基于结构相似区域搜索的TM影像细小河流提取方法

针对当前TM影像中细小河流提取存在的不连续问题,提出一种基于结构相似区域搜索的细小河流提取方法。首先,利用地物间不同的反射特性,使用水体提取模型对细小河流和无关信息进行区分;其次,结合TM不同波段上水体灰度值差异,设定不同阈值去除无关噪声;然后,通过搜索评估不连续河流区域,确定河流待连接断点;最后,利用河流像元间结构相似度,实现不连续细小河流的启发式搜索连接。研究结果显示,相比传统的乘性Duda算子、线状特征增强算子以及区域生长等方法,基于结构相似区域搜索的细小河流提取方法,有效地解决了细小河流提取不连续的难题,准确地实现了细小河流的完整提取。该方法对基于遥感技术的完整水体信息提取,具有较大的实际应用价值。     

不同指数模型提取ALOS AVNIR-2影像中水体的敏感性和精度分析

以广东惠州附近水域为研究区,利用ALOS AVNIR-2多光谱数据分析水体和其他主要地物在影像上的光谱特征。构建几种常用的波谱指数,分析阈值对各种指数模型提取水体的敏感性及所能达到的最大精度。发现利用这些指数均可以较好地提取图像中的水体信息,提取效果从好到差依次是:归一化差值水体指数法(NDWI)、近红外波段分割法(NIR)、归一化差值植被指数法(NDVI)和比值植被指数法(RVI)。其中NDWI指数模型,在选择合适阈值的情况下,水体提取的总体精度最高可达98%左右,并且提取过程对阈值影响不敏感。     

利用BP神经网络提取TM影像水体

常用的水体提取方法需要设定阈值,而阈值的选择通常需要反复实验才能确定。为克服这一不足,本文提出了一种基于BP神经网络和光谱特征的水体自动提取方法。首先在TM影像中提取水体样本光谱信息、谱间关系、归一化差异水体指数以及缨帽变换(K-T变换)的第三分量(TC3)特征,然后将这4个特征作为BP神经网络的训练输入参数,最后利用训练好的网络对水体进行提取。对长沙市区TM影像进行水体提取,发现该方法组合了其他方法的优点,在不设置阈值的情况下,得到了更好的水体提取效果。     

一种改进光谱角匹配的水体信息提取方法

快速、准确地从卫星遥感影像上获取水体信息已成为水资源调查及监测、湿地保护、洪涝灾害评估等领域的重要技术手段。本文以GF-4卫星的PMS传感器影像为数据源,提出了一种改进光谱角匹配（MSAM）的水体信息提取方法,以内蒙古中东部和长江中下游两个试验区为研究对象,对比分析了MSAM与单波段阈值法、NDWI阈值法、支持向量机和光谱角匹配等传统方法的水体信息提取结果,并进行了精度评价。试验结果表明,本文提出的MSAM方法不仅能准确地提取水体信息,而且能很好地区分水体与云阴影,对细小水体的提取也具有很好的效果。在内蒙古中部和长江中下游两个试验区的水体提取精度分别达到99.86%和98.37%,在5种水体提取方法中的精度最高,可以有效地提取水体信息。     

资源三号测绘卫星影像中水体信息提取方法研究

以江苏省宜兴市为研究区,利用资源三号测绘卫星多光谱数据提取该区内水体信息。首先利用ERDAS软件QUAC工具进行大气纠正,对典型地物以及多种水体遥感反射率光谱特征进行分析;随后构建几种常用水体提取指数,通过对比实验确定各指数阈值,提取水体信息;对水体提取效果进行目视分析与抽样调查分析,结果表明:几种算法对于水体提取敏感性各有侧重,其中水体提取效果较好的算法有NDWI-B指数法和NDWI指数法。     

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.     

