准确而快速地确定海岸线的位置、走向和轮廓,在海岸带环境保护、海洋资源管理等方面都有着重要的作用．受海岸线水陆边界特性的影响,在SAR图像中提取海岸线实际上是一个图像分割的过程.这类方法较多，最经典的图像分割方法是一类边缘微分算子，如Sobel算子、Canny算子以及Roberts算子等．虽然这些边缘微分算子算法简单，运算速度较快，但对噪声比较敏感,边缘定位不够准确,缺乏普遍适用性．为了从SAR图像中检测出完整、连续的海岸线,许多研究者作了许多积极的探索,并且也提出了一些行之有效的提取方法．

文献[1]中提出了活动轮廓模型(active contour model,ACM)[1],又称为Snake模型．虽然这种方法能获得连续的海岸线,但是它对初始轮廓比较敏感，而且无法自适应处理边界拓扑关系．文献[2]中提出边界追踪算法，此算法得到的海岸线依赖于对图像中陆地、海洋的分离,因此存在相当大的局限性,一般在精度要求不高的情况下应用．文献[4]中根据文献[3]中给出的界面传播理论,提出了水平集算法．此算法沿袭了活动轮廓法的特点．在此算法中,同样需要给出初始轮廓线,但对初始轮廓线位置的要求比活动轮廓法低．另外由于二维曲线被镶嵌到三维曲面中去,使此方法中数值计算的求解稳定，存在唯一解．但是由于算法在三维曲面中迭代,导致计算量大、复杂度高．文献[5-6]中提出利用Mumford-Shah泛函进行边界检测．该方法大大降低了对初始轮廓位置的限定,而且轮廓曲线具有拓扑自适应能力,可以自动分离或合并,无需额外处理．但是由于在找边界的同时去掉了图像的噪声,虽然这提高了抗噪性能,但降低了边界定位的精度,导致边界定位不准确,而且噪声越大，边界定位的精度越差．文献[7]中提出了一种利用小波变换提取SAR图像海岸线的方法，该方法用小波变换提取海岸线的初始轮廓,再结合块跟踪、局部边缘选择方法以及活动轮廓模型取得了较好的效果,但过程和算法相对复杂．

针对上述问题,文中提出一种基于几何活动轮廓模型的海陆分界线检测方法．该方法结合全局的区域光滑信息作为曲线演化的收敛条件,有利于解决海岸线弱边界的问题．

1 几何活动轮廓模型

1.1 传统的几何活动轮廓模型

几何活动轮廓模型是在Snake模型的基础上发展起来的．根据能量泛函的定义,几何活动轮廓模型基本可以分为边界模型、区域模型．最典型的边界模型为测地几何活动轮廓模型[8],该模型较好地解决了Snakes模型对初始条件敏感、无法自动处理拓扑变化等不足，其能量泛函为[8]：

刘备在白帝城病危时，曾对儿子刘禅说过这样一句话：“勿以善小而不为，勿以恶小而为之。惟贤惟德，能服于人。”刘备的话是要儿子加强自我的修养。然而，当一个人对自己没有自省之心，只知一味为恶，我想我们更应提倡的是“勿以恶小而纵之”。最近的“高铁霸座男”遭网络围观，并被铁路有关部门处以200元罚款，列入乘客不良记录，被限制乘坐所有火车席别，正是社会自净的一种努力，是我们对人性之小恶的一种有效的围追堵截。

 

(1)

式中:为曲线的曲率;α为球形力,控制曲线的收缩与膨胀;φ为水平集函数．

 

(2)

式中，Gσ是方差为σ的高斯核函数．g在图像梯度较大的地方趋于0,在图像梯度较小的地方趋于1．曲线向g趋于0的位置演化,可以有效提取出目标边界．基于水平集方法的测地几何活动轮廓模型能在演化过程中自动处理曲线拓扑变化.文献[9]中也提出了类似的边界模型．事实上,对于低对比度目标边界边缘检测算子不收敛于0,因此演化曲线可以穿越边界．而且边缘检测算子对噪声敏感,造成边界模型的演化曲线容易陷入局部极值,从而产生冗余轮廓．

