面向?qū)ο蟮臒o(wú)人機(jī)遙感影像海岸線提取方法研究

麻德明, 劉焱雄, 金永德, 程寶權(quán)

面向?qū)ο蟮臒o(wú)人機(jī)遙感影像海岸線提取方法研究

麻德明1, 2, 劉焱雄1, 金永德1, 程寶權(quán)3

(1. 自然資源部第一海洋研究所, 山東 青島 266061; 2. 中國(guó)海洋大學(xué) 環(huán)境科學(xué)與工程學(xué)院, 山東 青島 266100; 3. 青建集團(tuán)股份公司, 山東 青島 266071)

針對(duì)海岸線區(qū)域地形復(fù)雜和衛(wèi)星遙感影像分辨率的不足, 精度難以滿足大比例尺成圖要求, 以及常規(guī)解譯方法的局限性, 選取青島小島灣海岸線為研究區(qū), 以無(wú)人機(jī)(UAV)遙感影像為基礎(chǔ)數(shù)據(jù), 提出一種面向?qū)ο蟮暮０毒€提取方法, 結(jié)合現(xiàn)場(chǎng)實(shí)測(cè)驗(yàn)證, 開展了人工海岸線和砂質(zhì)海岸線識(shí)別的應(yīng)用實(shí)驗(yàn)。結(jié)果表明: 人工海岸線和砂質(zhì)海岸線概率邊緣指數(shù)(PRI)分別為0.97和0.88, 邊緣定位誤差(BDE)分別為4.33和2.84, 提取的人工海岸線和砂質(zhì)海岸線與實(shí)測(cè)海岸線結(jié)果整體上匹配較好, 僅在局部細(xì)微處存在微小差異。本文提出的方法可快速有效地獲取海岸線信息, 其精度能夠滿足海岸線動(dòng)態(tài)變化監(jiān)測(cè)的需求, 可在海岸線資源管理中推廣應(yīng)用。

無(wú)人機(jī)(UAV)遙感; 面向?qū)ο? 半自動(dòng)化; 海岸線提取

海岸線是海岸帶的重要標(biāo)志之一, 也是海洋開發(fā)戰(zhàn)略的基準(zhǔn)線和“起跑線”, 它不僅標(biāo)識(shí)了陸地與海洋的分界線, 而且還蘊(yùn)含了豐富的環(huán)境信息, 并對(duì)沿海的灘涂利用、濕地生態(tài)系統(tǒng)的興衰等具有重要的指示作用[1]。在我國(guó), 海岸線系指多年大潮平均高潮位時(shí)海陸分界痕跡線, 是重要的基礎(chǔ)地理信息要素, 也是一種特殊的自然資源, 快速而又準(zhǔn)確地獲取海岸線的位置及其動(dòng)態(tài)變化信息, 對(duì)于國(guó)土空間規(guī)劃、海岸帶資源可持續(xù)利用與綜合管理以及生態(tài)環(huán)境保護(hù)與修復(fù)等工作具有十分重要的意義。

對(duì)海岸線探測(cè)和獲取的方法通常是通過(guò)實(shí)地測(cè)量或衛(wèi)星遙感影像解譯[2]。由于部分區(qū)域難以到達(dá), 人工現(xiàn)場(chǎng)測(cè)量困難, 越來(lái)越多的專家學(xué)者開始利用遙感手段快速提取海岸線[3-4], 自動(dòng)解譯成為海岸線提取技術(shù)發(fā)展的主流, 各種算法不斷呈現(xiàn)。由于海岸帶區(qū)域地形復(fù)雜和衛(wèi)星遙感影像分辨率的不足, 常規(guī)方法存在一定的局限性, 隨著無(wú)人機(jī)遙感系統(tǒng)的普及, 成為低空遙感應(yīng)用領(lǐng)域的一個(gè)嶄新發(fā)展方向[5]。面向?qū)ο笏枷胍搽S著無(wú)人機(jī)遙感的廣泛應(yīng)用得到的進(jìn)一步發(fā)展[6], 面向?qū)ο蟮姆椒▽⑿螤睢⒐庾V、紋理、語(yǔ)義和空間結(jié)構(gòu)等相同特征的像元?jiǎng)澐譃橥活悓?duì)象, 其分析過(guò)程更加接近人類的認(rèn)知過(guò)程, 不僅可以降低光譜特征變化對(duì)精度的影響, 而且還能夠充分地利用像元之間豐富的細(xì)節(jié)信息, 實(shí)現(xiàn)遙感圖像分類和目標(biāo)地物提取[7], 信息提取精度更有保證。

