基于星載SAR影像的蘇北地區(qū)海岸線提取研究

邱志偉，劉曉霞，章銘誠

（1.江蘇海洋大學(xué) 海洋技術(shù)與測繪學(xué)院，江蘇 連云港 222005）

由于具有廣泛的覆蓋范圍和全天候的能力，合成孔徑雷達(dá)（SAR）圖像海岸線提取變得越來越受歡迎。與傳統(tǒng)的光學(xué)遙感和高光譜遙感相比，衛(wèi)星機(jī)載SAR具有全天候的成像能力，特別是可在云層多時(shí)拍攝圖像。同時(shí)，SAR 具有的穿透性使其能獲得反映目標(biāo)微波散射特性的圖像，成為獲取地物信息的重要方法。由于斑點(diǎn)和對比度不足將導(dǎo)致強(qiáng)大的洋流、陰影或特定的海岸類型（沙質(zhì)海岸）等，因此高精度的海岸線提取仍是一個(gè)具有挑戰(zhàn)性的問題。在海岸研究中，遙感技術(shù)憑借其獨(dú)有的廣泛檢測范圍和簡單快捷的數(shù)據(jù)收集能力，成為海岸線研究的重要工具。近年來，國內(nèi)外許多學(xué)者對SAR 圖像的海岸線檢測方法進(jìn)行了研究，大致分為4 類：區(qū)域方法[1]、閾值方法[2]、馬爾可夫隨機(jī)場方法[3]、人工神經(jīng)網(wǎng)絡(luò)方法[4]。本文采用K-means聚類分割法結(jié)合形態(tài)學(xué)處理的方法，利用Canny 算子提取海岸線，并對提取結(jié)果進(jìn)行了分析。

1 基本原理

1.1 K-means 聚類分割

K-means 聚類分割的基本思想是將k個(gè)點(diǎn)集中到空間中，并對與其最鄰近的物體進(jìn)行分類。通過迭代的方式使每個(gè)聚類中心的值不斷更新，直到最佳聚類結(jié)果出現(xiàn)，整個(gè)更新迭代的過程才會停止。為了簡單的理解這個(gè)過程，本文將進(jìn)行一個(gè)小實(shí)驗(yàn)來演示運(yùn)算過程。

首先利用randn 函數(shù)生成3 個(gè)正態(tài)分布的隨機(jī)矩陣，如圖1a 所示，稱為原始圖像；再生成k個(gè)隨機(jī)的聚類中心點(diǎn)，為了簡單起見，設(shè)置k與矩陣數(shù)相同，即k=3；然后分別計(jì)算每個(gè)數(shù)據(jù)點(diǎn)到這些中心的距離，各數(shù)據(jù)點(diǎn)分別把距離最短的那個(gè)中心點(diǎn)作為自己的類別。此時(shí)，每個(gè)數(shù)據(jù)點(diǎn)都有自己對應(yīng)的中心點(diǎn)了，但由圖1b 可知，此時(shí)聚類并不準(zhǔn)確，需重新計(jì)算中心點(diǎn)的位置。計(jì)算所有藍(lán)色點(diǎn)的中心，并將藍(lán)色中心點(diǎn)移動到計(jì)算出來的位置上，此時(shí)圖1c 中的綠色點(diǎn)就會被歸類到新的藍(lán)色中心點(diǎn)，從而被染上藍(lán)色。綠色和紅色的中心點(diǎn)也同理移動到新的位置。不斷重復(fù)上述步驟，直到中心點(diǎn)迭代趨于穩(wěn)定，停止迭代，算法結(jié)束，得到的聚類結(jié)果如圖1d 所示。

圖1 聚類分割

1.2 形態(tài)學(xué)處理

二值圖像中的噪聲有多種表現(xiàn)形式，其中最具代表性的是點(diǎn)和小孔。圖3 為從本次實(shí)驗(yàn)降噪前圖像（圖2）中截取的一部分。點(diǎn)圖和針孔是像素連接部件和相對較小面積的相鄰像素連接部件。一般來說，通過腐蝕處理和膨脹處理可有效去除這些連接。

