楊立君，張榮春，姜杰，苗立志，施佳鳳

(1.南京郵電大學(xué) 地理與生物信息學(xué)院，江蘇 南京 210023；2.南京師范大學(xué) 地理科學(xué)學(xué)院，江蘇 南京 210023)

1 引言

水邊線（也稱水涯線）是指潮汐波動(dòng)下海平面與陸地在時(shí)空尺度上形成的瞬時(shí)交界線，是遙感影像上重要的特征線[1]。自動(dòng)獲取遙感影像上的水邊線時(shí)空變化信息，對(duì)于掌握海岸帶動(dòng)態(tài)變化、研究陸海相互作用機(jī)制、海岸帶資源保護(hù)與開發(fā)及近海工程管理等研究具有重要意義[2-4]。從遙感影像上獲取水邊線的自動(dòng)化方法一般可分為邊緣檢測(cè)方法、閾值分割方法及影像分類方法。邊緣檢測(cè)強(qiáng)調(diào)的是不連續(xù)性，認(rèn)為邊界附近或是邊界上存在劇烈改變，使用差分法或者其他數(shù)學(xué)變化方法（例如小波變換）查找灰度值發(fā)生劇烈變化的位置。閾值分割方法和影像分類方法強(qiáng)調(diào)的是相似性，認(rèn)為邊界線位于兩個(gè)相對(duì)穩(wěn)定的區(qū)域之間，區(qū)域內(nèi)屬性特征相似，但區(qū)域之間具有不同的屬性值，也就是說兩區(qū)域存在空間距離[3-5]。邊緣檢測(cè)方法實(shí)施起來比影像分割方法相對(duì)簡(jiǎn)單。然而，邊緣檢測(cè)方法檢測(cè)出來的邊緣像素不連續(xù)，不能完整地描述水邊線。相比較，分割算法及分類算法對(duì)于創(chuàng)建連續(xù)邊界具有一定的優(yōu)勢(shì)，但對(duì)于邊界像素的識(shí)別需要較多的處理步驟。

近年來，國(guó)內(nèi)外學(xué)者對(duì)影像分割、邊緣檢測(cè)及影像分類等方法開展了大量的研究工作，對(duì)于水邊線的自動(dòng)提取大家一致認(rèn)為應(yīng)該綜合使用多種處理方法[2]。Mason 等[6]、鄭宗生等[7]提出了波段組合方法增強(qiáng)海陸對(duì)比度，并應(yīng)用閾值分割方法提取了潮間帶水邊線。Niedermeier 等[8]和Li 等[9]應(yīng)用小波變化方法檢測(cè)了SAR 圖像上的河口水邊線。Liu 和Jezek[5]和盛佳等[10]使用Canny 邊緣檢測(cè)方法提取了格陵蘭島海岸水邊線。劉煒等[11]和Zhang 等[12]研究了面向?qū)ο蠓诸愄崛∵b感影像水邊線的方法。歐陽越和種勁松[13]、郭海濤等[14]和Zhu 等[15]基于水平集邊緣檢測(cè)方法提取了SAR 圖像海岸帶水邊線。Kang 等[16]和鄭宗生等[17]又提出了基于水動(dòng)力模型提取遙感影像水邊線的方法。上述遙感影像水邊線提取研究主要集中在沙灘或者清澈水體，干沙和海水反射率差別很大的地區(qū)，提取的水邊線屬于強(qiáng)水邊線，水邊線提取效果較好。但是，在灘涂潮間帶光譜特征受到粒徑大小、土壤含水量、局部坡度、海水的渾濁度及存在的潮汐、溪流等多種因素的影響，在遙感影像上陸地與水體區(qū)域之間缺乏一致的、充分的對(duì)比強(qiáng)度，屬于弱水邊線，上述水邊線提取方法效果并不理想。特別是大潮低潮期落潮條件下的水邊線遙感提取最為困難。

充分利用各種水邊線提取方法的優(yōu)點(diǎn)，是解決弱水邊線有效提取的重要途徑[18-19]。本文綜合運(yùn)用影像增強(qiáng)技術(shù)、影像分割技術(shù)及邊緣檢測(cè)技術(shù)在Lansat-5遙感影像上提取不同平面精度及連續(xù)性的水邊線對(duì)象，將邊緣信息作為線元對(duì)象，提出了空間關(guān)系結(jié)合光譜特征的灘涂水邊線遙感測(cè)量方法。此方法應(yīng)用IDL 程序設(shè)計(jì)語言編程實(shí)現(xiàn)，水邊線提取自動(dòng)化程度較高，能夠有效提取Landsat-5 影像水邊線，是具有一定推廣能力的水邊線提取方法。

2 研究區(qū)與數(shù)據(jù)

2.1 研究區(qū)