因此, 本研究以無(wú)人機(jī)(UAV)遙感影像為基礎(chǔ)數(shù)據(jù), 提出一種面向?qū)ο蟮暮０毒€提取方法, 開展人工海岸線和砂質(zhì)海岸線識(shí)別的應(yīng)用實(shí)驗(yàn), 并結(jié)合現(xiàn)場(chǎng)實(shí)測(cè)數(shù)據(jù), 對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行精度分析與評(píng)定。

1 研究方法

1.1 海岸線識(shí)別方法

根據(jù)《全國(guó)海岸線技術(shù)規(guī)程》(自然資辦函[2019]1187號(hào)), 海岸線分為人工海岸線、自然海岸線和其他海岸線。人工海岸線識(shí)別通常以海岸工程等的外沿為其位置線。自然海岸線又包括砂質(zhì)岸線、泥質(zhì)岸線、基巖岸線和生物岸線。對(duì)砂質(zhì)岸線來(lái)說(shuō), 發(fā)育有灘脊的, 海岸線一般確定在灘脊的頂部向海一側(cè), 而具陡崖的海灘通常與基巖陡岸相接, 其位置界定為崖下灘與崖的相交線。泥質(zhì)岸線應(yīng)根據(jù)海岸植被生長(zhǎng)變化狀況、大潮平均高潮位時(shí)的海水痕跡線以及植物碎屑、貝殼碎片、雜物垃圾分布的痕跡線等綜合分析界定[8]。基巖海岸線位置界定在陡崖的基部。生物海岸線界定為毗鄰或穿越珊瑚礁、紅樹林和海草床的海岸線。

1.2 海岸線提取方法

在分析國(guó)內(nèi)外相關(guān)研究方法、成果和經(jīng)驗(yàn)的基礎(chǔ)上, 提出了一種面向?qū)ο蟮暮０毒€提取算法, 該方法只需要提供少量的標(biāo)記信息, 而無(wú)需對(duì)海陸進(jìn)行參數(shù)化分析。首先, 利用多尺度分割算法對(duì)無(wú)人機(jī)遙感影像進(jìn)行初始分割; 然后, 進(jìn)行人工標(biāo)記, 在此基礎(chǔ)上利用直方圖為特征度量進(jìn)行對(duì)象相似度描述; 最后, 通過(guò)對(duì)象合并算法將水陸分離, 提取目標(biāo)海岸線。

1) 圖像分割

借助eCognition軟件的圖像多尺度分割算法對(duì)無(wú)人機(jī)遙感影像邊界控制進(jìn)行初始分割, 得到均勻同質(zhì)的對(duì)象, 形成影像對(duì)象層次網(wǎng)絡(luò)。

2) 目標(biāo)標(biāo)記

對(duì)分割的圖像, 通過(guò)專家目視判斷, 人工標(biāo)記海岸和海域, 為對(duì)象相似性測(cè)度提供背景參考。如圖1a和圖2a所示。

3) 對(duì)象相似度描述

其中表示對(duì)象標(biāo)號(hào),表示箱格號(hào),表示對(duì)象中像元的位置,1,2為箱格的上下界,為像元的光譜索引值,為狄拉克函數(shù)。利用對(duì)象光譜直方圖, 選擇巴氏系數(shù)表征區(qū)域?qū)ο蠛偷南嗨贫萚11]:

4) 對(duì)象合并

利用具有全局屬性的極值優(yōu)化對(duì)象合并方法[12], 基于測(cè)量?jī)蓚€(gè)區(qū)域?qū)ο筮吔缟舷袼刂g的差異性進(jìn)行合并。

