不同遥感影像尺度下、不同海岸类型条件下具有较好的稳定性、鲁棒性、适用性，提高了海岸线自动化解译的精度和时间效率。在自然岸线保有率生态指标评价、自然岸线分区管控以及自然岸线的保护监督管理等方面具有广泛的应用前景。
作为本发明的一种改进，获得海岸线结果后，还可以对其进行后处理，该方法还包括：
S10：对海岸线结果进行修正，并根据修正后的海岸线结果计算海岸线长度。
具体的，S10包括：
S101：对海岸线结果的海岸线边缘进行三阶平滑处理。
海岸线结果多为影像三个像素的矩形边缘，呈90°折弯，与实际海岸线的曲线形态和走势具有差异，需要对海岸线边缘进行三阶曲线平滑，消除边缘异常，以符合海岸线的形态和走势。
S102：对海岸线结果的海岸线的凹部进行填平或缩小。
本步骤通过缩小或填平凹部方法实现海岸线边缘化简，删除小弯曲，保留特征弯曲，保持岸线准确地理特征和视觉要求。
S103：设立拓扑规则，对海岸线结果的海岸线的空间位置关系进行修正。
海岸线线段之间存在交叉、重叠、端点不闭合等空间位置误差，需要通过设立拓扑规则，对海岸线空间位置关系进行修正。
S104：计算海岸线长度，获取最终的海岸线数据。
在S1获取的地理空间坐标系下，计算海岸线的长度大小，更新属性字段信息，获取最终的海岸线数据。最后对所述海岸线进行统计分析，获取海岸线空间分布及长度。
本发明实施例提供一种基于尺度变换的海岸线快速提取装置，如图7所示，该装置包括：
数据准备模块1，用于获取待检测区域的卫星遥感影像、土地利用分类数据和数字高程DEM数据。
其中，卫星遥感影像包括大尺度卫星遥感影像和小尺度卫星遥感影像。
大尺度海岸线提取模块2，用于根据大尺度卫星遥感的归一化水体指数提取得到大尺度海岸线，并获取大尺度海岸线各个折线节点作为根节点。
子节点确定模块3，用于为每个根节点生成设定长度的辅助线段，在辅助线段上按照设定的间距生成一系列子节点，并根据土地利用分类数据得到各个根节点和子节点的土地利用类型。
其中，辅助线段穿过根节点，并且辅助线段垂直于大尺度海岸线在根节点处的切线。
土地利用类型更新模块4，用于对每一个根节点，根据该根节点的土地利用类型、该根节点对应的所有子节点的土地利用类型以及该根节点对应的所有子节点与该根节点的距离计算该根节点更新后的土地利用类型。
抽稀模块5，用于根据各个根节点更新后的土地利用类型，按照大尺度海岸线的方向，将更新后的土地利用类型相同的连续的根节点及其辅助线段向右合并，得到抽稀根节点及其对应的辅助线段。
闭合区域获取模块6，用于按照大尺度海岸线的方向，将位于大尺度海岸线同一侧的各个辅助线段的最外端点依次连接，得到每个抽稀根节点对应的闭合区域。
检测子区域获取模块7，用于根据闭合区域，对小尺度卫星遥感影像进行裁剪，得到每个抽稀根节点对应的检测子区域。
小尺度海岸线提取模块8，用于在每个检测子区域内，根据该检测子区域对应的抽稀根节点更新后的土地利用类型以及数字高程DEM数据确定对应的岸线提取算法，通过对应的岸线提取算法对该检测子区域进行海岸线提取，得到该检测子区域对应的海岸线分段。
合并模块9，用于将所有海岸线分段依次进行首尾相连，得到海岸线结果。
作为一些示例，前述的各个模块的具体实施方式可以如下：
数据准备模块可以包括：
影像获取单元，用于获取覆盖待检测区域的卫星遥感影像，卫星遥感影像包括大尺度卫星遥感影像和小尺度卫星遥感影像。
其中，卫星遥感影像至少包括红波段、绿波段、蓝波段和近红外波段。
矢量边界获取单元，用于获取待检测区域的矢量边界。
土地分类和高程数据获取单元，用于获取土地利用分类数据和数字高程DEM数据。
坐标变换单元，用于判断卫星遥感影像、矢量边界土地利用分类数据和数字高程DEM数据投影坐标是否一致，若不一致，则进行坐标转换。
裁剪单元，用于并使用矢量边界对卫星遥感影像进行矢量裁剪，得到待检测区域的卫星遥感影像。
其中，若整景遥感影像均为待检测区域，则将非成像区域去除或设置为无效。
大尺度海岸线提取模块可以包括：
NDWI计算单元，用于计算大尺度卫星遥感影像的各个像元的归一化水体指数NDWI。
NDWI＝(p(Green)-p(NIR))/(p(Green)+p(NIR))
其中，p(Green)和p(NIR)分别为卫星遥感影像绿波段和近红外波段的遥感反射率。