相对边界模型而言,区域模型利用活动轮廓内部和外部的全局区域信息定义能量泛函,没有使用基于图像梯度的边缘检测算子,更利于SAR图像海岸线检测．基于此,文中方法采用基于区域的几何活动轮廓模型进行SAR图像的海岸线检测．假定图像由目标和背景两个同质区域组成,能量泛函定义[10]:

 

(3)

式中:t1、t2为大于零的常数,用来控制曲线内部和外部能量的权重；c1、c2分别为图像在轮廓划分区域内外的灰度平均值；Ω为目标图像域．

为了更进一步直观观察检测效果,图4为海岸线检测的局部放大结果．从目视角度,仍能清楚看出改进的Canny算子方法、边界追踪算法、传统几何活动轮廓模型方法的检测出的海岸线存在较大的检测误差,而文中算法得到的海岸线检测结果较为理想．

1.2 几何活动轮廓模型的改进

基于区域的几何活动轮廓模型中常采用符号压力函数(signed pressure function,SPF)[11]作为边界停止函数：

(4)

式中：c1、c2分别为图像在轮廓划分区域内外的灰度平均值,当目标图像对比度不高时,该SPF函数将无法分割弱边界．为了解决这一问题,文中用基于局部二值拟合(LBF)模型[12-13]中的一个加权函数f LBF取代式(4)中的给出一个新的SPF函数,定义为：

(5)

式中:加权函数f LBF为逼近曲线内外部区域图像局部强度的光滑函数f1和f2的组合函数．则相应的水平集函数演化方程可以写成：

φ|+

小学语文阅读教学任重而道远，教师在教学的过程中应当启发引导学生积极思考，培养学生解决问题的能力，并且在此过程中，尽可能地关爱学生，让学生快乐学习，健康成长。 教育不能脱离现实生活，学校教育最终要回归现实生活。情感教育的源头是社会生活。人们不会凭空出现某种情感，必定是经历了生活有感而发，文本作者也是为现实生活所触动，将情感融于文字，汇成文章。因此每一篇阅读文章的教学任务中，教师都可让学生联系生活融入自己的情感收获，让学生在生活中追寻生活中的真善美、摄弃情感上的假丑恶，把自己在阅读课堂上收获的高尚道德情操，真正地融入到自己的血液中。

SPFLBF(I(x))·φ x∈Ω

(6)

式中:C为参数化平面曲线;I为已知图像;g为边界停止函数．

文中几何活动轮廓模型的水平集演化过程如图1,具体包括以下步骤:

(1) 初始化水平集函数φ为二值函数.

9、停止抽真空，关闭抽空阀门，缓慢开启储油柜下部及瓦斯继电器两端阀门，将储油柜中的变压器油放入变压器内，并调整油位到合适位置。补油结束后，打开套管升高座、联管等上部的放气塞进行放气，待油溢出时关闭塞子。

 

(7)

式中:k为大于0的常数；Ω0为目标图像域Ω的子集；αΩ0为区域Ω0的边界;

在每个施肥分区单元设置A：专用配方施肥，B：农户习惯施肥，C：空白施肥3个处理，随机区组排列，3次重复，小区面积20 m2，播种81株。试验田间种植图见图1。

(2) 利用LBF模型中f1、f2加权函数组合fLBF以及SPFLBF计算出最简的水平集演化方程.

φ| x∈Ω

(8)

(3) 当φ>0时,令φ=1;否则令φ=-1.