其中(,)是最小權(quán)邊緣,和代表區(qū)域分量;,是對(duì)應(yīng)于圖像元素的一組節(jié)點(diǎn),是連接相鄰節(jié)點(diǎn)對(duì)的邊緣集合, 每個(gè)邊緣()有一個(gè)對(duì)應(yīng)的權(quán)重來(lái)度量由該邊連接的兩個(gè)節(jié)點(diǎn)的相異性()。

通過(guò)循環(huán)迭代合并最相似的對(duì)象, 并把未標(biāo)識(shí)對(duì)象逐步合并到已標(biāo)識(shí)對(duì)象中, 將水陸分離, 實(shí)現(xiàn)目標(biāo)的提取, 相應(yīng)的合并判定依據(jù)滿足下列條件[12]:

2 結(jié)果與分析

2.1 人工海岸線

人工海海岸線通常受潮汐作用影響較小, 僅需提供目視判斷信息, 對(duì)此, 只需要大致的標(biāo)記海域和陸地的位置。本研究采用了兩幅具有人工海岸線的無(wú)人機(jī)圖像IM1, IM2, 進(jìn)行試驗(yàn)。IM1為養(yǎng)殖池區(qū)域人工海岸線, IM2為碼頭人工海海岸線, 大小為1 581像素×1 588像素, 兩幅圖像分辨率均為0.05 m。

由于人工海岸線構(gòu)成復(fù)雜, 根據(jù)不同的應(yīng)用需求, 本研究提取了兩種海岸線結(jié)果, 一種是大范圍的海岸線獲取, 另外一種為小范圍局部海岸線提取, 并以小范圍局部海岸線提取結(jié)果精度進(jìn)行精確評(píng)估。

圖1是IM1養(yǎng)殖池作為海域的一部分, 如圖1a所示, 陸地區(qū)域設(shè)置為紅色目標(biāo), 海洋設(shè)置為藍(lán)色背景。圖1b是本研究方法提取的海岸線結(jié)果; 圖2是養(yǎng)殖池邊界作為水陸分界, 同樣的, 如圖2a所示, 陸地設(shè)置為目標(biāo)紅色, 海洋設(shè)置為背景藍(lán)色, 圖2b是本研究方法提取的海岸線結(jié)果。兩種不同情況下, 得到的大范圍區(qū)域海岸線同樣具有相對(duì)平滑、連續(xù)的特點(diǎn)。

圖3是T2人工建筑海岸線, 以建筑上最高水位作為水路分界, 水位線作為海岸線的人工海岸線提取結(jié)果。如圖3a所示, 陸地作為目標(biāo)設(shè)置成藍(lán)色, 海洋作為背景設(shè)置成綠色。圖3b是本研究方法提取的海岸線結(jié)果, 由于水位線不夠平滑, 故提取的海岸線雖然位置較為準(zhǔn)確、連續(xù), 但是缺少平滑的特點(diǎn)。

圖1 IM1的人工岸線的手動(dòng)標(biāo)記(a)和半自動(dòng)提取結(jié)果(b)(養(yǎng)殖池為海域部分)

圖2 IM1的人工岸線的手動(dòng)標(biāo)記(a)和半自動(dòng)提取結(jié)果(b)(養(yǎng)殖池為陸域部分)

圖3 IM2的人工海岸線標(biāo)記(a)及提取結(jié)果(b)

在此基礎(chǔ)上, 對(duì)提取的海岸線進(jìn)行了多項(xiàng)式擬合, 得到最終提取的擬合的海岸線如圖4a所示, 圖4b是專家目視解譯的參考海岸線位置。從圖4可以看出, 最終得到的海岸線接近人工目視解譯的結(jié)果, 而且平滑連續(xù)。

