导读:本文包含了海岸线检测论文开题报告文献综述及选题提纲参考文献，主要关键词:前视红外图像,海岸线,海天线,梯度显着性
海岸线检测论文文献综述
仇荣超,吕俊伟,宫剑,修炳楠,马新星[1]（2019）在《前视红外图像中海岸线与海天线的通用检测方法研究》一文中研究指出海岸线与海天线检测作为前视红外成像型反舰导弹末制导技术中的关键技术,通常会受到岛岸、云层、亮带、条状波浪等多种因素干扰。为解决这一问题,提出了一种海岸线与海天线的通用检测方法。对原始图像构建积分图像,采用箱式滤波器来增强海岸线与海天线的边缘特征;逐行滑动统计矩形区域内像素的梯度显着性来确定海岸线与海天线潜在区域,通过潜在区域内逐列寻找显着性最大值点,并对所有的最大值点进行多项式迭代拟合,获得海岸线与海天线的准确位置;基于实际采集的前视红外海面场景图像对该方法进行了验证和分析。结果表明,通用检测方法能够克服岛岸、云层、亮带、条状波浪等复杂背景的干扰,实现海岸线与海天线的检测,场景适应性强,实时性好。(本文来源于《兵工学报》期刊2019年06期）
原晓慧,王萍,张英,任凌,翟亮[2]（2019）在《基于边缘检测的海岸线自动提取研究》一文中研究指出海岸线位置的确定是海岸带测绘的重要内容,利用遥感手段监测海岸线位置变化,对海岸带监测管理具有重大意义。阈值法和边缘检测法提取海岸线面临着阈值较难选择,同时面向对象分类提取岸线易出现养殖区与泥砂岸滩混分。为此,提出了边缘检测参与多尺度分割,再面向对象分类提取海岸线的方法,避免了人为设定阈值和部分区域混分问题。利用全国海岸带开发利用变化监测海岸线作为参考岸线,对提取岸线的完整度、正确度、质量进行匹配。结果表明,该方法提取海岸线精度较高,提取岸线与参考岸线在两个像元半径内的完整度和正确度达92%以上。(本文来源于《北京测绘》期刊2019年02期）
康艳秋,魏雪云[3]（2018）在《基于几何活动轮廓模型的SAR图像海岸线检测》一文中研究指出由于受自然条件的影响,从SAR图像中提取海岸线存在弱边界的问题.此外海岸线附近存在复杂的微地形,使得传统的目视解译和基于边缘信息的图像边缘检测方法在SAR图像中难以得到连续、完整的海岸线.针对上述问题,文中提出了一种基于几何活动轮廓模型的海陆分界线检测方法.该方法采用新的符号压力函数对几何活动轮廓模型进行改进,结合全局的区域光滑信息作为曲线演化的收敛条件,并将其用于SAR图像的海岸线检测.实验结果表明,文中方法具有迭代次数少、精确度高的特点.(本文来源于《江苏科技大学学报(自然科学版)》期刊2018年02期）
王彬,王国宇[4]（2018）在《基于广义Gamma分布的高分辨率SAR图像海岸线检测》一文中研究指出本文针对高分辨率SAR图像,采用广义Gamma分布(GΓD)对杂波进行建模,在此基础上提出一种基于水平集分割的海岸线检测方法.GΓD是一种高度灵活的经验分布模型,能够对SAR图像不同类型的地物进行有效建模,其参数可由对数累量法估计得到.基于该分布建立能量泛函,并通过水平集方法最小化能量泛函进行海陆分割,得到海岸线检测结果.利用两幅Terra SAR-X实测SAR图像实验证明,该方法可以实现更精确的海岸线检测.(本文来源于《电子学报》期刊2018年04期）
康艳秋[5]（2017）在《基于几何活动轮廓模型的SAR图像海岸线检测》一文中研究指出合成孔径雷达(Synthetic Aperture Radar,SAR)图像海岸线检测在海岸线管理、地图自动导航、船舰目标识别等方面发挥着重要的作用。几何活动轮廓(Geometric Active Contour,GAC)模型是在活动轮廓(Active Contour Model,ACM,又称为Snake模型)模型的基础上发展起来的,Snake模型是提取图像边界领域的重大突破性的发展,而且有非常实用的研究价值。近几年,随着Snake模型的广泛深入研究,GAC模型的思想受到了世界上广泛的关注,涉及的领域也越来越广。GAC模型在提取SAR图像边界的领域上也显示出强大的实用性。