基于TM影像的平原湖泊水体信息提取的研究

合集下载

基于TM影像的水体信息提取算法研究

３期
毕硕本，等：基于ＴＭ影像的水体信息提取算法研究
２０１３年８月２６日收到国家自然科学基金项目（４１０７１２５３）、
图像预处理
图像波段组合
图像拼接剪裁
』
信息提取（图像分割）水体信息分割山体噪声去除
上
提取结果再处理形态学运算中值滤波
、ｒ
中图法分类号ＴＰ３９１．４１；
文献标志码
Ａ
各种地物对电磁波的反射不同，以及其热辐射也不完全相同。对于水体来说，细小水体由于其水
陆分界相对不明显，提取比较困难。同时，正确处理
山体阴影的影响也变成了水体信息提取中重要的
环节。
间关系的水体信息提取算法。在提取水体信息的过程中，重新比较水体与地物在各波段的分布情况，结合数学形态学方法、图像去噪等手段对提取结果进行进一步处理，以提高精度。
针对不同的地貌特点及水文条件，人们提出了
１ＴＭ影像水体信息提取流程
提取结果检验目视校验性能比较
图１基于ＴＭ影像进行水体信息提取流程图
ＴＭ图像预处理中，主要是图像图景数据的拼
接以及根据目标区域边界进行裁剪。信息提取阶
国家自然科学基金项目（４１２７１４１０）资助第一作者简介：毕硕本（１９６５一），男，山东潍坊人，教授，博士生导

TM影像中水体提取方法研究

ｓａｅｔｏｓｒｔａｍｏｅｏｐｉｋｕｐｓｌｔｒｂｏｉｓＦｉｌｙ．ｔｅｒｓｌｓｏｈｗｏｍｅｈｄｒｎｅｒｔｄａｈｕｈｅｗａｅ — ｏｅｐｃｏｃｎｔｕｃｄｌｔｃｍａｌｗａｅ — ｄｅ．ｎａｌｈｅｕｔｆｔｅｔｔｏｓｗｅｅｉｔｇａｅｎｄｔｓｔｔｒｂｄｉｓｃｌｂｉｋｄｕｐｃｍｐｅｅｙＴｉｅｈｄｉｐｏｖｓｔｃｕｒｃｆｓａｌｗａｅ — ｏｙｐｉｋｎｇｕａｌｅｐｃｅｏｌｔｌ．ｈｓｍｔｏｍｒｅｈｅａｃａｙｏｍｌｔｒｂｄｃｉ — ｐ．
维普资讯
第２卷第４期８２００６年８月
西南农业大学学报（自然科学版）
ＪｕｎｌｏｏｔｗｅｔＡｇｉｕｌｒｌＵｎｖｒｉｏｒａｆＳｕｈｓｒｃｔａｕｉｅｓｔ
，
ｐｐｒｉｔｄｃｓａｎｗｗｔｒｂｄｎｏａｉｎｐｃｉｇｕｔｏ．ｉｔｈｏｕａＴ２＋ＴＭ３＋Ｔ４＋ＴＭ５ｗａｓｄｔｉｋｕａｅｒｕｅｅａｅｏｙｉｆｒｔｉｋｎ — ｐｍｅｈｄＦｒ，ｔｅｆｒｌＭｎｏｍｏｓｍＭｓｕｅｏｐｃｐｒｓｒｏｒ，ｐｎｓａｄｂｏｄｒｅｓｅｅｖｉｓｏｄｎｒａｖｒ．Ｔｅｈａｓｏｏｙｔｅｉｅｐｃｍｐｓｄｏｅ３ｂｎｖｓｗａｏｖｒｅｎｏＨＩｏｏｆｌｉｈｎｔｅｆｌｅｃｌｒｓｎｈｓｄｍａｏｏｅｆｔａｄｗａｅｓｃｎｅｔｄｉｔＳｃｌｒｚｈｕ

