基于小波多分辨率分析提取長(zhǎng)江口淤泥質(zhì)潮灘水邊線

韓 震, 郭永飛

(1. 上海海洋大學(xué) 海洋科學(xué)學(xué)院, 上海 201306; 2. 上海海洋大學(xué) 防災(zāi)減災(zāi)研究所, 上海 201306; 3. 大洋漁業(yè)資源可持續(xù)開(kāi)發(fā)教育部重點(diǎn)實(shí)驗(yàn)室, 上海 201306)

基于小波多分辨率分析提取長(zhǎng)江口淤泥質(zhì)潮灘水邊線

韓 震1,2,3, 郭永飛1

(1. 上海海洋大學(xué) 海洋科學(xué)學(xué)院, 上海 201306; 2. 上海海洋大學(xué) 防災(zāi)減災(zāi)研究所, 上海 201306; 3. 大洋漁業(yè)資源可持續(xù)開(kāi)發(fā)教育部重點(diǎn)實(shí)驗(yàn)室, 上海 201306)

以長(zhǎng)江口九段沙作為研究區(qū), 通過(guò)數(shù)學(xué)形態(tài)學(xué)的方法對(duì)圖像進(jìn)行預(yù)處理, 消除潮溝形成的破碎帶, 然后利用小波多分辨率分析法, 去除高懸浮泥沙以及其他細(xì)節(jié)等高頻信息, 進(jìn)行了水邊線信息提取研究, 最后采用基于連通性邊緣評(píng)價(jià)的方法對(duì)不同分辨率下提取的水邊線進(jìn)行了評(píng)價(jià)。研究結(jié)果表明, 小波多分辨率分析方法是淤泥質(zhì)潮灘水邊線信息提取的有效方法之一。開(kāi)展水邊線遙感信息提取研究, 對(duì)于合理開(kāi)發(fā)潮灘資源和研究現(xiàn)代海岸帶動(dòng)態(tài)變化具有重要意義。

水邊線; 小波多分辨率; 閾值分割; 長(zhǎng)江口

水邊線是淤泥質(zhì)潮灘重要特征參數(shù)之一, 它是潮汐波動(dòng)下起伏不平的海面和陸地的瞬時(shí)交接線。淤泥質(zhì)潮灘水邊線在研究淤泥質(zhì)海岸動(dòng)態(tài)變化趨勢(shì)時(shí)有著重要的指示意義。但由于受周期性漲落潮的影響, 獲取水邊線信息, 通常是通過(guò)目視解譯遙感圖像而獲得的,雖然方法簡(jiǎn)單, 但受目視判讀者的經(jīng)驗(yàn)影響, 費(fèi)時(shí)費(fèi)力。而計(jì)算機(jī)提取則具有快速、方便等優(yōu)點(diǎn)。

通常從遙感數(shù)據(jù)中提取水邊線信息主要是將水邊線作為線性邊緣檢測(cè)出來(lái), 閾值分割是水邊線信息提取常用的方法。Ryu[1]在分析潮灘光譜特征的基礎(chǔ)上, 根據(jù)TM4和TM5兩個(gè)波段對(duì)水體和陸地反射率的區(qū)別, 選擇出合適的閾值, 進(jìn)行了水邊線信息提取; Lohani[2]采用ATM數(shù)據(jù)提取水邊線, 通過(guò)對(duì)5,6, 7三個(gè)波段比值組合而成的特征圖像閾值分割進(jìn)行水邊線提取, 建立了霍爾德內(nèi)斯海岸的數(shù)字高程模型; 霍繼雙[3]針對(duì)傳統(tǒng)的閾值方法對(duì)沿海岸水邊線的陰影往往缺乏足夠辨識(shí)能力的情況, 提出了一種基于多閾值的形態(tài)分割方法來(lái)提取水邊線, 該法降低了誤檢率, 提高了水邊線檢測(cè)的精確度。本文利用 Landsat TM5數(shù)據(jù)對(duì)長(zhǎng)江口九段沙淤泥質(zhì)潮灘水邊線進(jìn)行了信息提取研究。