小麦皮蓟马危害小麦花器，灌浆乳熟时吸食麦粒浆液，使麦粒灌浆不饱满，严重时麦粒空秕。还可为害麦穗的护颖和外颖，颖片受害后皱缩、枯萎、发黄、发白或呈黑褐斑，被害部极易受病菌侵害，造成霉烂、腐败。

(4) 用SBGFRLS水平集方法[11,14]计算出

 

(9)

式中:φ和φn+1分别为第n次和第n+1次迭代得到的φ值；是方差为t的高斯核函数．

有研究表明,银杏外果皮多糖具有提高免疫力、清除自由基、抗衰老、抗炎及抗肿瘤作用[11-15],银杏外果皮内所含酚酸类化合物具有抗肿瘤活性[9-10],银杏外果皮提取物亦具有抑制真菌生长的活性[16-17]。鉴于溶剂冷浸法所得银杏外果皮富含酚类化合物,笔者对其体外抗氧化活性进行了检测。研究结果表明,银杏外果皮挥发油对DPPH和ABTS自由基均显示出一定的清除活性,但明显弱于阳性对照维生素C,这是首次测定了银杏外果皮挥发油成分的体外抗氧化活性。该研究结果为银杏外果皮的综合利用提供了科学依据。

(5) 检验φ是否收敛于零,如果不收敛,则返回步骤(2)．

  

图1 水平集演化过程Fig.1 Evolution process of level set

文中的几何活动轮廓模型结合了全局的区域光滑信息作为曲线演化的收敛条件,可以有效解决斑点噪声对SAR图像海陆边界线分割的影响．对符号压力函数的改进,可以解决海岸线弱边界问题．此外,在水平集演化的过程中用SBGFRLS水平集方法可以获得较快的收敛速度．文中选用简单的网格采样点获得海岸线边界的初定位作为曲线演化的初始轮廓,不仅可以减少算法迭代的时间,而且在一定程度上可以减少模糊边界带来边界泄露的可能,从而可以获得比较准确的检测结果．

为了减少SAR图像中斑点噪声对海岸线检测结果的影响,文中先对SAR图像进行预处理．为了缩短几何活动轮廓模型演化时间,文中用若干小圆盘作为SAR图像海岸线的初始轮廓,如图2．具体过程为采用一个数值矩阵和经过预处理的目标图像进行卷积处理;在经卷积处理后的SAR图像中用网格采样点函数[15]生成网格采样点;在得到的网格中创建半径为9个像素的圆盘．

2 SAR图像海岸线检测

2.1 初始轮廓的获取

我们除了可以使用自然的暗角控制画面视觉平衡之外，还可以使用更醒目、浓重的个性化暗角给画面加入当下流行的复古风效果。单纯从操作上来说这个效果并不复杂，只需要把影调的调整值设置得更高一些，然后降低滤镜的羽化半径，使暗角范围更加明显。

  

图2 初始轮廓Fig.2 Initial contour

2.2 海岸线的精确提取

将文中的方法、改进的Canny算子方法[16]、边界追踪算法[2]及一种传统的几何活动轮廓模型方法[17]进行比较．以人工方式标注海岸线,并定义如下:错误像素为漏检像素与误检像素之和;正确像素为检测结果与误检像素之差;错误率为错误像素个数与人工标注像素个数之比;正确率为正确像素个数与人工标注像素个数之比．一个理想的检测方法必须要有高正确率和低错误率．

  

图3 海岸线提取过程Fig.3 Extraction process of coastline

读取SAR图像,并进行预处理;对SAR图像进行卷积处理、生成网格采样点,然后在网格采样点中画多个小的圆盘作为海岸线的初始轮廓;将海岸线初始轮廓作为几何活动轮廓模型的输入，利用改进的符号压力函数作为几何活动轮廓模型的边界停止条件，并利用高斯滤波器快速初始化二值化的水平集函数,将得到的海岸线进行矢量化处理,得到连续的海岸线．

3 实验与分析

海岸线精确提取过程如图3，步骤如下:

知识可视化包括两个内容：知识可视化和知识可视化制作技术。通过对知识可视化过程的介绍，让学生了解到知识可视化是经过传播者对知识的解读，选择可视化形式，形成知识可视化。通过学习，学生知道了在知识可视化的形成中融入了传播者的主观因素，理解了网络世界与客观真实世界的不同。这个观念的形成对于正确地解读、判断网络信息至关重要。

改进的Canny算子方法能检测出连续的边缘点,但是误检像素较多,导致较高的错误率;边界追踪算法、传统的几何活动轮廓模型方法误检像素、漏检像素都较多,导致较高的错误率;文中方法具有较高正确率及较低错误率,检测结果较好,详见表1．

 

表1 算法检测性能比较Table 1 Algorithm detection performance results

  

项目改进的Canny算子边界追踪算法传统几何活动轮廓模型文中方法检测结果/像素707789906681误检/像素15818431153漏检/像素114586835错误率/%41.036.557.213.3正确率/%82.891.389.794.7

注：海岸线有663个像素.