水陆分割单元，用于根据设置的归一化水体指数阈值对大尺度卫星遥感影像进行分割，将归一化水体指数大于归一化水体指数阈值的像元分割为海洋区域，否则分割为陆地区域。
大尺度海岸线提取单元，用于将海洋区域和陆地区域的临界线作为大尺度海岸线。
根节点确定单元，用于取大尺度海岸线各个折线结点，按照大尺度海岸线的方向从左向右依次编号为根节点p1···pm。
子节点确定模块可以包括：
辅助线段生成单元，用于从大尺度海岸线的左侧开始，依次为每个根节点生成设定长度的辅助线段。
其中，辅助线段穿过根节点，并且辅助线段垂直于大尺度海岸线在根节点处的切线。
子节点生成单元，用于在辅助线段上按照设定的间距生成一系列子节点q1···qn。
数据叠加单元，用于对大尺度海岸线和辅助线段叠加土地利用分类数据。
类型赋值单元，用于基于空间位置关系，将土地利用分类数据的土地利用类型赋予每个根节点p1···pm及其对应的子节点q1···qn。
其中，土地利用类型包括：“林地”、“草地”、“裸岩”、“滩涂/湿地/围涂”、“砂滩/沙滩”、“红树林/海草床/珊瑚礁”、“居住地/海岸围堤”、“旱地/水田”、“交通用地”、“建设用地”、“码头/港口/渔港”、“水域”和“河口”。
土地利用类型更新模块可以包括：
距离权重计算单元，用于通过如下公式计算每个根节点对应的各个子节点的距离权重。
其中，bj为第j个子节点的距离权重，j＝1,2,3...n，n为一条辅助线段上的子节点数量，Lj为第j个子节点与其对应的根节点的距离，r为辅助线段的长度。
类型权重计算单元，用于通过如下公式计算根节点是各种土地利用类型的加权权重值。
其中，pi和ai分别表示第i个根节点的土地利用类型及其权重，i＝1,2,3...m，qj和cj分别表示第i个根节点对应的第j个子节点的土地利用类型及其权重，class(pm)表示根节点是各种土地利用类型的加权权重值。
类型更新单元，用于将最大的加权权重值对应的土地利用类型作为根节点更新后的土地利用类型。
小尺度海岸线提取模块可以包括：
第一提取单元，用于若抽稀根节点更新后的土地利用类型为“林地”、“草地”或“裸岩”，且DEM坡度大于设置的第一坡度阈值，则使用设置的全局阈值对检测子区域的近红外波段光谱图像进行阈值分割，将阈值分割的边缘作为海岸线分段，并将海岸线分段的类型设置为“基岩岸线”。
第二提取单元，用于若抽稀根节点更新后的土地利用类型为“滩涂/湿地/围涂”，且DEM坡度小于设定的第二坡度阈值，则采用图像聚类分类法将检测子区域分为两类，取两类的临界线作为海岸线分段，并将海岸线分段的类型设置为“淤泥质岸线”。
第三提取单元，用于若抽稀根节点更新后的土地利用类型为“砂滩/沙滩”、“居住地/海岸围堤、旱地/水田”或“交通用地”，则根据检测子区域的归一化水体指数提取得到海岸线分段，并分别将海岸线分段的类型设置为“砂质岸线”、“农田围堤”或“交通围堤”。
第四提取单元，用于若抽稀根节点更新后的土地利用类型为“红树林/海草床/珊瑚礁”，则根据检测子区域的归一化植被指数NDVI提取得到海岸线分段，并将海岸线分段的类型设置为“生物岸线”。
NDVI＝(p(NIR)-p(Red))/(p(NIR)+p(Red))
其中，p(Red)为卫星遥感影像红波段的遥感反射率。
第五提取单元，用于若抽稀根节点更新后的土地利用类型为“建设用地”或“码头/港口/渔港”，则采用边缘检测算法提取得到检测子区域的海岸线分段，并分别将海岸线分段的类型设置为“建设围堤”或“码头岸线”。
第六提取单元，用于若抽稀根节点更新后的土地利用类型为“水域”或“河口”，则将检测子区域前后两个抽稀根节点直线连接，作为检测子区域的海岸线分段，并将海岸线分段的类型设置为“河口岸线”。
作为本发明实施例的一种改进，该装置还可以包括：
后处理模块，用于对海岸线结果进行修正，并根据修正后的海岸线结果计算海岸线长度。
具体的，后处理模块可以包括：
平滑处理单元，用于对海岸线结果的海岸线边缘进行三阶平滑处理。
线段简化单元，用于对海岸线结果的海岸线的凹部进行填平或缩小。
拓扑检查单元，用于设立拓扑规则，对海岸线结果的海岸线的空间位置关系进行修正。
长度计算单元，用于计算海岸线长度，获取最终的海岸线数据。
