一种海岸线变化高频监测方法与流程

1.本发明涉及海岸线监测技术领域，尤指一种海岸线变化高频监测方法。


背景技术：

2.海岸线是区分海洋与陆地管理区域的分界线，其所处地带凭借丰富的自然资源和优越的地理位置成为人类开发利用的重要区域。由于人为因素影响，海岸线的变化进程加快，给沿海地区的经济、社会、生态、环境等带来了一系列的问题。因此对海岸线进行合理的开发与规划，对海岸带开发利用情况进行快速精确监测调查，为海岸线精细化管控、海岸带综合保护与利用提供数据支撑，对海岸线的综合管理具有重要意义。
3.目前，动态连续遥感监测由于其低成本、宏观、快速、实时动态连续等一系列优势受到广泛关注。包括基于光学遥感影像的遥感监测方式。光学遥感影像具有空间分辨率高、色彩丰富以及便于人工判读解译海岸线等优点，但常用的光学遥感卫星的重访周期长，大多数情况下只能实现以年度为单位的监测，无法真正实现高频次的海岸线监测。


技术实现要素：

4.为解决上述问题，本发明的主要目的在于提供一种海岸线变化高频监测方法，其可以实现高频次的海岸线监测。
5.为实现上述目的，本发明采用的技术方案是：
6.一种海岸线变化高频监测方法，包含以下步骤：
7.步骤1，获取监测时点内覆盖监测区域范围的sentinel－1a影像，同时获取监测时点内覆盖监测区域的已有光学dom；
8.步骤2，对收集的sentinel－1a影像进行预处理；
9.步骤3，利用分水岭算法对预处理后的sentinel－1a影像进行分割；
10.步骤4，在分割后的sentinel－1a影像中提取水陆分界二值化图像；
11.步骤5，对所述水陆分界二值化图像进行后处理，得到平滑的海岸线图像；
12.步骤6，利用基于已有光学dom人工提取的海岸线数据，对得到的海岸线图像进行采集精度评估；
13.步骤7，输出海岸线监测成果。
14.进一步，所述预处理包括数据导入、多时相配准、多时相滤波、地理编码以及辐射定标。
15.进一步，所述步骤3包括以下步骤：
16.sentinel－1a影像灰度化，求灰度影像梯度图，利用分水岭算法在所述灰度影像梯度图上确定分段影像的边缘线。
17.进一步，所述分水岭算法为梯度加掩膜的三次分水岭算法。
18.进一步，所述三次分水岭算法的执行过程包括以下步骤：
19.利用形态学重建技术提取影像的前景和背景对象并进行标记，进而求得分段影像
的边缘线，突出显示影像的前景及边界，接着将影像背景的像素灰度值设置为0，得到监测区域水陆分界二值化图像。
20.进一步，所述后处理包括栅格转面、简化面、面转线、删除重复线。
21.进一步，所述步骤6具体包括：
22.基于已有的光学dom，人工解译提取海岸线数据，在光学影像上沿着人工解译的海岸线选取一定数量的特征点，基于影像时相接近光学dom的sentinel－1a影像提取的海岸线数据，计算每个所述特征点到海岸线的垂直距离，并统计距离中误差，从而实现对步骤5所述海岸线图像的精度进行评估。
23.进一步，所述步骤2由envi+sarscape软件执行。
24.进一步，所述步骤3和步骤4由matlab软件执行。
25.进一步，所述步骤5由arcmap软件执行。
26.本发明的有益效果在于：
27.本发明结合了光学遥感影像空间分辨率高、色彩丰富、便于人工判读解译和sentinel－1a时间分辨率高的优势，选取典型监测区域，提取监测时点内季度序列sentinel－1a影像的海岸线成果。同时利用基于已有光学dom人工提取的海岸线数据，对得到的海岸线图像进行采集精度评估，实现了对海岸线高频次、高精度的监测分析。
附图说明
28.图1是本发明的流程图。
具体实施方式
29.请参阅图1所示，本发明关于一种海岸线变化高频监测方法，包含以下步骤：
30.步骤1，获取监测时点内覆盖监测区域范围的sentinel－1a影像，同时获取监测时点内覆盖监测区域的已有分辨率优于2米的光学dom；需要说明的是，dom(digital orthophoto map，数字正射影像图)指的是光学数字正射影像图，选择分辨率优于2米的光学dom有利于人工目视解译提取高精度海岸线；
31.步骤2，对收集的sentinel－1a影像进行预处理；
32.步骤3，利用分水岭算法对预处理后的sentinel－1a影像进行分割；
