基于GF-5高光谱特征分析的水体提取方法研究

针对山区水体、山体阴影与裸地等地类光谱混淆性,基于高分五号(GF-5)影像数据,结合高光谱特征分析构建了山区水体决策树提取模型. 先对水体和相关干扰地类进行高光谱特征分析实现特征波段选取,应用单波段阈值法、多波段谱间关系法、归一化水指数(NDWI)法进行提取实验. 通过比较以上实验不足之处,提出了单波段阈值法与构建的阴影水体指数(SWI)相结合的决策树水体提取模型,以Google Earth高清影像为参考结合实地采样得到的混淆矩阵进行精度评价. 实验结果表明:单波段阈值法与NDWI法易将山体阴影识别为水体,受裸地影响较小;多波段谱间关系法对山体阴影有一定抑制作用,受小面积裸地影响;决策树提取模型能有效抑制山体阴影和裸地影响提取完整水体. 其总体精度为89.39%,Kappa系数为0.82,显著提升了山区水体提取精度.      

基于阈值分割与决策树的SAR影像水体信息提取

目前我国的GF-3 SAR数据可实现全天时全天候的对地观测,已服务于海洋、减灾、水利、气象等多个领域。改进了基于阈值分割法与决策树的GF-3 SAR影像水体信息提取方法,首先对GF-3 SAR影像进行基本处理;再采用KI二值化阈值分割法进行图像分割;然后通过构建知识决策树模型来提取水体信息,为了提高精度,采用GDEM数据进行地表建模,提取山体阴影;最后利用空间分析功能将地形建模阴影图与提取的水体范围进行匹配,去除山体阴影,进而获得水体信息的精确范围。通过混淆矩阵计算得到水体信息提取的总体精度为89.22%,Kappa系数为0.71,精度优于基于光学GF-2号影像的水体指数法提取结果。整个流程人工干预少,具有自动化更强、效率更高的优势。     

基于光谱角匹配算法的水体信息提取研究

针对水体信息提取时,传统算法不能较好地解决山体阴影被误提为水体的问题,引入多用于高光谱数据处理的光谱角匹配算法,以Land-sat8 OLI(band1-band7)为数据源,以黄河小浪底水库周边区域为实验区,开展水体信息提取研究,结果显示:水体指数法和波段关系提取的结果中有大量的山体阴影信息,提取精度不超过30%,而光谱角匹配法提取结果受阴影的影响较小,提取精度在99%以上。     

基于NDWI分割与面向对象的水体信息提取

基于OLI融合影像,运用面向对象的目标提取方法对龙羊峡水体信息进行了提取。先将NDWI作为一个波段叠加到融合后的多波段影像中参与多尺度分割,再结合隶属度函数分类方法,选定NDWI的阈值范围提取水体信息,最后与基于像元的NDWI水体提取方法进行了比较。结果表明,两种方法受冰雪影响均较小,但面向对象的NDWI水体提取方法受山体阴影和薄云的影响较小,能完全消除基于像元的NDWI水体提取方法出现的"零星水体"现象。     

基于GF-1遥感数据的城市水体信息提取方法研究

水体信息的高精度提取是水资源监测、调查与管理等研究领域的关键问题。本文选取国产GF-1卫星影像作为数据源,根据影像中典型地物光谱特征采用归一化水体指数法(NDWI)、多波段谱间关系法对研究区进行了水体提取,并通过结果分析提出了基于主成分分析与多尺度分割技术的综合水体信息提取方法。对以上4种方法进行对比分析,验证结果表明:归一化水体指数法易受阴影信息影响;改进的多波段谱间关系法能较为完整地提取水体信息,但受小范围阴影信息影响;主成分分析综合法总体精度较高;多尺度分割提取法能有效地分离水体信息与非水体信息,水体信息提取的效果最佳。     

近红外波段ETM~+影像的积雪提取方法

针对提高积雪信息提取精度的要求,为了消除积雪覆盖的结冰水体、薄雪覆盖区以及山体阴影等对于积雪提取的影响,以Landsat-7ETM+为数据源,对近红外波段在积雪信息提取中的优越性进行了探索,提出了一种基于近红外波段和归一化差分积雪指数的积雪提取方法。对典型实验区进行了对比实验分析,结果表明,本文算法能有效减少在结冰水体、薄雪覆盖区以及山体阴影等区域的漏分、误分像元数,获得比SNOMAP算法更佳的积雪识别效果,提高积雪提取的准确性。     

基于Sentinel-1A卫星SAR数据的水体提取方法研究

在有山区的雷达图像上基于合成孔径雷达(SAR)提取地表水体时,由于水体与山体阴影的亮度值易混淆,导致自动提取地表水体较困难。因此,在SAR成像原理的支持下,通过DEM地形建模去除了水体提取过程中被误提为水体的山体阴影,提高了水体提取精度。首先,对SAR图像进滤波、地理编码等基本处理;然后利用面向对象分类法初步提取水体范围;再使用SRTM DEM数据进行地形建模,提取山体阴影;最后利用空间分析功能将地形建模阴影图与面向对象的水体提取结果进行匹配,达到去除山体阴影的效果,实现水体精提取。     