但是由于SAR图像具有边界模糊、对比度小、灰度等级多并且易受噪声干扰等问题,GAC模型的方法处理SAR图像仍然会遇到一些弱边界问题、迭代次数和迭代时间易受图像初始轮廓影响以及图像预处理对提取SAR图像的海岸线造成影响的问题。针对此问题,本文以SAR图像海岸线检测为应用背景,对其中涉及的弱边界问题、图像初始轮廓影响海岸线检测的迭代次数和迭代时间的问题及图像预处理对海岸线检测的影响进行了系统研究。经过研究SAR图像海岸线检测弱边界的特点,提出利用结合区域信息的改进符号压力函数为GAC模型的边界停止条件并对海岸线进行精确提取,这样能很好的弥补SAR图像中海岸线弱边界的不足,使得提取出的海岸线更加准确。在提取SAR图像海岸线存在弱边界问题进行研究的基础上,本文也对SAR图像初始轮廓的选取、图像预处理对提取出的海岸线的影响进行了研究。本文将研究SAR图像不同大小的初始轮廓对海岸线检测的迭代次数及迭代时间的影响,这是基于GAC模型不敏感于图像的初始轮廓。图像的初始轮廓选取越大,GAC模型的迭代次数越少,迭代次数越少则迭代时间越短。在图像的预处理中,因为SAR图像中的斑点噪声是乘性的,所以一般的图像增强方法、去除噪声方法已不适用于SAR图像,本文用灰度变换的方法对SAR图像进行增强处理,增加图像的对比度,用Lee滤波对SAR图像进行滤波处理。实验结果表明,这种图像预处理方法处理后的SAR图像,可以取得很好的检测效果。实验检测数据表明,文中方法不仅能有效的检测出SAR图像中的海岸线,而且与其他相关海岸线检测方法相比,其迭代次数减少了、迭代时间缩短了而且检测准确度得到了进一步提升,显示出该方法的有效性。(本文来源于《江苏科技大学》期刊2017-06-30）
王智罡[6]（2017）在《基于超像素的SAR图像海岸线检测算法》一文中研究指出合成孔径雷达(Synthetic Aperture Radar,SAR)图像以全天候成像等优势在海域动态监测、自动导航等领域有广泛的应用,其中海岸线检测是动态监测海岸线变化的一个解决手段。然而在SAR图像中,由于相干斑、海风和陆地环境的复杂性等因素,使得海岸线检测具有较大难度。本文从超像素角度出发,利用区域合并、叁重马尔科夫随机场(TMF),重点研究SAR图像中海、陆区域存在陆、海类似小区域且海陆对比度较低时的海岸线检测算法。本文主要工作如下:(1)给出了 一种基于超像素的区域合并改进海岸线检测算法。当海面或者陆地不均匀时,已有的区域合并海岸线检测算法容易出现无法合并的小区域,且需要人为设定合并阈值的问题,本文首先给出了一种改进的超像素算法,通过构建一个改进的局部窗,可以有效的解决传统矩形窗中因含有边缘导致计算出的特征模糊的问题,通过该局部窗构建一个相似性描述子,使提取出的特征更加精确,超像素的边缘贴合度更高。然后以超像素为基元,又给出一种改进的区域合并准则,该准则同时考虑超像素的像素均值、相对大小和统计量信息,再根据邻域信息得到确定局部阈值的方式,解决了已有算法中需要人为设置阈值的问题。通过对SAR图像的实验,验证了算法的有效性。(2)给出了一种基于超像素的叁重马尔科夫随机场(TMF)改进海岸线检测算法。针对已有算法边缘贴合度不高的问题,首先给出一种基于Gamma分布的超像素算法,假设均匀局部邻域服从Gamma分布,通过置信区间确定左右门限形成超像素以提高边缘贴合度。然后以超像素为基元,给出一种改进的TMF算法,构建了一种基于改进辅助场的能量函数以解决已有TMF算法的阈值依赖性问题。通过对SAR图像的实验,验证了算法的有效性。(3)给出了一种基于概率的超像素叁重马尔科夫随机场(TMF)改进海岸线检测算法。针对海陆对比度较低的问题,首先给出一种统计量以增强海陆对比度,其次给出一种改进超像素算法以解决边缘贴合度不高的问题。最后给出一种基于概率的TMF改进算法以解决已有算法未考虑同类超像素相关性问题,以一个概率向量表示当前超像素属于海或陆的概率,由此构建一个基于概率的改进能量函数,替代已有TMF中的Ising模型。通过对SAR图像的实验,验证了算法的有效性。(本文来源于《大连海事大学》期刊2017-05-01）
