论文专区▏多源多算法遥感水边线提取适配模型研究
【编者按：提出了基于潮汐变化、滩面复杂度以及不同影像数据源的多种算法的关联适配模型。针对两类水边线提取结果，提出适合于不同类型的水边线精度评价模型。以渤海湾某海域的潮滩影像为研究对象，对方法的有效性进行了验证。结论表明：提出的适配模型有助于提高运算效率，降低运算复杂度，对各种潮情和滩面的水边线提取结果准确，且精度评价的可信度高，可为大范围潮滩数字高程模型的构建提供数据支持。本文发表在《海洋测绘》2014年第4期上，现编发给朋友们阅读了解。考虑到排版关系，参考文献索引略。吴迪，女，1978出生，山东济南人，博士，主要从事海洋遥感测绘技术研究。】
文/吴迪 孙晶 黄文骞 郭剑 魏帅
一、引言
运用多时相多光谱遥感影像提取序列水边线，配合潮位信息进行潮滩地形反演，是目前获取大范围淤泥质潮滩数字高程模型的有效途径。而水边线提取的位置精度和效率，会直接影响后续潮滩地形建模的精度和效率。如何从多光谱潮滩影像上快速准确地提取水边线，一直是国内外学者的研究热点。遥感水边线提取方法可以总结为两类，一类是边缘检测方法，另一类可以归为分类分割法。研究表明，无论是传统的边缘检测法、阈值分割法、还是基于分类的方法均无法在任何情况下得到准确的水边线提取结果，而且，这些方法都需要后续的大量修正算法而无法快速得到连续的水边线。为此，根据影像来源、水边线的模糊程度、水边线的潮位位置，针对不同潮滩类型，尝试提出关联各种影响因素的多源多算法水边线提取适配模型，并采用多光谱影像对适配模型的有效性进行验证。
二、水边线提取适配模型
为充分利用各算法的优势，对不同类型的水边线采用不同的适配算法，本文提出了多元多算法水边线提取的适配模型。
首先由目视解译对水边线的模糊程度进行定性的粗分类，即将水边线所处空间地域分为清晰和模糊两类(表1)。然后根据水边线在潮滩滩面上的分布，即水边线获取时间的潮情进行第二级分类，分为复杂的高潮时潮滩水边线和单一的低潮时潮滩水边线两种。一般来讲高潮时获取水边线的潮滩影像，由于地物类型增多，有土丘、植被和养殖围垦等混淆信息，使得滩面较复杂；而中低潮位的潮滩，海水的冲刷作用使得滩面均一简单。对于复杂的高潮滩，本文开发了基于对象合并指数( object merging index，OMI)的区域生长算子，能够顾及各种地物类型影像，快速准确获取水边线。对于均一低潮滩的情况，两种实际情况是，第一，如果遇到晴朗无风，传感器曝光时间很好，影像质量很高，这时水边线归到清晰的大类别。这种情况往往在开始涨潮时，因为退潮的滩面水分出露于晴朗天气条件下的时间足够长，这时的水边线非常平滑，采用边缘检测中的Canny算子可以快速提取水边线；第二，在退潮的过程中，滩面残余水和泥沙影响，造成水边线边界的模糊和噪声， 此时采用波段运算的改进水体指数(normalized difference water index，NDWI)分割分类方法提取水边线。另外，针对BJ-1小卫星，由于光谱波段少，实际上只有3个波段，除改进的归一化植被指数外，又充分考虑其积分时间可调的智能增益特点，开发了适合BJ-1小卫星的基于“积分时间”的水边线提取方法。对于水边线提取精度评价，也可继续分为两种。对于水边线位置清晰的水边线提取精度评价，采用目视解译水边线的对比法；对于水边线位置模糊的水边线提取精度评价，则可考虑面积与缓冲区的精度评价方法，以提高算法评价的可信度和简化性。
三、水边线提取实验
应用本文提出的多源多算法水边线提取适配模型进行水边线提取研究，在渤海湾潮滩DEM 反演工程应用中，选择Landsat系列、HJ-1/2系列以及BJ-1小卫星等30景多光谱影像，其中Landsat影像8景，BJ-1影像6景，HJ-1影像16景。首先将这30景多光谱影像进行NIR、R、B波段的彩色合成，根据水边线影像清晰与否以及水边线所处滩面的高低位置，进行两次分类(表1)。对归类后的影像分别采用目视解译样本点精度评价模型和多重缓冲区精度评价模型。特别指出的是，针对BJ-1小卫星影像水边线的特殊性，单独应用基于积分时间的水边线提取算法，列在表1最后一列。其原理及实验结果分述如下。
⒈ 基于边缘检测法的低潮清晰水边线提取
针对水边线位置清晰并且滩面单一情况下的影像如TM2009.04.08， 用Canny算子进行边缘检测。图1(b)图显示了Canny算子边缘检测后的梯度图，二值化并矢量化直接得到连续的水陆分割线(水边线)。可见用Canny算子直接可提取出清晰的单个像元边缘连线。
⒉ 基于水体指数法的低潮模糊水边线提取
对于水边线位置模糊并且滩面单一的影像如TM2009.10.17，由于滩面残余水和水中悬浮泥沙使得水边线变成一条具有一定宽度的“泥水带”，此时用Canny边缘检测受噪声影响大，且需要大量的边缘修正算法的后处理，自动精确提取的过程十分繁琐。根据表1所示的适配模型，这类水边线适宜采用水体指数法(NDWI)进行提取。本文运用徐涵秋以中红外波段代替近红外波段构建的改进的水体归一化指数MNDWI(Modified NDWI)进行低潮模糊水边线提取。采用MNDWI 指数法进行水体分割得到分割后的影像见图2(a)，对指数影像进行二值化处理，取阈值为0对NDWI指数影像中的水体进行提取，将影像中大于0的像元提取出来，便获得了水体提取结果图。矢量化得到的水边线见图2(b)红色线。
