基于TerraSAR-X影像的格陵蘭島海岸水邊線提取

盛佳 洪中華 張云 袁國良

（1上海海事大學，上海201306；2上海海洋大學，上海201306）

0 引言

極地為地球南北兩端，緯度66.5°以上，長年受白雪覆蓋，氣溫低且幾乎無植物生長，但南北兩極對人類卻有非常重要的意義。由于全球變暖，極地區域近幾十年發生了明顯的變化，據研究發現，受氣候的影響，北極的海岸線以每年2米或更長的距離減退，部分地區的海岸線甚至以每年30米的速度消失。因此，研究極地區域的海岸線變化對于全球變化具有重要的意義［1］。

遙感影像是海岸線重要的數據源。用于海岸線提取的遙感影像主要分為兩大類：光學影像和雷達影像。光學影像中的海水與陸地顏色差別較大，因此海岸線較為明顯，但是利用光學影像提取海岸線也有如下缺點：①光學影像容易受到云層覆蓋、太陽照射等氣象條件的影響，這嚴重影響到光學的影像質量；②光學影像由于光在成像透鏡的光軸周圍的折射率不同，使得成像發生畸變［2］。近十年來，隨著高分辨率衛星遙感SAR影像（空間分辨率優于5米）的迅速發展，SAR影像因具有全天時、全天候的工作時間以及穿透云層等優點，利用高分辨率SAR影像進行海岸線提取成為重要的研究方向。然而SAR影像由于容易受到散斑效應的影響從而導致成像中有眾多的噪點。對此，通過對SAR影像進行濾波預處理，可以明顯改善斑紋且對海岸線的邊緣影響較小［3］。

國內外學者針對海岸線的提取方法已有Baselice等［4］在馬爾科夫框架中利用EM算法，提出了一種無人監督的海岸線提取方法；劉景正等［5］用小波去噪的方法代替Canny算子中自帶的高斯去噪方法，對SAR影像進行邊緣檢測；張祥等［6］融合空間域濾波和邊緣檢測信息監測，改進了SAR影像的濾波方法；馬小峰等［7］分析了不同海岸的類型，用Canny邊緣檢測的方法提取出各種不同類型的海岸線；Wang等［8］根據水與陸地所具有的不同的特點，提出了一種建立在灰度共生矩陣和圓形窗口灰度特征基礎上的新方法。本文選取了格陵蘭區域作為試驗區域，提出了應用支持向量機（SVM）和Canny邊緣檢測算子的海岸水邊線提取方法。該方法首先比較了五種濾波器的處理效果以及平滑指數并選擇出最佳濾波器對TerraSAR-X影像進行預處理，然后將支持向量機和Canny邊緣檢測算子相結合，在此基礎上對海岸水邊線進行提取并對提取結果進行精度驗證。

1 實驗區域及數據介紹

1.1 研究區域

格陵蘭島位于北冰洋與大西洋之間，海岸線全長可達35 000多公里，是世界上最大的島嶼，全島約4／5的地區在北極圈內，84%的面積長年受冰雪覆蓋，冰層平均厚度達到2 300 m。格陵蘭島所含有的冰雪總量為300萬立方公里，占全球淡水總量的5.4%。由于地處極地這種特殊的地理位置，緯度高且受溫室效應等自然環境的影響巨大，格陵蘭島海岸每年都發生著明顯的變化［9］。

1.2 影像資料

TerraSAR-X是由德國于2007年發射的星載SAR衛星系統，具有小型化、高分辨率、多種成像模式、多種極化方式等優點，它最高分辨率可達1 m，是新型SAR系統的杰出代表。表1列舉了Terra-SAR-X衛星系統的軌道參數。

表1 TerraSAR-X衛星系統的參數Table 1.Parameter of TerraSAR-X

本文選用的實驗數據為TerraSAR-X衛星系統獲得的位于格陵蘭島的一景ScanSAR數據。拍攝時間為2011年8月7日，最小入射角為19.621°，最大入射角為30.535°，極化方式為VV模式，拍攝模式是條帶模式，近似分辨率范圍為17.0—19.2 m，側視方向為右視。圖1為實驗數據位于格陵蘭島的位置及預視圖。

圖1 數據在格陵蘭島上所處位置及預視圖Fig.1.The location of the data in Greenland and the preview diagram

2 海岸水邊線提取方法

由于格陵蘭島海冰常與大陸相連接，因此本文提取的是格陵蘭島海岸水邊線。首先，對影像進行裁剪以及預處理；再對預處理后的影像進行支持向量機分類以及Canny邊緣檢測；最后對提取出的水邊線進行驗證。圖2所示為海岸水邊線提取流程圖。

2.1 SAR影像濾波

圖2 海岸水邊線提取流程圖Fig.2.Flow-chat of the coastline extraction

SAR影像的一大特點就是受斑點噪聲影響嚴重，這種噪聲屬于乘性噪聲，在影像上表現為信號相關的小斑點，既降低了影像的畫面質量，又影響影像的自動分割、目標檢測以及其他信息的提取。降低這種乘性噪聲有兩種方法：①對影像進行多視處理，但這種方法所需要付出的代價是降低了影像的分辨率；②用空間域濾波的方式來抑制噪聲，這種情況下不會損失影像的分辨率［10］。