研究區(qū)位于長(zhǎng)江口崇明島最東端，稱為崇明東灘，如圖1 中白色框所指的地區(qū)。崇明島由長(zhǎng)江南支和長(zhǎng)江北支兩條水道的徑流以及漲落潮流所挾帶的泥沙逐漸沉積而成[20]，位于31°27′00″～31°5l′15″N，121°09′30″～121°54′00″E，其南北狹、東西寬，灘涂?jī)?nèi)潮溝密布，高、中、低潮灘分帶十分明顯。崇明東灘南北最寬處約為18 km，東西最寬處約為25 km，在海堤外呈半橢圓形分布，灘面寬闊、坡度平緩，坡面常駐留大量水體，常作為弱水邊線遙感提取的研究對(duì)象。

圖1 研究區(qū)Fig.1 Study Area

2.2 數(shù)據(jù)集

Landsat-5 影 像提供了1984?2013 年的對(duì) 地觀測(cè)數(shù)據(jù)、圖幅較寬、具有適中的空間與光譜分辨率，同時(shí)還能夠免費(fèi)下載。基于上述特點(diǎn)，國(guó)內(nèi)外長(zhǎng)時(shí)間、大范圍的海岸線變化的研究，都采用Landsat-5 影像作為數(shù)據(jù)源。因此，本文選擇Landsat-5 影像，開展中等尺度下遙感影像水邊線提取方法研究具有重要的意義。Landsat-5 影像由7 個(gè)波段組成。band 1～3 為可見光波段，band 4 為近紅外波段，band 5、band 7 為兩個(gè)中紅外波段，空間分辨率均為30 m。band 6 為熱紅外波段，空間分辨率為120 m。

本文使用的Landsat-5 影像數(shù)據(jù)集，來自于GEE數(shù)據(jù)庫，是美國(guó)地質(zhì)勘探局（USGS）Landsat 數(shù)據(jù)一級(jí)大氣校正反射率（TOA）遙感數(shù)據(jù)產(chǎn)品。衛(wèi)星影像成像時(shí)間為2007 年4 月20 日。成像時(shí)刻微風(fēng)無云、空氣質(zhì)量好、可見度高，處于大潮低潮期（落潮）。在灘涂水邊線遙感提取最難的條件下，開展Landsat-5 影像水邊線提取方法研究。

對(duì)遙感影像預(yù)處理依次進(jìn)行了影像裁剪、大氣校正、幾何糾正及影像增強(qiáng)。使用FLAASH 模塊進(jìn)行大氣校正，選用NLAPS（National Land Archive Production System）處理產(chǎn)品的對(duì)應(yīng)定標(biāo)參數(shù)完成輻射定標(biāo)[21]，大氣模型選擇中緯度夏季，氣溶膠模型選擇海洋模型（海洋模型保證了所有像素DN 值為正）。在堤壩拐角及農(nóng)田邊界上選取11 個(gè)特征點(diǎn)作為幾何糾正點(diǎn)，對(duì)應(yīng)的地面控制點(diǎn)坐標(biāo)在1∶1 萬的數(shù)字地形圖上提取，采用一次多項(xiàng)式糾正模型，雙線性內(nèi)插方法進(jìn)行影像幾何糾正，幾何糾正精度為0.43 個(gè)像元。

3 研究方法

本文方法的基本策略是借助band 6 提取的概略水邊線計(jì)算其他波段提取邊線的空間特征，并在空間關(guān)系與光譜特征的共同約束下，完成水邊的識(shí)別與連接。主要由以下步驟組成：

步驟1：影像預(yù)處理。影像預(yù)處理工作除了大氣校正、幾何糾正以外，還需要進(jìn)行降噪處理和海陸對(duì)比度增強(qiáng)。

步驟2：“低精度”水邊線提取。應(yīng)用閾值分割法提取band 6 水邊線。由于band 6 的空間分辨率為120 m，這里提取的水邊線稱之為“低精度”水邊線。

步驟3：“高精度”邊緣檢測(cè)。Canny 算子檢測(cè)增強(qiáng)后遙感影像邊緣。海陸對(duì)比度增強(qiáng)是對(duì)除band 6以外其他波段的操作，增強(qiáng)后的遙感影像空間分辨率為30 m。因此，從增強(qiáng)后遙感影像上提取的邊緣稱之為“高精度”邊緣，對(duì)應(yīng)的水邊線稱之為“高精度”水邊線。

步驟4：線元對(duì)象屬性計(jì)算。將“高精度”邊緣作為線元對(duì)象，依據(jù)“低精度”水邊線計(jì)算線元對(duì)象屬性。線元對(duì)象屬性主要包括空間特征與光譜特征。

步驟5：“高精度”水邊線識(shí)別。依據(jù)水邊線固有的空間特征和光譜特征規(guī)律，建立水邊線知識(shí)規(guī)則，決策樹分類方法識(shí)別“高精度”水邊線。