本发明实施例所提供的装置，其实现原理及产生的技术效果和前述方法实施例相同，为简要描述，装置实施例部分未提及之处，可参考前述方法实施例1中相应内容。所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，前述描述的装置和单元的具体工作过程，均可以参考上述方法实施例中的对应过程，在此不再赘述。
最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围。都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。
Claims (9)
1.一种基于尺度变换的海岸线快速提取方法，其特征在于，所述方法包括：
S1：获取待检测区域的卫星遥感影像、土地利用分类数据和数字高程DEM数据；
其中，所述卫星遥感影像包括大尺度卫星遥感影像和小尺度卫星遥感影像；
S2：根据所述大尺度卫星遥感的归一化水体指数提取得到大尺度海岸线，并获取所述大尺度海岸线各个折线节点作为根节点；
S3：为每个所述根节点生成设定长度的辅助线段，在所述辅助线段上按照设定的间距生成一系列子节点，并根据所述土地利用分类数据得到各个根节点和子节点的土地利用类型；
其中，所述辅助线段穿过所述根节点，并且所述辅助线段垂直于所述大尺度海岸线在所述根节点处的切线；
S4：对每一个所述根节点，根据该根节点的土地利用类型、该根节点对应的所有子节点的土地利用类型以及该根节点对应的所有子节点与该根节点的距离计算该根节点更新后的土地利用类型；
S5：根据各个根节点更新后的土地利用类型，按照所述大尺度海岸线的方向，将更新后的土地利用类型相同的连续的根节点及其辅助线段向右合并，得到抽稀根节点及其对应的辅助线段；
S6：按照所述大尺度海岸线的方向，将位于所述大尺度海岸线同一侧的各个辅助线段的最外端点依次连接，得到每个抽稀根节点对应的闭合区域；
S7：根据所述闭合区域，对所述小尺度卫星遥感影像进行裁剪，得到每个抽稀根节点对应的检测子区域；
S8：在每个所述检测子区域内，根据该检测子区域对应的抽稀根节点更新后的土地利用类型以及数字高程DEM数据确定对应的岸线提取算法，通过对应的岸线提取算法对该检测子区域进行海岸线提取，得到该检测子区域对应的海岸线分段；
S9：将所有海岸线分段依次进行首尾相连，得到海岸线结果。
2.根据权利要求1所述的基于尺度变换的海岸线快速提取方法，其特征在于，所述S1包括：
S11：获取覆盖待检测区域的卫星遥感影像，所述卫星遥感影像包括大尺度卫星遥感影像和小尺度卫星遥感影像；
其中，所述卫星遥感影像至少包括红波段、绿波段、蓝波段和近红外波段；
S12：获取待检测区域的矢量边界；
S13：获取土地利用分类数据和数字高程DEM数据；
S14：判断所述卫星遥感影像、矢量边界土地利用分类数据和数字高程DEM数据投影坐标是否一致，若不一致，则进行坐标转换；
S15：并使用所述矢量边界对所述卫星遥感影像进行矢量裁剪，得到待检测区域的卫星遥感影像；
其中，若整景遥感影像均为待检测区域，则将非成像区域去除或设置为无效。
3.根据权利要求2所述的基于尺度变换的海岸线快速提取方法，其特征在于，所述S2包括：
S21：计算所述大尺度卫星遥感影像的各个像元的归一化水体指数NDWI；
NDWI＝(p(Green)-p(NIR))/(p(Green)+p(NIR))
其中，p(Green)和p(NIR)分别为卫星遥感影像绿波段和近红外波段的遥感反射率；
S22：根据设置的归一化水体指数阈值对所述大尺度卫星遥感影像进行分割，将归一化水体指数大于所述归一化水体指数阈值的像元分割为海洋区域，否则分割为陆地区域；
S23：将所述海洋区域和陆地区域的临界线作为所述大尺度海岸线；
S24：取所述大尺度海岸线各个折线结点，按照所述大尺度海岸线的方向从左向右依次编号为根节点p1···pm。
4.根据权利要求3所述的基于尺度变换的海岸线快速提取方法，其特征在于，所述S3包括：
S31：从所述大尺度海岸线的左侧开始，依次为每个所述根节点生成设定长度的辅助线段；
其中，所述辅助线段穿过所述根节点，并且所述辅助线段垂直于所述大尺度海岸线在所述根节点处的切线；
S32：在所述辅助线段上按照设定的间距生成一系列子节点q1···qn；
S34：对所述大尺度海岸线和辅助线段叠加土地利用分类数据；