基于OLI数据与决策树法的去山体阴影水体信息提取研究

研究山区地表水体信息OLI遥感数据去阴影自动提取方法,设计基于数字高程模型与指数提取的决策树分类方法,提高水体自动识别的精度。该方法选取改进的归一化水体指数、归一化植被指数、比值植被指数、主成分分析前3个分量以及波段之间的组合运算,并结合DEM构建决策树分类规则。综合采用单波段阈值、谱间关系、植被指数和水体指数阈值完成山体水体的去阴影识别研究,与计算机自动识别分类方法比较,其精度明显提高。结果表明,决策树分类方法在精度上明显高于常用的计算机自动分类方法,可以很好地被利用于OLI遥感数据水体信息的海量、大范围提取。     

基于多源遥感数据的水体信息提取研究

卫星遥感技术已被广泛应用到水体信息提取中,但目前基于遥感技术的水体信息提取多采用单一的遥感数据源,而没有充分利用多源数据的信息复合优势,因此,提取结果经常受天气气候或空间分辨率限制。本文研究了不同尺度、不同平台的多种遥感数据源的水体信息提取方法。首先,基于波谱间关系决策树分类算法对Landsat ETM+图像进行水体提取,利用其分辨率优势较准确地提取出水体范围;其次,在Radarsat SAR图像上利用阈值法粗提取水体信息后,结合DEM剔除阴影得到水体信息;最后,利用灾前Landsat ETM+图像水体信息提取结果和灾中Radarsat SAR图像水体信息提取结果,进行差值处理,得到洪水淹没范围。研究结果可以为洪水灾害监测与评估提供信息依据。     

基于GF-2高分辨率遥感影像的水体提取方法研究

针对GF-2卫星影像数据的特点,利用单波段阈值法、多波段算法、归一化水体指数(NDWI)阈值法、单波段阈值法与阴影水体指数(SWI)相结合的决策树法对刘家峡地区的水体信息进行了提取,同时提出一种单波段阈值法与增强阴影水体指数(ESWI)相结合的决策树分类法,并对以上几种水体提取的效果进行比较分析,发现单波段阈值法与ESWI相结合的决策树分类法能够有效地消除绝大部分阴影的影响,且提取效果较SWI的效果要好,NDWI与多波段算法提取效果次之,单波段阈值法提取效果较差.      

遥感影像去除云阴影的高山区冰湖信息提取方法

利用光学影像提取高山区的冰湖信息时,云阴影和地形阴影是影响冰湖信息提取精度的重要误差源。为减少这一影响,本文提出并实验了一种利用水体指数法提取冰湖信息,利用光谱夹角阈值法、DEM生成的坡度图及地形晕渲图分别消除云阴影、地形阴影的综合方法。将论文算法在两幅存在云阴影和地形阴影的TM影像上进行了实验验证,实验结果表明,本文的方法能够有效消除云阴影和地形阴影对冰湖信息的影响,提高了光学影像的利用率,改善了冰湖信息提取的精度。     

喜马拉雅山地区冰湖信息的遥感自动化提取

在“全域—局部”分步迭代水体信息提取方法的基础上, 通过对水体信息提取指标——水体指数的物理特性的分析实现了算法中全域阈值的自动选择与局部阈值的自适应调整, 并结合DEM 生成的山体坡度和阴影信息,减少局部迭代过程中对其他地表特征与水体信息的误判。在此基础上, 建立一种适合于高山地区冰川湖泊的自动化提取方案。试验采用Landsat 数据对喜马拉雅山地区的冰川湖泊进行信息提取, 结果表明该方法能够快速准确地完 成大区域范围内的冰川湖泊制图, 并能最大程度地消除高山地区湖泊水体识别中冰川和山体阴影的影响。     

高山冰川多时相多角度遥感信息提取方法

提出一种多角度遥感影像的冰川信息提取方法。通过"全域—局部"的阈值分割方法获取短时期内不同时相的遥感影像的冰雪边界,结合地形信息和多时相遥感影像的太阳角度信息,联合消除山体阴影对冰川的遮挡,并以多期影像的最小冰雪边界作为最佳冰川边界。以托木尔峰西侧冰川为研究对象,采用2009—2010年4个时相的遥感影像提取冰川信息。结果表明多角度遥感提取的冰川边界效果好,能有效地排除积雪与山体阴影的干扰。     

基于局部自适应阈值的GF-3 SAR影像洪涝水体提取

针对全局阈值法在大场景SAR图像水体提取时存在的局限性以及山体阴影对水体提取的干扰,提出一种DEM辅助下基于自适应阈值的SAR影像洪涝水体提取方法.首先结合DEM和SAR卫星轨道参数去除山体阴影产生的辐射失真区域,利用K-means聚类算法得到初始的水体分布图;然后在初始水体信息基础上,通过窗口提取局部区域的水体和非水体,并采用KI算法对局部区域进行自适应阈值的计算,实现自适应阈值水体信息的快速提取.利用湖南省东北部GF-3精细条带2成像模式(FSII)SAR影像进行洪涝水体提取实验,研究表明该方法既保留了水体的细节信息,又能减弱噪声、山体阴影等的影响,F-Measure指数高于全局阈值法,其查准率较全局阈值法提高了7.97％,尤其适用于含山区影像的大范围洪涝水体快速提取.     