步驟6：水邊線的連接與質(zhì)量評(píng)價(jià)。借助“低精度”水邊線完成“高精度”水邊線的連接。對(duì)于最后的水邊線從平面位置精度與水平性兩方面進(jìn)行評(píng)價(jià)。

灘涂水邊線Landsat-5 影像提取方法共有6 個(gè)主要步驟組成，主要包括以下5 個(gè)方法。

3.1 基于最大類間方差法的band 6 影像分割方法

閾值分割法是高效的水邊線提取方法，提取的水邊線連續(xù)、平滑，但是定位精度差，并且對(duì)水陸對(duì)比度要求較高[19]。band 6 波段對(duì)溫度敏感，提取的水邊線空間分辯率不高，但卻蘊(yùn)含著大量的空間信息[22]。對(duì)于整幅影像使用全局閾值區(qū)分水體和陸地，由于海岸帶地區(qū)海陸對(duì)比度的不均勻性，一些局部的水邊線將不能被識(shí)別，會(huì)引起弱水邊線處的不連續(xù)性。為有效提取弱水邊線，我們依據(jù)局部海陸分割效果最優(yōu)，動(dòng)態(tài)設(shè)定分割閾值。

將整幅影像分成若干組小范圍的，相互重疊的區(qū)域。使用最大類間方差法（大津算法）確定局部最佳閾值。最大類間方差法利用類別方差作為判據(jù)，選取使類間方差最大和類內(nèi)方差最小的圖像灰度值作為最佳閾值。設(shè)T為前景與背景的分割閾值，前景點(diǎn)數(shù)占圖像比例為w0，平均灰度值為u0；背景點(diǎn)數(shù)占圖像比例為w1，平均灰度為u1，圖像的總平均灰度為u，前景和背景圖像的方差，則有

使用循環(huán)遍歷方法計(jì)算方差 σ2，當(dāng)方差最大時(shí)，可以認(rèn)為前景和背景差異最大，此時(shí)的灰度T是最佳閾值。

3.2 基于最大類間方差法的Canny 邊緣檢測(cè)方法

Canny 算子定義的定位準(zhǔn)則、信噪比準(zhǔn)則及單邊響應(yīng)準(zhǔn)則是迄今為止定義最為嚴(yán)格的邊緣檢測(cè)標(biāo)準(zhǔn)。該方法原理簡(jiǎn)單、邊緣檢測(cè)質(zhì)量高，現(xiàn)已成為評(píng)價(jià)其他邊緣提取算法的標(biāo)準(zhǔn)[23]。閾值設(shè)定是Canny算子邊緣提取的關(guān)鍵，傳統(tǒng)Canny 算子全局設(shè)置高低閾值。灘涂地帶的遙感圖像易受光照、場(chǎng)景等不確定因素的影響，整幅圖像高低閾值比例不可能是一個(gè)固定的值[24]。將整個(gè)圖像分成若干相互重疊的小區(qū)域，在每個(gè)小區(qū)域中基于大津算法的思想自動(dòng)選取高低閾值，實(shí)現(xiàn)Canny 算子檢測(cè)邊緣信息。

設(shè)非抑制邊緣圖像中的像素劃分為D1、D2、D33 個(gè)類別。其中，D1包含梯度幅值為{g1,g2,···,gk}的像素，代表著原圖中的非邊緣點(diǎn)。D2包含梯度幅值為{gk+1,gk+2,···,gm}的像素，代表著原圖中有可能是邊緣的點(diǎn)。D3包含梯 度幅值為{gm+1,gm+2,···,gl}的像 素，代 表著原圖中的邊緣點(diǎn)。設(shè)一個(gè)小區(qū)域圖像的梯度平均值為E;該小區(qū)域非抑制邊緣圖像D1、D2、D33 個(gè)類別對(duì)應(yīng)的平均梯度值分別為e1、e2、e3；D1、D2、D33 個(gè)類別占小區(qū)域圖像的比例分別為p1、p2、p3；參考大津法則可以定義評(píng)價(jià)函數(shù)：

式中，e1、e2、e3、p1、p2、p3都可以用抑制圖像中的高低閾值來表示，梯度等級(jí)可以人為確定（一般定位64級(jí)）。因此，公式（3）是關(guān)于梯度高低閾值的二元函數(shù)，σ2描述了類間方差。類間方差最大在數(shù)理統(tǒng)計(jì)意義上是類間分離性最好的依據(jù)之一。因此，應(yīng)用循環(huán)遍歷的方法計(jì)算 σ2。當(dāng) σ2最大值時(shí)對(duì)應(yīng)的兩個(gè)梯度值即為D1、D2、D33 個(gè)類別的分界值，也就是Canny算子的高低閾值。