圖4 IM2的人工海岸線擬合結(jié)果(a)與參考海岸線(b)對(duì)比

2.2 砂質(zhì)海岸線

受潮汐作用的影響, 在進(jìn)行無(wú)人機(jī)航攝獲取遙感影像的時(shí)刻通常是瞬時(shí)水位的痕跡影像, 而在實(shí)際進(jìn)行海岸線的提取往往得到的是瞬時(shí)水邊線, 因此應(yīng)進(jìn)行潮位改正。一般根據(jù)無(wú)人機(jī)航攝時(shí)刻潮位信息、多年平均大潮高潮位高度[4]、海岸DEM等參數(shù)因子, 計(jì)算瞬時(shí)水邊線到平均大潮高潮線之間的距離, 從而對(duì)瞬時(shí)水邊線進(jìn)行校正, 最終獲得海岸線的實(shí)際位置。

故, 在進(jìn)行海岸線提取時(shí), 有必要融合潮位、海岸地貌、DEM等多源數(shù)據(jù)信息進(jìn)行輔助[2], 以精確推算海岸線。對(duì)于砂質(zhì)海岸線提取, 本研究采用了一幅IM3無(wú)人機(jī)遙感影像進(jìn)行試驗(yàn), 其分辨率為0.05 m。

本方法可根據(jù)海岸地形地貌信息靈活設(shè)置輔助標(biāo)志, 以提高海岸線識(shí)別的速度和精度, 如圖5a所示,在潮灘區(qū)域進(jìn)行綠色標(biāo)識(shí), 植被以上的陸地區(qū)域劃分藍(lán)色標(biāo)記。提取的海岸線結(jié)果如圖5b所示, 為了得到較為自然的平滑效果, 對(duì)提取的海岸線進(jìn)行二項(xiàng)式擬合, 如圖6a所示。圖6b是專家根據(jù)豐富的經(jīng)驗(yàn)知識(shí), 結(jié)合現(xiàn)場(chǎng)海岸線的實(shí)際位置, 經(jīng)過(guò)目視解譯得到的參考海岸線, 從圖6綜合對(duì)比可以看出, 在潮灘區(qū)域存在的模糊邊界和潮溝等并沒(méi)有影響本方法的提取結(jié)果, 兩者獲得海岸線走勢(shì)基本一致。

圖5 IM3砂質(zhì)海岸線標(biāo)記(a)及提取結(jié)果(b)

圖6 IM3砂質(zhì)海岸線擬合結(jié)果(a)與參考海岸線(b)對(duì)比

2.3 精度評(píng)定

為驗(yàn)證本研究提出的海岸線提取方法的精度, 確保實(shí)驗(yàn)結(jié)果的可靠性, 我們利用現(xiàn)場(chǎng)實(shí)測(cè)的數(shù)據(jù), 結(jié)合目視解譯, 形成一條參考背景海岸線。通過(guò)概率邊緣指數(shù)PRI(Probabilistic Rand Index)和邊緣定位誤差BDE(Boundary Displacement Error)兩個(gè)指標(biāo)進(jìn)行定量計(jì)算對(duì)比, 以評(píng)價(jià)海岸線提取結(jié)果與參考背景值之間的符合性。

1) PRI

概率邊緣指數(shù)PRI是指實(shí)際分割結(jié)果和參考分割結(jié)果中具有相同標(biāo)簽的像素對(duì)數(shù)與總的像素對(duì)數(shù)的比值。取值范圍為[0, 1], 值越接近1, 表明實(shí)際分割結(jié)果與人工參考分割結(jié)果越接近。

2) BDE

邊緣定位誤差BDE度量實(shí)際分割邊緣和參考邊緣的邊緣像素的平均定位誤差, 一個(gè)邊界像素的誤差定義為其與另一分割圖像的相鄰最近的邊緣像素的距離。取值范圍為[0, +∞), 值越小, 表示分割結(jié)果與人工解譯結(jié)果邊緣越相似。

在本實(shí)驗(yàn)中, PRI用來(lái)檢驗(yàn)實(shí)際分割結(jié)果與參考結(jié)果之間的整體一致性。BDE從局部檢驗(yàn)邊緣定位的準(zhǔn)確度。一般來(lái)講, PRI的值越大, BDE的值越小[13], 表明海岸線的提取精度越好。