一种基于ERDAS软件在TM影像中提取较小水体的方法

一
章重
ＺｈａＺｈｎｇｎｇｏ
（东华理工大学测绘工程学院，江西抚州３４０）４００
（ｓｔｔｏｕｖｙｎｄｐｉｇＥｇｎｅｎ，ａｔｈｎｓｔｔｆｅｈｏｏｙＪｎｘｕｈｕ３４０）ＩｔｕｅｆＳｒｅｉｇａｐｎｎｉｅｒｇＥｓＣｉａｔｕｅｏｃｎｌｇ，ｉｇｉｚｏ４００ｎｉｎＭａｉｎＩｉＴａＦ
摘要：本文对从ｌｄａ影像中提取细小水体的方法作了研究，ａｓｎｔ基于ＥＤＳ软件用新的识别方法提ＲＡ取较小水体。利用谱间模型提取Ｔ影像中较大水体，Ｍ再将Ｔ影像中某３Ｍ个波段组成的假彩色合成图转换到ＩＳＨ彩色空间，构建模型提取细小水体，并与前者识别结果进行叠加，获得较好效果，证明在实际中可用。关键词：ＲＳ较小水体；间模型；ＥＤＡ；谱ＩＨＳ模型
中图分类号：Ｐ９Ｔ３１文献标识码：Ａ文章编号：６１７２（０２１０７．４１７－９．１）—０２０４２
ＡｂｔａｔＴｈｔｏｆｍａｌｔｒｅｔａｔｎｉｉｃｓｅｉｐｐｒｕｉｇａｎｗｔｏａｅｎＥｓｒｃ：ｅｍｅｈｄｏｌｗａｅｘｒｃｉｄｓｕｓｄｉｔｓａｅ，ｓｎｅｍｅｈｄｂｓｄｏＲ－ｓｏｓｎｈ
误提取出来。
辨率）的识别由地物阴影的干扰有着一定的局限
性。
通过对研究区水体、阴影、植被及居民地等地物
光谱特征的统计、分析，如表一、图一所示，从中可发

环境减灾小卫星影像水体和湿地自动提取方法研究

亮度
均
ＨＪ２
ＨＪ３
ＨＪ４
２．Ｏ７５
３５１７
．
３．１６７
４６８．８
４．６７８
６４．２５
３＿Ｏｌ６
３．５９８
３．７４４
１３１８．
２．９５５．２２１５．５８４４．５２３６９．２．６４９
ｓｉｓｓｏｄｔａｏｎｙｔｅｌｒｅｗａｅｏｉｓｂｔｌｏｓｌｗａｅｏｉｓａｄｗｅｌｎｓｃｕｄｂｉｉｅｎｔｅＮＤＷＩＢｉｕｔｈｗｅｈｔｎｔｏｌｈｇｔｒｂｄｅｕｓｍａｌｔｒｂｄｅｎｔｄｏｌｅｄｖｄｄｏｈａａａ－ｍ—
ｓｔｌｔｓＣＣｉｇｓａｅｌｅＤｍａｅ．ｉ
ＫｅｒｓｗａｅｏｉｓｅｔａｔｏＨＪｓｔｌｔｓｗａｅｎｅｙｗｏｄ：ｔｒｂｄｅｘｒｃｉｎ；ａｅｌｅ；ｔｒｉｄｘｉ
１引言
我国是个自然灾害多发的国家，其是洪涝灾尤害，乎年年发生，常造成大量人员伤亡以及巨大几常
ｓｕｉｄａｄａｍｏｉｅｏｍａｉｅｉｅｅｃｔｒｉｄｘｂｓｄｏｕｉｈ（ｔｄｅ，ｎｄｆｄｎｒｌｄｄｆｒｎｅｗａｅｎｅａｅｎＢｌｅｌｔＮＤＷＩＢ）ｗａｒｄｃｄＩｒｅｏｐｏｅｉ，ｉｚｆｇ－ｓｐｏｕｅ．ｎｏｄｒｔｒｖｔＥＴＭｍａｅｒｌｏｕｅｏｇｎｒｔｉｇｓｗｅｅａｓｓｄｔｅｅａｅＮＤＷＩＢａｄｎｒｌｅｉｅｅｃｔｒｉｄｘ（－ｎｏｍａｉｄｄｆｒｎｅｗａｅｅＮＤＷＩｆＭｃｅｔｒ１６）Ｔｈｅｚｆｎ）ｏｆｅｅｓ（９６．ｅｒ—

高分辨率遥感图像中的水体提取方法研究与实验

高分辨率遥感图像中的水体提取方法研究与实验[导言]在当今社会，高分辨率遥感图像在水资源管理、环境保护、城市规划等方面发挥着重要作用。

而水体提取是高分辨率遥感图像处理中的一项关键任务。

本文将对高分辨率遥感图像中水体提取的方法进行研究，并进行实验验证。

[引言]高分辨率遥感图像中的水体提取是指从遥感图像中准确、自动地识别和提取出水体区域。

水体提取在许多领域中都有着重要的应用，如水资源管理、环境监测、水生态研究等。

然而，由于高分辨率遥感图像中水体与周围地物的差异不大，水体提取一直是一项具有挑战性的任务。

[主体部分]一、传统方法传统的水体提取方法主要基于图像的颜色、纹理和形状等特征。

通过设定特定的阈值或使用像素级分类算法，传统方法可以得到比较准确的水体提取结果。

然而，由于高分辨率遥感图像中的水体与周围地物在颜色、纹理上差异不大，传统方法对于复杂背景下的水体提取效果较差。

二、基于机器学习的方法随着机器学习技术的发展，基于机器学习的水体提取方法逐渐得到应用。

常用的机器学习算法包括支持向量机（SVM）、随机森林（Random Forest）以及深度学习方法如卷积神经网络（Convolutional Neural Network，CNN）等。

