海岸带池塘养殖作为一种重要的水产养殖方式在全球的食品、营养和经济效益方面发挥着重要作用,然而也给海岸带生态环境的可持续性带来了巨大的挑战。因此,迫切需要对池塘养殖进行有效的动态监测,以实现可持续的渔业用海管理。遥感技术可以为养殖池监测提供重要手段,特别是中等分辨率遥感图像能够实现大范围的地物覆盖,然而由于其分辨率较低导致养殖池边缘较弱以及附近诸如海洋等其它水体干扰的存在,给提取养殖池带来了较大困难。在光学遥感中养殖池提取通常采用的分类方法,需要依赖大量训练样本和费时的训练过程,且移植性较差,因此有必要研究人工参与少且移植性好的提取算法。而已有的合成孔径雷达图像(Synthetic Aperture Radar,SAR)养殖池提取方法,目前需要利用较多的辅助数据,因此有必要研究不需要辅助数据并人工参与少的提取算法。另外也有必要分析两类提取算法与已有算法的提取性能优势。因此,本文分别从中等分辨率的多光谱图像Landsat-8和SAR图像Sentienl-1出发,研究了海岸带养殖池的提取算法。本文主要研究内容如下:(1)给出了一种联合指数法和简单线性迭代聚类(Simple Linear Iterative Clustering,SLIC)的Landsat-8多光谱图像养殖池提取算法。为了避免像素的椒盐噪声和异物同谱的问题,该算法采用超像素作为研究基元,给出一种边缘断点连接策略形成闭合轮廓目标,并用其去引导超像素的生成:通过自动挑选海陆种子点构建基于归一化差异水体指数(Modified Normalized Difference Water Index,MNDWI)的线性混合模型和α水分数模型来解决水体指数阈值人工选取的问题;最后通过给出一种整合边缘特征和光谱特征的区域合并准则来去除海洋干扰目标。实验选择具有时间和空间差异的渤海、辽宁、山东和广东四个地区,通过Kappa指数和交并比(Intersection Over Union,IOU)两种性能指标与已有方法进行实验对比,本文算法的Kappa指数与对比方法相近,IOU比对比方法高出5%左右。针对Landsat-8图像,实验表明此算法不需要人工参与,同时通过针对不同地区的养殖池进行的提取实验,验证了此算法的可移植性,养殖池提取性能优于对比算法。(2)给出了一种Radon变换多特征融合的Sentinel-1 SAR图像海岸带养殖池提取算法。为了大幅提高海岸带养殖池的提取效率,给出一种基于Sentinel-1整幅图像的海岸线检测算法,通过海岸线自动确定海岸带的范围;为了解决光学图像中密集型养殖池提取难的问题,首次将Radon变换引入到养殖池的提取中,并分析Radon变换特征的特点,从极角的标准差、极径的等差数列匹配度、极角直方图的熵和极角直方图的中心聚集度四个方面来构建养殖池的特征;最后给出一种基于Radon变换直线数规则的构建方法,来实现Sentinel-1图像的养殖池提取。实验选择具有空间差异的渤海和广东两个地区,通过Kappa指数和IOU两种性能指标与已有方法进行实验对比。本文算法相比于对比方法Kappa指数和IOU均能有3%以上的提升,验证了本文算法相对于已有算法的性能优势,并且此算法不需要辅助数据,并具备人工参与少的优势。