邱志伟，刘晓霞，章铭诚

（1.江苏海洋大学 海洋技术与测绘学院，江苏 连云港 222005）

由于具有广泛的覆盖范围和全天候的能力，合成孔径雷达（SAR）图像海岸线提取变得越来越受欢迎。与传统的光学遥感和高光谱遥感相比，卫星机载SAR具有全天候的成像能力，特别是可在云层多时拍摄图像。同时，SAR 具有的穿透性使其能获得反映目标微波散射特性的图像，成为获取地物信息的重要方法。由于斑点和对比度不足将导致强大的洋流、阴影或特定的海岸类型（沙质海岸）等，因此高精度的海岸线提取仍是一个具有挑战性的问题。在海岸研究中，遥感技术凭借其独有的广泛检测范围和简单快捷的数据收集能力，成为海岸线研究的重要工具。近年来，国内外许多学者对SAR 图像的海岸线检测方法进行了研究，大致分为4 类：区域方法[1]、阈值方法[2]、马尔可夫随机场方法[3]、人工神经网络方法[4]。本文采用K-means聚类分割法结合形态学处理的方法，利用Canny 算子提取海岸线，并对提取结果进行了分析。

1 基本原理

1.1 K-means 聚类分割

K-means 聚类分割的基本思想是将k个点集中到空间中，并对与其最邻近的物体进行分类。通过迭代的方式使每个聚类中心的值不断更新，直到最佳聚类结果出现，整个更新迭代的过程才会停止。为了简单的理解这个过程，本文将进行一个小实验来演示运算过程。

首先利用randn 函数生成3 个正态分布的随机矩阵，如图1a 所示，称为原始图像；再生成k个随机的聚类中心点，为了简单起见，设置k与矩阵数相同，即k=3；……