S35：基于空间位置关系，将所述土地利用分类数据的土地利用类型赋予每个根节点p1···pm及其对应的子节点q1···qn；
其中，所述土地利用类型包括：“林地”、“草地”、“裸岩”、“滩涂/湿地/围涂”、“砂滩/沙滩”、“红树林/海草床/珊瑚礁”、“居住地/海岸围堤”、“旱地/水田”、“交通用地”、“建设用地”、“码头/港口/渔港”、“水域”和“河口”。
5.根据权利要求4所述的基于尺度变换的海岸线快速提取方法，其特征在于，所述S4包括：
S41：通过如下公式计算每个根节点对应的各个子节点的距离权重；
其中，bj为第j个子节点的距离权重，j＝1,2,3...n，n为一条辅助线段上的子节点数量，Lj为第j个子节点与其对应的根节点的距离，r为辅助线段的长度；
S42：通过如下公式计算根节点是各种土地利用类型的加权权重值；
其中，pi和ai分别表示第i个根节点的土地利用类型及其权重，i＝1,2,3...m，qj和cj分别表示第i个根节点对应的第j个子节点的土地利用类型及其权重，class(pm)表示根节点是各种土地利用类型的加权权重值；
S43：将最大的所述加权权重值对应的土地利用类型作为根节点更新后的土地利用类型。
6.根据权利要求5所述的基于尺度变换的海岸线快速提取方法，其特征在于，所述S8包括：
S81：若所述抽稀根节点更新后的土地利用类型为“林地”、“草地”或“裸岩”，且DEM坡度大于设置的第一坡度阈值，则使用设置的全局阈值对所述检测子区域的近红外波段光谱图像进行阈值分割，将阈值分割的边缘作为所述海岸线分段，并将所述海岸线分段的类型设置为“基岩岸线”；
S82：若所述抽稀根节点更新后的土地利用类型为“滩涂/湿地/围涂”，且DEM坡度小于设定的第二坡度阈值，则采用图像聚类分类法将所述检测子区域分为两类，取两类的临界线作为所述海岸线分段，并将所述海岸线分段的类型设置为“淤泥质岸线”；
S83：若所述抽稀根节点更新后的土地利用类型为“砂滩/沙滩”、“居住地/海岸围堤、旱地/水田”或“交通用地”，则根据所述检测子区域的归一化水体指数提取得到所述海岸线分段，并分别将所述海岸线分段的类型设置为“砂质岸线”、“农田围堤”或“交通围堤”；
S84：若所述抽稀根节点更新后的土地利用类型为“红树林/海草床/珊瑚礁”，则根据所述检测子区域的归一化植被指数NDVI提取得到所述海岸线分段，并将所述海岸线分段的类型设置为“生物岸线”；
NDVI＝(p(NIR)-p(Red))/(p(NIR)+p(Red))
其中，p(Red)为卫星遥感影像红波段的遥感反射率；
S85：若所述抽稀根节点更新后的土地利用类型为“建设用地”或“码头/港口/渔港”，则采用边缘检测算法提取得到所述检测子区域的所述海岸线分段，并分别将所述海岸线分段的类型设置为“建设围堤”或“码头岸线”；
S86：若所述抽稀根节点更新后的土地利用类型为“水域”或“河口”，则将所述检测子区域前后两个抽稀根节点直线连接，作为所述检测子区域的所述海岸线分段，并将所述海岸线分段的类型设置为“河口岸线”。
7.根据权利要求1-6任一所述的基于尺度变换的海岸线快速提取方法，其特征在于，所述方法还包括：
S10：对所述海岸线结果进行修正，并根据修正后的海岸线结果计算海岸线长度。
8.根据权利要求7所述的基于尺度变换的海岸线快速提取方法，其特征在于，所述S10包括：
S101：对所述海岸线结果的海岸线边缘进行三阶平滑处理；
S102：对所述海岸线结果的海岸线的凹部进行填平或缩小；
S103：设立拓扑规则，对所述海岸线结果的海岸线的空间位置关系进行修正；
S104：计算海岸线长度，获取最终的海岸线数据。
9.一种基于尺度变换的海岸线快速提取装置，其特征在于，所述装置包括：
数据准备模块，用于获取待检测区域的卫星遥感影像、土地利用分类数据和数字高程DEM数据；
其中，所述卫星遥感影像包括大尺度卫星遥感影像和小尺度卫星遥感影像；
大尺度海岸线提取模块，用于根据所述大尺度卫星遥感的归一化水体指数提取得到大尺度海岸线，并获取所述大尺度海岸线各个折线节点作为根节点；
子节点确定模块，用于为每个所述根节点生成设定长度的辅助线段，在所述辅助线段上按照设定的间距生成一系列子节点，并根据所述土地利用分类数据得到各个根节点和子节点的土地利用类型；