姜大伟,范剑超,黄凤荣[7]（2016）在《SAR图像海岸线检测的区域距离正则化几何主动轮廓模型》一文中研究指出合成孔径雷达(SAR)卫星遥感图像可以极大地提高全国海岸线覆盖频率,然而受到海洋波浪所引起的随机海水表面粗糙度的影响,海岸目标与海水背景边界易混淆不清,因此本文提出了基于区域距离正则化几何主动轮廓模型(RDRGAC),引入距离正则项,解决重复初始化水平集函数为符号距离函数的问题,提高了算法收敛速度。此外,将区域面积项系数与SAR图像等效视数(ENL)建立非线性拟合关系,实现RDRGAC模型根据不同SAR遥感图像的自适应调整,改善海岸线自动提取精度。通过河北省北戴河和大连市金州湾SAR数据海岸线提取对比试验,验证了所提方法的有效性。(本文来源于《测绘学报》期刊2016年09期）
张旭[8]（2016）在《基于空域统计的SAR图像海岸线检测算法》一文中研究指出合成孔径雷达(Synthetic Aperture Radar,SAR)图像的海岸线检测在海域的动态监测与管理、自动导航等方面具有一定实际意义。对于有些SAR图像,陆地包含丰富的灰度级而海面亮暗区域并存,这对海岸线检测带来较大难度。本文本文从空域角度出发,利用边缘检测、主动轮廓模型,重点研究SAR图像海面出现较亮区域时的海岸线检测,主要内容如下:(1)给出一种基于空间二阶相关统计量的改进海岸线检测算法。针对当前海岸线检测算法中SAR图像海面出现较亮区域时,海岸线检测不理想的问题,给出空间二阶方向相关统计量,用于有效抑制海面高亮特点,并基于此统计量得到海陆交界区域,在原图中利用Gaussian-Gamma双窗进行边缘检测得到海岸线结果。通过实验验证该算法可较为准确地检测某些海面出现较亮区域的SAR图像海岸线。(2)给出一种基于方向均值方差统计量和改进正则项的Gamma分布ACM海岸线检测算法。为实现海面出现较亮区域的某些SAR图像海岸线检测,给出了一种方向均值方差统计量用于抑制海面高亮特性,并基于此统计量找到陆地大体区域,并在此区域进行后续海岸线检测。通过引入基于条件信息量的扩散系数来改进Gamma分布ACM的正则项,并对改进模型及其水平集演化方程进行了推导。该算法可检测海面出现较亮区域且海面局部较均匀的某些SAR图像海岸线。(3)给出一种改进局部窗的Gamma分布快速水平集海岸线检测算法。通过方向均值方差统计量抑制海面高亮特性,得到陆地粗略区域,作为后续算法的初始轮廓所在区域,针对用主动轮廓模型检测海岸线所需时间较长的问题,本文给出改进局部窗的Gamma分布轮廓线演化速度表达式,进行水平集快速更新,但因在某些复杂海陆区域会出现孤立小区域,通过给出多区域能量模型及区域判定算法,更新孤立小区域的水平集,得到最终海岸线。通过实验验证了该算法的有效性。(本文来源于《大连海事大学》期刊2016-05-01）
刘春,殷君君,杨健[9]（2016）在《基于混合边缘检测的极化SAR图像海岸线检测》一文中研究指出针对传统方法在金属建筑反射干扰严重情况下无法实现海岸线精确检测问题,本文在分析海岸线边缘特有散射特性的基础上,提出了混合统计和散射特性的海岸线边缘检测方法。该方法分别以似然比和体散射功率比值检测子检验窗口相邻区域统计和散射特性的不同,并通过模糊集方法融合两个检测子。在由提出的检测子实现粗岸线检测的基础上,采用基于边缘能量图的快速活动轮廓模型对岸线进一步精细化。对大连海岸区域极化合成孔径雷达(synthetic aperture radar,SAR)图像进行实验,结果表明提出算法有效减少了强金属建筑干扰和不同海况区域导致的虚假岸线边缘,实现了精确的海岸线检测。(本文来源于《系统工程与电子技术》期刊2016年06期）
