基于目标的水体信息提取研究
遥感图像中基于机器学习的水体提取方法研究
遥感图像中基于机器学习的水体提取方法研究一、引言在遥感技术不断发展的今天，如何高效地利用遥感图像数据成为了研究的热点问题之一。
水体提取是遥感图像处理中的一个非常重要的问题，水体提取不仅对于水资源的管理有着重要的意义，而且在环境监测，自然灾害预警等领域也有着广泛的应用。
因此，在遥感图像中基于机器学习的水体提取方法的研究引起了众多学者的关注。
本文将介绍基于机器学习的水体提取方法的研究现状，并针对其中存在的问题，提出了一些改进思路。
二、研究现状传统的遥感图像水体提取方法主要采用阈值法、比值法等像元级的方法进行水体提取。
这些方法简单易行，但是存在提取精度低、受数据质量等因素影响大等缺点。
而基于机器学习的水体提取方法则采用计算机科学中的机器学习理论，利用自动学习的能力，从图像数据的高维空间中提取特征、判别水体和非水体，大幅提高了水体提取的效率和准确性。
目前，基于机器学习的水体提取方法主要分为两个类别：监督式学习和非监督式学习。
2.1 监督式学习方法监督式学习方法需先准备训练集，并人工标注其中的“水”和“非水”样本。
在训练模型时，传递图像的信息以及相应的标注到算法中，通过学习样本特征的相似关系和差异，最终建立起一个分类模型。
监督式学习方法的优点在于提取的水体信息较为准确，但缺点也很明显，即与训练集样本相关性强，泛化能力较差，当遇到未曾见过的新数据时准确率会有所下降。
常见的监督式学习方法有支持向量机（Support Vector Machine, SVM）、决策树（Decision Tree）、神经网络（Neural Network）等算法。
这些算法不同的分类依据和处理方式会影响提取的水体的质量。
2.2 非监督式学习方法与监督式学习方法不同，非监督式学习方法不依赖于预先标注的数据。
这类方法通过计算数据中的各种统计量、空间接近度等指标，自动分类图像数据，并对提取的水体和非水体像元进行分析、筛选。
这类方法的优点在于不需要自行标注繁琐，可以减少人工干预，缺点在于提取的水体信息相对较少，不如监督式学习方法准确。
基于Sentinel1数据的水体信息提取方法研究
水资源是现代经济发展中一个重要关注对象，它 是人类及一切生物赖以生存的重要条件之一［1］，而且 水体信息对水资源、洪涝灾害及水文研究具有重要的 意义［2 － 3］，例如快速的水体信息提取可为洪涝灾害发 生和防护提供宝贵的信息。传统的水体信息提取是基 于测绘技术完成的，该方法耗时、耗力，且在宏观和实 时性上效果较差。随着遥感技术的发展，利用遥感手 段可以大范围、快速地提取水体信息，且具有成本低、 动态监测 等 特 点［4］。 遥 感 手 段 主 要 分 为 光 学 遥 感 和 微波遥感。
第 50 卷 第 2 期 2019 年2 月
文章编号： 1001 － 4179（ 2019） 02 － 0213 － 05
人民长江 Yangtze Ｒiver
Vol． 50，No． 2 Feb． ， 2019
基于 Sentinel － 1 数据的水体信息提取方法研究
贾 诗 超1 ，薛 东 剑1，2 ，李 成 绕1 ，郑 洁1 ，李 婉 秋1
图 1 巢湖区域 Fig． 1 Chaohu Lake region
图 2 鄱阳湖区域 Fig． 2 Poyang Lake region
Sentinel － 1 卫星的数据预处理都是在 SNAP 软件
214
人民长江
2019 年
1 研究区和数据
2 数据预处理
本文选取巢湖和鄱阳湖作为研究区，如图 1 ～ 2 所 示。图 1 和图 2 的 ＲGB 分别为： Ｒ 是 VH 极化； G 是 VV 极化； B 是本文方法得到的水体结果图，蓝色水体 表现得很 清 晰。巢 湖 位 于 安 徽 省 中 部［15］，湖 水 面 达 769． 5 km2 。巢湖流域属于北亚热带湿润季风气候区， 多年平均降水量为 995． 7 mm。鄱阳湖位于江西省的 北部［16］，湖水面积最大和最小时分别为 3 150 km2 和 562 km2 。鄱阳湖流域属于亚热带温润季风气候，年降 水量约 1 500 mm。
第三部分 水体信息提取
阴影和水体， ( TM2 + TM3) - ( TM4 + TM5)在山体和农林区域较好,却 难以区分部分建筑居民用地和水体。
ห้องสมุดไป่ตู้
存在着问题
阈值难确定：
由于部分细小水体在影像中以混合像元的形态存在,存在
水体和非水体地物过渡区，阈值难取。阈值高了将丢失 细小水体信息，阈值低了将不少其他的地物信息误提出 来。
各种方法增强效果均有区域局限性。
在地类复杂的区域中，NDWI只在非山地的植被区域较好。
MNDWI在建筑居民用地区域较好，却难以区分部分山体
水体的研究离不开对水体范围、界线的准确提取， 常用的 遥感影像水体信息提取方法主要有两类: 单波段法：
依据水体在 几个波段上光谱的不同特征以及其它地物
与水体的区别， 通过分析水体及背景地物的光谱值， 利用单个波段来提取 TM 影像中的水体信息 。单波段 阈值法简单可行， 却不易区分水体与阴影
水体提取
遥感影像记录了地表物体对电磁波的反射信
息及其自身向外的辐射信息， 相对于其他地 物而言， 水体在整个光谱范围内都呈现出较 弱的反射率， 在近红外、 中红外及短波红外 部分， 水体几乎吸收了全部的入射能量， 因 此水体在这些的反射率特别低， 而土壤、植 被、建筑物等在这些波段吸收能量较小，具 有较高的反射率， 使得水体与它们具有明显 的区别。
多波段法：
利用水体在不同波段上的光谱特性， 通过多波段之间
的组合运算来增强影像中的水体信息， 从而易于从其 他地物中分离提取出水体。
单波段法