33.步骤4，在分割后的sentinel－1a影像中提取水陆分界二值化图像；
34.步骤5，对所述水陆分界二值化图像进行后处理，得到平滑的海岸线图像；
35.步骤6，利用基于已有光学dom人工提取的海岸线数据，对得到的海岸线图像进行采集精度评估；
36.步骤7，输出海岸线监测成果；
37.在上述方案中，利用envi+sarscape软件对收集的sentinel－1a影像进行预处理，预处理后的影像为单波段8bit、8.5米分辨率的灰度影像。在matlab中编程实现分水岭算法，利用分水岭算法对预处理后的sentinal－1a进行区域分割，自动提取出水陆分界二值化图像。在arcmap中对matlab中初步提取出的水陆分界二值化图进行后处理，得到较为平滑的海岸线成果。利用基于已有光学dom人工提取的高精度海岸线数据，选取一定数量的特征点，统计特征点的距离中误差对自动提取的数据进行采集精度评估。
38.本发明基于多时间尺度的多源遥感影像进行海岸线提取，按时间序列进行监测和分析，实现对海岸线变化的季度监测，并采用定量指标对海岸线提取精度进行评价，为海岸线精细化管控提供有效数据支撑。
39.进一步地，所述预处理包括数据导入、多时相配准、多时相滤波、地理编码以及辐射定标。
40.进一步地，所述步骤3包括以下步骤：
41.sentinel－1a影像灰度化，求灰度影像梯度图，利用分水岭算法在所述灰度影像梯度图上确定分段影像的边缘线。具体步骤为：影像灰度化，求灰度影像梯度图，在梯度图的基础上进行分水岭算法，求得分段影像的边缘线。为消除一般分水岭算法产生的过度分割，本发明采用梯度加掩膜的三次分水岭算法。三次分水岭算法是利用形态学重建技术提取影像的前景和背景对象并进行标记，进而求得分段影像的边界(即边缘线)，突出显示(像素灰度值设为255)影像的前景及边界，影像背景的像素灰度值设置为0，得到监测区域水陆分界二值化图像。
42.进一步地，所述后处理包括栅格转面、简化面、面转线、删除重复线；所述后处理步骤用于处理二值化图像中存在的影像边缘毛糙、相邻分段图像边缘线重叠等问题。
43.进一步地，所述步骤6具体包括：
44.基于已有的光学dom，人工解译提取海岸线数据，在光学影像上沿着人工解译的海岸线选取一定数量的特征点，基于影像时相接近光学dom的sentinel－1a影像提取的海岸线数据，计算每个所述特征点到海岸线的垂直距离，并统计距离中误差，从而实现对步骤5所述海岸线图像的精度进行评估。
45.进一步地，所述步骤2由envi+sarscape软件执行。
46.进一步地，所述步骤3和步骤4由matlab软件执行。
47.进一步地，所述步骤5由arcmap软件执行。
48.需要说明的是：
49.sar为主动遥感方式，成像不受光线、气候和云雾限制，具有全天候、全天时的遥感数据获取能力。sar卫星重访周期短，可以实现季度乃至月度的海岸线监测。
50.sentinel－1a影像是常用的sar影像之一。sentinel－1a是哨兵一号(sentinel 1)两颗极轨卫星中的一颗，搭载的传感器为合成孔径雷达(sar，synthetic aperture radar)。sentinel－1a卫星重访周期短，影像幅面大，常用于海洋波浪反演，海上目标船只、海冰识别，海域使用动态监测等方面。
51.本实施例的有益效果为：
52.现有的海岸线监测方法没有发挥多源遥感数据的优势，不能很好地兼顾监测频次和精确性。而本实施例基于多时间尺度的多源遥感影像进行海岸线提取，按时间序列进行监测和分析，实现对海岸线变化的季度监测，并采用定量指标对海岸线提取精度进行评价，为海岸线精细化管控提供有效数据支撑。
53.本实施例结合了光学遥感影像空间分辨率高、色彩丰富、便于人工判读解译和sentinel－1a时间分辨率高的优势，选取典型监测区域，提取监测时点内季度序列sentinel－1a影像的海岸线成果。同时利用基于光学dom人工解译的高精度海岸线成果，选取一定数量的同名点，统计sentinel－1a影像海岸线提取的精度，实现了对海岸线高频次、
高精度的监测分析。
54.以上实施方式仅仅是对本发明的优选实施方式进行描述，并非对本发明的范围进行限定，在不脱离本发明设计精神的前提下，本领域普通工程技术人员对本发明的技术方案作出的各种变形和改进，均应落入本发明的权利要求书确定的保护范围内。