CN116129145B - 一种高分辨率遥感影像的砂质海岸线提取方法及系统 - Google Patents

Abstract

本公开提供了一种高分辨率遥感影像的砂质海岸线提取方法及系统，获取多个不同时刻的遥感图像，将遥感图像转化为NDWI图像并将NDWI图像组成NDWI图像序列，对NDWI图像序列进行贯穿处理得到海岸线提取点，根据海岸线提取点得到修正海岸线，有益于提高海岸线的准确性。

Description

一种高分辨率遥感影像的砂质海岸线提取方法及系统

技术领域

本公开属于数据处理领域，具体涉及一种高分辨率遥感影像的砂质海岸线提取方法及系统。

背景技术

随着遥感技术的不断发展和应用，高分辨率遥感影像在海岸线提取方面得到了广泛的应用。传统的海岸线提取方法主要采用阈值分割或者边缘检测的方法进行，但是由于海岸线的复杂地形以及受到光照等因素的影响，传统的方法容易出现误差较大的情况。因此，近年来出现了很多针对海岸线提取的新方法。例如，一些学者提出了使用卷积神经网络（CNN）对遥感影像进行分类，以提高准确性；还有一些学者提出了基于深度学习的方法，使用全卷积网络（FCN）对遥感影像进行语义分割，并据此提取海岸线。然而，这些方法也存在一些限制和不足。例如，在公开号为CN113221813B的专利文献中所述的一种海岸线遥感提取方法，由于海岸线地形的复杂性和变化性，以及遥感影像本身的噪声和模糊性等因素，这些方法在实际应用中仍然存在一定的误差。另外，一些算法需要大量的人工标注数据，导致其在实际应用中难以推广和普及。同时，这些算法需要高性能计算设备进行计算，增加了运行成本和时间成本。

发明内容

本发明的目的在于提出一种高分辨率遥感影像的砂质海岸线提取方法及系统，以解决现有技术中所存在的一个或多个技术问题，至少提供一种有益的选择或创造条件。

本公开提供了一种高分辨率遥感影像的砂质海岸线提取方法及系统，获取多个不同时刻的遥感图像，将遥感图像转化为NDWI图像并将NDWI图像组成NDWI图像序列，对NDWI图像序列进行贯穿处理得到海岸线提取点，根据海岸线提取点得到修正海岸线，有益于提高海岸线的准确性。

为了实现上述目的，根据本公开的一方面，提供一种高分辨率遥感影像的砂质海岸线提取方法，所述方法包括以下步骤：

S100，获取多个不同时刻的遥感图像；

S200，将遥感图像转化为NDWI图像，并将NDWI图像组成NDWI图像序列；

S300，对NDWI图像序列进行贯穿处理，得到海岸线提取点；

S400，根据海岸线提取点得到修正海岸线。

进一步地，在S100中，所述多个不同时刻中各时刻间的时间间隔相同，所述多个不同时刻中各时刻的排列的顺序为按照时间先后的顺序，其中各张遥感图像分别对应各个时刻，其中每一个时刻有且仅有对应一张遥感图像，所述遥感图像为对海岸线的高分辨率遥感影像。

进一步地，在S200中，将各个时刻的遥感图像通过计算归一化水指数（NormalizedDifference Water Index）分别转化为各张NDWI图像，并将得到的各张NDWI图像按顺序地组成NDWI图像序列，所述各张NDWI图像上的像素值已经过灰度化与归一化处理可映射为属于[0,1]的数值，可优选地，像素值越趋近0越接近黑色而像素值越趋近1则越接近白色，越接近黑色表示NDWI图像上对应位置水分含量越少，越接近白色表示NDWI图像上对应位置水分含量越多。