单波段法主要选取对水陆界反映较好的 Landsat-7 的ETM+的第四或五波段， 即近红外和中红外波段， 利用阈值法对水体进行提取。 TM5〈T（阈值） 在第五波段水体和非水体有明显的区别，该法利用 了水体在这两个波段上的强吸收特性， 以及植被、 土壤在这两个波段较高的反射特性。 由于山体阴影的影响， 使得中红外在阴坡面的反射 能量特别低， 从而造成山体阴影在影像上呈现出明 显的暗色调，水体与阴影的混淆使得难以在单波段 上通过阈值法来提取水体。
基于TM影像的水体信息提取算法研究
３期
毕硕本 ， 等： 基于 Ｔ Ｍ影像 的水体信息提取算 法研 究
２ ０ １ ３年 ８月 ２ ６ 日收 到 国 家 自然科 学 基 金 项 目 （ ４ １ ０ ７ １ ２ ５ ３ ） 、
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 Ｔ Ｐ ３ ９ １ ． ４ １ ；
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
１ Ｔ Ｍ 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 Ｔ Ｍ影像进行水体信息提取流程 图
Ｔ Ｍ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（ ４ １ ２ ７ １ ４ １ ０ ） 资助 第一作者简 介 ： 毕 硕本 （ １ ９ ６ ５ 一） ， 男， 山东潍 坊人 ， 教授 ， 博 士生 导
水体信息自动提取遥感研究以丽江地区为例
二、技术手段
3、特征分析和应用：提取出水体信息后，需要进行特征分析和应用。通过对 水体的形态、大小、颜色等特征进行分析，可以获取水体的类型、分布、水质等 信息。这些信息可以应用于水资源管理、环境保护、气候变化研究等领域。
三、发展趋势
三、发展趋势
随着遥感技术的不断发展，水体的遥感信息自动提取方法也在不断进步和完 善。未来，该领域的发展趋势包括以下几个方面：
一、遥感技术概述
一、遥感技术概述
遥感是指利用传感器对地球表面进行远距离探测的一种技术。它具有获取信 息速度快、范围广、精度高等优点，可以为科学研究提供大量数据支持。在遥感 技术中，卫星遥感是应用最为广泛的一种方式。卫星遥感具有覆盖范围广、连续 性强、周期短等优点，能够提供准确、实时的地球表面信息。
四、结论与展望
四、结论与展望
本次演示以丽江地区为例，探讨了水体信息自动提取的遥感研究。通过对遥 感图像的预处理、图像分割、特征提取、水体信息提取和结果评估等步骤的处理 和分析，可以更加准确地获取丽江地区的水体信息。这些信息对于水资源管理、 环境保护、气候变化研究等方面具有重要意义。
四、结论与展望
水体信息自动提取遥感研究 以丽江地区为例
目录
01 一、遥感技术概述
02
二、水体信息自动提 取方法
03 三、丽江地区水体信 息自动提取实践
04 四、结论与展望
05 参考内容
内容摘要
随着科技的不断发展，遥感技术已经成为获取地球表面信息的重要手段之一。 在众多遥感应用中，水体信息自动提取具有重要意义。水是人类生存的基本需求 之一，也是生态系统的重要组成部分。因此，通过遥感技术获取水体信息对于水 资源管理、环境保护、气候变化研究等方面具有重要意义。本次演示以丽江地区 为例，探讨水体信息自动提取的遥感研究。
基于遥感技术的水体信息提取模型研究
基于遥感技术的水体信息提取模型研究发表时间：2017-12-04T15:56:46.473Z 来源：《基层建设》2017年第25期作者：罗学彬赵登文杜家刚冉立谋[导读] 摘要：在越来越重视可持续发展与环境保护治理的今天，水资源作为一项与人类生产、生活活动密不可分的重大资源，同时也是生态环境状况的有效评价因子，如何有效的对其进行监测与保护，需要人类更多的关注。
成都颉达科技有限公司成都 610036摘要：在越来越重视可持续发展与环境保护治理的今天，水资源作为一项与人类生产、生活活动密不可分的重大资源，同时也是生态环境状况的有效评价因子，如何有效的对其进行监测与保护，需要人类更多的关注。
卫星遥感技术所具有的宏观性、现势性等优点，使遥感监测水资源成为一项重要的、有效的技术方法。
然而在目前方法中，常用的单一指数模型优缺点各异，不能真正有效的提取水体。
其原因是水体所在的地物背景复杂，单一的指数模型不能适用所有的地形以及地物所构建的复杂空间信息中的水体提取。
如何建立更加有效的、适用性更广的水体信息提取模型，正是本文所研究的内容。
本文以湖泊较多、地形复杂、水体类型丰富的云南省昆明市官渡区为研究区，以陆地资源卫星ETM+传感器获取的影像为数据源，在对水体的波谱特性、水体在影像上的信息反映、水体指数方法原理深入分析的基础之上，总结每个指数模型的优缺点。
最后，用目视解译与数理统计的方法对新模型的精度进行了验证，并用其他效果较好的提取方法对其评价，得出如下主要成果：关键词：遥感；水体信息提取；指数模型研究Research on water information extraction model based on remote sensing technologyAbstract：Today，we are attaching more and more importance to sustainable development and environmental protection.Water resources as a major resources are inseparable from human production and living activities，but also effective evaluation of factors of the ecological environment，how to effectively monitor and protect them，the need for more human attention.Satellite