本文首先比較了中值濾波、Sigma濾波、Lee濾波、增強型Lee濾波以及Gamma濾波五種濾波方式，五種濾波方式都有其各自的優點：其中中值濾波方便簡單，Sigma濾波設置閾值劃分標準偏差以決定中心像元所取均值的大小，Lee濾波利用影像統計特性控制濾波器的輸出使濾波器自適應于影像的變化，增強型Lee濾波對影像進行了區分，采用不同區域使用不同的濾波方法，Gamma應用最大后驗概率濾除噪聲。

為了選擇較理想的濾波器，本文通過比較各種濾波器的平滑指數，該平滑指數能反映出各濾波器對影像噪聲的平滑能力［11-12］：

其中，SI為平滑指數，平滑指數越大，平滑效果越好；MEAN為影像灰度的均值；STD為影像灰度的標準差。表2顯示了不同窗口對應不同濾波方法平滑指數的比較結果。

表2 不同濾波方法不同窗口大小的平滑指數Table 2.The smooth index of different filters and different window size

為了直觀地看出隨著窗口變化平滑指數的變化情況，根據表2做出圖3：

圖3 不同窗口大小下各濾波器的平滑指數變化趨勢Fig.3.Smoothness index trend of each filter under differentwindow sizes

由表2以及圖3可知，隨著窗口大小的增大，做比較的五種濾波器的平滑指數都隨之增大，其中Gamma濾波的平滑指數最好。但是Gamma濾波還需要選擇合適的窗口大小，圖4顯示了Gamma濾波在不同窗口大小下影像的濾波情況。

從圖4可以看出，經過3×3的窗口濾波后，影像在紋理、邊界方面仍然能夠較好地保持，但是仍有大量的斑點噪聲存在于影像中，因此對于去除噪聲效果并不明顯；7×7以上窗口斑點噪聲去除得比較好并且平滑指數很高，但是從整體效果來看影像紋理、邊界十分模糊，有用信息丟失嚴重；相比之下，5×5的窗口在去除噪聲以及邊界、紋理保持兩方面都比較理想。因此，本文選用5×5窗口的Gamma濾波來去除SAR影像中的斑點噪聲。

2.2 支持向量機及Canny邊緣檢測

圖4 Gamma濾波在不同窗口大小下濾波效果比較Fig.4.The comparison of Gamma filter′s filtering effects under differentwindow sizes

Canny［13］提出了三個影像邊緣檢測的限制條件：好的檢測、準確的定位、最小響應。由于衛星影像中水陸分界線都是階梯型的，而Canny算子又是效果最好的階梯型邊緣檢測算子之一，因此使用Canny算子具有較好的檢測效果［14］。在經過濾波后的影像上直接用Canny邊緣檢測提取海岸水邊線，這時海岸水邊線不連續且有很多的干擾。因此，濾波后的SAR影像直接用Canny算子進行水邊線提取效果并不理想。

支持向量機是建立在VC維理論以及結構風險最小化基礎上的，在小樣本、非線性、高維的情況下有非常顯著的優勢［15-16］。支持向量機工作基礎是找到最優劃分超平面，需要滿足以下約束條件：

其中，w→是n維向量，b為偏移量。通過建立拉格朗日方程并求解拉格朗日函數來獲得最優解并得到判別式。在獲得支持向量以及相關參數后，根據判別式對影像進行分類：

其中，xi屬于支持向量；ai為拉格朗日系數；b*為分類閾值。

公式（3）為針對線性可分情況下支持向量機的判別式。對于非線性可分的情況，通過將低維空間線性不可分的樣本映射成高維空間線性可分的樣本來實現。為了在經驗風險以及推廣能力兩方面得到均衡，還需要引入監督因子C以及松弛因子ξi≥0，i＝1，2，…，n這時原約束條件變為：

而從低維到高維的非線性映射的關鍵就在于核函數的選取。根據相關理論，只要核函數滿足Mercer條件，它就可以對應某一個空間中的內積函數，因此只要在最優分類面中運用適當的內積函數就可以實現這種線性不可分的分類問題［15］。此時的最優判別式為：

其中，K（xi·xj）＝Φ（xi）·Φ（xj）為核函數，來實現從低維空間到高維空間的映射。

支持向量機的關鍵在于核函數以及監督因子，本文選擇徑向基函數（RBF）作為核函數，其核函數公式為：

其中，γ為核函數的核參數，并取適當的監督因子C及核參數γ［17-18］。經過支持向量機分類后再與Canny邊緣檢測算子相結合，進行海岸水邊線的提取。如圖5所示為從整體數據上截取了四段像素為500×500的典型區域進行實驗。從圖中可以看出，濾波后直接用Canny算子進行海岸水邊線提取時（圖5b），提取出的海岸水邊線具有較多干擾；而經過支持向量機分類后，再進行Canny算子邊緣檢測（圖5d），此時提取出的海岸水邊線是一條平滑的曲線。