1. 支持向量机（SVM）支持向量机是一种常用的机器学习方法，其在图像分类和目标识别中有广泛应用。

在水体提取中，SVM可以根据图像的特征学习水体和非水体之间的分界面，并根据学习到的分类模型自动提取水体区域。

通过合理选择特征和优化分类模型，SVM在水体提取中可以取得较好的效果。

2. 随机森林（Random Forest）随机森林是一种集成学习算法，通过构建多个决策树并综合它们的结果来达到更好的分类效果。

在水体提取中，随机森林可以根据图像特征学习水体和非水体之间的区别，并通过综合多个决策树的结果来提取水体区域。

相比于SVM，随机森林更加适用于复杂地形和背景的水体提取。

3. 卷积神经网络（CNN）卷积神经网络是近年来在图像处理领域取得突破性成果的深度学习算法。

基于随机森林算法的水体范围智能提取方法及应用研究

基于随机森林算法的水体范围智能提取方法及应用研究基于随机森林算法的水体范围智能提取方法及应用研究摘要：随着环境保护的日益重视和水资源的精确管理需求，对水体范围的智能提取方法进行研究具有重要的实际意义。

本文基于随机森林算法，提出了一种水体范围智能提取的方法，并在实际应用中进行了验证。

结果表明，该方法能够有效地提取水体范围，并且具有较高的识别精度和稳定性。

1. 引言水是人类生活和经济发展的基础资源，对水的准确管理和合理利用具有重要意义。

而水体范围的智能提取则是管理水资源的前提和基础。

2. 相关工作在水体范围的智能提取研究中，图像处理和机器学习技术得到了广泛应用。

传统的图像处理方法通常依赖于像元级别的特征提取和分类，但存在着计算复杂度高、准确率低和泛化能力差等问题。

机器学习算法则通过对大量样本数据的学习和判断，能够更有效地进行水体提取。

3. 方法描述本文所提出的水体范围智能提取方法基于随机森林算法。

随机森林是一种集成学习算法，通过构建多个决策树对数据进行分类或回归。

具体实施步骤如下：（1）数据预处理：对输入的遥感影像进行预处理，包括影像辐射定标、大气校正和影像配准等。

（2）特征提取：提取影像的空间、光谱和纹理等特征，并进行特征选择，选取与水体范围相关的特征。

（3）训练随机森林模型：使用标记的训练样本数据，通过随机森林算法进行模型训练，并进行参数优化。

（4）水体提取：将待提取的遥感影像输入到已训练好的随机森林模型中，通过对每个像素进行分类，得到水体的范围提取结果。

（5）水体边界修正：对提取结果进行后处理，进行水体边界的平滑和修正，以提高结果的准确度。

4. 实验与结果为验证所提出方法的有效性，本研究选择某地区的遥感影像进行实验。

经过实验和对比，结果表明，所提出的基于随机森林算法的水体范围智能提取方法能够较好地提取水体，并且具有较高的识别精度和稳定性。

5. 应用研究本文所提出的水体范围智能提取方法在水资源管理、环境监测和城市规划等方面具有广泛的应用前景。

遥感影像水体提取研究综述

遥感影像水体提取研究综述在过去的几十年里，随着远程感测技术的发展，遥感技术已经成为研究地理空间环境和自然资源的理想方法。

其中最令人瞩目的是水体提取技术。

在水体影像中，大量的水体和陆地目标可以被识别出来。

它能帮助用户分析水体类型、水体分布、水体面积和其他重要信息。

本文综述了近年来在遥感影像水体提取技术方面的研究，旨在帮助研究人员了解最新的水体提取技术。

一、遥感影像分类技术文献综述发现，遥感影像分类技术在水体定位技术中发挥了重要作用。

它能确定水体的边缘，这有助于提取水体。

分类技术可以提取地物的像素分布，使用多光谱、多角度和高分辨率影像来进行分类，从而获得更加精确的结果。

传统的分类技术包括像素分类、支持向量机（SVM）、最大熵和朴素贝叶斯，也被称为机器学习方法。

另外，最近的研究表明，深度学习技术，特别是卷积神经网络（CNN），在水体提取方面具有很高的性能。

二、特征提取技术特征提取技术是一种重要的水体提取技术，它包括局部特征检测和全局特征提取。

局部特征检测（如轮廓、梯度、窗口大小等）可以提取水体特有的形状和结构信息，从而更准确地识别水体。

全局特征提取技术，如影像聚类分析、颜色直方图、图像矩阵和图像熵等，可以提取出图像的更为抽象的特征，这有助于更准确地识别水体。

三、综合技术结合现有技术，一些研究者提出了基于综合技术的水体提取方法，例如基于统计和机器学习的综合方法及其应用，基于统计学习的综合模式，基于统计的综合技术和基于支持向量机的综合技术。

这种技术不仅能够有效地提取水体，还能够实现水体和非水体的分类，使得整个系统的准确率更高。

四、未来研究未来的研究需要深入探讨遥感影像水体提取技术的可行性和可靠性，重点探讨智能化技术，如深度学习技术、计算机视觉和机器学习方法，以及遥感影像分类技术和特征提取技术。

同时，未来也将重点研究低光强度环境下的水体提取技术和多光谱影像技术，以及处理复杂环境中的水体遥感影像技术，以获取更准确的水体边界。

七波段TM影像分类问题的研究

遥感图像是按一定的比例尺,客观真实地记录和反映地表物体的电磁辐射的强弱信息,是遥感探测所获得的遥感信息资料的一种表现形式。