由表1可以看出, 人工岸線的PRI指數(shù)數(shù)值大于0.97, 即提取海岸線與參考海岸線的結(jié)果達(dá)到了97%的重合度; BDE小于4.5個(gè)像素, 根據(jù)圖像分辨率可知, 也就是提取海岸線與參考海岸線的實(shí)際定位誤差僅小于0.22 m, 不足0.5 m。砂質(zhì)岸線的PRI指數(shù)數(shù)值大于0.88, 即提取的海岸線與參考海海岸線相比, 整體精度達(dá)到了88%; BDE小于2.9像素, 提取海岸線與參考海海岸線的實(shí)際定位誤差僅小于0.14 m, 即海岸線定位誤差不足0.5 m。本方法提取人工海岸線和砂質(zhì)海岸線與實(shí)測(cè)海海岸線結(jié)果整體上相似, 僅在局部細(xì)微處存在微小差異, 海岸線識(shí)別精度較高。綜合兩種指標(biāo), 提取的海岸線結(jié)果可以滿足海岸線位置精度的提取要求。

表1 海岸線提取結(jié)果精度評(píng)定

3 結(jié)論

本研究將面向?qū)ο蟮乃枷敕椒ㄈ谌氲綗o(wú)人機(jī)遙感影像海岸線提取中, 分別對(duì)人工海岸線和砂質(zhì)海岸線進(jìn)行了提取實(shí)驗(yàn), 并通過(guò)概率邊緣指數(shù)PRI和邊緣定位誤差BDE進(jìn)行精度評(píng)估, 人工海岸線和砂質(zhì)海岸線與實(shí)測(cè)海岸線結(jié)果整體結(jié)構(gòu)上基本相似, 僅在局部細(xì)微處存在微小差異, 表明該方法海岸線識(shí)別速度快、精度較高, 是一種有價(jià)值的無(wú)人機(jī)遙感影像海岸線提取算法, 能夠滿足大比例尺成圖要求, 可在實(shí)際岸線資源管理中推廣使用。

[1] 劉鵬. 海岸線影像特征提取方法與實(shí)證研究[D]. 福州: 福建師范大學(xué), 2008. Liu Peng. Coastline image feature extraction method and empirical research[J]. Fuzhou: Fujian Normal University, 2008.

[2] 申家雙, 翟京生, 郭海濤. 海岸線提取技術(shù)研究[J]. 海洋測(cè)繪, 2009, 29(6): 74-77. Shen Jiashuang, Zhai Jingsheng, Guo Haitao. Study on coastline extraction technology[J]. Hydrographic Surveying and Charting, 2009, 29(6): 74-77.

[3] Houston J R, Dean R G. Shoreline change on the east coast of florida[J]. Journal of Coastal Research, 2014, 30(4): 647-660.

[4] 毋亭, 侯西勇. 海岸線變化研究綜述[J]. 生態(tài)學(xué)報(bào), 2016, 36(4): 1170-1182. Wu Ting, Hou Xiyong. Review of research on coastline changes around the world[J]. Acta Ecologica Sinica, 2016, 36(4): 1170-1182.

[5] 吳云東, 張強(qiáng). 立體測(cè)繪型雙翼民用無(wú)人機(jī)航空攝影系統(tǒng)的實(shí)現(xiàn)與應(yīng)用[J]. 測(cè)繪科學(xué)技術(shù)學(xué)報(bào), 2003, 26(3): 161-164. Wu Yundong, Zhang Qiang. Implementation and applica-tion of aerial photographic system by civil unmanned biplane for survey and stereo mapping[J]. Journal of Geomatics Science and Technology, 2003, 26(3): 161-164.

[6] Xie Z, Roberts C, Johnson B. Object-based target search using remotely sensed data: A case study in detecting invasive exotic Australian pine in south Florida[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2008, 63(6): 647-660.

[7] 吳小娟, 肖晨超, 崔振營(yíng), 等.“高分二號(hào)”衛(wèi)星數(shù)據(jù)面向?qū)ο蟮暮：０毒€提取法[J]. 航天返回與遙感, 2015, 36(4): 84-92. Wu Xiaojuan, Xiao Chenchao, Cui Zhenying, et al. Coa-stline extraction based on object-oriented method using GF-2 satellite data[J]. Spaceraft Recovery & Remote Sensing, 2015, 36(4): 84-92.

