江苏科技大学电子与信息学院, 江苏 镇江 212003
由于SAR图像固有的相干斑噪声和海陆交界处复杂的地形影响, 利用区域合并方法在进行SAR图像的海岸线提取过程中很容易出现误合并。为解决SAR图像海岸线分割中单一分割尺度造成的误分割问题, 提出基于SLIC超像素的SAR图像海岸线分割算法, 超像素分割后再利用改进的融合光谱和纹理信息的合并代价(CT-Model)进行合并, 最后将海陆交界处的海岸线显示用来进行分割效果对比。实验结果表明, 改进后的合并准则在SAR图像的海岸线分割上具有更好的精确度。
海岸线分割 SAR图像 SLIC 超素分割 融合光谱和纹理信息 合并代价 coastline segmentation SAR image SLIC super-pixel segmentation combined information of spectrum and texture mering cost
红外图像舰船目标检测中, 目标通常位于海天/岸岛线附近, 预先检测出海天/岸岛线, 确定舰船目标的潜在区域, 可减少目标检测过程中的搜索范围, 降低数据处理量, 提高检测速度。针对传统的海天/岸岛线检测算法对不同背景图像适应性差的问题, 分析了海天/岸岛线特征, 提出了应用LSD线段检测算法和聚类的海天/岸岛线检测算法。首先通过LSD线段检测算法获取图像中局部直线轮廓, 然后通过K-均值聚类获取潜在海天/岸岛线区域, 最后通过分析潜在海天/岸岛线区域纹理特征确定真实的海天/岸岛线位置。实验结果表明, 该方法对多种背景下海天/岸岛线检测适应性强, 检测精度高。
红外图像 目标检测 LSD线段检测 海天/岸岛线 纹理特征 聚类 infrared image target detection LSD line segment detection sea-sky line and coastline texture feature clustering
1 中国科学院上海技术物理研究所，上海 200083
2 中国科学院大学，北京 100049
以上海海岸带为研究区域，以1985 ～ 2015年的 Landsat系列影像为数据来源，提出了一种关于海岸线遥感提取的新思 路。结合面向对象影像分割、阈值选取、边缘检测和潮位校正等过 程，分幅提取了研究区7个年份的海岸线。同时分析了近30年来 上海海岸线的变迁规律。结果表明，受自然和 人为两方面因素的影响，上海海岸线的变迁整体表现为岸线外推、海岸淤涨。海岸 线的总长度表现为上升态势：从1985年的176.54 km到2015年 的189.77 km，新增的岸线长度为13.23 km。该研究成果揭示了上海 海岸带的发展进程，为人们进一步提取和分析上海海岸带的土地利用 变化规律提供了数据基础和参考价值。
海岸线 遥感影像 面向对象分割 水陆分离 上海海岸带 coastline remote sensing image object-oriented segmentation separation of land and water Shanghai coast zone
1 中国科学院安徽光学精密机械研究所 通用光学定标与表征技术重点实验室, 安徽 合肥 230031
2 中国科学技术大学,安徽 合肥 230026
以高光谱分辨率的空间外差光谱仪为例, 针对其获取地表目标干涉数据的特点, 提出一种利用高空间分辨率遥感图像中海岸线区域的大面积均匀地貌且地表反射率有突变的特征来对空间外差光谱仪进行指向配准的方法, 实现了不同轴成像遥感设备与非成像遥感设备之间的匹配应用.利用空间外差光谱仪在多个对地观测点的结果干涉数据和相同经纬度区域的高空间分辨率图像数据进行地基测试实验, 将配准校正值结果与其标称值进行对比, 误差范围在-3%~5%.结果表明, 该方法可为星载不同轴成像遥感设备与非成像遥感设备之间匹配应用提供参考依据.