空-谱角匹配与多指数法相结合的OLI遥感影像水体提取

针对复杂环境条件下水体遥感提取结果不连续且易与植被、建筑物、阴影相混淆的难题，基于Landsat 8 OLI影像，以石家庄市平山县岗南水库和宿迁市骆马湖附近河流为研究区，提出了一种空-谱角匹配与多指数法相结合的水体信息提取方法；并与单波段阈值法、归一化差分水体指数法（NDWI）、光谱角匹配法（SAM）、自动水体提取指数法（AWEI）和一类支持向量机法（OC-SVM）的水体提取结果进行对比分析和精度评定。试验结果表明，本文提出的方法兼顾了多特征之间的互补性优势，引入的空间信息有效地抑制了噪声的干扰，且以像素为基元的提取策略较好地保持了水体的边缘信息，避免了出现平滑掉细节信息的情况；与传统方法相比，本文方法受植被、建筑和阴影的干扰最小，对细小水体也具备较好的识别能力。     

多特征多层次Sentinel-2影像辽宁省湖库水体提取

以辽宁省为研究区,本文基于GEE遥感云平台,使用Sentinel-2遥感影像,提出了一种多特征多层次的湖库水体提取算法。该算法选择自动水体指数(AWEI_sh)和改进的归一化水体指数(MNDWI)提取水体,并利用归一化植被指数(NDVI)、归一化建筑指数(NDBI)、归一化差异红边指数(NDREI)、Sentinel-2的B8和B9波段及DEM数据多层次地消除暗地物和高亮地物噪声,对提取结果中被云雾遮挡而部分缺失的水体进行修复,最后将河流及细小像素剔除。利用此算法提取了辽宁省2017—2021年每年4、7、10月的湖库水体,并对比了不同水体提取算法及不同的水体数据产品。试验结果表明,本文算法在大尺度条件下提取水体具有良好的效果,总体精度达96%以上,可以较好地去除植被、阴影等暗像元表面,并且保证了水体信息的完整性,在大尺度水体提取方面具有一定的适用性和稳定性。     

一种提取北部湾沿海地区水体信息的动态阈值方法

准确地获取水体分布信息与水体变化规律在流域综合治理等方面具有重要意义。本文基于高分六号(GF-6)影像与Landsat 8影像,选取北部湾海域作为测试研究区,在海洋水体指数(OWI)基础上,针对水体光谱特性,分析了水体像元OWI与归一化植被指数之间的相关性,基于两种指数动态平衡,提出了一个稳定性较高的动态阈值的水体提取方法,并进行了试验验证。试验结果表明,动态阈值方法能够稳定、准确地提取水体信息,避免了人为设定阈值存在的误差,并且本文提出的指数无论是针对国产高分影像还是其他光学影像,都具有较好的普适性,可应用于沿海海岸线的监测等方面。     

基于SPOT5影像自动提取水体的新方法

针对基于SPOT5影像提取水体时易受地形阴影、居民地等因素影响提取精度的问题,本文构建了一种新的水体提取方法。该方法以水体的遥感图像本底值研究为基础,通过构建能够同向增强的水体指数及多指数集成计算模型,实现水体灰度值的极化,在此基础上利用改进的阈值自动选取算法、数学形态学滤波及细化等算法,实现了水体的高精度自动提取。经过试验比较表明,该方法能够有效地提取较细水体,且能够有效去除地形阴影、居民地及河流边滩等的影响。     

利用国产GF-1卫星数据实现山区细小河流河宽的自动提取

以国产GF-1卫星影像为数据源，选取皇甫川流域内山区细小河流密集的上游1421 km²作为研究区域，针对因山区河流河道狭窄、形态复杂等导致的河流边界提取难度大、精度差、河宽无法自动提取的难题，首先利用改进的变异系数法筛选水体指数，再采用改进的决策树法结合DEM河网精确获取河流边界，最后通过自动化河宽提取算法实现对山区细小河流及其河宽的自动提取。结果表明，本文方法对山区河流判别的总体精度为89.5%，有效地排除了山体阴影等地物的干扰。对河宽为0~10 m的极细河流，本文方法提取河宽的误差为18.54%；10~30 m的细小河流，提取误差为12.07%。     