在遥感图像技术的研究中,无论是专业信息提取,运动变化预测,还是专题地图制作和遥感数据库的建立等都离不开分类。

随着近年来计算机技术的飞速发展,计算机识别分类成了遥感技术应用的一个重要组成部分。

遥感图像数据类别多,合混度大,如何解决多类别分类识别是当前遥感图像研究中的一个关键问题,也是人们关注的焦点 [1]。

本文基于ENVI软件，利用武汉市地区的七波段TM影像，选择合适波段进行组合，再分别采用监督分类和非监督分类方法对影像进行分类，多次试验进行比较，获得较优的波段组合。

同时应用专家知识等增维方法，对比Google Earth上的武汉市影像，根据实际需要进行组合分类。

一、TM影像各波段合成的比较TM影像共有七个波段组成，从中任意挑选3个波段进行组合得到的图像有不同的特点。

1、TM321（RGB）：均是可见光波段，合成结果接近自然色彩。

可以模拟出一副自然色的图象。

2、TM453（RGB）：2个红外波段、1个红色波段。

用于土壤湿度和植被状况的分析。

也很好的用于内陆水体和陆地/水体边界的确定。

3、TM742（RGB）：适用于水、陆边界划分、土、植被边界划分，但不适于植被分类。

4、TM432（RGB）：标准假彩色。

植被呈现各种红色调。

在植被、农作物、土地利用和湿地分析的遥感方面，这是最常用的波段组合。

5、TM543（RGB）：城镇和农村土地利用的区分；陆地、水体边界的确定。

6、TM457（RGB）：探测云，雪和冰（尤其在高维度地区）。

本文需要对武汉市影像进行分类处理，对比现有影像，并考虑到武汉市地区河流湖泊较多，本文采用TM543波段进行分类。

二、TM543波段分类的结果利用TM543波段合成，其合成图如下：图2-1 TM543波段合成图1、非监督分类（以Isodata算法为例）算法步骤[2]：（1）选择某些初始值。

高原湖泊和平原湖泊遥感动态监测的对比分析--以洱海和鄱阳湖为例

高原湖泊和平原湖泊遥感动态监测的对比分析--以洱海和鄱阳湖为例王琳;赵志芳【摘要】Whether from regional environmental protection or socio-economic perspective, lake has an extremely important role in our lives, and dynamic changes of the lake is more closely related to regional environmental protection. Using Landsat TM remote sensing data and ENVI image processing software and ArcGIS spatial analysis software, this paper takes Erhai Lake and Poyang Lake as examples, single-band threshold, band combination and other methods were used to extract information of the status of the water body, through band calculation, band replacement and other methods information of dynamic changes of the lakes was extracted, and comparisons of different geographical conditions of the lakes were made. The results indicated that the application of band combination method to extract water information displayed a higher degree of accuracy, on the contrary, tasseled cap transformation method had a low accuracy; Meanwhile, due to ununiifed standards of the lake boundaries, seasonal changes of water area, and effects of surrounding geographical environment the distribution of water bodies was more complicated in the plain than in the plateau. Therefore, a combination of different RS image processing methods is more suitable for monitoring of plain lakes.%湖泊及其动态变化在区域生态环境保护中占据极其重要的作用，监测并对比分析不同类型的湖泊动态变化对区域生态环境保护意义重大。

