“高分二號”衛星數據面向對象的海岸線提取法

吳小娟 肖晨超 崔振營 劉肖姬

（1 武漢大學遙感工程學院，武漢 430027）

（2 中國國土資源航空物探遙感中心，北京 100083）

（3 中南大學地球科學與信息物理學院，長沙 410083）

（4 中國地質大學北京地球科學與資源學院，北京 100083）

0 引言

2014年8月19日，“高分二號”（GF-2）衛星的成功發射是我國遙感事業的“里程碑”，實現了亞米級空間分辨率、多光譜綜合光學遙感數據獲取，攻克了輕型相機及衛星系統設計難題，突破了高精度高穩定度姿態機動、高精度圖像定位，提升了低軌道遙感衛星長壽命高可靠性能，對于推動我國衛星工程水平提升，提高我國高分辨率對地觀測數據自給率具有重要意義[1]。由于其同時還具有高輻射精度、高定位精度和快速姿態機動能力等特點，可以預測，GF-2衛星數據在國土資源調查與監測、城鄉規劃監測、交通路網規劃、環境監測等領域都將發揮重要的作用[2-3]。在國土資源開發和應用中，地處海陸之交的海岸線地帶憑借其自身豐富的自然資源和優越的地理位置成為人類競爭和開發的重要區域[4-5]。我國海岸線長達18 000km，居世界第四位，所以采用有效的技術手段對海岸線數據進行提取監測、開發應用極具重大意義。

由于受到海岸侵蝕、淤漲、海平面上升等的變化和人工堤壩、圍墾、采砂等社會因素的影響，海岸線變化較大[6]，目前對海岸線具體位置的定義現在還存在些許分歧，如低潮線、沿海岸灘與平均海平面的交線、平均高潮線、多年大潮高潮線或痕跡線、最大風暴潮所能達的位置等。由遙感解譯提取的海陸分界線未能考慮懸浮泥沙、潮位、季節等因素的影響，實際為某一時刻的水邊線，即某一時刻海水與陸地的瞬時交界線[7]，統稱為海岸線。

傳統的海岸線提取方法主要有實地測量法和攝影測量法[4]，不但費時費力，而且精度較低，更新速度慢，已遠遠不能滿足現有需求。隨著遙感、計算機技術的發展，通過對遙感影像的解譯成為海岸線提取的新手段[8-10]?，F有的遙感解譯海岸線方法分為目視解譯和自動解譯兩種，其中自動解譯方法得到普遍的應用，如閾值分割法、邊緣檢測法、區域生長提取法、神經網絡法和面向對象法等[4]。面向對象法是一種新興的遙感圖像解譯方法，該方法通過對影像的分割，使同質像元組成大小不同的對象，從而實現較高層次的遙感圖像分類和目標地物提取[11-13]。由于突破了傳統遙感影像分類方法以像元為基本分類和處理單元的局限性，相較于其他以像元為基礎進行分類的方法，面向對象方法更為方便，所需時間較少，效率更高，在大范圍、海量影像分類中優勢明顯[14]。

文章以深圳大鵬半島地區為例，通過對 GF-2衛星數據預處理并采用面向對象方法，選取合適的分割尺度、影像光譜特征、圖斑剔除、類別合并等操作，對深圳部分海岸線進行了提取。由于海岸線檢測涉及的地理空間尺度一般較大，并且部分海岸帶地區現場測繪困難，使得檢測結果缺乏必要的精度驗證，所以現有研究絕大多數是將海岸線提取結果同原圖像進行疊加比較[4]。本文將研究區海岸線提取結果與GF-2衛星影像疊加比較分析，結果較為理想。

1 GF-2衛星數據介紹

GF-2衛星的空間分辨率優于1m，定位精度50m，壽命為5～8年，是迄今為止我國研制的空間分辨率最高的民用遙感衛星，同時還具有高輻射精度、高定位精度和快速姿態機動能力等特點。GF-2衛星地面像元分辨率為全色1m，多光譜4m，幅寬為45km，其衛星指標參數如表1所示[15]。

表1 GF-2衛星指標參數Tab.1 Parameters of GF-2 satellite

2 海岸線提取方法

傳統的海岸線提取方法主要分為實地測量法和攝影測量法[4]。其中實地測量法主要是利用經緯儀、全站儀、GPS等測繪儀器測量海岸線拐點坐標，然后連接成線，精度較低且效率不高，不易于大面積探測和應用推廣[4-5,16]。攝影和遙感技術的快速發展成為海岸線提取的新手段。攝影測量法一般是通過對飛機搭載攝影儀器拍攝的航片人工解譯、調繪海岸線。與實地測量法相比，攝影測量法效率有所提高，但是更新速度仍然較慢。航天遙感技術的快速發展成為海岸線提取的新手段[8-10]，其具有的全天候、大范圍、高效、經濟等優勢大大彌補了傳統海岸線測量方法的不足[16]。目前遙感海岸線提取利用的數據源有LandSat、SPOT、SAR、QuickBird、IKONOS 等影像[7]。