remote sensing technology which are macro and potential become an important and effective technical methods to monitor water resources.However，in the current method，the commonly used single index model has different advantages and disadvantages and can not really extract water.The reason is that the background of the water body is complex，and the single exponential model can not apply all the water extraction in the complex spatial information constructed by the all terrain and features.How to establish a more effective and more applicable water body information extraction model，it is the content of this paper.In this paper，the images obtained from the landsat7 ETM + sensor are used as the data source in the study area of Guandu District，Kunming，Yunnan Province，which is rich in lake，complicated terrain and abundant water type.Based on the analysis of the spectral characteristics of water bodies，the information of water bodies on the image，and the principle of water body index method，the advantages and disadvantages of each index model are summarized and a new model is put forward.Finally，the accuracy of the new model is verified by visual interpretation and mathematical statistics，and the results are compared with other methods with better results.The main results are as follows：Keywords：remote sensing，water body information extraction，exponential model study1 研究目的及意义地表覆盖着74%的水体，无论是以资源的形式存在，还是作为一个环境因子，都受到人类的格外重视。
基于Landsat-7 ETM+遥感影像的水体提取研究
绿 光
红 光
３ ０
３ ０
４ ５
０ ６ Ｏ９ ． ～ ．Ｏ ７ １ ５１ ５ ． ～． ５ ７
近 红 外 光 短 波红 外 光
３ ０ ３ ０
谱 间关 系分 析属 于 多波 段法 的一 种 ．是 基 于一 种逆 向思维 方式 来进 行地 物 信息 提取 ，抛 开传 统 分 类方 法 ，即从特 定 的图像 空 间进行 特 定地 物 识别 的 思维 方式 。根 据 分析 已有 地 物 的遥 感 特征 建立 地 物
（ ） 用 双 增 益 技术 使 远 红 外 波 段 ６分 辨 率 提 ２采
高 到 ６ ｍ， 增加 了数 据率 ； ０ 也 （ ） 进 后 的太 阳定 标 器 使 卫 星 的 辐射 定 标 误 ３改
但 是 随着 水体 增加 ， 体 的反射 率会 有所 变 化 。如水 体 泥沙 水
水 体 因对 人 射 能 量 （ 阳光 ） 有 强 吸 收性 ， 太 具 所
特 点 ， 用 于 水 资源 的调查 和监 测 ， 是在 洪 水 期 ， 适 但
难 以获 得无 云雾 的 图像 并 且 图 像 获取 周 期 较 慢 ， 因 此 Ｌ ｎ ｓｔ７ Ｅ Ｍ＋ 图像 能 够 适 用 于 洪 水 灾 害 监 ａ ｄａ一 Ｔ 测 评估 中本底 水体 的 提取 。
个 分叉 点代 表 一个决 策 树判 断条件 。每个 分叉 点 下 有 ２个 叶节 点 ， 分别代 表 满足 和不 满 足条件 的类别 。 这 种 方 法 不 仅 不 需 要 依 赖 任 何 先 验 的统 计 假 设 条
２ 水 体 遥 感 信 息 模 型
各 种地 物 的结 构 和组成 成分 不一 样 ，其 反射 光 谱 特性 也不 一样 ；同一 种地 物 的光谱 特 性 又随 时 间 季 节 和地 理 区域 的变 化 发 生 时 间效 应 和 空 间效 应 ． 根 据这 种特 性 ，可 以用遥 感 数据 进行 地物 的分 类 和 判读。
遥感影像水体提取研究综述
遥感影像水体提取研究综述以远程感知技术为基础，借助遥感影像可以迅速获取大量和全面的环境信息，从而帮助相关人员快速掌握水体的状况。
因此，随着遥感影像的技术的发展，提取水体的研究已经被越来越多的人所重视。
本文主要分析了提取水体信息的相关技术，对提取水体信息的现有方法进行了介绍和综述，以期获得更多可行的解决方案，促进该领域的进一步发展。
