几种TM影像的水体自动提取方法比较

本文对几种常用的TM影像水体方法进行论述,并提出了两种水体自动提取方法,一种是将TM2+TM3>TM4+TM5的谱间关系法与IHS彩色空间构建模型相结合提取水体;另一种是基于卫星图像数据的LBV变换与归一化植被指数NDVI的遥感影像水体信息自动提取的方法。并通过实验比较几种方法的优点和缺点,IHS彩色空间构建模型的方法可以有效地提高细小水体提取的精度,LBV变换与NDVI相结合的方法可以准确地区分水体与低密度覆盖的水植混合区。     

基于LBV变换与多分辨率分析的水体提取研究

给出了一种改进的Otsu方法,采用LBV变换对TM数据进行处理,实现了B分量阈值的自动选取,以有效地提取水的精度,并引入小波多分辨率分析方法,进一步提高了自动提取水体的精度。     

一种结合特征拟合的水域信息提取方法

针对干旱半干旱区水域的重要性,开展基于环境减灾卫星的水环境遥感识别监测已成为目前水资源领域中的重要任务。该文利用LBV变换能显著突出地物信息的这一特征,以环境卫星为数据源探讨LBV变换方法。在分析L、V、B3类分量的基础上,以V-B及L-B为特征空间,结合波段阈值、二维散点分布与回归拟合方法,识别研究区的水域分布信息。结果表明,使用单一B分量阈值法能较完整地提取出水域信息。利用水体集群聚集程度高的方式提取的水体信息,在V-B及L-B特征拟合下也能完整地提取研究区内的水域信息。比较3种水体信息提取方法,无论是在误提取率还是在水体提取精度上,L-B特征拟合方法提取的效果最好,其次是V-B特征关系,B分量阈值法提取精度最低。     

基于天绘一号卫星影像的水体信息提取对比研究

针对天绘一号卫星高分辨率影像,采用面向对象分类方法对怀柔水库区域进行水体信息提取,在多尺度分割的基础上,统计地物的光谱信息、形状因子和亮度均值等,建立水体信息的特征集,充分利用高分辨率的特点提取水体信息,同时选取了参数相近的SPOT和RapidEye两幅国外高分影像进行对比研究,使用相同方法进行水体提取,对实验过程和结果进行了对比分析。针对提取结果,采用野外采样和矢量图分析两种方法综合进行精度评价,根据采样数据得到的精度分别为96.97%,95.45%,92.42%,分析实验结果的矢量图,其中天绘影像水体提取面积为5 537 412.5㎡,SPOT影像为5 398 225㎡,RapidEye影像为5 053 262.5㎡,对实际水域的面积覆盖分别达到了101.40%,98.85%,92.54%,天绘影像的整体精度较高,但在细节表现上较为模糊,主要误差来自于对湿地的误分。实验制定了适用于天绘影像的水体提取方法和规则,分析不同因素对分割与分类结果的影响,同时,我们比较了天绘影像与国外同级别高分影像的优劣性,为天绘影像的进一步应用提供了参考。     

综合水体指数的创建

在对NDWI和MNDWI等传统水体指数进行分析的基础上,本文提出了一种创建水体指数的新思路:将多光谱图像进行LBV和HSV等复合变换,综合利用变换前的多波段信息和变换后的新波段信息绘制地物光谱曲线,寻找水体的光谱特性,进行水体指数的创建。本文利用ETM+图像HSV变换后的Sat波段以及LBV变换后的V波段,创建了综合水体指数(SWI),并利用SWI进行了遥感影像水体信息自动提取实验。实验表明:利用SWI能准确提取水体信息,有效减少水体提取结果中的误提取像元。     

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。     

综合水体指数的创建

在对NDWI和MNDWI等传统水体指数进行分析的基础上,本文提出了一种创建水体指数的新思路:将多光谱图像进行LBV和HSV等复合变换,综合利用变换前的多波段信息和变换后的新波段信息绘制地物光谱曲线,寻找水体的光谱特性,进行水体指数的创建.本文利用ETM+图像HSV变换后的Sat波段以及LBV变换后的V波段,创建了综合水体指数(SWI),并利用SWI进行了遥感影像水体信息自动提取实验.实验表明:利用SWI能准确提取水体信息,有效减少水体提取结果中的误提取像元.     