國內外研究學者對海岸線遙感解譯進行了諸多研究，提出了許多方法，如目視解譯、閾值分割法、邊緣檢測法、區域生長提取法、神經網絡法和面向對象法等[4,7-14]。目視解譯是遙感技術發展初期最常應用的方法，主要依靠人工目視手動解譯，效率低下，精度不高，在現階段已基本被其他解譯方法取代。閾值分割法提取海岸線主要依據水體輻射反射率在近紅外波段低于其他地物的原理，選擇合適的閾值分離水體和非水體地物。由于閾值分割法簡單易操作，所以是常用的海岸線提取方法之一。邊緣檢測法主要利用Canny、Soble、Laplace-Gauss、Prewitt和Roberts等核心算子對遙感影像中的水陸邊緣進行檢測，并進行結果優化處理，從而提取海岸線。區域生長法計算過程為選取種子點，然后通過合適的區域生長準則將種子周圍相似元素合并到種子所在的區域中。神經網絡法的結構由一個輸入層、若干個中間隱含層和一個輸出層組成，進行海岸線提取時的關鍵是建立神經網絡模型和選取訓練樣本。以上方法均以遙感影像的像元為基礎單位進行海岸線提取。

相對于其他方法，面向對象分類是將影像對象作為影像分析的基本單元，以自然對象為出發點，根據對象的幾何特征、光譜特征以及影像對象間的語義關系將圖像分割成為一個個在光譜、紋理和空間組合關系等特征單元[7]。面向對象分類法應用時不僅考慮地物的光譜信息，而且兼顧幾何信息和拓撲信息，在高分辨率遙感影像分類中優勢明顯[11-14]。

3 實例分析

本文采用的GF-2衛星數據為2014年12月29日獲取。由于影像獲取時受到各種因素的影響會產生幾何和輻射變形，所以需要通過影像預處理操作消除誤差，以得到一個盡可能在幾何和輻射上真實的圖像，從而提高數據品質。GF-2衛星數據的預處理主要包括影像正射校正、圖像配準、圖像融合和裁剪等[17-18]。在采用面向對象進行海岸線提取時主要進行的處理有多尺度分割、分類、分類后處理[11-14]，操作平臺為ENVI軟件與易康(eCognintion)軟件。利用GF-2衛星影像提取海岸線處理流程見圖1。

圖1 海岸線提取流程Fig.1 Flow chart of coastline extraction

3.1 研究區介紹

深圳地處我國東南沿海，與香港一水之隔，東臨大亞灣和大鵬灣，西瀕珠江口和伶仃洋，南邊與香港相連，北部與東莞、惠州接壤。區內有大小河流160余條，海岸線綿延260km，其中市區海岸線長達48km。沿海港口主要有：蛇口碼頭、福永碼頭、鹽田碼頭、赤灣碼頭、媽灣碼頭、內河碼頭、東角頭碼頭、下桐沙漁涌碼頭、大鏟灣碼頭，并擁有包括羅湖口岸、皇崗口岸等多個大型口岸[19]。本文選取龍崗區大鵬半島東側海岸線為研究對象。研究區域內海岸線以自然海岸線為主，并有多個碼頭，陸地內分布楓木浪水庫、河流等。研究區地理位置見圖2。

圖2 研究區地理位置圖Fig.2 Location of studied area

3.2 基于面向對象方法海岸線提取

3.2.1 GF-2衛星數據預處理

GF-2衛星數據應用前，需要采用的預處理主要有正射校正、圖像配準、融合和裁剪[17-18]。其中正射校正是對圖像空間和幾何畸變進行校正生成多中心投影平面正射圖像的處理過程，可以糾正系統因素和地形產生的幾何畸變；圖像配準消除GF-2衛星遙感影像的1m全色數據和4m多光譜數據間同名點存在比較明顯的幾何偏差；對 GF-2衛星影像配準后的全色和多光譜數據進行影像數據融合，并將融合后的影像進行裁剪，得到研究區所在范圍影像。數據預處理操作平臺為ENVI軟件。正射校正時參照研究區1:10 000的DEM高程圖，正射模型選用自定義有理多項式系數文件圖像正射校正模型（generic RPC and RSM）。圖像配準時以1m全色數據為基準，依據分布均勻、合理的原則，采用手動選擇控制點和軟件自動配準功能相結合選取控制點，利用多項式擬合校正方法對4m多光譜影像數據進行校正，處理均方根誤差控制在0.5個像元內，將配準后的全色和多光譜數據采用格拉姆-施密特（ram-schmidt）正交化方法行影像數據融合，最后對融合后的影像裁剪，得到研究區所在范圍影像，見圖3。