其中，所述辅助线段穿过所述根节点，并且所述辅助线段垂直于所述大尺度海岸线在所述根节点处的切线；
土地利用类型更新模块，用于对每一个所述根节点，根据该根节点的土地利用类型、该根节点对应的所有子节点的土地利用类型以及该根节点对应的所有子节点与该根节点的距离计算该根节点更新后的土地利用类型；
抽稀模块，用于根据各个根节点更新后的土地利用类型，按照所述大尺度海岸线的方向，将更新后的土地利用类型相同的连续的根节点及其辅助线段向右合并，得到抽稀根节点及其对应的辅助线段；
闭合区域获取模块，用于按照所述大尺度海岸线的方向，将位于所述大尺度海岸线同一侧的各个辅助线段的最外端点依次连接，得到每个抽稀根节点对应的闭合区域；
检测子区域获取模块，用于根据所述闭合区域，对所述小尺度卫星遥感影像进行裁剪，得到每个抽稀根节点对应的检测子区域；
小尺度海岸线提取模块，用于在每个所述检测子区域内，根据该检测子区域对应的抽稀根节点更新后的土地利用类型以及数字高程DEM数据确定对应的岸线提取算法，通过对应的岸线提取算法对该检测子区域进行海岸线提取，得到该检测子区域对应的海岸线分段；
合并模块，用于将所有海岸线分段依次进行首尾相连，得到海岸线结果。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310796341.3A CN116797798B (zh) | 2023-07-03 | 2023-07-03 | 基于尺度变换的海岸线快速提取方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310796341.3A CN116797798B (zh) | 2023-07-03 | 2023-07-03 | 基于尺度变换的海岸线快速提取方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116797798A true CN116797798A (zh) | 2023-09-22 |
| CN116797798B CN116797798B (zh) | 2024-01-09 |
Family
ID=88041553
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310796341.3A Active CN116797798B (zh) | 2023-07-03 | 2023-07-03 | 基于尺度变换的海岸线快速提取方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116797798B (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105740794A (zh) * | 2016-01-27 | 2016-07-06 | 中国人民解放军92859部队 | 一种基于卫星影像的海岸线自动提取与分类方法 |
| CN107247927A (zh) * | 2017-05-23 | 2017-10-13 | 浙江海洋大学 | 一种基于缨帽变换的遥感图像海岸线信息提取方法及系统 |
| CN109190538A (zh) * | 2018-08-24 | 2019-01-11 | 华北水利水电大学 | 一种基于遥感技术的多泥沙河流三角洲海岸带演化分析方法 |
| CN109448016A (zh) * | 2018-11-02 | 2019-03-08 | 三亚中科遥感研究所 | 一种基于面向对象及其隶属规则的遥感影像海岸线提取方法 |
| CN110648347A (zh) * | 2019-09-24 | 2020-01-03 | 北京航天宏图信息技术股份有限公司 | 一种基于遥感影像的海岸线提取方法及装置 |
| CN111666918A (zh) * | 2020-06-22 | 2020-09-15 | 大连海洋大学 | 一种基于多因素的海岸线变化识别方法 |
| CN114821355A (zh) * | 2022-04-27 | 2022-07-29 | 生态环境部卫星环境应用中心 | 海岸线自动化识别方法和装置 |