高分一号遥感影像在青藏高原湖泊的提取方法

基于高分一号影像,选用归一化差异水体指数(NDWI)阈值法、LBV变换法、"全域-局部"水体自动分割法,分别提取了布若错、赛布错和雅根错的边界。分析对比3种方法,结果显示NDWI阈值法与LBV变换法从整张影像中提取湖泊边界,影像中的非湖泊范围的区域如阴影区等,会误判为湖泊的像元;"全域-局部"水体自动分割法将提取范围从全域转为局部,减少了非湖泊范围内地物信息的干扰,并对每个湖泊的NDWI阈值独立判断,实现了湖泊边界的精细提取。     

融合随机森林模型和6种水体指数的上海市水体信息提取

为快速、准确地掌握水体分布信息,本文以上海市为研究区,基于多时相Sentinel-2卫星数据构建水体提取特征集,并采用效率高、稳健性好的随机森林模型,对研究区内的水体进行提取。水体提取特征集在现有光谱波段特征的基础上加入6种水体指数,分别为NDWI、MNDWI、AWEI_sh、WI₂₀₁₅、SWI和RWI,旨在提高水体提取精度。针对10个光谱波段特征及6种水体指数,设计了8种试验方案探究加入水体指数对于水体提取的作用。结果表明,将6种水体指数全部加入的方案精度最高,为97.910%;NDWI和RWI能提高水体提取精度、降低漏提率和误提率。     

基于LBV变换的GF-2影像水体提取方法

针对GF-2影像波段较少、不利于构建水体指数的问题,提出了基于LBV变换的水体提取方法。通过GF-2影像的LBV变换及其归一化,得到了物理意义明确的L、B、V变换分量;利用这三个分量计算特征分量BL、BV,构建完整水体提取方案,对阿克塞县的小苏干湖和石嘴山市某一段黄河进行水体提取。实验结果表明,相比于NIR、NDWI算法,本文算法能够更好地将水体与土壤、植被、建筑物等地物区分开来,在正确率、误提率、漏提率方面总体优于NIR、NDWI算法,提取过程简单,具有较好的应用价值。     

图谱迭代反馈的自适应水体信息提取方法

提出图谱迭代反馈模型,结合空间聚合图特征和非线性谱映射结果的优点,设计图谱迭代反馈机制,并通过自适应信息计算方法自动地调整提取参数,逐步地计算逼近正确的专题区域边界。结合水体提取案例,在分析当前较为有效的水体提取方法基础上,选取ETM影像作为数据源,提出图谱迭代反馈的自适应水体信息提取（WERSTP）理论与方法。试验比较表明,该方法能充分结合基于指数和基于光谱分类提取方法的优势并成功融入水体空间分布特征,获得较好的提取效果。     

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。     

GF-2影像中不同水体指数模型提取精度及稳定性分析

针对GF-2卫星影像数据的特点，选取了临夏回族自治州境内两个不同研究区域，分别采用单波段阈值法、归一化差分植被指数法（NDVI）及其他3种水体提取指数法（NDWI、SWI、MSWI）对两个研究区进行水体提取试验。通过分析比较各水体指数模型中阈值对水体提取精度和稳定性的影响，发现研究区1（城区）中单波段阈值法提取效果最高达到71.29，且稳定性较好。研究区2（山区）中MSWI方法提取精度最高为95.76，稳定性较单波段法次之。本文试验为GF-2影像在不同区域进行水体提取时选择不同模型及阈值时提供可靠的参考依据。     