世界上存在大量的水体，它们可以满足人类日常的生活需求，也可以用于农业活动、工业生产和科学研究。
为了完成各种任务，必须对水体的情况进行详细的了解。
遥感技术是目前最有效的方法之一，可以快速捕获大量的信息，并以三维的形式展示水体的特征。
在这种情况下，提取水体信息就变得尤为重要。
提取水体信息主要依靠遥感影像，其中包括可见光和红外线两种波段。
研究者可以从中提取水体的形态特征，如形状、尺寸和位置等。
此外，还可以获得水体的光谱特征，如反射率、散射率和吸收率等。
不同波段能够提供不同视角下的信息，因此，提取水体信息还需要考虑复杂的数据组合和分析技术。
为了提取水体信息，已经有多种方法可以使用。
其中，基于特征的分类方法可以有效的识别水体信息，其中包括基于模板的和基于概率理论的方法。
此外，还可以使用像有监督学习这样的机器学习方法，它们可以通过实时的训练和学习，以更精确的方式来分类水体信息。
另外，基于矢量的方法也被越来越多的人所重视，它可以以更精确的方式提取水体信息。
此外，还有一些复杂的技术，如基于深度神经网络的方法，也可以用于提取水体信息。
这类技术比传统方法具有更高的精确性和灵活性，因此可以更好地完成水体提取任务。
然而，深度学习技术也需要大量的计算资源，并且训练过程会比较漫长，所以未来对相关研究的关注应该增加。
综上，提取水体信息是目前在水体监测中被广泛应用的技术，它可以使研究者能够快速地获取相关信息，以便于更好地控制水体的发展。
在这里，我们做了一个综述，总结了现有的技术，并提出一些有价值的研究建议，以期推动该领域的进一步发展。
基于MODIS遥感数据的水体提取算法研究
基于MODIS遥感数据的水体提取算法研究余志飞【期刊名称】《测绘与空间地理信息》【年(卷),期】2015(000)003【摘要】针对MODIS遥感数据采用多波段普间关系算法提取水体容易与阴影混淆，产生提取不精确的问题。
作者将对多波段普间关系水体提取算法进行研究，并以鄱阳湖为实验对象，使用改进后的多波段普间关系算法对水体进行提取。
实现提升水体提取精度的目标。
%For using multichannel MODIS remote sensing data, the relationships between algorithms to extract water body easily con-fused with shadow, extraction and imprecise problems.Relationship between the authors to multiband water extraction algorithm was improved, and the Poyang Lake as experimental object, USES the improved multiband algorithm based on the relationship between wa-ter extraction experiments.Achieve the goal of improve water extraction accuracy.【总页数】3页(P80-82)【作者】余志飞【作者单位】江西理工大学建筑与测绘工程学院，江西赣州341000【正文语种】中文【中图分类】P23【相关文献】1.基于MODIS数据的水体提取算法研究与实现 [J], 张倩;李国庆;于文洋2.基于MODIS遥感数据的水体提取与制图研究 [J], 周庆礼;乔立湖3.基于MODIS遥感数据的水体提取方法及模型研究 [J], 吴赛;张秋文4.基于MODIS遥感数据的水体提取模型及算法改进 [J], 余志飞5.基于多源遥感数据的水体提取方法研究 [J], 白翠;向洋;邱春霞;赵贝贝;张巧玲因版权原因，仅展示原文概要，查看原文内容请购买。
水系提取算法
水系提取算法水系提取算法是一种用于从地理空间数据中提取水系网络的算法。
水系是指一系列相互连接的河流、湖泊和水库等水体的集合。
水系在地理研究和环境保护中具有重要的意义，因此水系提取算法的研究和应用也变得越来越重要。
水系提取算法的核心思想是基于地理空间数据的特征和拓扑关系，通过一系列的计算和分析，将地理空间数据中的水体和水体之间的连接关系提取出来，形成一个完整的水系网络。
在水系提取算法中，常用的地理数据包括DEM（数字高程模型）数据和水体矢量数据。
水系提取算法需要对DEM数据进行预处理，包括噪声去除和数据平滑等操作。
这是因为DEM数据通常存在一些不规则的地形起伏和噪声，对水系提取算法的准确性有一定的干扰。
因此，在进行水系提取之前，对DEM数据进行预处理可以有效地提高水系提取的准确性。
接下来，水系提取算法需要根据DEM数据中的高程信息，判断每个像元是否属于水体。
通常情况下，水体的高程要低于周围的地势，因此可以通过比较每个像元的高程与周围像元的高程来判断。
如果一个像元的高程低于周围像元的高程，那么就可以认为该像元属于水体。
通过这种方式，可以逐步地将水体从DEM数据中提取出来。
在水体提取的基础上，水系提取算法还需要判断水体之间的连接关系。
一般情况下，相邻的水体之间存在一定的联系，可以通过计算两个水体之间的距离和高程差等指标来判断它们之间的连接关系。
如果两个水体之间的距离较近且高程差较小，那么可以认为它们之间存在连接关系。
通过这种方式，可以逐步地将水体之间的连接关系提取出来，形成一个完整的水系网络。
除了以上的基本步骤，水系提取算法还可以根据具体的需求进行一些优化和改进。
例如，可以考虑地表坡度和流向等因素，进一步提高水系提取算法的准确性。
此外，还可以考虑使用机器学习和人工智能等方法，通过对已知水系网络的训练和学习，来提高算法的自动化和智能化程度。
水系提取算法是一种用于从地理空间数据中提取水系网络的算法。
通过对DEM数据的预处理、水体的提取和水体之间连接关系的判断，可以逐步地将水系从地理空间数据中提取出来。