进一步地，在S300中，对NDWI图像序列进行贯穿处理，得到海岸线提取点的方法为：

记所述NDWI图像序列为序列NDseq，所述NDWI图像序列中作为其元素的NDWI图像数量记为t，令所述NDWI图像序列中元素的序号为q，q属于1到t区间，所述多个不同时刻中各时刻的序号与序号q保持一致，所述NDWI图像序列中序号为第q个的元素为ND(q)；

在所述NDWI图像序列中的各NDWI图像皆为大小为n行m列的图像矩阵，其中各NDWI图像中以i为行的序号并以j为列的序号，i属于1到n区间，j属于1到m区间，ND(q)中第i行第j列位置的数值表示为ND(q)[i,j]；

将所述NDWI图像序列中最末的元素的下一个指向最首的元素，即将最末的元素ND(t)的下一个指向最首的元素ND(1)，这样操作是由于潮汐的变化是周期性回返往复的，潮汐进退对于海岸线的模糊形象干扰因素是很大的，如此首尾相接的数据序列能够更好地反应海岸线的周期性数据分布，方便后续对海岸线的提取；

函数TimeGAP(,)表示计算括号中后面序号的时刻距离前面序号的时刻经过的时间间隔，具体为：TimeGAP(1,q)表示序号q的时刻距离序号1的时刻经过的时间间隔，TimeGAP(1,t)表示序号t的时刻距离序号1的时刻经过的时间间隔，TimeGAP(q-1,q)表示序号q的时刻距离序号q的上一个时刻q-1的时刻经过的时间间隔，其中当TimeGAP(q-1,q)的q表示序号1的时刻时则有所述序号q的上一个时刻q-1的时刻为序号t的时刻，即序号q的时刻减去序号1的时刻的时间间隔，所述时间间隔仅取绝对值而无正负之分，例如，序号q的时刻为一天的23:00，序号1的时刻为同一天的3:00，则序号q的时刻减去序号1的时刻的时间间隔为20小时，若序号t的时刻为同一天的24:00，当TimeGAP(q-1,q)的q表示序号1的时刻时则有TimeGAP(q-1,q)等于TimeGAP(t,1)即为21小时，此时TimeGAP(1,t)也等于21小时；

计算各NDWI图像的时序贯穿度，具体为：

记ND(q)的时序贯穿度为perpet(q)，获取所述ND(q)在NDWI图像序列中的上一个元素ND(q-1)及其各像素值ND(q-1)[i,j]，在经过无量纲化处理后，perpet(q)的计算公式可为：

其中，exp为计算以自然常数e为底的指数函数，exp(| ND(q)[i,j]-ND(q-1)[i,j]| )是序号q与其前一个序号的NDWI图像中相同行列位置的数值之差取绝对值后的指数化表示，其分母中则是通过遍历i与j于各行列位置中，计算序号q与其前一个序号的NDWI图像中各个相同行列位置的数值之差取绝对值后的指数化表示并进行累加求和，这样可以更好地提取出各个位置对应的归一化水指数随着时间地点改变而改变的数值特征分布规律，分母部分有遍历累加的符号，在分母部分用中括号括起来以表示分别先对序号j、i的遍历循环并求和，然后分子的数值再除以所述分母部分，TimeGAP(q-1,q)/TimeGAP(1,t)表示序号q与其前一个序号的时刻的时间间隔占总的时间变化间隔(TimeGAP(1,t))的比例，可以提取时间变化的波动程度，结合归一化水指数随着时间地点改变而改变的数值特征分布规律与时间变化的波动程度计算出时序贯穿度，将海岸线的轮廓特征在图像序列上的数据特征突破各时刻贯穿起来，有利于准确捕捉因为时间变化造成潮汐进退而产生模糊的海岸线的轮廓特征，提高了砂质海岸线提取的贴合的精度，时序贯穿度数值越大则表示该张NDWI图像对于海岸线的轮廓特征的响应程度越高，越有利于用于提高提取的精度；

