沙丘移动是导致风蚀沙漠化的主要原因之一,通过提取沙丘脊线等形态信息可以求得沙漠的地貌格局参数。在风沙动力学研究中,遥感影像中的沙丘脊线主要以目视解译和手动跟踪的方法进行提取。虽然这种方法比较准确,但仅适用于小范围的研究区域,对于沙漠这样的大面积区域难以开展整体研究,且工作量和时间耗损大。因此,在对沙漠地貌格局的研究中,快速自动化提取沙丘脊线成为重点研究问题。利用沙丘脊线两边的区域在遥感影像中成像的灰度差异特性,可以通过对沙丘图像进行边缘检测提取沙丘脊线。本文以腾格里沙漠为研究区域,对沙丘脊线的自动提取算法进行研究,主要工作如下:1、构建了一个用于沙丘脊线提取的遥感图像数据集,数据集共包含4665张大小为256×256的Google遥感图像。2、提出一种基于Faber Schauder小波和改进自适应阈值的沙丘脊线提取方法。首先对图像进行Faber Schauder离散小波变换,然后基于改进的自适应阈值算法对变换系数进行分类,提取位于图像边缘点处的极值系数,最后连接边缘点得到沙丘脊线提取结果。3、提出一种基于改进的数学形态学和小波自适应阈值的沙丘脊线提取方法。首先对图像进行提升小波分析,然后对图像的低频分量采用改进的多结构元素形态学算子提取边缘,对高频分量采用基于小波模极大值和改进的分块自适应阈值算法提取边缘,最后将边缘图像进行融合得到最终的沙丘脊线提取结果。4、在构建的Google沙丘数据集上对提出的算法进行实验仿真,并将提出的算法与其他边缘检测算法进行对比。实验结果证明本文算法得到的沙丘脊线提取结果与遥感图像目视解译的结果具有较高的匹配程度,可以应用于风沙动力学的研究中。