基于Landsat8水体信息提取实验报告
基于 Landsat8 水体信息提取一、数据来源地理空间数据云下载的Landsat 8 OLI_TIRS 卫星数字产品Landsat4-5 TM 卫星数字产品与Landsat 8 OLI_TIRS 卫星数字产品的区别++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++二、图像预处理2.1 数据的打开与拉伸打开拉伸2.2 辐射定标(Radiometric Calibration)一般来讲，辐射定标就是将图像的数字量化值（DN）转化为辐射亮度值或者反射率或者表面温度等物理量的处理过程。
辐射定标参数一般存放在元数据文件中，ENVI 中的通用辐射定标工具（Radiometric Calibration）能自动从元数据文件中读取参数，从而完成辐射定标。
242.3 大气校正太阳辐射通过大气以某种方式入射到物体表面然后再反射回传感器，由于大气气溶胶、地形和邻近地物等影像，使得原始影像包含物体表面，大气，以及太阳的信息等信息的综合。
如果我们想要了解某一物体表面的光谱属性，我们必须将它的反射信息从大气和太阳的信息中分离出来，这就需要进行大气校正过程。
2468三、水体信息的提取方法3.1 监督分类与非监督分类(1) 非监督分类也称为聚类分析，是一种“盲目”的分类；仅凭遥感影像地物的光谱特征的分布规律，即自然聚类的特性，进行分类。
234(2) 监督分类根据已知训练区提供的水体样本，通过选择特征参数，求出特征参数作为决策规则，建立判别函数以对各待分类影像进行的图像分类。
1 选择兴趣区2343.2 单波段阈值法1 选择兴趣区单波段阈值法主要利用对水陆界线反映较好的影像的第6波段（MIR中红外波段）, 根据影像的灰度特征经过数据采样确定其阈值。
基于MODIS数据的水体提取研究进展
对水体 的遥感监测 ， 时间分辨率是非常关键 的
因素 。特别 是 在流 域 出现 洪 水 的情 况 下 ， 水 情 的急
境问题 ， 各国已经开始逐渐认识到本 国水 资源评价
和 水 资源变 化监 测 的重 要性 ； （ ２ ） 水循 环在 全球 气候 变 化研 究 中具有 重要 作 用 ； （ ３ ） 水 体对 于生 物多样 性 的维持 具有 重要 意 义 ； （ ４ ） 在 生 态环 境 脆 弱 的地 区 ， 水 体 的观测 调查 有助 于 政府部 门制定 生态 环境保 护 及 地质 灾 害预 防方 面的 政策 法规 。
【 摘 要】 ＭＯ Ｄ Ｉ Ｓ 数据由于其高时间分辨率和多光谱特性， 常被用于水体的提取。文章对 目 前利用 ＭＯ Ｄ Ｉ Ｓ 数据
进行水体提取所用 的方 法， 包括 阈值法 、 监督与非监督分 类法、 多源数据结合法 、 混合像 元分解 法进行 了综述 ， 由此 得 出： 阈值确定 算法是水体 自动化提取 的关键 ； 多源信息 的结合 以及对 混合像 元进行分解是今后研 究的重 点。
Ｊ Ｉ ＡＮ Ｘｉ ｎ ｇ，Ｚ ＨＡＮＧ Ｚ ｈ ｅ ｎ － ｇ ｕ ｏ ，Ｑ Ｉ Ｕ Ｙ ｉ ｎ － ｇ ｕ ｏ ，Ｚ Ｈ ＡＮＧ Ｗｅ ｉ
【 Ａ ｂ ｓ ｔ ｒ ａ ｃ ｔ 】 Ｔ ｈ ｅ ｒ ｅ ｍ ｏ ｔ ｅ ｓ ｅ ｎ ｓ ｉ ｎ ｇ ｄ ａ ｔ ａ ｏ ｆ Ｍ Ｏ Ｄ Ｉ Ｓ ｉ ｓ ｕ ｓ ｕ ａ ｌ ｌ ｙ ｕ ｓ ｅ ｄ ｉ ｎ ｒ ｅ ｓ ｅ ａ ｒ ｃ ｈ ｅ ｓ ｆ ｏ ｒ ｉ ｔ ｓ ｈ ｉ ｇ ｈ ｔ ｅ ｍ ｐ ｏ ｒ ｌ ａ ｒ ｅ ｓ ｏ ｌ ｕ ｔ ｉ ｏ ｎ ａ ｎ ｄ ｍ ｕ ｌ ｔ ｉ －
水体（ 或水域） 是 指在 一定 水 文条件 下 由水 汇集 形 成 的具有 明确 地理 边 界 的地 理 区域 。近 年来 对水
基于ETM+遥感影像水体信息提取方法探讨
地、 中高 度 轨 道 上 运 转 ， 取 了 大 量 有 价 值 的 遥 感 影 获
像 。这些 遥感 影 像 记 录 了 丰 富 的地 面信 息 ， 们 根 据 不 人 同的应用 目的对 遥 感 影 像 上 感 兴 趣 的 地 物 也 有 所 差 异 ， 这就 涉及 到一些 专题 信息 的提 取 问题 。
关于水 体遥感 信 息 的提 取 ， 内外 做 过 很 多研 究 ， 国 水 体 因对 入射 电磁 波具有 强 吸收性 ， 以在大 部 分波 长范 围 所 内， 总体 上反射 率较 弱 ， 在蓝 绿波段 反 射率 稍高 ， 着波 长 随 的增加 其反射率 逐渐减 弱 。水 体 在近 红外 、 中红外 波段
Ｒｅ ｏ ｅ Ｓ ｎ ｉ ｇ Ｉ ａ ｅ ｍ ｔ ｅ ｓｎ ｍ ｇ ｓ
Ｃ ＨＥＮ Ｊｎ ， ｉｇｉ ， ｈ ｕｈ ｎ３ ６０ ， ｉａ Ｚ ￣ｉｎ ｅ ｎＵ ｉｅｓ ｙ Ｚ ｏ ｓａ １０ ４ Ｃｈｎ ） ｔ
信 息进 行 提 取 ， 果较 好 。 效 关键词 ： 波段 组 合 ； 色彩 变换 ； 像 分 类 影
中图 分 类 号 ：Ｐ ９ Ｔ ７
文 献 标 识 码 ： Ｂ
文 章 编 号 ：６ ２—５ ６ ２ １ ） １—０ ７ ｌ７ ８ ７（ ０ １ ０ １ ７—０ ４
Ｓ ｕｄ ｎ Ｍ ｅ ｈｏ ｆ Ｅｘ ｒ ｃ ｉ ｇ Ｗ ａ ｅ ｎ ｏ ｍ ａ ｉ ｎ ｆ ｏ ｔ ｙｏ ｔ ｄ ｏ ｔ ａ ｔｎ ｔｒＩ ｆｒ ｔｏ ｒ ｍ ＥＴＭ ＋
第３ ４卷 第 １ 期
２１ ０ １年 ２ 月
测绘 与 空 间地 理 信 息
ＧＥＯＭ ＡＴＩ Ｃｓ ＆ ＳＰＡＴＡＬ Ｉ Ｉ ＮＦＯＲＭ ＡＴ ＯＮ ＥＣＨＮＯＬＯＧＹ Ｉ Ｔ
无人机遥感数据处理中的水体提取技术
无人机遥感数据处理中的水体提取技术随着无人机遥感技术的不断发展，无人机遥感数据在水资源管理、环境保护、气象预警等领域得到了越来越广泛的应用。
水体是地球表面重要的自然资源之一，对于水体的提取与监测具有重要的研究意义和应用价值。