可计算NDWI图像序列中各NDWI图像的时序贯穿度的算术平均值、中位数或众数作为NDWI图像序列的时序贯穿度阈值（这样可有利于取得其中正常分布的平均水平），将所述NDWI图像序列中对应的时序贯穿度达到（数值大于或等于）所述时序贯穿度阈值的NDWI图像筛选出来作为超阈值图像，筛选出来后的超阈值图像仍保留其在所述NDWI图像序列中对应的各时序贯穿度；

对每张超阈值图像分别在其每一个像素点的像素值上乘以其对应的时序贯穿度，以此将各张超阈值图像分别转化为时序贯穿度图像，再计算各时序贯穿度图像一并进行哈达玛积相乘后得到的矩阵为累积图像矩阵，（从计算时序贯穿度到计算各时序贯穿度图像一并进行哈达玛积相乘后得到累积图像矩阵，一直广泛使用的都是数值、数组间的乘法，这里利用Hadamard product对各图像矩阵之间进行点对点的数值相乘，也是利用了多个变量相乘的数值线性是连续可导的，这种数值线性相关对于海岸线提取是很有帮助的）；

在所述累积图像矩阵上，对各行列位置的数值通过二值化算法转化为或正或反的数值，然后选出其中转化为正的数值的行列位置的点作为海岸线提取点，其中所述或正或反的数值可以是或0或1的数值、逻辑是与逻辑非、布尔值(或True或False的数值)等能够表示逻辑上相反关系的数值或符号等，具体可为：对各行列位置的数值通过二值化算法（Binarization）或者决策树分类算法（例如，基于Keras的二分类网络、基于sklearn的cart_tree决策树等）再进行映射转化为或0或1的数值，然后选出其中转化为1的数值的行列位置的点作为海岸线提取点。对比单纯直接就用二值化算法或者决策树分类算法转化然后直接用原始的NDWI图像进行提取海岸线的做法，本发明所述方法在使用了归一化水指数随着时间地点改变而改变的数值特征分布规律与时间变化的波动程度之上，计量了海岸线的周期性数据分布，有利于避开时间影响进一步提高海岸线的准确性。

进一步地，在S400中，根据海岸线提取点得到修正海岸线的方法为：对海岸线提取点通过曲线拟合或插值得到的曲线作为所述修正海岸线。

本公开还提供了一种高分辨率遥感影像的砂质海岸线提取系统，所述一种高分辨率遥感影像的砂质海岸线提取系统包括：处理器、存储器及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述一种高分辨率遥感影像的砂质海岸线方法中的步骤，所述一种高分辨率遥感影像的砂质海岸线提取系统可以运行于桌上型计算机、笔记本电脑、掌上电脑及云端数据中心等计算设备中，可运行的系统可包括，但不仅限于，处理器、存储器、服务器集群，所述处理器执行所述计算机程序运行在以下系统的单元中：

图像获取单元，用于获取多个不同时刻的遥感图像；

序列化单元，用于将遥感图像转化为NDWI图像，并将NDWI图像组成NDWI图像序列；

提取单元，用于对NDWI图像序列进行贯穿处理，得到海岸线提取点；

修正输出单元，用于根据海岸线提取点得到修正海岸线。

本公开的有益效果为：本公开提供的高分辨率遥感影像的砂质海岸线提取方法及系统，通过将多个不同时刻的遥感图像转化为NDWI图像序列，并对NDWI图像序列进行贯穿处理，得到海岸线提取点，并进一步得到修正海岸线。相对于现有的方法，本公开提供的方法还具有计算量小、人工干预少、准确性高等优点，有望在实际应用中得到更广泛的推广和应用。

附图说明

通过对结合附图所示出的实施方式进行详细说明，本公开的上述以及其他特征将更加明显，本公开附图中相同的参考标号表示相同或相似的元素，显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图，在附图中：