斑点抑制与多分辨率拓扑分析相结合的SAR图像河流水体提取

针对由于斑点噪声和建筑遮挡造成的高分SAR图像河流水体提取的不连续问题,本文提出一种结合自适应斑点抑制和多分辨率拓扑分析的河流水体提取方法。首先,在斑点抑制各向异性扩散中引入Beta度量以实现SAR图像的自适应滤波;其次,利用局部阈值分割和连通域标识对去噪图像中的河流水体段进行快速提取;然后,以河流水体段的最小外接凸多边形为对象构建高斯金字塔,并由此进行多分辨率拓扑分析来获得河流间断点信息;最后,由区域生长策略逐层地对间断点进行判别,实现相邻河流水体段的自动连接。采用TerraSAR-X和GF-3高分SAR图像验证提出的方法。结果表明,该方法可有效地提取完整河流水体。对多幅SAR图像提取结果的定性和定量评价验证了提出方法的有效性与稳健性。     

数学形态学与拓扑约束支持的单条河流骨架线提取

为解决当前遥感手段提取河流骨架线自动化程度不高、精度有限、易发生断裂等问题,提出一种基于数学形态学与拓扑约束理论的完整单条河流骨架线自动化提取方法。该法综合利用归一化水体指数(NDWI)和数学形态学方法提取遥感影像中的河流及河流初始骨架线;从河流初始骨架线二值图中获取断点,并自动计算膨胀系数,利用局部膨胀细化法进行连接;结合拓扑约束,利用初始骨架线对连接线进行去伪操作。结果表明,该方法能有效解决细小、易发生断裂的单条河流的完整骨架线自动提取的难题。     

地图水系综合中等高线簇与河网协同的汇水区域提取方法

在地图水系自动综合中河流选取需要建立对不同河流重要性程度的有效判别。由于河流汇水区域直接反映河流的作用空间,因而其面积大小成为关键性的量化指标。目前基于河流的汇水区域自动提取方法主要从河流单一要素出发,按“空间均衡竞争”思想平分河流之间的区域,由于未考虑地形因素使得提取的汇水区域往往存在偏差,而传统基于DEM的汇水区域提取虽然考虑了地形,但没有与河流目标建立显性的对应关系。河流是一种天然的沟谷地性线,与山脊线具有对生互补的空间耦合关系,本文提出了一种等高线簇与河网双要素协同的河流汇水区域提取方法,该方法对河流与等高线的目标集合构建约束Delaunay三角网(CD-TIN)并将三角形分类,对不同类型的三角形分别采用骨架线提取规则与梯度向量引导的分水线搜索规则提取分水线段,连接形成网络结构并依此计算各河段的汇水区域。实验结果表明,本算法能更准确地提取河流汇水区域,从而为河流综合选取提供有效支持。     

基于频域滤波的高分辨率遥感图像城市河道信息提取

提出一种基于频域滤波的城市河道信息提取方法。首先对高分辨率遥感图像进行傅里叶变换得到频谱图, 并利用径向和角向分布图分析城市河道的频谱特征。其次, 基于城市河道的双线型特点, 将其分为边缘特征和低频信息两个部分, 并根据周期性纹理的频谱模型和地物频谱能量分布规律确定两个部分的频域识别标志。然后设计相应的扇环形带通log Butterworth滤波器和低通Butterworth滤波器分别对城市河道的边缘特征和低频信息进行提取, 并根据该两部分信息实现城市河道信息提取。最后对城市河道信息提取结果进行定量评价, 结果表明, 本文方法可以有效地实现城市河道的信息提取。     

Robust river boundaries extraction of dammed lakes in mountain areas after Wenchuan Earthquake from high resolution SAR images combining local connectivity and ACM