魏明月[10]（2015）在《SAR图像海岸线检测与地物分类》一文中研究指出SAR图像处理是人们获取信息的重要途径之一,在各个领域已经得到广泛应用。如今,SAR成像技术已经日益成熟,SAR数据的获取速度与质量也已得到迅速提升,这些都将增加对SAR图像处理技术的需求。因此如何实现快速、自动化的SAR图像处理是一个重要的研究方向。本文主要对海岸线检测方法和图像分类方法做了介绍。对于海岸线检测,主要研究了两种基本的检测方法;对于图像分类,主要研究了基于纹理特征和基于马尔科夫随机场的分类方法。本文在超像素分割的基础上提取纹理特征,选用合适的分类器对图像进行分类,又结合马尔科夫随机场理论,将纹理特征与空间信息相结合,对分类结果进一步改进。论文主要内容安排如下:1.主要研究了两种基本的海岸线检测方法。第一种方法是边界追踪法,该方法由J.Lee和I.Jurkevich于1990年提出,是一种较早的适合SAR图像的海岸线检测方法,该方法中的很多检测边界的技巧至今仍在使用。该方法主要包括两部分:一部分是图像的预处理,本文介绍了Sigma滤波方法;另一部分是边界追踪,即在边缘检测结果上追踪到一条连续的海岸线。第二种方法是阈值法,这是理论上比较简单的一种分割方法,但对杂波很敏感。本文主要研究了一种利用方差的滤波方法,然后用Otsu方法获取最优的全局阈值,进行海陆分割以得到海岸线。2.主要研究了基于纹理特征的SAR图像分类方法。本文研究了用滑窗方式提取像素点的多级局部模式直方图(Multilevel Local Pattern Histogram,MLPH)特征的方法,由于滑窗提取像素点的方式速度慢,而且滑窗大小的确定需要考虑的问题也较多,而超像素恰好能解决此问题,因此提出了一种基于超像素的MLPH特征提取方法。为得到合适的超像素,研究了一种基于似然比特征的超像素分割方法,用超像素代替滑窗提取MLPH特征,选用LIBSVM分类器对测试样本进行分类。为提高分类结果的稳定性,本文还研究了用不同超像素分割结果下的分类结果进行融合的方法,得到最终分类结果。3.主要研究了如何在基于纹理特征的分类基础上进一步改善分类结果。结合马尔科夫随机场理论知识,在超像素分割基础上,定义邻域和基团。结合先验信息定义先验能量,利用LIBSVM分类结果中到分类面距离这一变量,定义似然能量。通过能量函数的定义,结合MAP-MRF框架,运用能量最小化算法完成对场景图像的分类。(本文来源于《西安电子科技大学》期刊2015-12-01）
海岸线检测论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
海岸线位置的确定是海岸带测绘的重要内容,利用遥感手段监测海岸线位置变化,对海岸带监测管理具有重大意义。阈值法和边缘检测法提取海岸线面临着阈值较难选择,同时面向对象分类提取岸线易出现养殖区与泥砂岸滩混分。为此,提出了边缘检测参与多尺度分割,再面向对象分类提取海岸线的方法,避免了人为设定阈值和部分区域混分问题。利用全国海岸带开发利用变化监测海岸线作为参考岸线,对提取岸线的完整度、正确度、质量进行匹配。结果表明,该方法提取海岸线精度较高,提取岸线与参考岸线在两个像元半径内的完整度和正确度达92%以上。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
海岸线检测论文参考文献
[1].仇荣超,吕俊伟,宫剑,修炳楠,马新星.前视红外图像中海岸线与海天线的通用检测方法研究[J].兵工学报.2019
[2].原晓慧,王萍,张英,任凌,翟亮.基于边缘检测的海岸线自动提取研究[J].北京测绘.2019
[3].康艳秋,魏雪云.基于几何活动轮廓模型的SAR图像海岸线检测[J].江苏科技大学学报(自然科学版).2018
[4].王彬,王国宇.基于广义Gamma分布的高分辨率SAR图像海岸线检测[J].电子学报.2018
[5].康艳秋.基于几何活动轮廓模型的SAR图像海岸线检测[D].江苏科技大学.2017
[6].王智罡.基于超像素的SAR图像海岸线检测算法[D].大连海事大学.2017
[7].姜大伟,范剑超,黄凤荣.SAR图像海岸线检测的区域距离正则化几何主动轮廓模型[J].测绘学报.2016
[8].张旭.基于空域统计的SAR图像海岸线检测算法[D].大连海事大学.2016
[9].刘春,殷君君,杨健.基于混合边缘检测的极化SAR图像海岸线检测[J].系统工程与电子技术.2016
[10].魏明月.SAR图像海岸线检测与地物分类[D].西安电子科技大学.2015