图1所示为一种高分辨率遥感影像的砂质海岸线提取方法的流程图；

图2所示为一种高分辨率遥感影像的砂质海岸线提取系统的系统结构图。

具体实施方式

以下将结合实施例和附图对本公开的构思、具体结构及产生的技术效果进行清楚、完整的描述，以充分地理解本公开的目的、方案和效果。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。

在本发明的描述中，若干的含义是一个或者多个，多个的含义是两个以上，大于、小于、超过等理解为不包括本数，以上、以下、以内等理解为包括本数。如果有描述到第一、第二只是用于区分技术特征为目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系。

如图1所示为根据本发明的一种高分辨率遥感影像的砂质海岸线提取方法的流程图，下面结合图1来阐述根据本发明的实施方式的一种高分辨率遥感影像的砂质海岸线提取方法及系统。

本发明中包括了一种高分辨率遥感影像的砂质海岸线提取方法，所述方法具体包括以下步骤：

S100，获取多个不同时刻的遥感图像；

S200，将遥感图像转化为NDWI图像，并将NDWI图像组成NDWI图像序列；

S300，对NDWI图像序列进行贯穿处理，得到海岸线提取点；

S400，根据海岸线提取点得到修正海岸线。

进一步地，在S100中，所述多个不同时刻中各时刻间的时间间隔相同，所述多个不同时刻中各时刻的排列的顺序为按照时间先后的顺序，其中各张遥感图像分别对应各个时刻，其中每一个时刻有且仅有对应一张遥感图像，所述遥感图像为对海岸线的高分辨率遥感影像。

进一步地，在S200中，将各个时刻的遥感图像通过计算归一化水指数分别转化为各张NDWI图像，并将得到的各张NDWI图像按顺序地组成NDWI图像序列，所述各张NDWI图像上的像素值已经过灰度化与归一化处理为属于0,1的数值，其中，像素值越趋近0越接近黑色而像素值越趋近1则越接近白色，越接近黑色表示NDWI图像上对应位置水分含量越少，越接近白色表示NDWI图像上对应位置水分含量越多。（可优选地，各时刻间的时间间隔可为1个小时。）

进一步地，在S300中，对NDWI图像序列进行贯穿处理，得到海岸线提取点的方法为：

记所述NDWI图像序列为序列NDseq，所述NDWI图像序列中作为其元素的NDWI图像数量记为t，令所述NDWI图像序列中元素的序号为q，q属于1到t区间，可优选地，1到t区间可为1小时到24或25小时的区间，最好形成一个闭合的可循环的时间周期，所述多个不同时刻中各时刻的序号与序号q保持一致，所述NDWI图像序列中序号为第q个的元素为ND(q)；

在所述NDWI图像序列中的各NDWI图像皆为大小为n行m列的图像矩阵，其中各NDWI图像中以i为行的序号并以j为列的序号，i属于1到n区间，j属于1到m区间，ND(q)中第i行第j列位置的数值表示为ND(q)[i,j]；

将所述NDWI图像序列中最末的元素的下一个指向最首的元素，即将最末的元素ND(t)的下一个指向最首的元素ND(1)，这样操作是由于潮汐的变化是周期性回返往复的，潮汐进退对于海岸线的模糊形象干扰因素是很大的，如此首尾相接的数据序列能够更好地反应海岸线的周期性数据分布，方便后续对海岸线的提取；

函数TimeGAP(,)表示计算括号中后面序号的时刻距离前面序号的时刻经过的时间间隔，具体为：TimeGAP(1,q)表示序号q的时刻距离序号1的时刻经过的时间间隔，即序号q的时刻减去序号1的时刻的时间间隔；TimeGAP(1,t)表示序号t的时刻距离序号1的时刻经过的时间间隔；TimeGAP(q-1,q)表示序号q的时刻距离序号q的上一个时刻q-1的时刻经过的时间间隔；其中，当TimeGAP(q-1,q)的q表示序号1的时刻时，则有所述序号q的上一个时刻q减1的时刻为序号t的时刻，相当于说，在序号q的序列化排列上，由于序号t和序号1首尾相接，当q等于1时有q减1等于t；所述时间间隔仅取绝对值而无正负之分；例如，序号q的时刻为一天的23:00，序号1的时刻为同一天的3:00，则序号q的时刻减去序号1的时刻的时间间隔为20小时，若序号t的时刻为同一天的24:00，当TimeGAP(q-1,q)的q表示序号1的时刻时则有TimeGAP(q-1,q)等于TimeGAP(t,1)即为21小时，此时TimeGAP(1,t)也等于21小时；