3.3 線元對(duì)象屬性計(jì)算方法

線元對(duì)象屬性主要包括空間特征和光譜特征。

3.3.1 空間特征計(jì)算方法

線元對(duì)象的空間特征主要考慮了空間位置、長(zhǎng)度、形狀、方向以及拓?fù)潢P(guān)系。邊線空間位置用邊線到“低精度”水邊線的平均距離表示。邊線的長(zhǎng)度用像素的個(gè)數(shù)L來表示。形狀是用線元對(duì)象與“低精度”水邊線相鄰部分的相似程度表示，用下式來計(jì)算：式中，n表示“高精度”線元對(duì)象的長(zhǎng)度；d表示“高精度”線元對(duì)象到“低精度”水邊線最短距離的平均值；di示第i個(gè)像元到“低精度”水邊線的最短距離；σ2表示“高精度”線元對(duì)象每個(gè)像元到“低精度”水邊線的距離方差。σ2越大表示兩條線越不相似，越小表示越相似。方向描述的是“高精度”線元對(duì)象與“低精度”水邊線的夾角，角度應(yīng)用下式來計(jì)算：

式中，dmax、dmin及L分別指“高精度”線元對(duì)象到“低精度”水邊線的最大、最小距離及其自身長(zhǎng)度。拓?fù)潢P(guān)系這里僅指“高精度”線元對(duì)象位于“低精度”水邊線的左側(cè)還是右側(cè)，用正負(fù)值表示。

3.3.2 光譜特征計(jì)算方法

理論上水邊線兩側(cè)的光譜應(yīng)符合水體與非水體光譜特征，兩側(cè)光譜具有不相關(guān)性。利用下式計(jì)算水邊線兩側(cè)像元光譜的相關(guān)性[25]：

式中，ρij表示光譜曲線i與光譜曲線j的相關(guān)系數(shù)，如果兩條光譜曲線完全相同，它們的相關(guān)系數(shù)為1，否則相關(guān)系數(shù)小于1；xik表示光譜曲線i中第k個(gè)波段的光譜值；xjk表示j光譜曲線中第k個(gè)波段的光譜值；m表示波段的個(gè)數(shù)；表示光譜曲線i的平均值；表示光譜曲線j的平均值。

3.4 水邊線識(shí)別與連接方法

3.4.1 面向?qū)ο蟮乃吘€識(shí)別方法

遙感圖像上檢測(cè)出的水邊線在空間特征與光譜特征上有自身規(guī)律，依據(jù)這些先驗(yàn)知識(shí)構(gòu)建分類準(zhǔn)則，基于決策樹分類方法識(shí)別“真”水邊線對(duì)象。決策樹分類依據(jù)邊線長(zhǎng)度、形狀相似度、方向、位置及光譜屬性不斷地劃分邊線數(shù)據(jù)，使邊線的差別最大，在依賴變量的值上建立最強(qiáng)的歸類。

3.4.2 基于“低精度”水邊線的水邊線連接方法

“低精度”水邊線位置精度不高，但較好地表達(dá)了水邊線的形狀。當(dāng)“高精度”水邊線出現(xiàn)斷裂時(shí)，可以依據(jù)“低精度”水邊線，完成“高精度”水邊線連接。實(shí)現(xiàn)過程為：將斷裂處兩端的水邊線作為一個(gè)對(duì)象，經(jīng)旋轉(zhuǎn)、平移后，使其與“低精度”水邊線完成最佳重合。進(jìn)而截得局部“低精度”水邊線作為“高精度”斷裂處水邊線。

3.5 遙感影像增強(qiáng)方法

在水邊線提取的不同階段采用不同的影像增強(qiáng)方法。在“低精度”水邊線提取中使用高斯濾波方法對(duì)band 6 進(jìn)行噪聲去除。在“高精度”邊緣檢測(cè)中，海陸對(duì)比度增強(qiáng)方法較復(fù)雜，主要分成兩步完成：（1）綜合應(yīng)用最佳指數(shù)法（OIF）、離散度計(jì)算方法確定水邊線提取的最佳波段組合[26]；（2）對(duì)最佳波段組合應(yīng)用顏色模型變換方法[27]，進(jìn)一步增強(qiáng)海陸對(duì)比度，選取H 分量用于Canny 算子邊緣檢測(cè)。

為了清晰起見，在圖2 中給出了灘涂水邊線遙感提取方法流程圖，概要地說明了本文的算法和影像處理步驟。

圖2 技術(shù)方法流程Fig.2 Technical method flow chart

4 實(shí)驗(yàn)過程與分析

應(yīng)用本文提出的空間關(guān)系與光譜特征相結(jié)合的水邊線遙感提取方法在大潮低潮期（落潮）條件下提取長(zhǎng)江口崇明東灘的水邊線，證明方法的可行性和有效性。