面向灾后水体遥感信息提取的知识决策树构建及应用

灾害发生以后,悬浮物质、波浪和水深等"同物异谱"会导致水体信息提取不完整,而阴影、沥青路面、浓密植被等"异物同谱"也会降低水体信息提取精度。针对此问题,提出一种特征知识引导的灾后水体信息提取方法。首先,分析水体遥感图像特征(光谱特征、几何特征、纹理特征、空间关系特征),构建灾后水体信息提取知识决策树;其次,对遥感图像进行面向对象分割,获取对象基元,并计算特征参数;然后,在知识决策树的支持下提取灾后水体信息;最后,对水体信息提取结果进行后处理,以去除噪声和填充孔洞。选取"5·12汶川地震"遥感图像开展验证实验,结果表明,水体信息提取结果位置准确,边界清晰,生产者精度和用户精度分别为0.85和0.94,该方法能够有效提取复杂背景下的灾后水体信息。     

一种城市高大地物阴影检测方法

针对水体、偏蓝色地物会影响阴影检测精度这一问题,该文提出了一种基于WorldView-2影像的城市高大地物阴影检测方法。首先,在统计分析阴影及典型地物光谱值的基础上,对C1C2C3色彩不变空间中的C3分量利用直方图阈值法分割阴影区域和非阴影区域,分离后的阴影区域中包含了绿色植被信息;然后,利用多波段运算提取植被信息;其次,对最初的阴影植被混合区域和植被区域做逻辑差运算,得到目标阴影区域;最后,对阴影提取结果进行小区域去除和形态学滤波等后处理。实验结果表明,该方法针对WorldView-2影像具有普适性,能够有效避免水体、偏蓝色地物的影响,能够精确、快速地检测阴影区域。     

基于GF-1卫星影像的改进SWI水体提取方法

大尺度高精度山区河流信息提取是我国干旱区水资源开发利用的关键技术,而利用遥感影像提取水资源信息存在水体与山区阴影难以区分的瓶颈。以GF-1号卫星2 m分辨率全色波段影像和8 m分辨率多光谱影像为数据源,选取新疆特克斯河流域巴喀勒克水库为研究区,提出改进的阴影水体指数法(modified shade water index,MSWI)进行水体信息提取;同时运用单波段阈值法、NDWI法、单波段法与阴影水体指数法(shade water indes,SWI)相结合的决策树分类法(简称SWI)以及单波段法与MSWI相结合的决策树分类法(简称MSWI)分别对研究区水体信息进行提取,并进行了对比分析。研究结果表明,前2种方法与SWI和MSWI法相比,效果稍差;而SWI和MSWI法分类效果较好,其中MSWI比SWI法分类总精度高0.94%,提高了高分辨率遥感影像的解译精度,可为国产高分系列卫星影像在干旱区水资源信息提取中的应用提供技术支持。     

面向对象的山区湖泊信息自动提取方法

传统的水体信息提取主要利用水体反射与吸收光谱特征构建各种光谱指数模型,进行全局像元级的提取。然而,不同水体类型的光谱、空间形态与空间分布特征均有显著差异。对于山区图像而言,山体阴影、冰雪、裸岩等地物的干扰使全局性水体光谱指数模型难以取得很好的提取精度。面向对象的图像分析方法通过对遥感图像进行分割,从全域—局部上耦合分析水体的光谱、空间形态、空间分布与空间关系等特征,构建了通用性强的湖泊信息提取规则集,最终实现湖泊水体信息的自动化提取。通过eCognition软件对Landsat TM图像的实验结果表明,该方法可以完全避免像元级阈值水体信息提取中出现的一些错误的"零星水体",自动且高效地提取出了山区湖泊水体信息,在无云情况下提取精度达95%以上。     

多指数去阴影型Sentinel-1 SAR数据洪水淹没范围最优阈值分割方法——以邵阳县为例

以邵阳县洪涝灾害为研究对象,采用Landsat8 OLI数据和Sentinel-1 SAR数据,通过NCIWI和SDWI多种指数增大洪灾前后水体和背景差异,利用DEM建模去除SAR数据山体阴影干扰,并采用Otsu法计算最优分割阈值,从而构建精度高、抗干扰性强的Sentinel-1 SAR数据洪水淹没信息提取方法。研究结果表明:1)融合数据提取精度较高; 2) DEM建模去除山体阴影效果良好; 3) GS变换融合法、组合水体指数法结合Otsu分割法,可实现水体精度提取,数据融合对洪水淹没范围与面积监测效果良好。     

利用决策树工具的土地利用类型遥感识别方法研究

应用决策树的理论和方法,利用遥感数据及其他相关数据和资料进行土地利用信息分类。通过研究地物光谱统计特征,讨论了通过耕地指数等归一化地类指数来增强影像地类特征、结合DEM提取土地利用信息的决策树分支点的设计方法,较好地解决了水体和建筑阴影、道路等容易混淆区域的区分问题。