计算各NDWI图像的时序贯穿度，具体为：

记ND(q)的时序贯穿度为perpet(q)，获取所述ND(q)在NDWI图像序列中的上一个元素ND(q-1)及其各像素值ND(q-1)[i,j]，在经过无量纲化处理后，perpet(q)的计算公式为：

其中，exp()为计算以自然常数e为底的指数函数，exp(| ND(q)[i,j]-ND(q-1)[i,j] | )是序号q与其前一个序号的NDWI图像中相同行列位置的数值之差取绝对值后的指数化表示，其分母中则是通过遍历i与j于各行列位置中，计算序号q与其前一个序号的NDWI图像中各个相同行列位置的数值之差取绝对值后的指数化表示并进行累加求和，这样可以更好地提取出各个位置对应的归一化水指数随着时间地点改变而改变的数值特征分布规律，TimeGAP(q-1,q)/TimeGAP(1,t)表示序号q与其前一个序号的时刻的时间间隔占总的时间变化间隔(TimeGAP(1,t))的比例，可以提取时间变化的波动程度，结合归一化水指数随着时间地点改变而改变的数值特征分布规律与时间变化的波动程度计算出时序贯穿度，将海岸线的轮廓特征在图像序列上的数据特征突破各时刻贯穿起来，有利于准确捕捉因为时间变化造成潮汐进退而产生模糊的海岸线的轮廓特征，提高了砂质海岸线提取的贴合的精度，时序贯穿度数值越大则表示该张NDWI图像对于海岸线的轮廓特征的响应程度越高，越有利于用于提高提取的精度；

计算NDWI图像序列中各NDWI图像的时序贯穿度的算术平均值作为NDWI图像序列的时序贯穿度阈值，将所述NDWI图像序列中对应的时序贯穿度达到（数值大于或等于）所述时序贯穿度阈值的NDWI图像筛选出来作为超阈值图像，筛选出来后的超阈值图像仍保留其在所述NDWI图像序列中对应的各时序贯穿度；

对每张超阈值图像分别在其每一个像素点的像素值上乘以其对应的时序贯穿度，以此将各张超阈值图像分别转化为时序贯穿度图像，再计算各时序贯穿度图像一并进行哈达玛积相乘后得到的矩阵为累积图像矩阵，（从计算时序贯穿度到计算各时序贯穿度图像一并进行哈达玛积相乘后得到累积图像矩阵，一直广泛使用的都是数值、数组间的乘法，这里利用Hadamard product对各图像矩阵之间进行点对点的数值相乘，也是利用了多个变量相乘的数值线性是连续可导的，由此具有数学分析上的可解释性，这跟基于机器学习、深度神经网络等的非线性非连续可导的不可解释性数学模型是不一样的，这种可解释的数值线性相关对于海岸线提取是更有保障的）；

在所述累积图像矩阵上，对各行列位置的数值通过二值化算法转化为或正或反的数值，然后选出其中转化为正的数值的行列位置的点作为海岸线提取点，其中所述或正或反的数值可以是或0或1的数值、逻辑是与逻辑非、布尔值等可以表示逻辑上相反关系的数值或符号等，具体可为：对各行列位置的数值通过二值化算法（Binarization）或者决策树分类算法（例如，基于Keras的二分类网络、基于sklearn的cart_tree决策树）进行映射转化为或0或1的数值，然后选出其中转化为1的数值的行列位置的点作为海岸线提取点。对比单纯直接就用二值化算法或者决策树分类算法转化然后直接用原始的NDWI图像进行提取海岸线的做法，本发明所述方法在使用了归一化水指数随着时间地点改变而改变的数值特征分布规律与时间变化的波动程度之上，计量了海岸线的周期性数据分布，有利于避开时间影响进一步提高海岸线的准确性。

