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。

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。

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.

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。

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。

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。

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。

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。

针对视频图像中自动提取海岸线的问题，提出了一种基于Radon 变换和彩色图像梯度跟踪模型的海岸线提取算法。根据海水和陆地的彩色图像信息差异，在计算彩色梯度向量的基础上，利用Radon 变换检测线状奇异性的特点，设计剖面分析方法，预测水陆交界处大致方向和动态范围，以达到缩小检测区域的目的；最后采用一种改进的最大梯度跟踪模型对海岸线进行搜索，以提取最终的海岸线精确定位参数。实验结果验证了该算法对海岸线检测的有效性和较强的鲁棒性。