4.1 “低精度”水邊線提取與分析

計(jì)算Landsat-5 影像各波段DN 值直方圖，結(jié)果如圖3 所示。灘涂地區(qū)水體與非水體比熱差別較大，band 6 具有明顯的雙峰特性。因此，在熱紅外波段應(yīng)用動(dòng)態(tài)閾值分割法提取海陸邊界線具有可行性。

圖3 Landsat-5 影像各波段DN 值直方圖Fig.3 Histogram of DN value of each band of Landsat-5 satellite image

應(yīng)用局部自適應(yīng)閾值算法分割band 6，經(jīng)形態(tài)學(xué)方法處理后得到“低精度”水邊線。局部自適應(yīng)窗口大小設(shè)置為25 像元×25 像元，上下、左右的重疊度均為12%。將“低精度”水邊線提取結(jié)果疊加到假彩色（band 7、band 5、band 2）遙感影像上，如圖4 所示。提取的“低精度”水邊線連續(xù)、平滑、完整，形狀與實(shí)際水邊線相似。

圖4 “低精度”水邊線及水邊線掩膜Fig.4 Low precision waterline and waterline mask

“低精度”水邊線檢測(cè)方法有效檢測(cè)出了海陸之間的分界線，并沒有檢測(cè)出潮間帶潮溝輪廓、植被間分界線、海水沖刷痕跡線及灘涂?jī)?nèi)堤壩等非水邊線信息，有利于水邊線的連續(xù)、平滑描述。但是這種方法將堤壩內(nèi)部的海塘及海水里面的孤島等水邊線提取出來，圖4 中用綠顏色的線描述。這些邊線具有閉合特征、周長(zhǎng)和所包圍面積較小，依據(jù)這些約束條件計(jì)算機(jī)可自動(dòng)對(duì)其刪除。通過疊加分析，“低精度”水邊線對(duì)于大尺度的灘涂水邊線形狀描述還是比較準(zhǔn)確的，定位誤差不超過4 個(gè)像元，即120 m。按3 倍中誤差思想，依據(jù)“低精度”水邊線在30 m 空間分辨的影像上創(chuàng)建25 個(gè)像元寬度的緩沖區(qū)（圖4 中，深紅色曲線為緩沖區(qū)邊線），構(gòu)建水邊線掩模，并應(yīng)用到遙感影像上?！案呔取边吘墮z測(cè)，在應(yīng)用掩膜后的遙感影像中完成。這樣不僅提高了邊緣檢測(cè)的速度，而且在后期水邊線的識(shí)別中效率也大大提高。

4.2 “高精度”邊緣信息檢測(cè)

4.2.1 遙感影像增強(qiáng)結(jié)果與分析

通過比較發(fā)現(xiàn)，顏色模型變換法海陸對(duì)比度增強(qiáng)效果最佳，這與劉永學(xué)等[27]的研究結(jié)果一致。為了進(jìn)一步提升海陸對(duì)比度效果，在顏色模型變換前應(yīng)用OIF 方法和離散度方法確定最佳波段組合。經(jīng)過計(jì)算band 7、band 5、band 2 是信息最為豐富的波段組合，最佳指數(shù)（OIF）為8.4，同時(shí)離散度最高（值為0.7）。最后選取HLS 顏色模型變換后的H 分量作為增強(qiáng)后的結(jié)果。圖5 為圖4 中黃色矩形內(nèi)影像顏色模型變換后的H 分量密度分割結(jié)果。作為對(duì)比，圖6是使用歸一化差異水體指數(shù)（NDWI）增強(qiáng)海陸對(duì)比度的密度分割結(jié)果。可以明顯的看出，本文的方法明顯優(yōu)于后者。

4.2.2 “高精度”邊緣檢測(cè)與分析

為了證明最大類間方差方法的有效性，選用經(jīng)典的全閾值Canny 算子與其對(duì)比。在增強(qiáng)后的遙感影像上應(yīng)用水邊線掩膜，然后，使用兩種方法檢測(cè)“高精度”邊緣。兩種方法檢測(cè)的結(jié)果如圖7 所示，其中，圖7a為全閾值Canny 算子檢測(cè)出的“高精度”邊緣，圖7b為本文提出的方法檢測(cè)出的“高精度”邊緣。

圖5 HLS 顏色模型H 值密度分割結(jié)果Fig.5 H-value density segmentation results of the HLS color model