进一步地，在S400中，根据海岸线提取点得到修正海岸线的方法为：对海岸线提取点通过曲线拟合（Least Squares）或插值（Spline Interpolation）得到的曲线作为所述修正海岸线。

本发明中还包括了一种高分辨率遥感影像的砂质海岸线提取系统，所述一种高分辨率遥感影像的砂质海岸线提取系统运行于桌上型计算机、笔记本电脑、掌上电脑或云端数据中心的任一计算设备中，所述计算设备包括：处理器、存储器及存储在所述存储器中并在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述一种高分辨率遥感影像的砂质海岸线提取方法中的步骤,可运行的系统可包括，但不仅限于，处理器、存储器、服务器集群等。

本公开的实施例提供的一种高分辨率遥感影像的砂质海岸线提取系统，如图2所示，该实施例的一种高分辨率遥感影像的砂质海岸线提取系统包括：处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述一种高分辨率遥感影像的砂质海岸线提取方法实施例中的步骤，所述处理器执行所述计算机程序运行在以下系统的单元中：

图像获取单元，用于获取多个不同时刻的遥感图像；

序列化单元，用于将遥感图像转化为NDWI图像，并将NDWI图像组成NDWI图像序列；

提取单元，用于对NDWI图像序列进行贯穿处理，得到海岸线提取点；

修正输出单元，用于根据海岸线提取点得到修正海岸线。

其中，优选地，本发明中所有未定义的变量，若未有明确定义，均可为人工设置的阈值。

所述一种高分辨率遥感影像的砂质海岸线提取系统可以运行于桌上型计算机、笔记本电脑、掌上电脑及云端数据中心等计算设备中。所述一种高分辨率遥感影像的砂质海岸线提取系统包括，但不仅限于，处理器、存储器。本领域技术人员可以理解，所述例子仅仅是一种高分辨率遥感影像的砂质海岸线提取方法及系统的示例，并不构成对一种高分辨率遥感影像的砂质海岸线提取方法及系统的限定，可以包括比例子更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述一种高分辨率遥感影像的砂质海岸线提取系统还可以包括输入输出设备、网络接入设备、总线等。

所称处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器 (Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列 (Field-Programmable Gate Array，FPGA) 或者其他可编程逻辑器件、分立元器件门电路或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器是所述一种高分辨率遥感影像的砂质海岸线提取系统的控制中心，利用各种接口和线路连接整个一种高分辨率遥感影像的砂质海岸线提取系统的各个分区域。

所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现所述一种高分辨率遥感影像的砂质海岸线提取方法及系统的各种功能。所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序（比如声音播放功能、图像播放功能等）等；存储数据区可存储根据手机的使用所创建的数据（比如音频数据、电话本等）等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡（Smart Media Card, SMC），安全数字（Secure Digital, SD）卡，闪存卡（Flash Card）、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。

本公开提供了一种高分辨率遥感影像的砂质海岸线提取方法及系统，获取多个不同时刻的遥感图像，将遥感图像转化为NDWI图像并将NDWI图像组成NDWI图像序列，对NDWI图像序列进行贯穿处理得到海岸线提取点，根据海岸线提取点得到修正海岸线，有益于提高海岸线的准确性。

尽管本公开的描述已经相当详尽且特别对几个所述实施例进行了描述，但其并非旨在局限于任何这些细节或实施例或任何特殊实施例，从而有效地涵盖本公开的预定范围。此外，上文以发明人可预见的实施例对本公开进行描述，其目的是为了提供有用的描述，而那些目前尚未预见的对本公开的非实质性改动仍可代表本公开的等效改动。