圖5 海岸水邊線提取效果圖Fig.5.The pictures of coastline extraction

2.3 精度驗證

為了驗證提取的海岸水邊線的準確程度，將提取的海岸水邊線與設定的標準線作重疊，整體觀察海岸水邊線與設定的標準線的差異。從提取的海岸水邊線上選取一些樣本點，對比提取的海岸水邊線與設定的標準線之間的位移；設定誤差允許的窗口大小，如果提取海岸水邊線上的樣本點與標準線上對應位置的樣本點在設定的窗口內，則判定為在誤差范圍內，提取正確；如果兩點位移超出了設定的窗口大小，則判定提取失敗。計算出不同窗口大小情況下海岸水邊線提取的準確率。圖6為提取的海岸水邊線與標準線重合圖，其中黑色線為本文方法提取的海岸水邊線，紅色線為標準海岸水邊線。

通過ArcGIS軟件來統計各實驗區域提取的海岸水邊線上的像素點，并選取10%的樣本點進行驗證。分別統計四幅影像在窗口大小為1×1、2×2、3×3時的提取精度。表3為不同窗口下實驗區域的統計結果。

圖6 海岸水邊線提取驗證Fig.6.Verification of the extracted coastline

表3 像素點位置檢驗結果Table 3.The result of pixel position inspection

由圖6以及表3可以看出，該方法提取失敗的像素點存在，但是較少，隨著誤差允許的窗口大小的增大，提取的海岸水邊線準確率也隨之增大，1×1窗口要求兩幅圖上的樣本點位移差不超過一個像素，此時要求過于嚴格，準確率不高；2×2以上窗口的準確率都達百分之六十以上，能滿足海岸水邊線提取的要求［19］。

3 結論

本文是格陵蘭島基于TerraSAR-X影像上的海岸水邊線提取。由于SAR影像受相干斑影響嚴重，因此本文從目視效果及平滑指數兩方面對比了多種濾波方法，選用最佳的乘性噪聲的濾波方法對SAR影像進行預處理，并利用了支持向量機對海域和陸地進行分類以及Canny算子對影像進行邊緣檢測，最終結合這兩種算法提取了格陵蘭島實驗區域的海岸水邊線，在此基礎上將繼續研究極地區域海岸線的變遷。

致謝 感謝德國宇航中心（DLR）提供的Terra-SAR-X數據。感謝上海海洋大學信息學院王振華博士對于本研究的幫助。

1 趙紅.研究發現北極海岸線每年后退數米.地球科學進展，2011，26（5）：515.

2 王運峰.SAR圖像與光學圖像數據融合算法研究.成都：電子科技大學，2003.

3 Baselice F，Ferraioli G.Unsupervised coastal line extraction from SAR images.IEEE Geoscience and Remote Sensing Letters，2013，10（6）：1350—1354.

4 Baselice F，FerraioliG，Pascazio V.Coastal line extraction from SARMulti-channel images／／2012 Tyrrhenian Workshop on Advances in Radar and Remote Sensing.Naples：IEEE，2012：322—325.

5 劉景正，余旭初，張鵬強，等.新型Canny算法的SAR圖像邊緣檢測.測繪科學，2008，33（1）：132—134.

6 張祥，鄧喀中，范洪冬.融合Canny邊緣檢測技術的SAR圖像改進濾波方法.黑龍江工程學院學報（自然科學版），2011，25（2）：6—9.

7 馬小峰，趙冬至，邢小罡，等.海岸線衛星遙感提取方法研究.海洋環境科學，2007，26（2）：185—189.

8 Wang Y F，Yu Q Z，LüW T，etal.Coastline detection in SAR imagesusingmulti-feature and SVM／／4th International Congresson Imageand Signal Processing.Shanghai：IEEE，2011，3：1227—1230.

9 http：／／baike.baidu.com／view／20318.htm.

10 凌飛龍，汪小欽，陳蕓芝.SAR圖像濾波去噪效果評價研究——以福建省海岸帶為例.海洋科學進展，2004，22（B10）：171—176.

11 王俊.SAR影像溢油目標邊緣提取方法及實現.大連：大連海事大學，2009.

12 張樂.合成孔徑雷達圖像用于海岸線檢測.青島：中國海洋大學，2010.

13 Canny J.Acomputational approach to edge detection.IEEE Transactions on Pattern Analysis and Machine Intelligence，1986，8（6）：679—698.

14 種勁松，歐陽越，朱敏慧.合成孔徑雷達圖像海洋目標檢測.北京：海洋出版社，2006：16.

15 陳冰梅，樊曉平，周志明，等.支持向量機原理及展望.制造業自動化，2010，32（12）：136—138.

16 王鵬，朱小燕.基于RBF核的SVM的模型選擇及其應用.計算機工程與應用，2003，39（24）：72—73.

17 張漢女.基于SVM的海岸線提取方法研究.長春：東北師范大學，2010.

18 林升梁，劉志.基于RBF核函數的支持向量機參數選擇.浙江工業大學學報，2007，35（2）：163—167.

19 劉善偉，張杰，馬毅，等.遙感與DEM相結合的海岸線高精度提取方法.遙感技術與應用，2011，26（5）：613—618.