传统的几何活动轮廓模型方法和文中的几何活动轮廓模型的迭代次数和运算时间的比较，对于大小为497×304的图像，传统的几何活动轮廓模型方法迭代1 212次,运算时间为267.975 s;而文中方法由于用小圆盘作为海岸线的初始轮廓减少了迭代次数及检测时间,文中方法迭代次数为177次,运算时间为44.415 s ．

可以看出该模型中结合了图形的全局信息,其能量函数和图像的梯度无关,既适用于边界光滑图像边缘的提取也适用于边界不连续的．但是不适用于目标和背景灰度区分不明显的图像．此外,尽管边缘检测对演化曲线的初始位置不敏感,但是演化速度仍然依赖于演化曲线的初始位置,而且它必须周期性重新初始化水平集函数,一定程度上增加了边缘检测的时间及计算复杂度．

  

图4 局部海岸线检测结果Fig.4 Detection results of local coastline

4 结论

为了快速有效从SAR图像中检测出海岸线,文中提出了一种基于几何活动轮廓模型的SAR图像海岸线检测方法．通过分析海岸线的检测结果,可以得出以下结论:

兽医临床上,随着抗生素的大量使用,细菌耐药性问题逐渐凸显。与抗生素相比,溶葡萄球菌酶专一降解细菌细胞壁肽聚糖成分中的甘氨酸肽键,使细菌因细胞壁溶解而死亡。因为独特的杀菌机制和纯生物特性,使其不易产生耐药性和毒副作用。加上溶菌酶的复配,不仅扩大了杀菌谱,还增强了溶葡萄球菌酶的杀菌效率[10]。

(1) 通过对SAR图像的预处理,减小了斑点噪声对海岸线检测结果的影响;

(2) 对SAR图像进行卷积处理、生成网格采样点,然后在所述的网格采样点中画多个小的圆盘作为海岸线的初始轮廓,实现了海岸线的粗定位,减少了水平集演化迭代的次数;

(3) 利用结合区域信息的改进符号压力函数作为几何活动轮廓模型的边界停止条件并对海岸线进行精确提取,可以更加有效解决SAR图像中海岸线弱边界问题,使得检测出的海岸线更加准确．

大量实验检测数据表明,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,其迭代次数和检测准确度都得到了进一步提升,显示出该方法的有效性．

参考文献(References)

[ 1 ] KASS M, WITKIN A P, TERZOPOULOS D. Active contour models[J]. International Journal of Computer Vision, 1987, 1(4):321-331.

[ 2 ] LEE J S, JURKEVICH I. Coastline detection and tracing in SAR images[J]. IEEE Transactions on Geoscience and Remote Sensing, 1990(4): 662-668. DOI:10.1109/tgrs.1990.572976.

[ 3 ] OSHER S, SETHIAN J A. Fronts propagating with curvature-dependent speed: algorithms based on Hamilton-Jacobi formulations[J]. Journal of Computational Physics, 1988, 79(1): 12-49. DOI:10.1016/0021-9991(88)90002-2.

[ 4 ] MALLADI R, SETHIAN J A, VEMURI B C. Shape modeling with front propagation: a level set approach[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 1995, 17(2): 158-175. DOI:10.1109/34.368173.

[ 5 ] TSAI A, YEZZI A, WILLSKY A S. A curve evolution approach to smoothing and segmentation using the Mumford-Shah functional[C]∥Proceedings IEEE Conference on Computer Vision and Pattern Recognition.[S.l.]:IEEE，2000：119-124.DOI:10.1109/cvpr.2000.855808.