1 研究方法

由于淤泥質(zhì)潮灘水體區(qū)域懸浮泥沙含量較高,水邊線在海陸交界處灰度值變化往往并不明顯, 在一定程度上影響了水邊線提取的精度。在借鑒其他領(lǐng)域線性信息提取方法的基礎(chǔ)上, 我們選取長(zhǎng)江口九段沙作為研究區(qū), 先通過(guò)數(shù)學(xué)形態(tài)學(xué)的方法對(duì)圖像進(jìn)行預(yù)處理, 消除潮溝形成的破碎帶, 然后利用小波多分辨率分析法, 去除高懸浮泥沙以及其他細(xì)節(jié)等高頻信息, 進(jìn)行了水邊線信息提取研究。

2 研究區(qū)概況

九段沙位于長(zhǎng)江和東海交匯處(圖 1), 是長(zhǎng)江口最年輕的河口型沙島“第三代崇明島”, 其形成時(shí)間距今只有50 a左右的歷史, 是正處于沖淤變化中的、在大潮時(shí)部分被淹沒(méi)的、高潮灘上部分被高等植物覆蓋的河口沙洲型島嶼濕地。九段沙由上沙、中沙和下沙組成, 自1992年江亞南沙與九段沙上沙發(fā)生并沙后就成了九段沙的一部分。

3 水邊線信息遙感提取機(jī)理及技術(shù)流程

圖2是我們?cè)陂L(zhǎng)江口實(shí)測(cè)的淤泥和水體的反射光譜曲線。從圖 2可以發(fā)現(xiàn)淤泥的反射波譜曲線的總趨勢(shì)是上升的, 反射率在0.1～0.7之間, 而水體各個(gè)波段的反射率都比較低, 尤其在近紅外部分, 在1 000 nm以后下降至0.01～0.02。在近紅外波段范圍內(nèi), 淤泥的反射率要高于水體的反射率, 兩者有明顯的區(qū)別, 這為識(shí)別淤泥和水體提供了依據(jù)。作為淤泥質(zhì)潮灘和水體的交界處, 水邊線應(yīng)該是圖像上灰度值變化最大的部分, 但是由于水邊線附近高泥沙含量水體的存在, 提取的水邊線往往會(huì)出現(xiàn)不連續(xù)或者位置發(fā)生偏差等現(xiàn)象, 因而降低了實(shí)際的提取效果。本文采用 2007年 7月 28日的 Landsat TM5(1.55～1.75 μm)數(shù)據(jù), 利用小波多分辨率分析方法進(jìn)行了淤泥質(zhì)潮灘水邊線信息提取的研究, 圖3為小波多分辨率分析提取水邊線技術(shù)流程圖。

圖1 研究區(qū)域地理位置Fig. 1 Geographic location of the study area

圖2 淤泥和水體反射光譜Fig. 2 Reflection spectra of silt and water

圖3 小波多分辨率分析提取水邊線技術(shù)流程圖Fig. 3 Flow chart of waterside line extraction by the wavelet multi-resolution analysis method

4 數(shù)據(jù)處理

4.1 閾值分割

首先對(duì)Landsat TM5原始圖像(圖4)進(jìn)行幾何校正和 Gaussian函數(shù)濾波處理, 然后進(jìn)行了數(shù)學(xué)形態(tài)學(xué)圖像分析。具體步驟包括： 為了消除 Gaussian濾波后的圖像中較小的暗色斑塊, 首先將圖像進(jìn)行取補(bǔ)運(yùn)算, 其中的暗色斑塊將變?yōu)榱辽珔^(qū)域突出顯示;然后定義一個(gè)球型結(jié)構(gòu)元素, 對(duì)圖像進(jìn)行腐蝕, 消除圖像中小于結(jié)構(gòu)元素的亮色區(qū)域; 接著將圖像作為標(biāo)記, 腐蝕前的圖像作為掩膜進(jìn)行形態(tài)學(xué)重構(gòu),生成重構(gòu)圖像; 將重構(gòu)圖像進(jìn)行取補(bǔ)后, 對(duì)圖像進(jìn)行閉運(yùn)算; 最后采用大津法(OTSU 法)[4]對(duì) Landsat TM5圖像進(jìn)行了閾值分割(圖5)。

圖4 Landsat TM5原始圖像Fig. 4 Original image of Landsat TM5

圖5 Landsat TM5閾值分割后的圖像Fig. 5 Threshold segmentation image of Landsat TM5

4.2 小波多分辨率分析

通過(guò)閾值分割, 水邊線的輪廓已經(jīng)顯現(xiàn)了出來(lái),但是由于水體高濃度懸浮泥沙的影響, 提取的水邊線較粗, 影響了水邊線位置的準(zhǔn)確性, 而且水邊線附近出現(xiàn)了很多毛刺, 又影響了水邊線的光滑度;此外水邊線內(nèi)部也出現(xiàn)了很多無(wú)用的細(xì)節(jié)信息, 影響了水邊線信息提取的連貫性。針對(duì)以上問(wèn)題, 我們采用小波多分辨率分析方法對(duì)圖5進(jìn)行了處理。