圖3 GF-2衛星影像真彩色Fig.3 True color GF-2 image

由于研究區內影像真彩色顯示時整體色調偏暗，所以在結果呈現時將 GF-2衛星近紅外波段同時參與綠波顯示，綠色波段加強后影像效果見圖4。

圖4 GF-2衛星綠波段加強后影像Fig.4 GF-2 image after strengthened greenband

3.2.2 海岸線提取

面向對象的遙感圖像分類方法不僅基于光譜特征，還利用影像的質地、紋理對影像進行分割和分類，分類結果避免了斑點噪聲，具有良好的整體性[20]。提取流程主要分為分割、分類、分類后處理，如小圖斑消除、類別合并等。

（1）多尺度分割

在多尺度分割時，影像對象多邊形的大小和數量隨尺度的調整而變化。分割尺度值越大，所生成的對象層內多邊形面積就越大，且數目越小，所需時間越短，然而會忽視細節體現，所以可以進行大目標類別的提取，如森林、草原、海水、湖泊等；小尺度分割生成的對象層內多邊形面積較多，數量大，所耗時間也較長，可以更好地區分細節，主要應用于房屋、道路、地標等小目標的分類[21]。在對復雜區域進行分類時，一般采用建立多種分割尺度圖層的方法進行分層、逐步提取。由于本文提取對象主要為海岸線，對其他地物的具體分類并不涉及，所以在獲得完整、均一的海域對象的基礎上，依據分割效率達到最高的原則進行影像分割，分別對研究區影像采用300、100、50尺度進行分割，效果如圖5。300尺度分割效率最高，然而對某些海邊人工建筑邊線等細節區分較差；50尺度分割細節都得到了區分，然而所需時間較長；以100為尺度進行分割較為得當，整體分割效果較好，細節處也得到了體現，效率較高。

圖5 多尺度分割效果Fig.5 Results of multi-resolution segementation

（2）分類及后處理

在利用 GF-2衛星數據進行海岸線提取時，主要依據的理論為水體在近紅外波段具有強吸收性，在影像近紅外波段呈現暗色，所以對 GF-2衛星近紅外波段選取合適的閾值分離水體和非水體，其中水體為藍色顯示。從圖6中可以看出，包括海水、水庫、河流等水體和碼頭建筑、船只、陸地等非水體都得到了較好的區分。

圖6 采用面向對象方法初步分類結果Fig.6 Preliminary classification result by using object-oriented method

由于本研究主要對海岸線進行提取，所以將陸地內水庫等陸地水體從水體分類中剔除，同時將海面船只從非水體分類中剔除，消除其他因素的影響，再分別對兩種類別所在多邊形進行合并，此時影像分為海水和非海水兩類。由于研究區內有部分河流直接與海水相連，所以入海河流所在位置的海岸線提取也是眾多研究中需要考慮的問題之一[22-23]。河海界線劃分是一項復雜的系統工程，涉及社會、經濟、環境等多個領域。國際上有關海陸界線的規定和認知也不盡相同。我國多個沿海省市已經開展的海陸劃界實踐表明，利用河口岸線的幾何形態、地質地貌以及水文要素的分布和演變規律等確定河海界線，具有較好的可靠性。劃分原則主要為：保留大型河口的港灣特征；反映河口處沙咀、沙洲和 潟 湖地貌；表現河口的喇叭狀形態；不對稱河渠視河口形態擇定，河口分界線一般定在河流縮窄或兩岬曲率最大處。本文在采用面向對象方法進行海岸線提取時，依據上述原則及經驗采用收縮法對海水進行調整，即將入海河流處的海岸線向海洋方向收縮至沙灘處，并保留入海河流的喇叭狀形態，見圖7。最終得到圖3所示研究區海岸線的提取結果（見圖8）。研究區海岸線與影像疊加效果見圖9。