圖2 降噪前圖像

圖3 局部放大

本次實(shí)驗(yàn)反復(fù)嘗試了多個(gè)結(jié)構(gòu)元素，在結(jié)構(gòu)元素為4 時(shí)，實(shí)驗(yàn)具有較好效果，因此最終選定的參數(shù)大小為4。在實(shí)際圖像處理時(shí)，通常采用開操作來消除比結(jié)構(gòu)元素更小的尺寸，在保持細(xì)節(jié)的同時(shí)，盡量使圖像的整體灰度值和明亮區(qū)域大于結(jié)構(gòu)元素；相反地，采用封閉操作來消除比結(jié)構(gòu)元素小的黑色細(xì)節(jié)，也需使圖像和黑暗區(qū)域的灰度值大于結(jié)構(gòu)元素。

通過上述描述可簡單得到一個(gè)結(jié)論：同時(shí)采用開運(yùn)算和閉運(yùn)算就可達(dá)到濾除各種噪聲的目的，且若能將多結(jié)構(gòu)元素與開閉運(yùn)算相結(jié)合，就能在保持圖像細(xì)節(jié)方面獲得極大的成果。

1.3 邊緣提取算子

邊緣檢測的基本思想是通過檢測每個(gè)像素及其相鄰像素的狀態(tài)來確定像素是否位于影像的邊緣位置。常見的邊緣算子包括Roberts 算子、Prewitt 算子和Canny 算子。

1.3.1 Roberts 算子

該算子是斜率偏差的梯度計(jì)算方法[5]。梯度的大小表示邊緣的強(qiáng)度，梯度的方向垂直于邊緣。Roberts 算子實(shí)際上是試圖將兩個(gè)方向的值區(qū)分±45°旋轉(zhuǎn)，具有很高的定位精度，且在水平和垂直方向都能很好地工作，但對噪聲敏感。

1.3.2 Prewitt 算子

該算子是一階微分算子的邊緣檢測，利用像素之間的灰度差異來實(shí)現(xiàn)最大邊緣檢測，并消除一些對噪聲影響平滑的假邊緣。其原理是采用雙向模板和鄰域視圖卷積來完成圖像空間。雙向模板負(fù)責(zé)檢測水平邊緣和垂直邊緣。由于平均值可減少或消除噪聲，因此Prewitt 算子首先求取平均值，再根據(jù)差值找出梯度。Prewitt 算子利用像素頂部和底部，左側(cè)和右側(cè)鄰域之間的灰色差異，并在邊緣達(dá)到極限進(jìn)行檢測。Prewitt算子將差分運(yùn)算與局部平均相結(jié)合，在3×3 鄰域內(nèi)計(jì)算梯度，雖可抑制噪聲，但也使得檢測出的邊緣較粗，無法精確定位邊緣位置[6]。Prewitt 算子利用閾值進(jìn)行邊緣檢測，可抑制噪聲，但需人為設(shè)定閾值[7]。

1.3.3 Canny 算子

Canny J 于1986 年提出了Canny 邊緣檢測算法，并在很多圖像處理領(lǐng)域被廣泛使用[8-9]。利用Canny 算子檢測邊緣對檢測算子的要求包括[10]：低錯(cuò)誤率、高位置精度、每個(gè)邊緣點(diǎn)具有唯一的響應(yīng)、形成單個(gè)像素寬度的邊緣。Canny 算子的具體實(shí)現(xiàn)步驟為：

1）去噪聲。邊緣檢測算法無法處理的原始圖像，因此原始圖像數(shù)據(jù)必須先通過二維高斯濾波模板進(jìn)行卷積。卷積后產(chǎn)生的圖像與原始圖像相比有點(diǎn)模糊，這是消除噪聲的必要成本。

2）梯度計(jì)算。導(dǎo)數(shù)算子可計(jì)算得到灰度圖像在兩個(gè)方向上的導(dǎo)數(shù)GX和GY，進(jìn)而計(jì)算得到梯度的幅值和方向，即

3）梯度方向確定。計(jì)算邊緣的方向，并以多個(gè)角度（如0°、45°、90°和135°）劃分邊緣的漸變方向，以找出像素方向上的相鄰像素。

4）遍歷整個(gè)圖像。當(dāng)兩個(gè)像素的灰度值不是梯度方向前后像素灰度值的最大值時(shí)，像素的灰度值為0，即不是邊緣。

5）通過累積直方圖的方式求取兩個(gè)閾值。顯然，高于閾值則是邊緣，低于閾值則不是邊緣。若檢測在兩個(gè)閾值的中間，則看該像素相鄰像素中是否有超過高閾值的邊緣像素，如果有，則是邊緣；否則，就不是邊緣。

