Automated Coastline Extraction Using Edge Detection Algorithms

我们分析了边缘检测算法在自动提取卫星图像海岸线方面的有效性。我们比较了四种算法——Canny、Sobel、Scharr和Prewitt，通过视觉和指标进行比较。Canny算法检测到的边缘与参考边缘最接近，平均SSIM为0.8。但是，该算法难以区分嘈杂的边缘（例如由于开发引起的）和海岸线边缘。此外，直方图均衡化和高斯模糊被证明可以分别将边缘检测算法的有效性提高1.5和1.6倍。

比较四种边缘检测算法在从卫星图像中提取海岸线的有效性，探讨如何提高算法的准确性。

通过比较Canny、Sobel、Scharr和Prewitt四种算法的表现，发现Canny算法的SSIM平均值最高，但在区分海岸线和噪声边缘方面存在困难。同时，研究发现直方图均衡化和高斯模糊可以分别将算法的有效性提高1.5和1.6倍。

实验中使用了SSIM指标和可视化结果来比较算法的表现，同时研究了直方图均衡化和高斯模糊对算法有效性的影响。值得进一步研究的工作包括如何更好地区分海岸线和噪声边缘，以及如何将这些算法应用于更大范围的卫星图像中。

最近的相关研究包括基于深度学习的图像分割算法和基于机器学习的边缘检测算法。其中，与本文最相关的研究包括“基于改进的Canny算法的海岸线提取”和“卫星图像海岸线提取的自适应边缘检测算法”。