利用改进的归一化差异水体指数提取水体信息的研究

利用改进的归一化差异水体指数提取水体信息的研究一、本文概述随着遥感技术的快速发展，水体信息的提取已经成为环境监测、城市规划、灾害预警等多个领域的重要研究内容。

近年来，归一化差异水体指数（Normalized Difference Water Index, NDWI）作为一种有效的水体提取方法，受到了广泛关注。

然而，传统的NDWI方法在某些复杂环境下，如高植被覆盖区、高盐度水域等，可能会受到干扰，导致提取结果的不准确。

因此，本文旨在研究并改进归一化差异水体指数，以提高水体信息的提取精度和稳定性。

本文首先回顾了归一化差异水体指数的发展历程和应用现状，分析了其存在的局限性和挑战。

在此基础上，提出了一种改进的归一化差异水体指数方法，通过引入多光谱遥感数据的更多波段信息，优化指数计算过程，以增强其对复杂环境的适应性。

接着，本文详细阐述了改进后的归一化差异水体指数的计算原理和实现步骤，并通过实验验证其在不同类型水体提取中的有效性。

实验结果表明，相比传统方法，改进后的归一化差异水体指数在提取精度、抗干扰能力和稳定性等方面均有明显提升。

本文探讨了改进后的归一化差异水体指数在实际应用中的潜力和局限性，为未来的研究提供了有益的参考。

本文的研究不仅有助于提升遥感技术在水体信息提取中的应用水平，也为相关领域的实践提供了理论支持和技术指导。

二、相关理论和技术在提取水体信息的研究中，归一化差异水体指数（Normalized Difference Water Index, NDWI）已成为一种广泛使用的遥感技术。

该指数基于水体在红光和近红外波段反射特性的差异，通过特定的数学运算来强化水体信息，从而有效地从遥感影像中提取出水体区域。

然而，传统的NDWI在某些复杂环境下，如高植被覆盖区或浑浊水体区域，可能面临提取精度不足的问题。

因此，本研究提出了改进的归一化差异水体指数（Modified Normalized Difference Water Index, MNDWI），旨在提高水体提取的准确性和鲁棒性。

水体指数在湖泊信息提取中的应用

水体指数在湖泊信息提取中的应用作者：李金山来源：《硅谷》2013年第08期摘要以青海湖为研究区，Landsat TM影像为数据源，利用改进的归一化差异水体指数（MNDWI）提取青海湖水体信息，结果表明该方法能很好的提取水体信息，为今后青海湖水体的实时监测服务。

关键词青海湖；Landsat TM影像；MNDWI中图分类号：TP751 文献标识码：A 文章编号：1671—7597（2013）042-072-01地球上74%的资源被水体所占据，它的变化可以影响生态系统的稳定。

随着遥感技术的高速发展，越来越多的遥感数据可以免费使用，使得人们对水体变化的研究日益增长。

利用遥感影像可以实时地获取水体信息，为水体的动态监测及保护提供了一种方便的手段。

目前，对于水体信息的提取包括光谱分类法、单波段阈值分析法、比值法、差值法、水体指数法等。

本文主要针对水体指数进行研究，主要的水体指数包括归一化水体指数（NDWI）、改进的归一化差异指数（MNDWI）本文以Landsat TM影像为数据源，以遥感图像处理软件ENVI 4.8为平台，对中国最大的咸水湖——青海湖利用水体指数进行提取实验，目的是为了验证水体指数能否快速、高效的提取湖泊水体信息，从而为湖泊的动态监测服务。

1 研究区概况本文研究区位于青海省东北部的青海湖，地理位置99°36'-100°16'E，36°32'-37°15'N，是中国最大的内陆湖泊，同时也是中国最大的咸水湖。

它北边是大通山，东面与日月山相邻接，南面与青海南山相接，西面是橡皮山，面积为4456 km2。

青海湖属于典型的高寒干旱大陆性气候，多年平均气温-1.4℃-1.7℃，年平均降水量为340 mm，研究区地理位置图见图1。

2 数据源与研究方法2.1 数据源及预处理本研究用到的TM影像包括两景，轨道号分别为133/34、133/35，影像接收日期均为2009年8月11日，影像分辨率为28.5 m×28.5 m（6波段除外），影像云量均小于10%。