上述改进的NDWI方法是基于TM/ ETM+等遥感数据，多依赖于小卫星传感器不具备的中红外波段，因此本文开发了一种适合BJ-1小卫星的水体指数法。小卫星数据的特点是波段少，光谱实际上就是由三(北京1号小卫星)或四个值(环境减灾小卫星HJ-1)构成的序列，光谱的差异性比较简单，构建的水体差异指数也较简单，因此，难以区分大量不同的地物点。由于BJ-1小卫星的智能增益，具有星上积分时间可变的特点，并且考虑到图像的DN值会受到积分时间的影响，相应阈值也会受到影响，并经过大量的实验证明，选取的阈值与小卫星上的星上参数即积分时间有很强的相关性。为此提出水边线提取的改进化NDWI算法，并利用积分时间快速求出提取水体的阈值，使水边线提取智能化程度提高。选取水边线位置模糊的低潮时BJ-1小卫星影像进行实验，提取结果见图2中(c)、(d)。
⒊ 基于图像分类法的潮滩上缘水边线提取
针对有围垦养殖影响的地物复杂类高潮滩，在结合影像分割、区域增长和边缘检测技术的岸线自动提取算法的基础上，提出了针对淤泥质高潮滩的面向对象特征的水边线提取方法。该方法以预先分割产生的影像对象基元为基础，采用区域合并(种子增长)算法，利用对象合并指标计算合并代价，提取海域范围。
这种新的对象合并指数(OMI)以小尺度预分割结果为基础，并作为判别指标来进行对象基元合并，实现对图像的二次分割。基于该合并方法的遥感影像二次分割具有较强的尺度自适应能力，能够较好地平衡过分割和欠分割的矛盾。对于涨潮时海水悬浮泥沙、落潮时滩面残余水，以及海边风浪等因素，使得海陆边界噪音增加的情况，这种基于对象而不是基于像素的分割方法，能有效避免单个像素所产生的噪音。
具体实施步骤是：影像预分割、边缘检测、特征指数区域合并、后处理，其中特征指数区域合并是最为关键的步骤。影像预分割产生的对象基元，是海域增长的基本元素。边缘检测步骤生成的边缘信息层，将初分割影像加入形状指数后进行再合并。后处理步骤主要是去除一些不必要的对象，并优化海陆边界线使其趋于平滑。选取水边线位于潮滩上缘的影像如TM2009.08.30，运用上述基于特征指标的水边线提取方法进行实验，见图3。可见，与基于NDWI 阈值分割的水边线提取算法相比，此特征指标OMI的分类算法提取的水边线位置更接近目视判读的结果，且较平滑。
四、实验结果与精度评价
渤海湾塘沽至黄骅港典型潮滩宽度约为6～8km，南北延伸30km，潮滩面积约为260km2。分别对样本点和缓冲区进行精度评价来验证方法的有效性。
⒈ 样本点精度评价
针对水边线影像库的水边线清晰类低潮滩影像进行水边线提取，运用150个目视解译水边线样本点进行精度分析。与标准值对比，提取的水边线有偏向陆地和偏向海洋两种情况。如表2，可以看出，为了通过样点分析提取的水边线偏离参照水边线的情况，统计出150个样本点偏离海洋和陆地的最大值、均值和标准偏差，对比分析可知，水边线提取的整体精度较高，在一个像元以内。
⒉ 缓冲区精度评价
由于对于水边线模糊类的影像或者地物复杂潮滩影像来说，其水边线位置并没有一个绝对准确的值，在目视解译水边线2个像元的缓冲区以内，可以进行提取水边线的相对精确值评价。本文采用基于缓冲区的矢量线要素精度评价方法，进行模糊水边线的定量化精度分析。本文的评价中，采用与目视解译标准水边线的大约0.5个像元(10m)、1个像元(30m)和2个像元(50m)的距离作为缓冲区的宽度，通过构建目视解译标准边界线的不同缓冲半径的缓冲区，用落在不同缓冲区内的水边线长度，以及占总长度的百分比评价水边线提取的精度。
对提取的水边线总长度、目视解译水边线总长度和落在10m、30m、50m缓冲区的水边线长度分别进行统计，结果见表3。对于水边线模糊的3景影像，如HJ-1A、TM以及BJ-1影像，得到3个缓冲区的岸线长度百分比来看，在一个像元的缓冲区内，落在10m内和落在30m内的水边线长度占总长的百分比在86.4%～95.5%内，自动解译精度整体较高。
五、结束语
本文在潮滩DEM反演的实际工程应用中，针对多源遥感影像Landsat系列、HJ-1/2系列以及BJ-1小卫星系列，综合地学、潮汐学知识进行空域和时域分析，将影像快速进行两次分类，针对分类后的影像选择快速水边线提取算法与评价模型，从而获取准确可靠的水边线。渤海湾典型潮滩实验结果分析表明：适配模型可以对收集的水边线影像进行合理的归类，提高提取的效率和结果准确度。特别是针对小卫星智能增益的这个特点，改进化的NDWI水边线提取算法，利用积分时间快速求出提取水体的阈值，使水边线提取智能化程度提高。
值得注意的是，本模型将潮滩水边线做了特征划分，不仅适用于中分辨率多光谱影像，对于高分辨率多光谱影像如Ikonos、QuickBird、ZY-3也同样适用。本文开发的适配模型已经应用到高分辨率岛礁影像的水边线提取，将进一步为不同监测目标、不同尺度范围海岸地形监测进行水边线数据的快速保障。