Claims (4)

1.一种高分辨率遥感影像的砂质海岸线提取方法，其特征在于，所述方法包括以下步骤：

S100，获取多个不同时刻的遥感图像；

S200，将遥感图像转化为NDWI图像，并将NDWI图像组成NDWI图像序列；

S300，对NDWI图像序列进行贯穿处理，得到海岸线提取点；

S400，根据海岸线提取点得到修正海岸线；

其中，在S200中，将各个时刻的遥感图像通过计算归一化水指数分别转化为相应的NDWI图像，并将得到的NDWI图像按顺序地组成NDWI图像序列，所述NDWI图像上的像素值在经过灰度化与归一化处理后为属于[0,1]的数值；

在S300中，对NDWI图像序列进行贯穿处理，得到海岸线提取点的方法为：

记所述NDWI图像序列为序列NDseq，所述NDWI图像序列中作为其元素的NDWI图像数量记为t，令所述NDWI图像序列中元素的序号为q，所述多个不同时刻中各时刻的序号与序号q保持一致，所述序列NDseq中序号为第q个的元素为ND(q)；

在所述NDWI图像序列中的各NDWI图像皆为大小为n行m列的图像矩阵，在各NDWI图像中以i为行的序号并以j为列的序号，ND(q)中第i行第j列位置的数值表示为ND(q)[i,j]；

将所述NDWI图像序列中最末的元素的下一个指向最首的元素；

函数TimeGAP(,)表示计算括号中后面序号的时刻距离前面序号的时刻经过的时间间隔；

计算各NDWI图像的时序贯穿度：记ND(q)的时序贯穿度为perpet(q)，获取所述ND(q)在NDWI图像序列中的上一个元素ND(q-1)及其数值ND(q-1)[i,j]，perpet(q)的计算公式为：

计算NDWI图像序列中各NDWI图像的时序贯穿度的算术平均值作为NDWI图像序列的时序贯穿度阈值，将所述NDWI图像序列中对应的时序贯穿度达到所述时序贯穿度阈值的NDWI图像筛选出来作为超阈值图像；

对每张超阈值图像分别在其每一个像素点的像素值上乘以其对应的时序贯穿度，以此将各张超阈值图像分别转化为时序贯穿度图像，再将各时序贯穿度图像一并进行哈达玛积相乘后得到累积图像矩阵；

在所述累积图像矩阵上，对各行列位置的数值通过二值化算法转化为或正或反的数值，其中所述或正或反的数值表示逻辑上相反关系的数值或符号，包括或0或1的数值、逻辑是与逻辑非和布尔值，然后选出其中转化为正的数值的行列位置的点作为海岸线提取点。

2.根据权利要求1所述的一种高分辨率遥感影像的砂质海岸线提取方法，其特征在于，在S100中，所述多个不同时刻中各时刻间的时间间隔相同，所述多个不同时刻中各时刻的排列的顺序为按照时间先后的顺序，其中各张遥感图像分别对应各个时刻，其中每一个时刻有且仅有对应一张遥感图像，所述遥感图像为对海岸线的高分辨率遥感影像。

3.根据权利要求1所述的一种高分辨率遥感影像的砂质海岸线提取方法，其特征在于，在S400中，根据海岸线提取点得到修正海岸线的方法为：将对海岸线提取点通过曲线拟合或插值得到的曲线作为所述修正海岸线。

4.一种高分辨率遥感影像的砂质海岸线提取系统，其特征在于，所述一种高分辨率遥感影像的砂质海岸线提取系统运行于桌上型计算机、笔记本电脑或云端数据中心的任一计算设备中，所述计算设备包括：处理器、存储器及存储在所述存储器中并在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至2中任一项所述的一种高分辨率遥感影像的砂质海岸线提取方法中的步骤。

Images