對(duì)比圖7a 和圖7b 可知，本文提出的邊緣檢測(cè)方法具有以下優(yōu)勢(shì)：（1）邊緣檢測(cè)能力全圖具有一致性。從圖7a 可以明顯的看出，圖的上半部分具有豐富的邊緣信息，而下半部分僅檢測(cè)出了2 條邊緣，而圖7b 上下邊緣信息具有較好的一致性；（2）邊緣檢測(cè)能力更強(qiáng)。在圖7a 上半部分檢測(cè)出了過多的剩余水體邊界，但是在位置②“高精度”水邊線并沒有被有效檢測(cè)出來，在位置①內(nèi)側(cè)緩沖區(qū)邊線也大量丟失。在圖7b 中，剩余水體邊界很少被檢測(cè)出來，但是較大潮溝邊界、大多數(shù)“高精度“水邊線（例如位置②處）及緩沖區(qū)邊線（例如位置①處的內(nèi)側(cè)緩沖區(qū)邊線不再丟失）均能夠效檢測(cè)出來。

圖6 歸一化差異水體指數(shù)密度分割結(jié)果Fig.6 Normalized difference water index density segmentation result

圖7 全閾值Canny 算子（a）和本文方法（b）檢測(cè)出的“高精度”邊緣結(jié)果Fig.7 High-precision edge results detected by the full-threshold Canny operator (a) and the method (b) of this paper

在邊緣檢測(cè)過程中設(shè)定局部窗口大小與水邊線掩膜寬度一致（25 像元×25 像元，重疊度為12%），窗口移動(dòng)軌跡為“低精度”水邊線。因此，該方法的計(jì)算量非常小，極大提高了“高精度”邊緣的檢測(cè)速度。在某些情況下本文提出的方法也存在邊緣檢測(cè)不理想的情況。例如，在圖7b 中③所指的地方，由于坡度過于平緩“高精度”水邊線缺口較大；在②所指的地方，受坡面駐留水體影響“高精度”水邊線出現(xiàn)了分叉現(xiàn)象。在“高精度”水邊線提取中需要解決這兩個(gè)問題。這里還有一個(gè)問題需要說明，那就是在圖7a、圖7b的④處指的位置均存在毛邊的現(xiàn)象，圖7b 雖然有所改善，但沒有完全解決。

4.3 “高精度”線元對(duì)象屬性計(jì)算

在“高精度”線元對(duì)象屬性計(jì)算前，依次要進(jìn)行邊線分離、邊線篩選及邊線編號(hào)等預(yù)處理工作。邊線分離是將子邊線與母邊線分離，本文將長(zhǎng)邊線作為母邊線，如圖7b 中②所示。在實(shí)際中應(yīng)用9 像元×9 像元模板計(jì)算大角度變化曲線，在交點(diǎn)處對(duì)其進(jìn)行分離。邊線篩選是對(duì)分離后的各邊線進(jìn)行長(zhǎng)度計(jì)算，去掉離散點(diǎn)及較短邊線（設(shè)定閾值一般小于5 個(gè)像元）。邊線編號(hào)指的是對(duì)剩余的邊線進(jìn)行統(tǒng)一編號(hào)，便于后續(xù)“高精度”線元對(duì)象的屬性計(jì)算。

依據(jù)3.3 節(jié)介紹的方法計(jì)算邊線對(duì)象的空間特征和光譜特征。表1 描述了“高精度”線元對(duì)象屬性的記錄結(jié)果與格式。其中，“高精度”線元對(duì)象位于“低精度”水邊線向陸一側(cè)時(shí)，用正值表示；向海一側(cè)時(shí)，用負(fù)值表示。光譜特征計(jì)算使用的是“高精度”線元對(duì)象兩側(cè)像元光譜相關(guān)系數(shù)的平均值。光譜相關(guān)系數(shù)計(jì)算選擇了對(duì)水、陸敏感的band 2、band 5、band 7波段。

表1 線元對(duì)象屬性計(jì)算結(jié)果（單位：像元）Table 1 Line object property calculation results (unit：pixel)

圖8 最后的水邊線提取結(jié)果Fig.8 Final results of waterline extraction

4.4 “高精度”水邊線對(duì)象識(shí)別

4.4.1 水邊線識(shí)別結(jié)果與分析

利用決策樹分類方法對(duì)于上述具有空間特征和光譜特征的“高精度”線元對(duì)象進(jìn)行分類，完成水邊線識(shí)別。經(jīng)過反復(fù)的實(shí)驗(yàn)依次按照位置、長(zhǎng)度、形狀相似度、方向和光譜相似度進(jìn)行決策樹分類，閾值依次設(shè)為2 像元、8 像元、0.6、15°及0.50，水邊線檢測(cè)效果最好。在這一步中，水邊線的識(shí)別是從可靠性最高的線元對(duì)象開始，而并不是從第一條存儲(chǔ)記錄的線元對(duì)象識(shí)別水邊線，從而保證了水邊線識(shí)別的正確性。識(shí)別順序按照空間相鄰關(guān)系依次識(shí)別線元對(duì)象，在決策樹分類中充分利用上下文關(guān)系，進(jìn)一步提高了水邊線檢測(cè)的質(zhì)量。