4.2 冻害后采取人工辅助授粉的，效果显著人工辅助授粉提高了未受冻残留花的坐果率，明显减轻了产量损失。凤翔县范家寨镇盐坎村魏明田就是这样做的。他的3亩矮化中间砧短富苹果园套袋6万只，仅比去年少4 000只，2018年价格比上年提高1.5元/kg，实现收入9万元，收入比上年还略有增加。

[ 6 ] TSAI A, YEZZI A, WILLSKY A S. Curve evolution implementation of the Mumford-Shah functional for image segmentation, denoising, interpolation, and magnification[J]. IEEE Transactions on Image Process, 2001,10(8):1169-1186.DOI:10.1109/83.935033.

[ 7 ] NIEDERMEIER A, ROMANEESSEN E, LEHNER S. Detection of coastlines in SAR images using wavelet methods[J]. IEEE Transactions on Geoscience and Remote Sensing, 2000, 38(5): 2270-2281. DOI:10.1109/36.868884.

[ 8 ] CASELLES V, KIMMEL R, SAPIRO G. Geodesic active contours[J]. International Conference of Computer Vision,1997,22(1):61-79.

[ 9 ] MALLADI R, SETHIAN J A, VEMURI B C. Shape modeling with front propagation: a level set approach[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 1995, 17(2): 158-175. DOI:10.1109/34.368173.

[10] CHAN T F, VESE L A. Active contours without edges[J]. IEEE Transactions on Image Process, 2001, 10(2): 266-277. DOI:10.1109/83.902291.

[11] ZHANG K, ZHANG L, SONG H, et al. Active contours with selective local or global segmentation: a new formulation and level set method[J]. Image and Vision Computing, 2010, 28(4): 668-676. DOI:10.1016/j.imavis.2009.10.009.

[12] LI C, KAO C Y, GORE J C, et al. Implicit active contours driven by local binary fitting energy[C]∥Conference on Computer Vision and Pattern Recognition.[S.l.]：IEEE 2007：1-7.DOI:10.1109/cvpr.2007.383014.

节约利用土地 助推转型升级 实现生态修复（汪月萍） ...................................................................................4-49

[13] LI C, KAO C Y, GORE J C, et al. Minimization of region-scalable fitting energy for image segmentation[J].IEEE Transactions on Image Process,2008,17(10):1940-1949.DOI:10.1109/TIP.2008.2002304.

[14] ZHU G. Boundary-based image segmentation using binary level set method[J]. Optical Engineering, 2007, 46(5): 050501. DOI:10.1117/1.2740762.

[15] CHAN T F, SANDBERG B Y, VESE L A. Active contours without edges for vector-valued images[J]. Journal of Visual Communication and Image Representation, 2000, 11(2): 130-141. DOI:10.1006/jvci.1999.0442.

还比如在学习用公因数和公倍数解决问题当中，很多学生容易弄混这两种不同的类型，比如在人教版数学书81页练习十二中的这道习题：

[16] HUO Y K, WEI G, ZHANG Y D, et al. An adaptive threshold for the Canny operator of edge detection[C]∥International Conference on Image Analysis and Signal Processing.[S.l]:IEEE, 2010:371-374.

[17] 沈琦, 汪承义, 赵斌. 几何活动轮廓模型用于高分辨率遥感影像海岸线自动提取[J]. 复旦学报(自然科学版), 2012, 51(1): 77-82.

法国社会学家布迪厄认为社会资本就是社会成员的朋友圈、交往圈，是社会成员或社会群体借助社会关系组成的可持续社会网络而收获的社会资源。[6]这种社交红利可能体现在线上，也可能转移到线下；可能体现为线上的关注度，也可能体现在线下的物质收益。近期处于风口浪尖上的拼多多，带着“拉人砍价”的社交属性，以备受争议的姿态闯入了越来越多人的视野当中。

SHEN Qi, WANG Chengyi, ZHAO Bin. Automatic waterline extraction in VHR imagery using geometric active contour model [J]. Journal of Fudan University(Natural Science), 2012, 51(1): 77-82. (in Chinese)