小波多分辨率分析, 也稱為多尺度分析或多尺度逼近, 是由Mallat提出的[5]。定義(φ(t))為尺度函數(shù), 若其經(jīng)過(guò)整數(shù)平移k和尺度j上的伸縮, 得到一個(gè)尺度和位移均可變化的函數(shù)集合式：

其中j為尺度參數(shù)(伸縮參數(shù)),k為位移參數(shù),φ(t)是一個(gè)單個(gè)小波函數(shù), φjk(t)是φ(t)作位移k后,再在不同尺度j下伸縮構(gòu)成的函數(shù)集合。

它的線性組合式為

隨著尺度j的增大, 函數(shù)φjk(t)的定義域變大, 平移的間隔2jτ0也變大, 它的線性組合式(2)不能表示函數(shù)小于該尺度的細(xì)微變化, 所以其尺度空間只能包括大尺度的緩變信號(hào)。反之, 如果尺度j減小, 函數(shù)φjk(t)的定義域就變小, 平移間隔2jτ0也變小, 則它的線性組合式(2)就能表示出函數(shù)的更細(xì)微的變化。

小波多分辨率分析具體步驟如下：

1)采用bior2.2小波基對(duì)圖5進(jìn)行二維離散小波分解, 得到小波分解的近似部分a和細(xì)節(jié)部分d。

2)保持近似部分不變, 對(duì)各個(gè)細(xì)節(jié)部分進(jìn)行二次小波分解。以d1為例： 用(3)式進(jìn)行小波變換得到各個(gè)尺度上的小波分解系數(shù), 再利用閾值濾波的方法對(duì)各高頻系數(shù)進(jìn)行閾值量化處理, 得到處理后的小波系數(shù)。

其中α為尺度參數(shù)(伸縮參數(shù)),τ為位移參數(shù), 即把bior2.2小波作位移τ后, 再在尺度α下與圖5和x(t)做內(nèi)積。

3)根據(jù)小波分解最底層低頻系數(shù)和各層高頻系數(shù)用(4)式進(jìn)行重構(gòu)得到d1濾波后的信號(hào)d11,d22,d33。

4)最后得到尺度 1圖像a+d11、尺度 2圖像、尺度3圖像(圖 6)。

圖6 尺度1、尺度2、尺度3下檢測(cè)的水邊線Fig. 6 Waterside lines detected at scales 1,2 and 3

5 結(jié)果與討論

從尺度1圖像到尺度3圖像(圖6)可以發(fā)現(xiàn), 在小尺度下圖像的細(xì)節(jié)部分較清晰, 例如小潮溝。隨著尺度的增大水邊線附近的干擾信息減少, 圖像的細(xì)節(jié)部分顯示被抑制, 水邊線信息被突出, 水邊線逐漸變細(xì), 變光滑。但隨著尺度的增大, 可以發(fā)現(xiàn)水邊線變得不連續(xù)。小尺度下, 細(xì)節(jié)信息較多; 大尺度下,檢測(cè)出的水邊線會(huì)出現(xiàn)不連續(xù)現(xiàn)象。

為了更客觀地評(píng)價(jià)小波多分辨率分析在不同尺度下檢測(cè)水邊線的效果, 我們使用了基于連通成分的邊緣評(píng)價(jià)方法[6]。圖6是二值圖像, 它的像素值只有0和1兩個(gè)值。對(duì)于一個(gè)像素集合, 如果集合內(nèi)的每一個(gè)像素與集合內(nèi)其他像素連通, 就稱該集合為一個(gè)連通成分。4連通成分就是指它在4鄰域內(nèi)是否有與它連通的像素, 如果有, 就可把它們稱為一個(gè)4連通成分。同理, 8連通成分指它在8鄰域內(nèi)的連通情況(圖7所示)。8連通成分與4連通成分的商可以作為衡量線型連接程度的重要指標(biāo), 8連通成分與4連通成分的商數(shù)值越小, 線型連接程度越好, 提取的邊緣效果越好。

