文献类型：期刊文献

中文题名：一种新的海岸线提取模型

英文题名：A new coastline extraction model

作者：郭海瑞[1];仉天宇[1,2,3];曹瑞雪[1,2,3]

机构：[1]广东海洋大学海洋与气象学院近海海洋变化与灾害预警技术实验室,广东湛江524088;[2]广东海洋大学陆架及深远海气候、资源与环境广东普通高校重点实验室,广东湛江524088;[3]广东海洋大学自然资源部空间海洋遥感与应用重点实验室,广东湛江524088

年份：2026

期号：1

起止页码：47

中文期刊名：测绘通报

外文期刊名：Bulletin of Surveying and Mapping

收录：北大核心2023、、北大核心

基金：国家重点研发计划(2021YFC3101801);国家自然科学基金重大研究计划(92158201);国家自然科学基金面上项目(42476219);山东省创新发展研究院智库项目;国家外专项目(S20240134);广东省教育厅创新团队项目(2023KCXTD015)。

语种：中文

中文关键词：遥感影像;海岸线提取;边缘检测神经网络;灰色理论;伪边缘

外文关键词：remote sensing imagery;shoreline extraction;edge detection neural network;grey theory;pseudo-edges

中文摘要：在海陆交界区域,由于环境复杂多变,遥感影像的海陆边界光谱没有明显区分度,导致精准确定海岸线位置变得困难。针对该问题,本文构建了一种融合边缘检测神经网络与灰色理论的海岸线提取模型(EGOM)。该模型首先使用多尺度模块组SEM,有效捕捉多尺度特征;然后借助跨分辨率局部融合和二次融合机制,对边缘预测图进行优化;最后引入基于灰色理论的伪边缘剔除策略。试验结果表明,该模型平均偏移量为18.89 m,均方根误差为21.05 m,且能够有效去除伪边缘,整体性能优于其他几种海岸线提取方法。

外文摘要：In the area at the junction of land and sea in remote sensing images,due to the complex and changeable environment,the spectra of the boundary between land and sea are not clearly distinguishable,which makes it difficult to accurately determine the location of the coastline.To solve this problem,this paper constructs a coastline extraction model(EGOM)that integrates an edge detection neural network and grey theory.The model uses a multi-scale module group SEM,which can effectively capture multi-scale features.With the help of cross-resolution local fusion and secondary fusion mechanisms,the edge prediction map is optimized.Finally,a pseudo-edge culling strategy based on grey theory is introduced.Experimental results show that the model has an average offset index of 18.89 m,a root mean square error of 21.05 m,and can effectively remove pseudo-edges.Its overall performance is better than several other coastline extraction methods.