在无人机遥感数据处理中，水体提取技术是一个重要的研究领域。
本文将围绕无人机遥感数据处理中的水体提取技术展开讨论。
一、无人机遥感数据的获取无人机遥感数据是指采用无人机设备获取的地理信息数据。
相对于传统的航空遥感数据，无人机遥感数据获取具有成本低、分辨率高、灵活性强等优势。
无人机遥感图像包括光学影像和热红外影像，其中光学影像在水体提取中具有重要的作用。
二、水体提取技术的研究现状在无人机遥感数据处理中，水体提取技术研究主要涉及到影像预处理和水体提取两个方面。
影像预处理包括影像的几何校正、辐射定标和大气校正等，旨在消除噪声、增强水体边缘等信息。
水体提取包括阈值法、光谱指数法、机器学习等方法。
阈值法是最简单和常见的水体提取方法，它通过将像元亮度值与特定阈值比较，将水体与非水体区分开来。
但是，阈值的选择对结果影响较大，对于水体不规则边缘的提取效果不尽如人意。
光谱指数法通过选取合适的波段组合进行计算，使水体与非水体在光谱组合中呈现出不同的反射率特征，从而实现水体的提取。
但是，光谱指数法的效果受到多种因素的影响，如传感器波段数量、反射率特征等。
机器学习方法是一种较新颖的水体提取方法，它通过训练样本来构建分类器，从而实现水体的自动提取。
但是，训练样本的选择、数量和质量会直接影响分类器的性能。
三、面临的挑战及发展趋势无人机遥感数据处理中的水体提取技术仍面临一些挑战，如传感器质量、数据获取成本、水体形态复杂等。
未来，该领域的发展趋势将朝着以下几个方向发展：1. 深度学习技术在水体提取中的应用，将提高水体提取的精度和效率；2. 结合多源数据，如航空遥感数据、人工智能数据，实现水体提取的全面性和高精度性；3. 引入数据可视化和三维建模技术，增强水体提取的视觉表现力和可操作性。
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。
基于深度学习的遥感水体信息提取研究
基于深度学习的遥感水体信息提取研究基于深度学习的遥感水体信息提取研究摘要：遥感技术在水体信息提取中具有广泛的应用前景，然而传统的遥感水体信息提取方法存在着一定的局限性。
本文提出了一种基于深度学习的遥感水体信息提取方法，通过使用深度卷积神经网络（CNN）来提取水体的特征，并用多层感知器（MLP）进行分类。
实验结果表明，深度学习可以有效地从遥感影像中提取水体信息，具有较高的准确性和泛化能力。
1. 引言水资源是地球上最为宝贵的资源之一，对于生态系统的平衡和人类的生存都起着至关重要的作用。
随着遥感技术的发展，遥感影像成为了获取水体信息的重要工具之一。
准确地提取遥感影像中的水体信息对于水资源管理和环境保护具有重要意义。
然而，传统的基于像元的分类方法往往无法准确提取水体信息，因此需要寻找更有效的方法来应对这个问题。
2. 深度学习及其在遥感中的应用深度学习是一种模仿人脑神经网络工作原理的机器学习方法，它能够从大量的训练数据中学习到高层次的抽象特征。
近年来，深度学习在图像识别、目标检测等领域取得了显著的成果。
在遥感领域，深度学习也被广泛应用于土地利用分类、目标提取等任务中，取得了令人瞩目的效果。
3. 基于深度学习的遥感水体信息提取方法本文提出了一种基于深度学习的遥感水体信息提取方法。
首先，将遥感影像进行预处理，包括辐射校正、大气校正等。
然后，使用深度卷积神经网络来提取水体的特征。
深度卷积神经网络通过堆叠多个卷积层和池化层来构建，能够从原始图像中学习到具有局部感知能力的特征。
最后，利用多层感知器进行水体的分类，并根据分类结果生成水体信息图。
4. 实验结果与分析本文使用了包括Landsat TM、Sentinel-2等多种遥感影像数据集进行实验。
对于每个数据集，我们随机选取了一部分样本进行训练，并利用剩余的样本进行测试。
实验结果表明，基于深度学习的遥感水体信息提取方法在准确性和泛化能力上明显优于传统的方法。
与传统的基于像元的分类方法相比，深度学习方法能够更好地区分出水体和其他地物，提取出更精确的水体信息。
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。
基于遥感的水体信息提取技术研究进展
（ 北京林业大学 林学 院， 北京 １ ０ ０ ０ ８ ３ ）
摘 要 ：总结 了遥 感技 术在水 体信 息提 取 方 面的研 究进展 ， 并 阐述 了基 于遥 感的 ６类水 体信 息提 取 方法 ， 包括 ： 单 波段 阈值 法 、 多波段谱 间关 系法 、 指 数模 型 法、 多光谱 混合 分析 法 、 遥感 影像分 类 法和 混合像 元分 解 法。在此基 础上 ， 指 出了应 用遥 感技 术提 取 水体信 息尚待 解决 的关键 问题 ， 并提 出 了 可能 的解 决途径 。最后 对水体 遥感信 息提 取 的发 展趋 势进行 了展 望 。
关键 词 ： 遥 感 ；水 体 信 息 提 取 ；波 谱 特 征 ； 谱 间 关 系 ；混合 像 元 分 解 中图分 类号 ： Ｔ Ｐ ７ ９ 文 献标志 码 ： Ａ 文 章 编 号 ：１ ０ ０ ４— ３ ２ ６ ８ （ ２ Ｏ １ ３ ） ０ ６ — ０ ０ １ ６— ０ ５
Ｒｅ ｓ ｅ ａ ｒ ｃ ｈ Ａｄ ｖ ａ ｎｃ ｅ ｏ ｎ Ｔｅ ｃ ｈ ｎｏ ｌ ｏ ｇ ｙ ｆ ｏ ｒ Ｅｘ ｔ ｒ ａ ｃ ｔ ｉ ｎｇ Ｗａ ｔ ｅ ｒ