| KR102526638B1 (ko) * | 2022-04-21 | 2023-04-28 | (주) 지오씨엔아이 | 다중시기 위성영상과 인공지능을 활용한 시계열 해안선 탐지 장치 및 그 장치의 구동방법 |
-
2023
- 2023-07-03 CN CN202310796341.3A patent/CN116797798B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105740794A (zh) * | 2016-01-27 | 2016-07-06 | 中国人民解放军92859部队 | 一种基于卫星影像的海岸线自动提取与分类方法 |
| CN107247927A (zh) * | 2017-05-23 | 2017-10-13 | 浙江海洋大学 | 一种基于缨帽变换的遥感图像海岸线信息提取方法及系统 |
| CN109190538A (zh) * | 2018-08-24 | 2019-01-11 | 华北水利水电大学 | 一种基于遥感技术的多泥沙河流三角洲海岸带演化分析方法 |
| CN109448016A (zh) * | 2018-11-02 | 2019-03-08 | 三亚中科遥感研究所 | 一种基于面向对象及其隶属规则的遥感影像海岸线提取方法 |
| CN110648347A (zh) * | 2019-09-24 | 2020-01-03 | 北京航天宏图信息技术股份有限公司 | 一种基于遥感影像的海岸线提取方法及装置 |
| CN111666918A (zh) * | 2020-06-22 | 2020-09-15 | 大连海洋大学 | 一种基于多因素的海岸线变化识别方法 |
| KR102526638B1 (ko) * | 2022-04-21 | 2023-04-28 | (주) 지오씨엔아이 | 다중시기 위성영상과 인공지능을 활용한 시계열 해안선 탐지 장치 및 그 장치의 구동방법 |
| CN114821355A (zh) * | 2022-04-27 | 2022-07-29 | 生态环境部卫星环境应用中心 | 海岸线自动化识别方法和装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116797798B (zh) | 2024-01-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Mao et al. | National wetland mapping in China: A new product resulting from object-based and hierarchical classification of Landsat 8 OLI images | |
| CN105740794B (zh) | 一种基于卫星影像的海岸线自动提取与分类方法 | |
| Zhao et al. | Mapping large-area tidal flats without the dependence on tidal elevations: A case study of Southern China | |
| CN111951392B (zh) | 一种基于时间序列遥感影像和水位监测数据的洲滩枯水位以上地形重建方法 | |
| CN114821355B (zh) | 海岸线自动化识别方法和装置 | |
| CN111881816A (zh) | 一种长时序的河湖围埂养殖区域监测方法 | |
| Demir et al. | Integrated shoreline extraction approach with use of Rasat MS and SENTINEL-1A SAR Images | |
| CN109657598A (zh) | 基于分层策略的滨海湿地遥感分类方法 | |
| Li et al. | Dynamic waterline mapping of inland great lakes using time-series SAR data from GF-3 and S-1A satellites: A case study of DJK reservoir, China | |