圖8 中藍(lán)色曲線為決策樹分類方法識(shí)別的“高精度”水邊線。從圖中可以看出，除了“高精度”水邊線外，沒有多余的邊線。因此，基于空間特征與光譜特征的決策樹分類，可以作為“高精度”水邊線識(shí)別方法。

4.5 “高精度”水邊線連接與質(zhì)量分析

4.5.1 “高精度”水邊線連接

經(jīng)過上述步驟得到了細(xì)節(jié)豐富的“高精度”水邊線。遺憾的是，在極弱水邊線處有較大缺口，按照3.4.2 節(jié)方法完成水邊線連接。在連接時(shí)，缺口與鄰近水邊線長(zhǎng)度比例設(shè)定為1∶3（經(jīng)驗(yàn)值），當(dāng)高、低精度水邊線具有最佳重合時(shí)（重疊度一般大于80%），用“低精度”水邊線描述“高精度”水邊線。

圖8 為最后的水邊線提取結(jié)果。在圖8 中箭頭所指的地方，a、b 分別是放大表示的“高精度”與“低精度”水邊線。兩者形狀基本相似，但“高精度”水邊線細(xì)節(jié)表現(xiàn)力更強(qiáng)。在箭頭②位置處是水邊線連接處，通過放大也很難看出連接痕跡。在③處有最長(zhǎng)連接線，通過與原始影像疊加水邊線定位誤差不超過2 像元。在極弱水邊線處，坡面駐留大量的水體，水體邊線很多，很難確定哪一條才是真正的水邊線。但是，在“低精度”水邊線的空間約束下，計(jì)算機(jī)選擇了離它最近的，且平行的邊線作為水邊線，可靠性更高。當(dāng)“高精度”水邊線沒有檢測(cè)到的時(shí)候，利用相鄰的“高精度”與“低精度”水邊線空間關(guān)系，借助“低精度”水邊線完成水邊線的連接，計(jì)算機(jī)描繪出了很高質(zhì)量的水邊線。

圖9 是檢測(cè)到的“高精度”水邊線疊加在遙感影像上的部分結(jié)果。其中，圖9a 是高精度水邊線在原始遙感影像上的疊加結(jié)果，圖9b 是圖9a 紅色矩形框內(nèi)放大4 倍后的顯示結(jié)果。從圖9 中，可以明顯看出“高精度”水邊線具有非常高的平面位置精度。

圖9 “高精度”水邊線平面精度分析Fig.9 High precision waterline error analysis

因此，本文提出的將空間特征與光譜特征作為約束條件的水邊線遙感提取方法是灘涂水邊線遙感提取的有效方法，最后得到的水邊線連續(xù)、完整、細(xì)節(jié)豐富、定位精度高。

4.5.2 水邊線質(zhì)量評(píng)價(jià)

為了驗(yàn)證空間關(guān)系結(jié)合光譜特征提取灘涂水邊線方法的性能，另外使用該方法提取了中高潮位（漲潮）、低潮位（漲潮）兩景Landsat-5 遙感影像水邊線。影像成像時(shí)間分別為2007 年7 月28 日和2006 年3 月3 日。將3 期遙感影像提取的水邊線疊加在2006 年4 月20 日的遙感影像上，結(jié)果如圖10 所示。從水邊線的平面位置精度與水平性兩個(gè)方面評(píng)價(jià)水邊線提取質(zhì)量。

圖10 不同潮情提取的水邊線Fig.10 Waterline extracted from different tidal conditions

1）平面位置精度評(píng)價(jià)

將目視解譯獲取的水邊線作為參考值，利用下式計(jì)算參考水邊線與提取水邊線之間的距離，

圖11 水邊線平面誤差統(tǒng)計(jì)Fig.11 Waterline plane error statistics

針對(duì)3 景遙感影像提取的水邊線，計(jì)算平面位置精度，圖11 為水邊線平面誤差統(tǒng)計(jì)分布。樣本點(diǎn)是從水邊線最北端到最南端等間隔選取的50 個(gè)點(diǎn)，并依次編號(hào)。

