遥感影像水体追踪识别提取算法及应用

针对大尺度区域所有规模以上水体一次性智能化水体提取的问题,提出了水体追踪识别提取算法。这种方法可以追踪图像中所有的连通区域,并对区域进行识别与提取。以花马湖区域的水体为例,使用水体追踪识别算法提取湖泊,能够准确地追踪各种形状的湖泊,与两边扫描法、区域增长法相比,扫描重复率低、精度高。     

利用改进的归一化差异水体指数（MNDWI）提取水体信息的研究

在对M cfeeters提出的归一化差异水体指数(NDWI)分析的基础上,对构成该指数的波长组合进行了修改,提出了改进的归一化差异水体指数MNDWI(M odified NDWI),并分别将该指数在含不同水体类型的遥感影像进行了实验,大部分获得了比NDWI好的效果,特别是提取城镇范围内的水体。NDWI指数影像因往往混有城镇建筑用地信息而使得提取的水体范围和面积有所扩大。实验还发现MNDWI比NDWI更能够揭示水体微细特征,如悬浮沉积物的分布、水质的变化。另外,MNDWI可以很容易地区分阴影和水体,解决了水体提取中难于消除阴影的难题。     

基于山地水体指数的水体边界提取方法

对水体进行准确快速的监测是环境研究的重要需求,也是水资源管理的重要工作.山地水体所处位置地形地貌复杂多变,人工实地调查难度更大,更加需要利用遥感方法来自动提取水体.在分析Landsat8多波段影像中岩石和土壤光谱反射特性的基础上,改进了归一化差分水体指数,提出了山地水体指数.相较于其他水体指数,该指数能有效抑制山地中土...     

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。     

基于遥感数据水体指数的水体面积变化监测

以Landsat TM/OLI卫星影像作为数据源,采用水体指数提取方法,提取辽宁汤河水库水域面积信息,分析水域面积变化情况及驱动力因素。结果表明,近二十年汤河水库水域面积呈现“先增加后减少再增加”的变化趋势,水库最南端面积变化最突出;气象因素中的气温是影响水库面积变化的主导因素。     

遥感影像水体提取研究综述

水体时空分布特征对于水资源监测与应用具有重要意义,为了快速、准确、高效地获取地表水体信息,借助于遥感影像进行水体提取的方法受到国内外学者关注。该文通过梳理相关研究成果,评述水体提取的3类方法:阈值法、分类器法和自动水体提取法在模型构建、分割机理和模型适用性3方面的差异。通过进一步分析现存的各类问题,指出水体物化特征与遥感光谱特征的关系研究是提高水体提取方法普适性的一条重要途径;同时,影像提取结果评价体系的标准化和规范化,将有助于推进遥感水体提取应用范围和力度。     

基于遥感的杭埠河流域水体的提取方法研究

通过遥感数据快速、精确的获取地物专题信息已经成为未来资源调查的发展趋势。在杭埠河流域水体变化研究中,由于杭埠河流域内地表湿润状况差异很大,以往的水体提取方法很难达到理想的效果,文章通过比较分析得出,在地表湿润状况差异较大的地区,非监督分类法,差值法、闽值法对水体的提取效果很不理想,而通过几种方法的结合并对谱间关系逐步分析来提取水体,则能够达到理想的效果。     

基于SVM监督分类的水体信息提取研究

利用遥感影像提取地表地物信息及人工目标是构建、更新地理空间数据库的重要手段。选用2景Landsat-TM遥感影像作为试验区,采用选取训练样本的SVM监督分类方法进行地表水体提取试验。结果表明,基于SVM监督分类方法仅适用于地表同质性好的区域,而对于地表信息丰富、地物混合度较高的区域,基于SVM监督分类方法选取和优化样本用时会显著增加,后期人工修改量大,分类效率较低。     

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。     

基于Landsat TM数据的东平湖水体提取方法研究

文章以东平湖LANDSAT TM影像为例,根据影像各波段间的相关性以及地物在影像上的灰度差异,分别采用单波段和多波段阈值法对影像上的水体进行提取.在此基础上,结合(TM2 +TM3)-(TM4 +TM5)设定阈值和TM5单波段阈值法,提出了一种综合水体提取的方法,最后,对各方法提取的结果进行精度评价.试验结果表明:综合提取法在该研究区域具有较好的水体提取效果,极大地改善了原始单一方法的水体提取精度.     

小卫星遥感影像自动提取水体方法研究

基于小卫星影像的水体信息提取方法,即用波段运算得到特征波段(PRWI),经过决策树等辅助手段提取出水体信息。通过在山东省微山湖上级坝北湖选取水体所做的试验表明,该方法在平原地区的总体提取效果较好,经检验发现其误判的像元主要是位于水体和其他地物的交界处。在山区选取山东省东周水库做的试验表明,在山区用该方法提取的小卫星水体信息和Landsat卫星的TM/ETM影像差距不大。小卫星还可以很好地用于城市规划、生态环境、土地利用和环境灾害等动态监测。     

基于GF-6的可可西里典型湖泊水体面积提取方法研究

湖泊是气候变化的敏感指示器,快速准确地获取湖泊水体信息对区域气候变化研究、区域生态环境保护和治理具有重要意义。本文基于高分六号(GF-6) WFV数据,以可可西里地区4个湖泊为研究对象,分别采用单波段法、波段差值法、归一化差异水体指数(NDWI)法提取了水体面积,并以目视解译所得结果作为参考标准,对不同方法的提取结果进行了精度评价。结果表明,单波段法易受浅水区水体影响,但受积雪的影响较小,而波段差值法和NDWI法受积雪影响较大;NDWI法虽能有效提取浅水区水体,但仍受一定程度湖底沉积物的影响;波段差值法与单波段法和NDWI法相比,能有效区分浅水区水体和背景地物。     