圖7 連通類型Fig. 7 Types of connection

表1 不同尺度邊緣連通程度評(píng)價(jià)表Tab. 1 Edges connectivity evaluation table at different scales

從表1數(shù)據(jù)可以發(fā)現(xiàn), 尺度2時(shí)8連通成分與4連通成分商的值最小, 說(shuō)明尺度 2時(shí)檢測(cè)到的邊緣連接程度最好, 提取的邊緣效果最好。尺度1時(shí), 提取的邊緣細(xì)節(jié)較多, 往往會(huì)出現(xiàn)錯(cuò)檢現(xiàn)象, 影響邊緣提取的效果; 而尺度3時(shí), 由于尺度較大, 對(duì)邊緣信息也產(chǎn)生了抑制, 出現(xiàn)了漏檢現(xiàn)象, 使得邊緣出現(xiàn)不連續(xù)現(xiàn)象。

本文提出的通過(guò)數(shù)學(xué)形態(tài)學(xué)預(yù)處理, 采用小波多分辨率分析重構(gòu)提取水邊線的方法與傳統(tǒng)的方法相比, 不僅可以有效地去除懸浮泥沙信息對(duì)水邊線信息提取的影響, 而且對(duì)無(wú)用細(xì)節(jié)信息以及毛刺現(xiàn)象的抑制作用也相當(dāng)顯著, 使得提取的水邊線更準(zhǔn)確、更清晰。它是高渾濁水體水邊線信息的提取的有效方法之一。

[1]Ryu J H, Won J S, Min K D. Water extraction from Landsat TM data in a tidal flat： A case study in Gomso Bay, Korea[J].Remote Sensing of Environment, 2002, 83(3)： 442-456.

[2]Lohani B, Mason D C. Construction of a digital elevation model of the holderness coast using the waterline method and airborne thematic mapper data[J]. Remote Sensing, 1999, 20(3)： 593-607.

[3]霍繼雙, 王超, 王正志. 一種基于多閾值的形態(tài)學(xué)提取遙感圖像海岸線特征方法[J]. 中國(guó)圖象圖形學(xué)報(bào),2003, 8(7)： 805-809.

[4]王家文, 李仰軍. Matlab7.0圖形圖像處理[M]. 北京：國(guó)防工業(yè)出版社, 2006： 266.

[5]Mallat S. A wavelet tour of signal processing [M].Third Edition. Burlington： Elsevier Inc, 2009：264-270.

[6]林卉, 舒寧. 一種新的基于連通成分的邊緣評(píng)價(jià)方法[J]. 國(guó)土資源遙感, 2003, 3(57)： 37-40.

Waterside line information extraction of tidal flat at the Yangtze River Estuary by wavelet multi-resolution analysis

HAN Zhen1,2,3, GUO Yong-fei1
(1. College of Marine Sciences, Shanghai Ocean University, Shanghai 201306, China; 2. Institute of Ocean Disaster Prevention and Reduction, Shanghai Ocean University, Shanghai 201306, China; 3. The Key Laboratory of Sustainable Exploitation of Oceanic Fisheries Resources, Ministry of Education, Shanghai 201306, China)

Dec., 7, 2009

waterside line; wavelet multi-resolution analysis; threshold segmentation; the Yangtze River Estuary

Jiuduansha was selected as a study area at the Yangtze River Estuary. First, we pretreated the image by the mathematical morphology method in order to eliminate the fracture zone formed by inlets. Then, we extracted the waterside line information and removed the high suspended sediment information and other high frequency information by the wavelet multi-resolution analysis method. At last, we evaluated the effect of the waterside line information extraction by the edge connectivity evaluation method. The results show the wavelet multi-resolution analysis method is one of the effective methods to extract waterside line information in the silty tidal flat. Remote sensing information extraction of waterside line has important significance for the reasonable development of tidal flat resources and the study of modern tidal flat coastal dynamic changes.

P737. 1

A

1000-3096(2011)07-0067-04

2009-12-07;

2011-04-26

上海市教育委員會(huì)科研創(chuàng)新重點(diǎn)項(xiàng)目(08ZZ81); 上海市科委項(xiàng)目(08230510700); 教育部科學(xué)技術(shù)研究重點(diǎn)項(xiàng)目(209047)

韓震(1969-), 男, 山東德州人, 上海海洋大學(xué)教授, 博士,主要從事海洋遙感技術(shù)研究, 電話： 021-61900339, E-mail：zhhan@shou.edu.cn

劉珊珊)