圖7 入海河流收縮處理前后對比Fig.7 Comparison of river shrinkage before and after shrinkage

圖8 海岸線提取Fig.8 Result of coastline extraction

圖9 研究區海岸線與影像疊加效果Fig.9 Superposition effect of coastline and GF-2 data

4 結束語

在國土資源調查與監測中，海岸線的提取與監測意義重大，不僅對沿海的灘涂面積、濕地生態系統衰退等具有重要的指示作用；同時是全球環境變化、海岸環境變化以及人為活動相互作用的結果和綜合反映。本文以大鵬半島為研究對象，對 GF-2衛星影像進行正射校正、配準、融合和裁剪等預處理，再利用面向對象方法對研究區的海岸線進行解譯，并對河口海陸分界進行了初步的探討研究。由于部分海岸帶地區現場測繪困難，且海岸線檢測涉及的地理空間尺度一般較大，所以利用遙感手段提取海岸線的結果精度驗證較為困難。本文通過將提取與 GF-2衛星影像相疊加進行效果驗證，證明提取的海岸線比較理想，基本滿足了遙感衛星影像自動提取的需求，且簡單易操作，效率高。

References)

[1]徐慶鶴, 范立佳, 高洪濤, 等. 遙感衛星平臺與載荷一體化構型[J]. 航天返回與遙感,2014, 35(4): 9-16.XU Qinghe, FAN Lijia, GAO Hongtao, etal. Integrated Configuration Design of Platform and Payload for Remote Sensing Satellite[J]. Spacecraft Recovery amp; Remote Sensing, 2014, 35(4): 9-16. (in Chinese)

[2]殷禮明, 葛之江, 劉品雄, 等. 衛星遙感與海洋地質調查[J]. 航天返回與遙感, 2001, 22(2): 40-43.YIN Liming, GE Zhijiang, LIU Pinxiong, etal. Spacecraft Remote Sensing and Oceanographic Survey[J]. Spacecraft Recovery amp; Remote Sensing, 2001, 22(2): 40-43. (in Chinese)

[3]何明一, 暢文娟, 梅少輝. 高光譜遙感數據特征挖掘技術研究進展[J]. 航天返回與遙感, 2013, 31(1): 1-12.HE Mingyi, CHANG Wenjuan, MEI Shaohui. Advance in Feature Mining from Hyperspectral Remote Sensing Data[J].Spacecraft Recovery amp; Remote Sensing, 2013, 31(1): 1-12. (in Chinese)

[4]申家雙, 翟京生, 郭海濤. 海岸線提取技術研究[J]. 海洋測繪, 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. (in Chinese)

[5]丁麗霞, 周斌, 張新剛, 等. 浙江大陸淤漲型海岸線的變遷遙感調查[J]. 科技通報, 2006, 22(3): 292-298.DING Lixia, ZHOU Bin, ZHANG Xingang, etal. Continental Coastline Change Research by Remote Sensing in the Zhejiang Province[J]. Bulletin of Science and Technology, 2006, 22(3): 292-298. (in Chinese)

[6]姜義, 李建芬, 康慧, 等. 渤海灣西岸近百年來海岸線變遷遙感分析[J]. 國土資源遙感, 2003, 58(4): 54-58.JIANG Yi, LI Jianfen, KANG Hui, etal. A Remote Sensing Analysis of Coastline Changed Along the Bohai Bay Muddy Coast in the Past 130 Years[J]. Remote Sensing for Land amp; Resources, 2003, 58(4): 54-58. (in Chinese)

[7]張明, 蔣雪中, 張俊儒, 等. 遙感技術提取海岸線的研究進展[J]. 地域研究與開發, 2009, 28(1): 101-105.ZHANG Ming, JIANG Xuezhong, ZHANG Junru, etal. Progress of Researches in Coastline Extraction Based on RS Technique[J]. Areal Research and Development, 2009, 28(1): 101-105. (in Chinese)

[8]Le M J, Tilton J C. Refining Image Segmentation by Integration of Edge and Region Data[J]. IEEE Trans Geosci Remote Sens,1995, 33: 605-615.

[9]Dellepiane S, Laurentiis R D, Giordano F. Coastline Extra-ction from SAR Images and a Method for the Evaluation of the Coastline Precision[J]. Pattern Recognition Letters, 2004, 25: 1461-1470.

[10]馬小峰, 趙冬至, 張豐收, 等. 海岸線衛星遙感提取方法研究進展[J]. 遙感技術與應用, 2007, 22(4): 575-580.MA Xiaofeng, ZHAO Dongzhi, ZHANG Fengshou, etal. An Overview of Means of Withdrawing Coastline by Remote Sensing[J]. Remote Sensing Technology and Application, 2007, 22(4): 575-580. (in Chinese)

[11]陳云浩, 馮通, 史培軍, 等. 基于面向對象和規則的遙感影像分類研究[J]. 武漢大學學報: 信息科學版, 2006, 31(4):316-320.CHEN Yunhao, FENG Tong, SHI Peijun, etal. Classification of Remote Sensing Image Based on Object Oriented and Class Rules[J]. Geomatics and Information Science of Wuhan University, 2006, 31(4): 316-320. (in Chinese)

[12]Bhaskaran S, Paramananda S, Ramnarayan M. Per-pixel and Object-oriented Classification Methods for Mapping ur-ban Features Using Ikonos Satellite data[J]. Applied Geog-raphy, 2010(30): 650-665.