迁移学习用于多时相极化SAR影像的水体提取

基于机器学习分类器的极化合成孔径雷达（synthetic aperture radar, SAR）影像水体提取方法具有较高的可靠性,但其通常依赖于大量的训练样本,利用该方法进行多时相极化SAR影像的水体提取时,在每一景影像上都人工标注足够数量的训练样本是十分困难且耗时的。同时,SAR影像上固有的相干斑点噪声会进一步加剧样本标注的难度。对此,引入迁移学习方法,利用其知识迁移能力将已有的训练样本的类别标签信息迁移至未标注的样本,以降低获取新样本所需的人工代价,提高水体提取的时效性。使用6景极化SAR影像和4种迁移学习方法进行最佳源域影像选取、样本标签迁移和水体提取实验,实验结果表明,迁移学习方法可以准确地将源域影像上的训练样本的标签信息迁移至其他影像,有效减少其他影像进行水体提取需要的人工标注样本的数量,同时能够维持较高的水体提取精度,在洪涝灾害应急响应中具有一定的应用价值。     

利用TM影像Band1与Band7提取水体信息

本文以北京地区TM影像为例,通过研究水体与其他地物在各个波段光谱特征的差异,对比分析常用的水体信息提取方法—NDWI和MNDWI,提出一种新的水体信息提取方法。该方法利用TM波段1和波段7归一化的比值-(Band1-Band7)/(Band1+Band7)提取水体信息。实验证明:该方法除了可以与NDWI和MNDWI一样提取植被区的水体以外,在城区水体提取中具有显著的优势。     

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。     

复杂环境下高分二号遥感影像的城市地表水体提取

水体指数可以抑制背景噪声和提高地表水体的可分性,已经广泛用于地表水体提取。传统FCM聚类算法考虑了地物的不确定性,但没有顾及地物的邻域空间信息,对背景异质性比较敏感。针对传统FCM聚类算法的不足,提出一种可变邻域的区域FCM聚类算法。由于复杂环境下高分二号(GF-2)遥感影像的城市地表水体具有复杂异质背景和不确定性的特点,本文利用水体指数和区域FCM聚类算法的优点,提出一种整合水体指数和区域FCM的城市地表水体自动提取算法,该算法主要步骤包括:(1)去除影像阴影后计算归一化差分水体指数NDWI(Normalized Difference Water Index);(2)区域FCM聚类算法;(3)整合水体指数和区域FCM聚类的城市地表水体自动提取算法。最后采用两景GF-2高分辨率遥感影像(广州和武汉)进行实验,验证了该算法的有效性,并与经典地表水体提取算法进行对比分析。实验结果表明:该算法具有较高的水体提取精度,城市地表水体边界既具有较好的区域完整性又保持了局部细节,同时对城市地表水体复杂背景噪声具有较好的抑制作用,有效减少传统FCM聚类算法的"胡椒盐"现象。     

基于NDWI与改进型FCM相结合的高分一号影像水域信息提取方法研究

鉴于采用传统方法在提取高分辨率影像水域信息存在不足,本文以高分辨率国产卫星高分一号宽幅16 m空间分辨率多光谱影像为数据源,以浙江省钱塘江流域为研究区域,通过预先对影像进行NDWI处理,在此基础上利用改进FCM聚类算法实现了水域信息的自动提取,并与传统的NDWI和ISODATA分类方法提取结果进行比较。结果表明,该方法在分类效果和精度方面均优于传统分类方法,作为国产高分一号影像水域信息自动提取方法是可行的。     

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。     

The Extraction of Urban Surface Water from Hyperspectral Data Based on Spectral Indices

To prevent confusion between water and buildings in the extraction of urban surface water from hyperspectral data, we analyzed the spectra of shadows and water in hyperspectral images, and proposed an anti-shadow water extraction method. This method first uses the normalized difference vegetation index (NDVI) for initial water extraction, then uses the height of the reflectance peak at 588 nm to eliminate the shadow of buildings. The method was validated by two hyperspectral datacubes, which were obtained for Jiaxing City and Zhoushan City in Zhejiang Province, China. Compared to the common spectral indices used to extract a water body, such as the NDVI, normalized difference water index, hyperspectral difference water index, and index of water index, the proposed method could effectively eliminate the shadow of buildings. The commission error reduced from more than 40% to about 15%, and the Kappa coefficient was increased from 60 and 70% to over 80% for the two datacubes. This indicated that the proposed method can inhibit the shadow of buildings and does not have a regional dependence.