ｓ ｅ ｎ ｓ ｉ ｎｇ ｔ ｅ ｃ ｈ ｎｏ ｌ ｏ ｇｙ ｗａ ｓ ｓ ｕ ｍｍ ａ ｒ ｉ ｚ ｅ ｄ ．Ｓｉ ｘ ｍｅ ｔ ｈ ｏｄ ｓ ｆ ｏ ｒ ｔ ｈｅ ｅ ｘｔ ｒ ａ ｃ ｔ ｉ ｏ ｎ ｏ ｆ ｗａ ｔ ｅ ｒ ｉ ｎ ｆ ｏ ｒ ｍａ ｔ ｉ ｏｎ ｗｅ ｒ ｅ ｄ ｅ － ｓ ｃ ｒ ｉ ｂｅ ｄ ｉ ｎ ｄｅ ｔ ａ ｉ ｌ ｂａ ｓ ｅ ｄ ｏｎ ｒ ｅ ｍｏ ｔ ｅ ｓ ｅ ｎ ｓ ｉ ｎ ｇ， ｗｈ ｉ ｃ ｈ ｉ ｎ ｃ ｌ ｕ ｄｅ ｄ ｓ ｉ ｎ ｇｌ ｅ ｂ ａ ｎｄ ｔ ｈ ｒ ｅ ｓ ｈｏ ｌ ｄ， ｍｕｌ ｔ ｉ — ｂ ａ ｎｄ ｓ ｐｅ ｃ — ｔ ｒ ａ ｌ ｒ ｅ ｌ ａ ｔ ｉ ｏ ｎｓ ｈｉ ｐ， ｉ ｎｄ ｅ ｘ ｍｏ ｄ ｅ ｌ ， ｍｕｌ ｔ ｉ ｓ ｐ ｅ ｃ ｔ ｒ ａ ｌ ｍｉ ｘ ｔ ｕｒ ｅ ａ ｎａ ｌ ｙｓ ｉ ｓ， ｒ ｅ ｍｏ ｔ ｅ ｓ ｅ ｎ ｓ ｉ ｎ ｇ ｉ ｍａ ｇｅ ｃ ｌ ａ ｓ ｓ ｉ ｆ ｉ ｃ ａ ｔ ｉ ｏ ｎ ａ ｎｄ ｐ ｉ ｘｅ ｌ ｓ ｕ ｎ ｍｉ ｘ ｉ ｎｇ ｍｏ ｄｅ １ ．Ｏｎ ｔ ｈｉ ｓ ｂａ ｓ ｉ ｓ ， ｓ ｏ ｍｅ ｐ ｒ ｏ ｂｌ ｅ ｍｓ ｏ ｆ ｔ ｈ ｅ ｅ ｘ ｔ ｒ ａ ｃ ｔ ｉ ｏ ｎ ｏ ｆ ｗａ ｔ ｅ ｒ ｉ ｎｆ ｏｒ ｍａ ｔ ｉ ｏ ｎ ｕ ｓ ｉ ｎ ｇ ｒ ｅ ｍｏ ｔ ｅ ｓ ｅ ｎｓ ｉ ｎｇ ｔ ｅ ｃ ｈｎｏ ｌ ｏ ｇｙ ｗｅ ｒ ｅ ｐ ｏ ｉ ｎｔ ｅ ｄ ｏ ｕｔ ａ ｎ ｄ ｔ ｈｅ ｐ ｏｓ ｓ ｉ ｂｌ ｅ ｗａ ｙ ｓ ｔ ｏ ｓ ｏ ｌ ｖ ｅ ｔ ｈｅ ｓ ｅ ｐｒ ｏ ｂｌ ｅ ｍｓ ｗｅ ｒ ｅ ｅ ｘｐ ｏ ｕｎｄ ｅ ｄ ． Ｆｉ ｎ ａ ｌ ｌ ｙ， ｔ ｈｅ ａ ｐｐ ｌ ｉ ｃ ａ ｔ ｉ ｏ ｎ ｐ ｒ ｏｓ ｐ ｅ ｃ ｔ ｏ ｆ ｒ ｅ ｍｏ ｔ ｅ ｓ ｅ ｎｓ ｉ ｎｇ ｔ ｅ ｃ ｈ ｎｏ ｌ ｏ ｇｙ ｉ ｎ ｔ ｈｅ ｅ ｘｔ ｒ ａ ｃ ｔ ｉ ｏ ｎ ｏ ｆ ｗａ ｔ ｅ ｒ ｉ ｎｆ ｏｒ ｍａ ｔ ｉ ｏｎ ｗａ ｓ ａ ｎ ａ ｌ ｙ ｚ ｅ ｄ． Ｋｅ ｙ ｗｏ ｒ ｄ ｓ：ｒ ｅ ｍｏ ｔ ｅ ｓ ｅ ｎｓ ｉ ｎ ｇ；ｗａ ｔ ｅ ｒ ｉ ｎ ｆ ｏ ｒ ｍａ ｔ ｉ ｏ ｎ ｅ ｘ ｔ ｒ ａ ｃ ｔ ｉ ｏ ｎ；ｓ ｐ ｅ ｃ ｔ ｒ ａ ｌ ｃ ｈ ａ ｒ ａ ｃ ｔ ｅ ｒ ｉ ｓ ｔ ｉ ｃ ｓ ；ｒ ｅ ｌ ａ ｔ ｉ ｏ ｎｓ ｈｉ ｐ ｂｅ ｔ ｗｅ ｅ ｎ ｂ ａ ｎｄｓ ；ｐ ｉ ｘ ｅ ｌ ｓ ｕｎ ｍｉ ｘｉ ｎ ｇ
envi单波段阈值法提取水体信息
envi单波段阈值法提取水体信息水是地球上最为珍贵的资源之一，对于人类的生存和发展具有重要的意义。
因此，如何准确、高效地提取水体信息成为了遥感技术中的一个重要研究方向。
envi单波段阈值法作为其中的一种方法，具有简单、易操作、计算速度快的特点，被广泛应用于水体信息提取中。
envi单波段阈值法的原理是基于图像中水体和非水体的像元灰度差异，将水体的像元值与阈值进行比较，达到提取水体信息的目的。
具体步骤如下：第一步，导入遥感影像。
在ENVI软件中打开需要处理的遥感影像，确保影像的空间分辨率和波段信息准确无误。
第二步，选择合适的波段。
根据水体的特征和所需提取的信息，选择合适的波段进行处理。
通常，近红外波段和短波红外波段对水体信息提取具有较好的效果。
第三步，计算像元灰度差异。
通过计算每个像元的灰度值与阈值之间的差异，确定每个像元是水体还是非水体。
第四步，设置阈值。
根据实际情况和需要，设置合适的阈值。
一般情况下，可以通过试错法确定最佳阈值。
第五步，根据阈值提取水体信息。
将像元灰度差异与阈值进行比较，将达到阈值条件的像元标记为水体，其他像元标记为非水体。
第六步，可选的后处理。
根据实际需求，对提取结果进行后处理。
例如，去除噪声、填补孔洞等。
envi单波段阈值法的优点是简单易行，计算速度快。
但是，它也存在一些局限性。
首先，阈值的选择对结果影响较大，需要根据实际情况进行调试。
其次，该方法对于复杂的地物背景和混合像元的处理效果不佳。
因此，在实际应用中，需要根据具体情况选择合适的方法。
在实际应用中，envi单波段阈值法被广泛应用于水体信息提取。
例如，对于城市规划和环境监测，可以利用该方法提取城市水体面积和分布情况，为城市发展和环境保护提供数据支持。
对于水资源管理和水环境保护，可以利用该方法提取水体的空间分布和变化信息，为水资源的合理利用和保护提供科学依据。
此外，envi单波段阈值法还可以应用于湖泊、河流、海洋等水体的监测和研究。
envi水体提取方法实验报告
envi水体提取方法实验报告实验报告-水体信息提取《遥感原理与应用》实验报告学院：授课教师：班级：姓名：学号：1一、实验目的1、提取TM图像中的水体信息，对图像（TM-AA）中的水体进行提取，采用公式（b2-b5、(b2-b5)/(b2+b5))分别进行提取，进行分割比较。
2、对提取的水体图像进行形态学处理，并对处理后的图像进行效果比较。
二、实验原理通过ENVI软件，对图像（TM-AA）中的水体采用公式（b2-b5、(b2-b5)/(b2+b5))分别进行提取，进行分割比较。
三、实验准备软件准备：ENVI 实验数据：图像：AA四、实验步骤1、查看图像直方图。
22）、查看光谱剖面信息。
3）、查看指定线路上的光谱值变化。
（4）、查看不同像素位置光谱值变化。
A、显示图像和直方图B、确定直方图分级点的像素3C 、设置拉伸的范围5）、查看（5，4，2）合成图像中水体光谱的差异。
6）比较不同地物的像素差异。
47）提取当前位置的像素值。
8）、提取水体。
5篇二：遥感ENVI水体信息提取实验实习一：水体信息提取姓名：XXxx学号：专业：地理信息科学教师：成绩：环境与规划学院二〇一六年四月实验报告一实验目的学习水体光谱的征曲线，掌握应用遥感图像处理软件进行水体波普的差异性分析。
掌握水体提取的常用方法；能够使用ENVI 软件进行水体信息提取。
二实验内容遥感探测的水体波谱信息：水可以吸收也可以散射通过水汽界面的波谱辐射能量（Ed），但水的散射会增加天空辐射能量（Eu），而水的吸收则会同时减少Ed和Eu。