成像遥感设备 非成像遥感设备 匹配应用 海岸线区域 不同轴 反射率突变 栅格坐标 误差校正 imaging remote sensing equipment non-imaging remote sensing equipment matching application coastline area non-coaxial reflectivity saltation grid coordinate error correction
1 海军航空工程学院兵器科学与技术系，山东 烟台 264001
2 西昌卫星发射中心， 四川 西昌 615000
针对红外图像中舰船目标的分布特点，通过海天/海岸线检测确定舰船的大致位置，再利用目标的面积特性确定舰船目标的感兴趣区域(Region of Interest, ROI)。采用中值滤波、Canny边缘检测和Hough变换从红外图像中检测出海天/海岸线，并划定出海天/海岸线区域；然后，通过舰船的面积特征确定ROI。通过Vc ++编程对算法进行了实现。结果表明, 该方法简单直观、计算量小, 能有效确定近海岸舰船目标的ROI。
海天/海岸线 Canny边缘检测 Hough变换 舰船面积 sea-sky line/coastline Canny edge detection Hough transform ship area ROI ROI
海军航空工程学院控制工程系, 山东烟台 264001
针对遥感图像中的港口目标识别问题, 本文提出了一种基于海岸线不变线矩特征与港口海岸线封闭特征结合的识别算法。首先采用边界寻找和阈值分割的方法进行海陆分割和海岸线的提取, 然后通过封闭性检测确定港口区域和属于港口区域部分的海岸线, 将封闭度和线不变矩特征组成的特征谱作为识别港口的依据, 最终实现了对港口的识别。实验结果表明, 该算法能够准确地识别遥感图像中的港口目标。
遥感图像 港口识别 海岸线 封闭性 线不变矩 remote sensing image port recognition coastline closure invariant linear-moment
1 海军航空仪器计量站, 上海 200436
2 海军航空工程学院, 山东 烟台 264001
3 94748部队, 江苏 南京 210008
针对遥感图像中海水和陆地区域分割和海岸线提取的问题, 提出了新的区域分割和边界提取。首先对目前存在的分割技术进行分析, 确定这些方法的局限性和缺陷, 然后回归到最基本的阈值分割和边缘检测技术, 并受这些基本算法的启发提出一种边界寻找和阈值分割的方法, 并通过实验证明了这种方法在进行海陆分割和海岸线的提取方面的有效性, 最终实现了海陆分割和海岸线的提取。
遥感图像 阈值分割 海岸线 海陆分割 remote sensing image threshold segmentation coastline segmentation between the sea and the land
1 海军航空工程学院兵器科学与技术系， 山东 烟台 264001
2 海军航空工程学院新装备培训中心， 山东 烟台 264001
针对成像型反舰导弹所获红外图像的特点，提出了一种将海天/海岸线检测与目标提取相结合的 舰船目标提取方法。该方法先综合运用Sobel边缘检测和局部Hough变换等数字图像处理技 术从红外图像中检测出海天/海岸线，然后通过对Kapur熵二值化图像进行投影变换实现舰船目标提取。实验结 果表明，该方法能够有效地确定舰船目标在海天/海岸线区域中的位置，可保证目标提取的准确性。
海天/海岸线 Hough变换 Kapur熵分割 目标提取 sea-sky-line and coastline Hough transform Kapur algorithm target extraction
国防科技大学航天与材料工程学院, 湖南 长沙 410073
利用遥感图像进行海上目标检测,关键的问题之一就是陆海分离。如果采用传统的阈值分割方法,在陆地一些灰度较低的区域容易造成误分割。分裂合并算法可以解决误分割的问题,但是这种算法对于海面上的船只、珊瑚礁等干扰因素会产生一些空隙及孤立区域,所以要采用一些数学形态学的方法去干扰。而数学形态学的方法会损失图像的边缘信息量。为此提出了分步区域增长算法进行图像自动分割,通过海面陆地两次区域增长,成功地提取出了主体陆地区域。实验结果表明,该方法可以很好地分离出图像上的主体陆地区域,并有较快的处理速度。
分步区域增长 图像自动分割 陆海分离 海岸线提取 step region growth image automatic segmentation land-sea separation coastline extraction