7 月28 日水邊線平面位置誤差最大值為9.3 m，最小值為0 m，標(biāo)準(zhǔn)差為1.8 m，沒有明顯空間分布特征。4 月20 日水邊線平面位置誤差最大值為44.0 m，最小值為0 m，標(biāo)準(zhǔn)差為13.1 m。誤差分布南北對(duì)稱，較大誤差主要集中在崇明東灘最東端。3 月3 日水邊線平面位置最大誤差為18.5 m，最小誤差為0 m，標(biāo)準(zhǔn)差為4.5 m，較大誤差也主要分布在崇明東灘最東端。崇明東灘最東端坡度極為平緩、常駐有大量的剩余水體，落潮期尤為嚴(yán)重。灘涂表面的剩余水體是影響灘涂水邊線提取的主要因素。7 月28 日水邊線屬于中高潮位（漲潮），灘涂表面剩余水體最少，海陸對(duì)比度強(qiáng)，水邊線提取精度最高并具有一致性。4 月20 日水邊線處于大潮低潮位（落潮）比3 月3 日水邊線潮位（漲潮）略高，但因?yàn)槭锹涑?，灘涂表面的剩余水體更多。因此，3 月3 日水邊線比4 月20 日水邊線的位置精度高。

2）水平性精度評(píng)價(jià)

以2006 年全站儀測(cè)量技術(shù)獲取的1∶1 萬灘涂地形圖為基礎(chǔ)數(shù)據(jù)，利用ArcGIS 軟件生成格網(wǎng)尺寸為30 m 的灘涂數(shù)字高程模型（DEM），格網(wǎng)尺寸與遙感影像空間分辨率相同。針對(duì)水邊線平面位置精度統(tǒng)計(jì)的樣本，提取樣本點(diǎn)對(duì)應(yīng)的吳淞高程系統(tǒng)高程信息。去除明顯錯(cuò)誤的數(shù)據(jù)，最后統(tǒng)計(jì)出3 條水邊線上最大高程分別為3.4 m、0.4 m 和0.3 m，最小高程分別為3.1 m、0.1 m 和0 m，平均高程分別為3.26 m、0.23 m和0.14 m，標(biāo)準(zhǔn)差分別為0.14 m、0.12 m 和0.10 m。

圖12 為水邊線水平性誤差統(tǒng)計(jì)分布結(jié)果。從圖中可以看出水邊線高程呈現(xiàn)出從南往北逐漸升高的趨勢(shì)，表現(xiàn)出了南高北低的特征，高程差約為0.3 m。研究區(qū)水邊線高程南部高于北部的主要原因是長(zhǎng)江口南支水流量遠(yuǎn)大于北支水流量，在潮汐作用下表現(xiàn)出了高程差異。

圖12 水邊線水平性誤差統(tǒng)計(jì)Fig.12 Waterline horizontal error statistics

5 結(jié)論

針對(duì)遙感影像海水、陸地自動(dòng)化分割，特別是灘涂弱水邊線難以提取的問題，本文綜合利用了熱紅外波段容易探測(cè)海陸差異的特性和Canny 檢測(cè)算子邊界定位精度高的優(yōu)點(diǎn)，利用熱紅外波段給出了水邊線的空間特征與光譜特征計(jì)算方法，基于面向?qū)ο笏枷胩岢鲆环N顧及空間關(guān)系和光譜特征的Landsat-5 遙感影像水邊線快速提取方法。實(shí)驗(yàn)結(jié)果表明，該方法具有以下特點(diǎn)：（1）自動(dòng)化程度高、人工干預(yù)少?；谧畲箢愰g方差法的局部自適應(yīng)算法閾值分割、Canny 邊緣檢測(cè)原理簡(jiǎn)單，計(jì)算機(jī)比較容易實(shí)現(xiàn)，提取過程中基本不需要人機(jī)交互。（2）多重約束，可靠性強(qiáng)。結(jié)合空間關(guān)系和光譜屬性特征的面向?qū)ο鬀Q策樹分類，漏分誤差和錯(cuò)分誤差很小，不僅強(qiáng)水邊線提取效果良好，對(duì)于水邊線的弱邊緣也能夠取得良好的效果。（3）連續(xù)性好，定位精度高。借助“低精度”水邊線，基于空間關(guān)系實(shí)現(xiàn)水邊線連接，構(gòu)成連續(xù)完整的水邊線，并且在定位精度上繼承了Canny 算子邊緣檢測(cè)精度高的優(yōu)點(diǎn)。（4）不需迭代計(jì)算，效率高。在水邊線提取的各計(jì)算環(huán)節(jié)不需要迭代計(jì)算，影像分割、邊緣信息檢測(cè)及水邊線連接效率較高。結(jié)合空間特征與光譜特征的遙感影像水邊線快速提取方法本質(zhì)上是面向?qū)ο蠓诸惣夹g(shù)的拓展。將邊線看作對(duì)象，通過引入“低精度”水邊線計(jì)算邊線的空間特征、結(jié)合光譜特征解決了灘涂弱水邊線遙感提取的難題，但還有以下問題值得說明：潮溝是灘涂地形地貌的重要組成部分，本文在水邊線提取過程中，刪除了潮溝信息，在后續(xù)研究中應(yīng)針對(duì)潮溝的空間特征與光譜特征開展潮溝信息提取實(shí)驗(yàn)。