[13]Han N, Wu J, Tahmassebi A R S. NDVI-based Lacunarity Texture for Improving Identification of Torreya Using ob-ject-oriented Method[J]. Agricultural Sciences in China, 2011, 10(9): 1431-1444.

[14]賈明明, 劉殿偉, 王宗明, 等. 面向對象方法和多源遙感數據的杭州灣海岸線提取分析[J]. 地球信息科學學報, 2013,15(2): 262-269.JIA Mingming, LIU Dianwei, WANG Zongming, etal. Coastline Changes in Hangzhou Bay Based on Object-oriented Method Using Multi-source Remote Sensing Data[J]. Journal of Geo-information Science, 2013, 15(2): 262-269. (in Chinese)

[15]中國資源衛星應用中心.“高分二號”衛星介紹[EB/OL]. (2015-03-09)[2015-03-13]. http//www.cresda.com/n16/n1130/n192766/192878. html .China Centre for Resources Satellite Data and Application. The Introduction of GF-2 Satellite[EB/OL].(2015-03-09)[2015-03-13]. http//www. cresda. com/n16/n1130/n192766/192878. html . (in Chinese)

[16]孫偉富, 馬毅, 張杰, 等. 不同類型海岸線遙感解譯標志建立和提取方法研究[J]. 測繪通報, 2011, (3): 41-44.SUN Weifu, MA Yi, ZHANG Jie, etal. Study of Remote Sensing Interpretation Keys and Extraction Technique of Different types of Shoreline[J]. Bulletin of Surveying and Mapping, 2011, (3): 41-44. (in Chinese)

[17]趙瑩, 王環, 方圓. 基于WorldView-2的遙感影像預處理[J]. 測繪與空間地理信息, 2014, (6): 165-167.ZHAO Ying, WANG Huan, FANG Yuan. Remote Sensing Image Processing Based on Worldview-2[J]. Geomatics amp; Spatial Information Technology, 2014, (6): 165-167. (in Chinese)

[18]楊燕杰, 趙英俊, 秦凱, 等. 高光譜影像預處理技術[J]. 科技導報, 2013, 31(9): 65-67.YANG Yanjie, ZHAO Yingjun, QIN Kai, etal. Preprocessing Techniques for Hyperspectral-images[J]. Science amp; Technology Review, 2013, 31(9): 65-67. (in Chinese)

[19]李猷, 王仰麟, 彭建, 等. 深圳市1978年至2005年海岸線對動態演變分析[J]. 資源科學, 2009, 31(5): 875-883.LI You, WANG Yanglin, PENG Jian, etal. Research on Dynamic Changes of Coastline in Shenzhen City Based on Landsat Image[J]. Resource Science, 2009, 31(5): 875-883. (in Chinese)

[20]Walter V. Object-based Classifieation of Remote Sensing Data for Change Detection[J]. Journal of Photogrammetry amp; Remote Sensing, 2004(58): 225-238.

[21]張俊, 朱國龍, 李妍. 面向對象高分辨率影像信息提取中的尺度效應及最優尺度研究[J]. 測繪科學, 2011, 36(2):107-109.ZHANG Jun, ZHU Guolong, LI Yan. Scale Effect and Optimal Scale in Object-oriented Information Extraction of High Spatial Resolution Remote Sensing Image[J]. Science of Surveying and Mapping, 2011, 36(2): 107-109. (in Chinese)

[22]于健, 吳桑云, 李萍. 我國入海河流河口地區海陸分界線劃分方法研究[J]. 海岸工程, 2003, 22(2): 51-59.YU Jian, WU Sangyun, Li Ping. Study on the Method for Delimiting Sea-land Demarcation Line in Chinese River Estuary area[J]. Coastal Engineering, 2003, 22(2): 51-59. (in Chinese)

[23]許建平, 楊義菊. 錢塘江與杭州灣河海界線對劃分[J]. 海洋學研究, 2007, 25(10): 44-54.XU Jianping, YANG Yiju. The Division of Boundary between Qiantang River and Hangzhouwan Bay[J]. Journal of Marine Sciences, 2007, 25(10): 44-54. (in Chinese)