基于ETM影像的水体信息自动提取与分类研究

水体信息提取出来以后 ,由于研究区水体类型多样 ,有必要对提取结果进行分类 ,主要分为海洋、河流、湖泊和水库等类型. 烟台市是沿海区域 ,因此一般来说 ,面积最大的水域应当是海洋 ,湖泊、水库、池塘多为面状区域 ,而河流呈带状分布. 通过分析 , 本研究主要采用形状指数对水体类型进行区分.
表 2 典型地物的光谱亮度统计表
波段 MIN
水体
88
阴影
74
植被
74
农田
90
海岸 137
建设用地 109
TM1 MAX MEAN MIN
144 107 58 86 80 53 90 80 56 108 95 74 154 146 134 136 120 100
TM2 MAX MEAN MIN
127 77 38 67 59 41 74 61 42 93 79 74 159 152 167 142 115 121
(首都师范大学资源环境 , 北京 100048)
摘要
在综合分析各种水体信息提取方法的基础上 ,以烟台市为例 ,利用 ETM 遥感影像数据 ,通过光谱特征分析和 NDVI 识别水体信息 ,并在各种专业软件的支持下 ,将水体与其它地物类型区分开来 ,实现水体信息的自动提取 ,最后利用形状指数、面积以及其它特征对水体进行分类 ,并对分类结果做出精度评价.
TM3 MAX MEAN MIN
125 62 11 67 52 49 76 49 74 114 93 53 209 195 88 183 144 74
TM4 MAX MEAN MIN
93 23 9 73 42 49 119 96 70 77 60 83 108 101 178 99 82 136
TM5 MAX MEAN MIN

高分辨率遥感影像的水体提取与水体质量评估研究

高分辨率遥感影像的水体提取与水体质量评估研究高分辨率遥感影像的水体提取与水体质量评估研究摘要:随着高分辨率遥感技术的不断发展，遥感影像在水体提取和水体质量评估方面扮演着重要的角色。

本文基于高分辨率遥感影像，研究了水体提取的方法和水体质量评估的技术，重点讨论了基于高分辨率遥感影像的水体提取算法和水体质量评估系统的设计。

通过实验分析，验证了本文提出的方法和系统的有效性和准确性，为水体资源管理和环境保护提供了有力的技术支撑。

关键词:高分辨率遥感影像，水体提取，水体质量评估1. 引言水是人类生存和发展的重要资源，随着人口的不断增长和经济的快速发展，对水资源的需求不断增加，但也带来了对水体质量的日益关注。

