基于数据挖掘的GF-1 遥感影像绿潮自适应阈值分区智能检测方法研究

由于受到云雾的影响，可见光影像能够高效用于绿潮检测的数据源较为有限，特别是云覆盖较为严重的可见光影像，基本无法用于检测绿潮。即使影像数据是在薄云、薄雾、无云覆盖的情况下获取的，由于其光谱反射值存在较大差异，依然很难采用同一阈值进行绿潮检测。基于此，为了提高可见光影像的利用率，实现不同云覆盖情况下，绿潮的高精度自适应阈值的自动检测，本文以GF-1影像为数据源，首先采用K-means聚类和C4.5决策树方法实现影像云覆盖情况的自动识别；其次，选取大量不同云覆盖情况下子图像样本（每个子图像样本中均包含绿潮和海水两类），分析得出不同云覆盖情况下绿潮和海水的区分阈值y与影像光谱差x=band_nir-band_red之间所具有的线性关系；然后，利用分析得出的线性关系提出一种适用于GF-1影像的绿潮分区自适应阈值自动检测方法。最后，为验证提出方法的有效性，分别采用NDVI方法、EVI方法和本文提出的自适应阈值自动检测方法进行绿潮提取实验。实验结果表明，对于GF-1卫星遥感数据，本文提出的绿潮自适应阈值分区自动检测方法明显优于传统的NDVI和EVI检测方法，不仅提高了绿潮的监测精度，而且实现了绿潮提取的全自动化。