遥感影像记录了地表物体的反射信息及其自身向外的辐射信息。
相对于其他地物而言，水体在整个光谱范围内都呈现出较弱的反射率。
在近红外、中红外及短波红外部分，水体几乎吸收了去不得入射能量，因此水体在这些的反射率特别低，而土壤、植被、建筑物等在这些波段吸收能量较小，具有较高的反射率，是的水体与他们具有明显的区别。
水体信息提取有助于确定水体边界、了解水域面积变化、水文水资源要素，提取结果可用于水资源信息统计及相关的辅助决策三实验方案单波段法（阈值）；多波段法（谱间关系法、比值法、归一化差异水体指数（NDWI）、改进的归一化差异水体指数（MNDWI）1．图像预处理（1）辐射定标：将DN值转成辐亮度File---open image file---。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
基于目标的水体信息提取研究
发表时间：2019-08-13T16:20:59.030Z 来源：《科学与技术》2019年第06期作者：刘星星[导读] 利用SPOT遥感图像采用基于目标的方法，利用eCognition软件，实现水体信息的自动提取。
（广州市增城区城乡规划与测绘地理信息研究院，广东广州 511300）摘要：鉴于基于像元的方法在高分辨率影像中水体信息提取的不足，以高分辨率SPOT遥感影像为数据源，采用多尺度分割算法，对水体的特征进行分析，建立对象知识进行细分类。
实验表明，基于目标的方法保证了信息提取的完整性且提高了精度，能够得到更好的效果。
关键词：基于目标；多尺度分割；知识库；分类1引言
利用卫星遥感数据对水资源进行宏观的观测，在近年得到了广泛的应用。
而水资源的研究离不开对水体的准确提取。
本文利用SPOT遥感图像采用基于目标的方法，利用eCognition软件，实现水体信息的自动提取。
2实验区数据
实验区选择武汉，武汉位于江汉平原中部，市内湖泊塘堰众多，世界第三大河长江及其最长支流汉江横贯市区，是个水覆盖率高的地区，是水体识别和提取的好实验区。
本实验的分类种类包括河流、湖泊和非水体。
实验采用SPOT高分辨率影像，SPOT多光谱影像具有红、绿、蓝、近红外4个波段，分辨率为10m，全色影像具有一个全色波段，分辨率为2.5m。
3研究方法
水体是一种特殊的地物，由于其所具有的液体特质，所在区域一般是连续的，边缘一般也较光滑，用基于目标的方法来提取水体，更容易将水体与非水体区分开，精度也会更高，主要包括多尺度分割和构建水体提取知识库。
3.1多尺度分割
多尺度分割采用自下而上的方法对影像进行分割。
在分割前需要确定影响异质性最小的两种因子：光谱因子与形状因子，其中形状因子包括光滑度异质性、紧密度异质性。
多尺度影像分割就是对影像中目标设立一个特定的阈值，根据影像中目标地物的色彩、形状、纹理等特征，建立相应的分割准则，将光谱信息类似的相邻像元合并，组成一个有意义的对象。
进行多尺度分割后，不同类别的地物即可以实现在不同尺度层的信息提取[5]。
3.2构建水体提取知识库
知识库是多种特征的集合，选择合适的特征表达式能较好地模拟道路、水体、植被等的知识，可构建出用于提取水体的知识库。
3.2.1归一化水体指数
通过水体的最强与最弱反射波段进行比值运算，扩大水体与其他地物之前的差异，有效抑制植被信息，从而突出水体信息。
NDWI=(Green－NIR)/(Green+NIR) (4)
其中，Green代表绿波段的亮度值，NIR代表近红外波段的亮度值。
3.2.2亮度值
亮度值是指影像对象的图层数量除以包含光谱信息的图层平均值的总和(一个影像对象的光谱平均值的平均值)。
4实验与结果分析
4.1数据预处理
数据预处理主要是运用ERDAS软件进行SPOT多光谱影像和全色影像的配准，将不同时刻、不同传感器或者不同角度获取的遥感数据变换采样到统一的参考坐标系下，实现同名地物影像像素的一一对应。
以全色波段图像为参照，通过选取两幅图像对应的明显地物点，采用多项式法对多光谱图像进行校正。
多项式的次数为2，需要6个控制点，5个检查点。
控制点应平均分布在整幅图像中，且为明显不易变动的点。
通过重采样为相同的空间分辨率，空间配准误差不得超过一个像素。
在eCognition软件中，利用融合后的影像进行分类，实验结果表明与基于原始多光谱影像的分类结果相比，其分类精度有很大提高[4]。
4.2影像分割
在多尺度影像分割过程中要达到满意的分割结果，分割参数的选定很重要，直接影响分类精度。
武汉水体覆盖面积较大，分割尺度采用300能较好的把水体分割出来，除分割尺度外，还需设置形状指数和紧凑度指数来保证分割结果不会太破碎。
在清晰分割出水体的同时，要使背景目标与水体目标形状差异尽可能的大。
经过多次尝试，最终将形状指数设为0.1，紧凑度指数设置为0.5。
4.3隶属度函数分类精度
在本次实验中，采用隶属度函数的方法进行分类。
隶属度函数[4]可以精确定义对象属于某一类的标准，可以利用对象特征和类间相关特征。
在评估完形成每个类的每个特征后，会由隶属度函数返回一个在0和1之间的隶属度值。
这些值可以通过逻辑运算符组合起来进行类赋值的计算。
隶属度函数提供了组合不同维数不同范围值的可能性。
隶属度函数可以利用对象特征和类间相关特征精确定义对象属于某一类的标准。
水体提取利用归一化水体指数和亮度来提取河流和湖泊。
需要确定各个特征的阈值。
在影像上点击一个影像对象，可以在Image Object Information 窗口中看到该对象所选特征的特征值。
对于每一类，多选几个有代表性的对象，记下该对象所选特征的阈值范围。
湖泊和河流的NDWI的范围基本都在-0.7到-0.4之间，河流的亮度值范围定为：80-100，湖泊的亮度值范围为60-80。
根据范围的分布，可以调整函数斜率图，以使影像分类更精确。
隶属度函数分类结果如下图2所示，其中红色代表湖泊，蓝色表示河流，未被分类的属于非水体。