传统的水体调查和监测方法往往耗时耗力，而且无法全面准确地获取大范围的水体信息。

而高分辨率遥感影像具有高精度、高时空分辨率的特点，被广泛应用于水体提取和水体质量评估。

2. 高分辨率遥感影像的水体提取方法2.1 阈值法阈值法是最简单常用的水体提取方法之一，其基本思想是通过设定特定的阈值，将水体与非水体进行区分。

阈值的设定可以根据不同的遥感影像特点和研究目的进行调整。

然而，阈值法在处理复杂的地物和水体交错的情况下效果较差。

2.2 基于纹理特征的方法纹理特征是描述影像细节的重要特征之一，其在水体提取中具有重要的应用价值。

基于纹理特征的方法可以通过分析遥感影像中水体和非水体的纹理差异，实现水体提取。

常用的纹理特征包括灰度共生矩阵、方差、对比度等。

2.3 基于机器学习的方法机器学习方法在遥感影像处理中有着广泛的应用，包括水体提取和水体质量评估。

常用的机器学习算法包括支持向量机（SVM）、人工神经网络（ANN）等。

通过训练一定数量的样本数据，建立分类模型，可以实现高精度的水体提取。

3. 水体质量评估技术水体质量评估是对水体中相关污染物的浓度和分布进行定量评估和分析的过程。

常用的水体质量评估技术包括多光谱遥感、水质模型和地统计学方法等。

基于TM影像的几种常用水体提取方法的比较和分析

析这３种常用水体提取方法分别在不同地形条件下
第２卷第５７期
２１０２年１Ｏ月
遥感信息
ＲＥＭ０ＴＥＳＥＮＳＩＮＧＮＦＯＲＭＡＴ１Ｉ０Ｎ
Ｖｏ．１２７，ｏＮ．５０ｃ．，Ｏ１２ｔ２
基于Ｔ影像的几种常用水体思远 ①，江源① ，岩 ① ，辉 ① ，慧① ② ～王曾～赵～王～殷 ’
ｃｍｐｒｈｔｅｇｈａｄｔｅｗｅｋｅｓｓｏｈｅｔｏｓｉｈｌｉｎｕｔｉｏｓａｅｅｐｃｉｅｙｂｘｅｉｅｔｏａｅｔｅｓｒｎｔｎｈａｎｓｅｆｔｒｅｍｅｈｄｎｔｅｐａｎａｄｍｏｎａｎｕｒａｒｓｅｔｌｙｅｐｒｎ．ｖｍ
Ｅｍａｌｂｈｉｕ１８＠１６ｃｍ－ｉ：ｉａｙｎ９８２．ｏ
一
７７
—
遥感信息
水体的纹理特征来对水体进行提取；此外，还有既考虑影像的光谱特性，又综合考虑影像的空间特性和
纹理特性的面向对象的提取方法，张继平等＿利如４
Ｋｅｏｄ：ｙｗｒｓＴＭｇ；ｔｒｅｔａｔｏｓａｏ；ｌｉｒａｍｏｎａｎｕｒａｉｍａｅｗａｅｘｒｃｉｎ；ｈｄｗｐａｎａｅ；ｕｔｉｏｓａｅ
引言
地球表面７的水体无论作为一种资源，４还是作为一个环境因子，是洪涝灾害的源头，受到了或都人们格外的重视，为遥感研究的重要分支之一成 ¨。

一种基于TM影像的湖泊水体信息提取方法[发明专利]

专利名称：一种基于TM影像的湖泊水体信息提取方法
专利类型：发明专利
发明人：文广超,谢洪波,李兴,徐招峰,向中林,陈红旗,张哲玮,汪玉,李志辉,王文博,苏林雪
申请号：CN201810397693.0
申请日：20180428
公开号：CN108871283A
公开日：
20181123
专利内容由知识产权出版社提供
摘要：本发明公开了一种基于TM影像的湖泊水体信息提取方法，首先选择典型地区，获取不同矿化度湖泊水体及周围地物的TM影像；然后利用不同地物对电磁波的耦合特性，根据湖泊水体及周围地物在TM影像中的亮度值构建波谱曲线；根据不同地物亮度值的差异，初步提出湖泊水体信息提取模型，并以精度大于95％为约束条件，将上述湖泊水体信息提取模型应用于不同的地区，进行模型的可行性与精确性检验；最后在满足提取精度大于95％的前提下，建立了湖泊水体信息提取模型：
B1‑B3‑B4>0。

本发明能够有效抑制冰雪、阴影等对湖泊水体信息提取时的严重干扰，克服矿化度差异影响，从而自动快速高精度地提取湖泊水体信息，提取速度快，分类精度高。

申请人：河南理工大学
地址：454000 河南省焦作市高新区世纪大道2001号
国籍：CN
代理机构：北京科家知识产权代理事务所(普通合伙)
代理人：陈娟
更多信息请下载全文后查看。

《遥感地学分析》06地信期末试卷-A_评分细则及答案

鲁东大学 2008 — 2009 学年第一学期2006 级地信科专业卷课程名称遥感地学分析课程号（ 2680080）考试形式（开卷）时间（ 120分钟）评分细则与标准答案一、名词解释(30分)1、遥感地学分析遥感地学分析是建立在地学规律基础上的遥感信息处理和分析模型，是综合物理手段、数学方法和地学分析等综合性应用技术和理论，或者能反映地球区域分异规律和地学发展过程的有效信息理论方法。

2、遥感地理相关分析法所谓地理相关分析法，就是研究某个区域地理环境内各要素之间的相互关系、相互组合特征，而它应用于遥感地学分析，便是通过对这些因子特点及相互关系的研究，从各个不同的角度来分析、来推导出某个专题目标的特征，也就是在遥感图像上寻找与目标相关性密切的间接解译标志，从而推断、认识目标本身。

3、瞬时视场(IFOV)指遥感器内单个探测元件的受光角度或观测视野，单位为毫弧度(mrad)。

IFOV 越小，最小可分辨单元(可分像素)越小，空间分辨率越高。

一个瞬时视场内的信息，表示一个象元。

3、植被指数根据地物光谱反射率的差异作比值运算可以突出图像中植被的特征、提取植被类别或估算绿色生物量，通常把能够提取植被的算法称为植被指数。

4、假彩色合成根据加法彩色合成原理，选择遥感影像的某三个波段，分别赋予红、绿、蓝三原色，由于原色的选择不能代表物体在可见光的真实颜色，因此这种合成叫做假彩色合成。

5、环境本底法环境本底法，即了解一个地区的区域概况以及分析该地区地理环境的总体规律，在分析环境背景中，搞清楚区域内正常的组合关系、空间分布规律、正常背景值，也就是搞清楚环境本底，在这个基础上，寻找异常，并追根求源，找出异常原因，通过成因机制分析在更大范围内，寻找与异常有关的环境特征。

