基于小波分析的水邊線信息提取研究

基于小波分析的水邊線信息提取研究

邊緣線是海灘的重要特征之一。這是潮汐變化的隨機(jī)性和海灘的立即命名線。淤泥質(zhì)潮灘水邊線在研究淤泥質(zhì)海岸動(dòng)態(tài)變化趨勢(shì)時(shí)有著重要的指示意義。但由于受周期性漲落潮的影響,獲取水邊線信息,通常是通過目視解譯遙感圖像而獲得的雖然方法簡單,但受目視判讀者的經(jīng)驗(yàn)影響,費(fèi)時(shí)費(fèi)力。而計(jì)算機(jī)提取則具有快速、方便等優(yōu)點(diǎn)。通常從遙感數(shù)據(jù)中提取水邊線信息主要是將水邊線作為線性邊緣檢測(cè)出來,閾值分割是水邊線信息提取常用的方法。Ryu在分析潮灘光譜特征的基礎(chǔ)上,根據(jù)TM4和TM5兩個(gè)波段對(duì)水體和陸地反射率的區(qū)別,選擇出合適的閾值,進(jìn)行了水邊線信息提取;Lohani采用ATM數(shù)據(jù)提取水邊線,通過對(duì)56,7三個(gè)波段比值組合而成的特征圖像閾值分割進(jìn)行水邊線提取,建立了霍爾德內(nèi)斯海岸的數(shù)字高程模型;霍繼雙針對(duì)傳統(tǒng)的閾值方法對(duì)沿海岸水邊線的陰影往往缺乏足夠辨識(shí)能力的情況,提出了一種基于多閾值的形態(tài)分割方法來提取水邊線,該法降低了誤檢率,提高了水邊線檢測(cè)的精確度。本文利用LandsatTM5數(shù)據(jù)對(duì)長江口九段沙淤泥質(zhì)潮灘水邊線進(jìn)行了信息提取研究。1影響水邊線提取精度的因素由于淤泥質(zhì)潮灘水體區(qū)域懸浮泥沙含量較高水邊線在海陸交界處灰度值變化往往并不明顯,在一定程度上影響了水邊線提取的精度。在借鑒其他領(lǐng)域線性信息提取方法的基礎(chǔ)上,我們選取長江口九段沙作為研究區(qū),先通過數(shù)學(xué)形態(tài)學(xué)的方法對(duì)圖像進(jìn)行預(yù)處理,消除潮溝形成的破碎帶,然后利用小波多分辨率分析法,去除高懸浮泥沙以及其他細(xì)節(jié)等高頻信息,進(jìn)行了水邊線信息提取研究。2河口砂島型島嶼濕地的形成歷史距九段沙位于長江和東海交匯處(圖1),是長江口最年輕的河口型沙島“第三代崇明島”,其形成時(shí)間距今只有50a左右的歷史,是正處于沖淤變化中的、在大潮時(shí)部分被淹沒的、高潮灘上部分被高等植物覆蓋的河口沙洲型島嶼濕地。九段沙由上沙、中沙和下沙組成,自1992年江亞南沙與九段沙上沙發(fā)生并沙后就成了九段沙的一部分。3近紅外覆蓋巷道泥沙反射率特征圖2是我們?cè)陂L江口實(shí)測(cè)的淤泥和水體的反射光譜曲線。從圖2可以發(fā)現(xiàn)淤泥的反射波譜曲線的總趨勢(shì)是上升的,反射率在0.1~0.7之間,而水體各個(gè)波段的反射率都比較低,尤其在近紅外部分,在1000nm以后下降至0.01~0.02。在近紅外波段范圍內(nèi),淤泥的反射率要高于水體的反射率,兩者有明顯的區(qū)別,這為識(shí)別淤泥和水體提供了依據(jù)。作為淤泥質(zhì)潮灘和水體的交界處,水邊線應(yīng)該是圖像上灰度值變化最大的部分,但是由于水邊線附近高泥沙含量水體的存在,提取的水邊線往往會(huì)出現(xiàn)不連續(xù)或者位置發(fā)生偏差等現(xiàn)象,因而降低了實(shí)際的提取效果。本文采用2007年7月28日的LandsatTM5(1.55~1.75μm)數(shù)據(jù),利用小波多分辨率分析方法進(jìn)行了淤泥質(zhì)潮灘水邊線信息提取的研究,圖3為小波多分辨率分析提取水邊線技術(shù)流程圖。4處理數(shù)據(jù)4.1gaus蝦n濾波前后圖像的處理首先對(duì)LandsatTM5原始圖像(圖4)進(jìn)行幾何校正和Gaussian函數(shù)濾波處理,然后進(jìn)行了數(shù)學(xué)形態(tài)學(xué)圖像分析。具體步驟包括:為了消除Gaussian濾波后的圖像中較小的暗色斑塊,首先將圖像進(jìn)行取補(bǔ)運(yùn)算,其中的暗色斑塊將變?yōu)榱辽珔^(qū)域突出顯示然后定義一個(gè)球型結(jié)構(gòu)元素,對(duì)圖像進(jìn)行腐蝕,消除圖像中小于結(jié)構(gòu)元素的亮色區(qū)域;接著將圖像作為標(biāo)記,腐蝕前的圖像作為掩膜進(jìn)行形態(tài)學(xué)重構(gòu)生成重構(gòu)圖像;將重構(gòu)圖像進(jìn)行取補(bǔ)后,對(duì)圖像進(jìn)行閉運(yùn)算;最后采用大津法(OTSU法)對(duì)LandsaTM5圖像進(jìn)行了閾值分割(圖5)。