River boundaries extraction from SAR imagery is valuable for flood monitoring and damage assessment. Several rivers, parts of which include dammed lakes caused by landslides and rock avalanches triggered by the 2008 Wenchuan Earthquake, were taken as a case study for robust extraction. In this paper, a novel state-of-the-art approach for automated river boundaries extraction using high resolution synthetic aperture radar (SAR) intensity imagery is presented. The key of our approach lies in the combined usage of local connectivity feature of the river and a region-based active contours model (ACM) in a variational level set framework to differentiate between river and the background. First, sub-patched intensity thresholding segmentation is applied to SAR imagery. Pixels with intensities below the threshold are selected as potential river pixels while the others are potential background pixels. Second, potential river pixels are divided into several connected regions, considering that the river is a big connected region, only relatively bigger regions with similar contrast value are retained as the regions of interest (ROI) while others are noise due to pixel-level decision approach in the first step or shadows due to mountains terrain. Third, the ROI and their contours are regarded as local region and the initial contours to refine the river boundaries, which are used to reduce the scene complexity of ACM and its sensitivity to initial situation, respectively. A novel ACM driven by local image fitting (LIF) energy is presented and used for river boundaries extraction for the first time, which is not only robust against inhomogeneity widely spread in SAR imagery but also can work with efficiency without the need of re-initialization during iteration compared to traditional ACM. The proposed approach was tested on numerous high resolution airborne SAR images containing connected rivers or dammed lakes obtained by Chinese domestic radar system after Wenchuan Earthquake. For the overall dataset, the average commission error, omission error and root mean squared error were 6.5%, 3.3%, and 0.51, respectively. The average computational time for 4000 by 4000 image size was 21 min using a PC-based MATLAB platform. Our experimental results demonstrate that the proposed approach is robust and effective.     

DEM 辅助下的河道细小线性水体自适应迭代提取

提出了一种河道细小线性水体自动识别方法。该方法综合应用了空间知识、光谱计算和全局--局部迭代模型算法。首先,利用全球30米ASTER DEM数据,生成流域的水系分布矢量图;然后,以DEM水系分布图作为先验知识,通过空间分析形成信息提取目标区,为后续信息提取提供了目标靶区;再次,通过水体光谱指数计算和NDWI全局阈值分割,得到靶区水体分布的初步信息;最后,在水体指数全域分割的基础上,通过局部水体指数物理特征分析、自适应阈值选择和迭代计算,实现局部河道水体精确提取。试验采用ETM+数据对伊犁河上游的支流河道进行信息提取,结果表明该方法能够快速准确地完成大流域范围内的河道水系制图,并能够最大程度地降低细小河道水体识别中背景光谱信息混杂的干扰,提高了遥感信息提取的针对性和计算的效率。     

空间信息感知语义分割模型的高分辨率遥感影像道路提取

道路信息自动化提取已经成为遥感领域热门的研究方向,而基于深度学习的遥感影像道路信息提取方法已经取得了许多成果。但由于受到网络中卷积和池化等操作的影响,基于深度学习的道路提取方法存在着空间特征和地物细节信息丢失等问题,造成许多误提现象。针对此问题,本文设计了一种改进的道路提取语义分割网络模型,该网络以改进的ResNet网络为主体,并引入坐标卷积和全局信息增强模块,用于增强空间信息和全局上下文信息的感知能力,突出道路边缘特征进而确保道路分类的精确性。本文方法在公开道路数据集和高分数据集上获得了显著的提取效果,与其它方法相比取得了明显提高;并且,在一定程度上减少了树木、建筑阴影等自然场景因素遮挡的影响,可以完整准确地提取出道路;此外,模型对多尺度道路也可以实现有效地提取。     

城市道路的多特征多核SVM提取方法

针对高分辨率遥感影像中城市道路提取的复杂性及SVM的分类性能,提出了一种城市道路的多特征多核SVM提取方法。首先利用FCM算法将原始影像粗分为建成区和非建成区两类,剔除非建成区;然后根据分水岭分割算法分割建成区并提取分割对象的光谱特征与空间特征,以全局核函数和局部核函数加权组合的方式构建多核SVM对建成区进行二次分类,去除建成区中的建筑物等非道路信息;最后利用数学形态学处理,获得最终的道路提取结果。试验结果表明：文中所提方法能够较精确地提取城市道路信息,分类精度高于单核SVM提取及其他对比方法。