Sentinel-2遥感图像的细小水体提取

基于卫星遥感的水体提取算法对面积较大的水体效果较好,应用于细小水体时受混合像元、异物同谱等因素影响,容易出现误判。Sentinel-2卫星多光谱遥感数据空间分辨率为10 m、20 m、60 m,双星时间分辨率5 d,时间和空间分辨率较高,因此本文采用了Sentinel-2绿光波段（560 nm）、红边波段（705 nm）、近红外波段（842 nm、865 nm）和短波红外波段（2190 nm）的遥感反射率,提出了一种植被红边水体指数算法RWI（Vegetation Red Edge based Water Index）。对比分析了植被、阴影、建筑物、混合像元、裸土、水体6种地物的归一化遥感反射率,从机理上解释了为什么RWI比其他水体指数具有更好的提取细小水体的效果。本文对比了常用的几种水体提取算法,包括改进的归一化差异水体指数MNDWI（Modified Normalized Difference Water Index）、多波段水体指数MBWI（Multi-Band Water Index）、自动水提取指数AWEI（Automated Water Extraction Index）,以人工目视解译的水体结果为准,对比以上几种算法得到的水体提取结果,得出RWI、MNDWI、MBWI、AWEI_sh、AWEI_nsh的面积提取差异分别为3.6%,4.2%,12.2%,8.8%,19.8%。从结果可以看出RWI算法精度最高。从影像提取结果来看,本文提出的RWI算法提取的水体边界效果更佳,而且能够一定程度上消除山体和建筑物阴影、云阴影以及混合像元的影响。同时,在2016-01—2018-12时间范围内筛选选取了共43景无云的Sentinel-2影像,利用本文提出的算法对雄安新区、神东矿区、永城矿区3个区域的细小水体分布开展了多时相分析。观察后发现每个时相的结果均十分良好,细小水体的边界区分度较高,基本没有错提、漏提,算法具有良好的适用性和稳定性。     

基于LBV变换的TM数据水体提取新方法

TM数据经典水体提取方法存在对细小水体的漏判和对山体阴影的误判两方面缺陷。本文基于LBV变换提出了B分量阈值法和LBV关系法两种新的水体提取方法。实验结果表明:两种新方法的漏分精度分别为2.54%、2.73%,误分精度分别为15.71%、13.39%,整体提取效果优于经典方法。     

改进分水岭方法下的遥感图像水体提取

针对当下全球的水域环境监测中水体提取不完整、与周围地物区分错误等问题,以山东潍河为研究对象,提出了一种改进分水岭分割方法.首先提取目标水体的光谱信息分量作为前景图,然后将膨胀后的水体对象作为背景图,利用前景图与背景图叠加生成标记图,最后利用标记图通过分水岭变换对原图像进行分割以实现水体信息的自动提取.本文将试验结果与OpenCV中手动标记种子点的分水岭算法、基于Canny边缘的分水岭算法、结合形态滤波和标记的分水岭分割方法结果进行了对比.结果表明,本文算法比用种子点手动标记的方法更加自动化,提取的水体更加完整准确;相比于Canny边缘方法又避免了过度分割;比结合形态滤波标记的方法也更加完整准确,目标水体明显,对于水体提取是一种自动化的有效方法.     

基于 SPOT-5影像的吴哥地区水体提取方法研究

对于一个较小研究区提取地物信息,需要更高的空间分辨率和适合的光谱信息。以柬埔寨吴哥窟西北部为研究对象,开展基于SPOT-5影像的水体信息提取方法研究。通过分析研究区内的地物光谱特征信息,发现各地物在绿色波段和短波红外波段虽然都有下降趋势,但是水体的变化程度最大。利用这个信息建立决策树的一种水体提取模型:Band3/Band41.73并且Band1Band4。通过与NDWI法、决策树模型提取精度进行对比,证明该模型提取精度有较大提高,可有效地消除水田对提取精度的影响。     

ASTER数据的煤矿区水体信息提取

为实现多光谱数据对煤矿区水体信息提取,以萍乡市芦新岭及周边煤矿为试验区,在国内外学者对水体指数法提取水体信息和应用的启发下,对试验区不同地物的波谱特征进行分析。本文首先利用数学统计方法建立一种ASTER数据综合归一化差异水体指数模型SWI ASTER_xy,然后利用这一模型对试验区进行水体信息提取。试验表明,该模型能够有效地提取矿区各类水体,还可以运用在ASTER数据（或其他多光谱数据）对不同区域不同地物的提取,在遥感地物定量提取上具有很好的效果和潜力,具有一定的推广价值。     

特征提取和决策树法土地利用遥感分类

文章以安徽省淮南市为例,采用2005年Landsat-5 TM多光谱数据,分析地物谱间关系,选择改进归一化差异水体指数(MNDWI)、归一化植被指数(NDVI)、归一化建筑指数(NDBI)、TM4+ TM5、TM4+ TM5+TM7、DEM高程和坡度等特征值,构建决策树分类规则,完成研究区土地利用遥感分类.结果表明:MNDWI和TM4+TM5特征值能较好地区分水体与非水体;NDVI和NDBI可完成非水体区域植被与非植被信息分类;DEM和TM数据6波段和值可完成建筑用地、裸地和沙(旱)地分类;DEM和TM4+ TM5+ TM7能较好地解决耕地和园地混淆问题.决策树法分类总精度和Kappa系数分别为90.29％和0.87,相比较于最大似然分类法和基于特征提取波段的最大似然分类法,精度均有所提高.     

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。