| Chen et al. | Construct channel network topology from remote sensing images by morphology and graph analysis | |
| Ye et al. | A novel approach for high-quality drainage network extraction in flat terrains by using a priori knowledge of hydrogeomorphic features to extend DEMs: A case study in the Hoh Xil region of the Qinghai-Tibetan Plateau | |
| Wang et al. | GrabRiver: graph-theory-based river width extraction from remote sensing imagery | |
| Athanasiou et al. | Global Coastal Characteristics (GCC): A global dataset of geophysical, hydrodynamic, and socioeconomic coastal indicators | |
| CN116797798B (zh) | 基于尺度变换的海岸线快速提取方法和装置 | |
| CN112037244A (zh) | 联合指数和轮廓指示器SLIC的Landsat-8图像养殖池提取方法 | |
| Mishra et al. | Building detection and extraction techniques: A review | |
| Carbonneau et al. | Global mapping of river sediment bars | |
| Wang et al. | Deriving natural coastlines using multiple satellite remote sensing images | |
| Qi et al. | An adaptive threshold selected method from remote sensing image based on water index | |
| Jalbuena et al. | Object-based image analysis for mangroves extraction using LIDAR datasets and orthophoto | |
| CN111178372B (zh) | 基于遥感影像和地形数据的大区域尺度黄土塬面提取方法 | |
| Li | Dynamic monitoring algorithm of natural resources in scenic spots based on MODIS Remote Sensing technology | |
| Blain et al. | Simple methodology for deriving continuous shorelines from imagery: Application to rivers | |
| Forghani et al. | Object-based classification of multi-sensor optical imagery to generate terrain surface roughness information for input to wind risk simulation | |
| Odunuga et al. | Geomorphological mapping of part of the Niger Delta, Nigeria using DEM and Multispectral imagery |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |