.
Manavalan.P[3]等対Landsat TM4波段图像应用密度分割法成功提取出河流和湖泊水体, Frazier.P.S的研究也表明,对Landsat TM5波段图像进行密度分割可有效地提取出水边界.在探刻了解潮滩光谱反射特征(潮滩不同部分的反射率不同）的基础上,根据 Landsat TM4波段和 TM5波段图像的直方图.可通过选取合适的阈值将图像沿水边界分割开来,但在近岸海水比较浑浊的情况下.该方法应用的难度和误差均较大。 3.2国内研究进展 黄海军[4]等在对潮位校正、域度改正等方法研究的基础上，提供了一套利用卫星影像研究验潮站位较少的淤泥质海滩岸线变化的方法，并根据多时相卫星影像数据分析了自1976年黄河改道以来海岸线变化的特点及影响因素。 李富林[5]等通过对高湖线的对比，分析了黄河三角洲海岸线的整体动态变化过程,，并预测了河口的发育过程及岸线変化所起的多方面的环境地质效应。 蔡泽建[6]等利用3期卫星遥感图像对20年来江苏海岸线的演变特点和趋势作了系统的分析，并根据史料对历史岸线作了概括的分析。进而判出岸线的稳定性。 范典[7]等提出一种基于二进小波变换的从遥感图像中提取湖岸线的方法, 该方法首先利用边缘和噪声的奇异性在二进小波变换中随尺度变化具有不同的传播规律来检测边象点，然后利用基于梯度矢量流的主动轮廓模型进行边缘点的连接。最后有效地消除了图像中的斑Word文档
.
点噪声对边线提取的影响，并准确地提取出湖岸线。 姜义[8]等针对中国具有典型的淤泥海岸带的海湾——渤海湾.。应用不同时期的历史资料及多时相的MSS 、TM、ETM等遥感数据，经计算机的信息增强与复合处理,提取了近百年来海岸线的变化信息,并根据对不同类型岸段的研究,得出了渤海湾西岸泥质海岸带近百年来“相对快速变化-的结论。 朱小鸽[9]以多时相Landsat 卫星遥感图像为数据源，采用神经网络分类法监测了珠江口、香港和澳门等地区的海岸线变化，计算出陆地增长的面积、 并结分析了海岸线变化的原因。 吕京福[10]等同通过对计算海岸线变化速率的四种方法(端点法、平均速率法、线性回归法、多元回归法)的特点及其影响因素的比较分析，提出了上述各种方法的适用范围和选取准则并通过对山东日照地区的实例分析，说明数据总量和取样频度、 总采样时间长度及数据的精度等均会影响到计算结果的精度。 王琳[11]等例利用1989、1995和2000年三个时期的LansatTM/ETM,卫星影像。通过变化检测和信息提取获得厦门市1989-2000年的岸线变化信息，并分析了厦门市海域面积未来的变化趋势及原因。 3.3存在的问题 由上述分析不难发观, 目前国内这方面的研究大多为针对某种海岸类型或某局部区域而来取某种固有的算法来进行, 其普通性和效率均有待提高。因此有必要在现有的影像资料、地图数据乃至海图资料Word文档
.
的基础上,探究一种适用性更广、效率更高的新型遥感影像岸线提取方法，并在综合考虑各种影响因素的前提下力求能在检测速度及提取精度方面得到改进。 四、 拟解决的关键问题 1. 多时相遥感数据海岸线提取 2. 海岸线变迁结果及原因分析 Word文档
.
五、 研究思路 运用不同实验方法提取出1987年的Landsat5 TM遥感影像，通过对比分析其优劣，最终采用一种最优方法，提取6期遥感影像海岸线，基于1987—2015年6期海岸线利用提取出的海岸线叠加图来计算海岸线长度和变化速率，通过分析海岸线长度、变化速率等特征来确定海岸线变化的原因，从而得出结论。 六、实验方法 1.改进归一化水体指数 NDWI(Normalized Difference Water Index,归一化水指数)，用遥感影像的特定波段进行归一化差值处理，以凸显影像中的水体信息。Mcfeeters在1996年提出的归一化差分水体指数（NDWI） 其表达式为：NDWI =(p(Green)-p(NIR))/(p(Green)+p(NIR))是基于绿波段与近红外波段的归一化比值指数。该NDWI一般用来提取影像中的水体信息，效果较好。 局限性：用NDWI来提取有较多建筑物背景的水体，如城市中的水体，其效果会较差。 Word文档
.
2.监督分类（最大似然值） 监督分类 （supervised classification）又称训练场地法，是以建立统计识别函数为理论基础，依据典型样本训练方法进行分类的技术。即根据已知训练区提供的样本，通过选择特征参数，求出特征参数作为决策规则，建立判别函数以对各待分类影像进行的图像分类，是模式识别的一种方法。要求训练区域具有典型性和代表性。判别准则若满足分类精度要求，则此准则成立；反之，需重新建立分类的决策规则，直至满足分类精度要求为止。常用算法有：判别分析、最大似然分析、特征分析、序贯分析和图形识别等。 3.边缘检测算法 图像边缘是指某一个物体周围灰度呈阶跃变化的那些像素的集合。图像边缘对应着图像灰度的不连续性,且真实图像的边缘通常都具有有限的宽度,呈现出陡峭的斜坡状。边缘检测通过检测每个像素与其邻域的状态,来决定该像素是否处于一个物体的边界上。如果一个像元位于某一物体的边界上,则其邻域像元灰度值的变化就比较大,此时若能用某种算法检测出这种变化并将其量化表示,即可确定图像的边缘。当图像中各个像素的灰度级均符合边缘像素要求时,这种图像即被称为边缘图像当然,亦可用二值图像来表示图像边缘,这时对边缘点只表示其位置,而不显示其强弱程度边缘检测算子通过检查每个像元的邻域并对其灰度级进行量化来确定边界,且大部分算子都可以确定方向。边缘检测算子大多基于方向导数掩模求卷积方法,其中最常用的有Canny算子、Robert算子、Sobel算子、Prewitt算子等。 Word文档
海岸线变迁开题报告 - 图文