[8] 麻德明, 鄧才龍, 徐文學(xué), 等. 無(wú)人機(jī)遙感系統(tǒng)在海岸線勘測(cè)中的應(yīng)用[J]. 海洋開發(fā)與管理, 2015, 32(4): 45-48.Ma Deming, Deng Cailong, Xu Wenxue, et al. Application of UAV remote sensing system in coastline survey[J]. Ocean Development and Management, 2015, 32(4): 45-48.

[9] Nummiaro K, Koller-Meier E, Van Gool L. An adaptive color-based particle filter[J]. Image and Vision Computing, 2003, 21(1): 99-110.

[10] 王鵬, 葛潔, 方崢, 等. 半自動(dòng)面向?qū)ο蟾叻直媛蔬b感地災(zāi)目標(biāo)提取方法[J]. 山地學(xué)報(bào), 2018, 36(4): 654-659. Wang Peng, Ge Jie, Fang Zheng, et al. Semi-automatic object-oriented geological disaster target extraction based on high-resolution remote sensing[J]. Mountain Research, 2018, 36(4): 654-659.

[11] Ning J F, Zhang L, Zhang D, et al. Interactive image segmentation by maximal similarity based region merging[J]. Pattern Recognition, 2010, 43(2): 445-456.

[12] Peng B, Zhang L, Zhang D. Automatic image segmentation by dynamic region merging[J]. Image Processing, IEEE Transactions on, 2011, 20(12): 3592-3605.

[13] Arbelaez P, Maire M, Fowlkes C, et al. Contour Detection and Hierarchical Image Segmentation[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2011, 33: 898-916.

Research on object-oriented method of extracting coastline from unmanned aerial vehicle remote sensing image

MA De-ming1, 2, LIU Yan-xiong1, JIN Yong-de1, CHENG Bao-quan3

(1. The First Institute of Oceanography, Ministry of Natural Resources, Qingdao 266061, China; 2. College of Environmental Sciece and Engineering, Ocean University of China, Qingdao 266100, China; 3.Qingjian Group Co., Ltd., Qingdao 266071, China)

The coastline is one of the important signs of the coastal zone, and also the baseline and “starting line” of the marine development strategy. It not only marks the boundary between land and sea, but also contains rich environmental information, and has an important role in indicating the coastal beach utilization and the rise and fall of wetland ecosystem.As a precious natural resource, coastline plays an important role in coastal economic development. How to quickly and accurately extract the information of coastline location and its dynamic changes is an urgent problem for natural resources authorities and researchers. In this paper, the coastline of Qingdao small Island Bay was taken as the research object, and the unmanned aerial vehicle remote sensing image was taken as the basic data. An object-oriented coastline extraction method was proposed. Combined with the field test, the application experiment of artificial coastline and sandy coastline identification was carried out. The results show that the probability edge index PRI (Probabilistic Rand Index) of artificial coastline and sandy coastline are 0.97 and 0.88, respectively, and the edge positioning error BDE (Boundary Displacement Error) is 4.33 and 2.84, respectively. The extracted artificial coastline and sandy coastline are basically similar to the measured coastline results. There are only slight differences in local fineness, and the accuracy of coastline identification is high. It is proved that the method can quickly and effectively acquire the coastline information, and its accuracy can meet the needs of coastline dynamic change monitoring, and can be promoted and applied in coastline resource management.

unmanned aerial vehicle remote sensing; object-oriented; semi-automatic; coastline extraction

May 9, 2020

P76

A

1000-3096(2020)10-0046-06

10.11759/hykx20200509001

2020-05-09;

2020-06-15

海洋公益性科研專項(xiàng)(201405028-4)

[The Public Science and Technology Research Funds Projects of Ocean, No. 201405028]

麻德明(1982-), 男, 山東膠南人, 工程師, 在職博士生, 研究方向?yàn)楹Ｑ鬁y(cè)繪與GIS應(yīng)用, E-mail: demingma@fio.org.cn

(本文編輯: 劉珊珊)