1.4 邊緣提取算子的比較與選用

本文分別利用4 種算子提取同一張圖像，并比較提取效果，以決定實(shí)驗(yàn)中使用何種算子。由圖4 可知，利用Canny 算子提取的邊界最連續(xù)、最平滑，因此本文選擇Canny 算子作為海岸線提取的邊緣算子。

圖4 算子演示圖

2 海岸線提取實(shí)驗(yàn)與分析

2.1 技術(shù)路線

本文海岸線提取技術(shù)路線如圖5 所示。

圖5 技術(shù)路線圖

2.2 實(shí)驗(yàn)步驟

本文選取的實(shí)驗(yàn)數(shù)據(jù)為黃海海區(qū)Sentinel-1A 的圖像，是一幅待處理的原始SAR 圖像（圖6），成像時(shí)間為2017-12-05，極化方式為VV，像元大小為15×15。

圖6 原始圖像

SAR 圖像信息主要受后向散射影響，影像亮度代表后向散射強(qiáng)度，像元內(nèi)表面越粗糙后向散射越強(qiáng)；表面越光滑，產(chǎn)生鏡面反射，后向散射越弱，亮度越低。實(shí)驗(yàn)采用的軟件為Matlab R2017a 版本，并在Windows10 系統(tǒng)下運(yùn)行。

從圖6 中截取一部分海岸線，如圖7a 所示；利用K-means 聚類分割法對該圖像進(jìn)行處理，使海洋與陸地的區(qū)分性增加，結(jié)果如圖7b 所示；再根據(jù) K-means聚類圖第1 0 個(gè)聚類的聚類模式進(jìn)行分割二值化（圖7c），可以看出，經(jīng)過二值化的圖像上有很多明顯的噪聲，點(diǎn)狀圖和小孔遍布了整張圖像，因此需對其進(jìn)行填充和去噪處理，去噪后的效果如圖7d 所示。顯然海岸線部分看上去仍有問題，利用形態(tài)學(xué)閉運(yùn)算進(jìn)行處理，實(shí)驗(yàn)設(shè)置結(jié)構(gòu)元素為4，先膨脹再腐蝕，結(jié)果如圖7e 所示；再利用Canny 算子提取海岸線，結(jié)果如圖7f 所示。最后，為了驗(yàn)證海岸線提取結(jié)果的正確性，將提取的海岸線與原始地圖疊加在一起，如圖8 所示。

圖7 海岸線提取過程

2.3 實(shí)驗(yàn)結(jié)果與分析

由圖8 可以看出，提取的海岸線連續(xù)性較好，平滑度也十分優(yōu)秀，且與原始海岸線基本重合。

圖8 海岸線提取最終結(jié)果

在圖像邊緣提取的應(yīng)用中，Canny 算子對圖像邊緣的定位精確度較高，提取的圖像真實(shí)邊緣較多且較細(xì)，相較于經(jīng)典的一階和二階微分算子已有很大的提高。與常用的邊界跟蹤方法相比，K-means 聚類分割法在精度上略差于邊界跟蹤方法，但在應(yīng)用性方面，卻比前者強(qiáng)許多，應(yīng)用時(shí)簡單、快速，具有可伸縮性和高效性。假設(shè)完整的海岸線被圖像所分割，若采用邊界跟蹤法會造成只能追溯到一半海岸線而另一半海岸線無法顯示的尷尬局面，但K-means 聚類分割法無此限制，對海岸線被圖像分割的適應(yīng)性更強(qiáng)，方法更簡單、方便。

3 結(jié) 語

通過查閱國內(nèi)外文獻(xiàn)可知，SAR 圖像的來源正在不停的增加，這得益于國內(nèi)外空間技術(shù)和計(jì)算機(jī)水平的日益增長，使得SAR 影像處理需要的數(shù)據(jù)有了更多的選擇。本文主要介紹了一些簡單的海岸線提取方法，并基于國內(nèi)外的研究現(xiàn)狀和實(shí)驗(yàn)提出了一種適用于SAR 圖像的在K-means 聚類分割法上結(jié)合形態(tài)學(xué)處理的海岸線提取方法。該方法對現(xiàn)有數(shù)據(jù)能得到不錯(cuò)的結(jié)果，但準(zhǔn)確性不是特別高，需進(jìn)一步研究。