基于深度学习和遥感影像的海岸线提取方法研究与实验

程海燕

（广西壮族自治区海洋研究院 广西壮族自治区南宁市 530023）

1 前言

海岸线的概念在各个领域没有统一的定义。在海洋管理中，海岸线定义为多为平均大潮高潮时水陆分界的痕迹线，是海洋和陆地行政管理的行权边界线。在海洋测绘中，需要通过海岸地形、平均潮位等计算海岸线的位置。在海洋遥感中，海岸线主要是指卫星或无人机等遥感设备扫过时刻的海陆分割线。按照有关调查规程，海岸线总体分为自然岸线、人工岸线和其他岸线等，其中自然岸线又划分为基岩岸线、砂质岸线、泥质岸线和生物岸线。海岸线作为一种特殊的自然资源，是海洋管理中重点关注的对象。传统的提取方式包括现场测量和影像数据提取。现场测量即采用GPS定位技术进行现场踏勘和测量获取岸线拐点坐标连接成海岸线，通常存在耗时长、外业工作量大、淤泥滩涂和基岩岸段测量困难的情况。影像数据提取指以各类卫星携带的传感器设备获取影像数据为基础进行人工目视解译或机器自动解译的方式提取。但因海岸线具有狭长、连续、多样性等特征，计算机自动解译有基于边缘检测、基于超像素和基于机器学习的图像处理等算法，这些算法是通过对图像进行纹理分析或边缘检测对海岸线进行提取，但受图像噪声、海陆复杂散射及岸线类型多样性的影响，均需要人为设置相关参数或选取特征，各种处理算法离不开人工判读。海岸线两侧地物类型和开发利用现状复杂，在遥感影像中反演出来的地理环境要素和光谱特征差异明显，通过常规的人工目视解译、人机交互或机器自动解译等方法使得海岸线提取过程复杂、提取效率和提取精度较低。……