6、土地覆盖A 本是指自然营造物和人工建筑物所覆盖的地表诸要素的综合体，包括地表植被、土壤、冰川、湖泊、沼泽湿地及各种建筑物如道路等，具有特定的时间和空间属性，其形态和状态可在多种时空尺度上变化。

一种经验型归一化差异水体指数模型

一种经验型归一化差异水体指数模型聂欣然;刘荣;杜神斌【摘要】针对NDWI和MNDWI两种水体指数在水体信息提取过程中易夹杂无用背景信息的问题,该文提出一种经验型归一化差异水体指数ENDWI.利用TM影像的绿光波段、近红外波段和中红外波段构建归一化波段组合,较好的减少了建筑物和道路错提的现象,进一步消除了背景噪音,实现了对水体信息的快速提取.以南昌市六区县的TM影像作为数据源,进行实例论证,实验结果显示ENDWI方法对城区、湖泊区、河流区等局部特定水域的提取更具优势,总体分类精度分别达到了97.45％、98.07％和97.23％,提取过程简单有效,具有一定的实用价值.【期刊名称】《北京测绘》【年(卷),期】2017(000)005【总页数】5页(P41-45)【关键词】遥感;水体提取;NDWI;MNDWI;ENDWI【作者】聂欣然;刘荣;杜神斌【作者单位】东华理工大学测绘工程学院,江西南昌330013;流域生态与地理环境监测国家测绘地理信息局重点实验室,江西南昌330013;东华理工大学测绘工程学院,江西南昌330013;流域生态与地理环境监测国家测绘地理信息局重点实验室,江西南昌330013;东华理工大学测绘工程学院,江西南昌330013;流域生态与地理环境监测国家测绘地理信息局重点实验室,江西南昌330013【正文语种】中文【中图分类】P237;P641水体是地球表面不可或缺的自然资源，也是人类赖以生存和发展的基本要素。

准确快速地提取水体信息对水资源调查、水质评估、洪涝灾害监测以及环境保护等方面有着重要意义[1]。

卫星遥感技术凭借着大尺度、成本低、速度快、周期性等优点成为水体信息获取的重要手段之一[2]。

水体提取的方法主要有单波段阈值法、谱间关系法、差值法、比值法、分类法、水体指数法等。

Moller-Jensen[3]通过对TM影像的近红外波段和中红外波段分别设定相应的阈值来提取水体。

毕海芸等[4]分别用单波段法、谱间关系法和水体指数法辅以最佳阈值对平原和山地的水体进行提取，得到了较高的提取精度。

基于遥感影像的污染水体提取与识别

基于遥感影像的污染水体提取与识别发布时间：2022-01-04T06:11:58.289Z 来源：《中国科技人才》2021年第24期作者：张高博张宇辉刘雨青贾相宇[导读] 遥感图像可以直观清晰地体现出地物的光谱、空间、时间等基本特征，而利用这些独特的元素及性质可以精准识别不同地物。

本文从基于遥感影像的污染水体提取与识别这两个方面着手，简要分析了利用主成分增强、最大似然分类法提取水体，还结合形状指数对污染水体信息进行了识别与分析，旨在充分利用遥感图像识别污染水体，将纹理分析与最大似然分类相结合后提高遥感影像的精度，从而有效运用地物形状特征解决同谱异物问题。

张高博张宇辉刘雨青贾相宇河北水利电力学院河北沧州 061000摘要：遥感图像可以直观清晰地体现出地物的光谱、空间、时间等基本特征，而利用这些独特的元素及性质可以精准识别不同地物。

关键词：遥感影像；污染水体提取；污染水体识别引言在先进的遥感技术支持下可以有效提取各类地物信息，若想从遥感影像中精准提取出某些地形中的污染水体信息，就必须充分利用遥感图像中的计算机自动分类与识别功能。

目前我国现有的遥感提取方法在漫长的历史发展进程中，大体经历了自动分类、具有光谱特征的信息提取以及光谱与空间特征的专题信息提取等阶段。

目前最常见的遥感图像信息提取方法为最大似然分类法，其综合涵盖了地物光谱信息，但这也在一定程度上限制了提取信息的分类精度，因此必须充分利用主成分增强与纹理分析解决以上问题。

1 基于遥感影像的污染水体提取 1.1影像增强处理主成分变换作为一种较为常见的数据压缩方法，可以将具有关联性的多波段数据压缩到相互独立的几个较少波段上，从而有效提高图像数据的翻译质量。