4.2尺度法上數(shù)值組合的線性組合式通過閾值分割,水邊線的輪廓已經(jīng)顯現(xiàn)了出來但是由于水體高濃度懸浮泥沙的影響,提取的水邊線較粗,影響了水邊線位置的準(zhǔn)確性,而且水邊線附近出現(xiàn)了很多毛刺,又影響了水邊線的光滑度此外水邊線內(nèi)部也出現(xiàn)了很多無用的細(xì)節(jié)信息,影響了水邊線信息提取的連貫性。針對(duì)以上問題,我們采用小波多分辨率分析方法對(duì)圖5進(jìn)行了處理。小波多分辨率分析,也稱為多尺度分析或多尺度逼近,是由Mallat提出的。定義(φ(t))為尺度函數(shù),若其經(jīng)過整數(shù)平移k和尺度j上的伸縮,得到一個(gè)尺度和位移均可變化的函數(shù)集合式:其中j為尺度參數(shù)(伸縮參數(shù)),k為位移參數(shù),φ(t)是一個(gè)單個(gè)小波函數(shù),φjk(t)是φ(t)作位移k后,再在不同尺度j下伸縮構(gòu)成的函數(shù)集合。它的線性組合式為隨著尺度j的增大,函數(shù)φjk(t)的定義域變大,平移的間隔2jτ0也變大,它的線性組合式(2)不能表示函數(shù)小于該尺度的細(xì)微變化,所以其尺度空間只能包括大尺度的緩變信號(hào)。反之,如果尺度j減小,函數(shù)φjk(t)的定義域就變小,平移間隔2jτ0也變小,則它的線性組合式(2)就能表示出函數(shù)的更細(xì)微的變化。小波多分辨率分析具體步驟如下:1)采用bior2.2小波基對(duì)圖5進(jìn)行二維離散小波分解,得到小波分解的近似部分a和細(xì)節(jié)部分d。2)保持近似部分不變,對(duì)各個(gè)細(xì)節(jié)部分進(jìn)行二次小波分解。以d1為例:用(3)式進(jìn)行小波變換得到各個(gè)尺度上的小波分解系數(shù),再利用閾值濾波的方法對(duì)各高頻系數(shù)進(jìn)行閾值量化處理,得到處理后的小波系數(shù)。其中α為尺度參數(shù)(伸縮參數(shù)),τ為位移參數(shù),即把bior2.2小波作位移τ后,再在尺度α下與圖5和x(t)做內(nèi)積。3)根據(jù)小波分解最底層低頻系數(shù)和各層高頻系數(shù)用(4)式進(jìn)行重構(gòu)得到d1濾波后的信號(hào)d11,d22,d33。許性條件。4)最后得到尺度1圖像a+d11、尺度2圖像a+d11+d22、尺度3圖像a+d11+d22+d33(圖6)。5基于連通成分的邊緣評(píng)價(jià)從尺度1圖像到尺度3圖像(圖6)可以發(fā)現(xiàn),在小尺度下圖像的細(xì)節(jié)部分較清晰,例如小潮溝。隨著尺度的增大水邊線附近的干擾信息減少,圖像的細(xì)節(jié)部分顯示被抑制,水邊線信息被突出,水邊線逐漸變細(xì),變光滑。但隨著尺度的增大,可以發(fā)現(xiàn)水邊線變得不連續(xù)。小尺度下,細(xì)節(jié)信息較多;大尺度下檢測(cè)出的水邊線會(huì)出現(xiàn)不連續(xù)現(xiàn)象。為了更客觀地評(píng)價(jià)小波多分辨率分析在不同尺度下檢測(cè)水邊線的效果,我們使用了基于連通成分的邊緣評(píng)價(jià)方法。圖6是二值圖像,它的像素值只有0和1兩個(gè)值。對(duì)于一個(gè)像素集合,如果集合內(nèi)的每一個(gè)像素與集合內(nèi)其他像素連通,就稱該集合為一個(gè)連通成分。4連通成分就是指它在4鄰域內(nèi)是否有與它連通的像素,如果有,就可把它們稱為一個(gè)4連通成分。同理,8連通成分指它在8鄰域內(nèi)的連通情況(圖7所示)。8連通成分與4連通成分的商可以作為衡量線型連接程度的重要指標(biāo),8連通成分與4連通成分的商數(shù)值越小,線型連接程度越好,提取的邊緣效果越好。從表1數(shù)據(jù)可以發(fā)現(xiàn),尺度2時(shí)8連通成分與4連通成分商的值最小,說明尺度2時(shí)檢測(cè)到的邊緣連接程度最好,提取的邊緣效果最好。尺度1時(shí),提取的邊緣細(xì)節(jié)較多,往往會(huì)出現(xiàn)錯(cuò)檢現(xiàn)象,影響邊緣提取的效果;而尺度3時(shí),由于尺度較大,對(duì)邊緣信息也產(chǎn)生了抑制,出現(xiàn)了漏檢現(xiàn)象,