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。     

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.      

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。     

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。     

多时相阴影轮廓差分辅助下的城市水体提取

如何避免水体提取中阴影信息与水体信息的混淆,是利用遥感数据提取城市水体信息需要解决的一个问题。本文以高分一号WFV图像及Landsat8 OLI图像为数据源,利用阴影轮廓的位置与形状在不同太阳高度角及太阳方位角下的差异性,提出一种基于多时相阴影轮廓差分的城市水体提取方法(WMSD)。以广州市天河区为试验区进行水体信息提取,同时运用NDWI、MNDWI及SWI指数法分别提取水体信息,进行精度对比分析。结果显示,本文所提出的WMSD方法分类精度超过88%,较NDWI法、SWI法及MNDWI法的水体提取精度分别提高了8.50%、9.50%及4.67%。说明基于阴影轮廓位置与形状的差异提取水体信息的方法能够较好地解决阴影与水体提取信息混淆的问题,为利用遥感数据提取城市地区水体提供了一个可行的处理方法。     

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。     

资源一号02C星图像水体信息提取方法

针对我国西部高原湖区资源卫星遥感监测与应用需求,开展资源一号02C星(ZY-1 02C)图像水体信息提取方法研究。用归一化植被指数和归一化差异水体指数进行龙羊峡库区水体信息提取,并将二者结合,提出决策树水体信息提取方法。以人工解译的水体区域为参考,对水体区域的整体提取结果、细节提取结果和误提取率进行统计和对比分析。实验结果表明,NDVI法易受到薄云的影响,但受冰雪和地形的影响较小;NDWI法在冰雪、薄云和山体阴影等成像条件下会受到不同程度的影响;决策树法虽然受山体阴影等地形的影响较大,但是能有效地消除冰雪和薄云等气候环境的干扰。     

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。     

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。     

IKONOS影像城市植被信息提取前的阴影校正

在高分辨率卫星影像的预处理上,阴影的提取与校正是一个难题,本文根据实际需要,采取不同的方法对建筑物阴影和山体阴影进行提取,并采用不同的校正方法进行校正。对城区建筑物阴影,采用基于影像融合的IKONOS影像阴影自动提取方法对阴影进行提取,再采用郎伯模型进行校正;对山体阴影,直接采用监督分类的方法对山体阴影进行提取,再采用灰度线性匹配的方法进行校正。实验表明,分开提取与校正的策略能取得较为理想的效果。     

一种基于城市水体指数与分形几何算法的OLI遥感影像水体提取方法

针对严重污染的城市水体与道路、建筑物、阴影等易于混分,以及遥感水体提取结果不连续、存在斑点问题,本文以广州市流溪河与东江水系为研究对象,基于2016年与2017年OLI遥感影像,采用本文新提出的城市水体指数法（CWI）,同时结合分形几何算法,通过设置形状面积等特征,实现城市复杂环境下的水体信息的自动提取。并与单通道算法、改进的归一化差异水体指数（MNDWI）算法、支持向量机法（SVM）与光谱角度法的水体提取结果进行对比分析。结果表明：SVM算法出现大量斑点,其次为MNDWI水体指数算法,光谱角度算法与单通道算法斑点较少,但水体提取结果不连续,部分河道漏分。本文提出的算法能够克服山体阴影、道路、建筑物等影响,实现城市污染水体以及一般水体连续、准确提取。本文的提取结果可为水资源调查、洪水灾害预测评估、水利规划、环境监测等工作提供基础数据支撑。     

SPOT卫星影像的水体提取方法及分类研究

文中分析了水体及其它主要的地物的光谱特征在SPOT曩像中的表征特征，发现大多数地形阴影与水体的光谱特征具有一定的相似性，因而用单一的方法很难有效地提取山区的水体，经过研究，发现用决策树分类方法，在各节点设计不同的分类器，可以有效地提取山区中的水体，由于不同类型的水体其面积，周长，形状等几何特征各有特点，并且与地貌类型有一定的关系，因而可利用水体的空间特征信息，对提取的水体进行分类，其方法也选用决策树分类方法，分类结果令人满意。     

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。     

融合无人机影像与LiDAR点云的山区地表覆被景观特征探测

机载LiDAR数据能够准确提供对象的三维空间位置信息,无人机高分辨影像具备丰富的色彩信息与纹理信息,综合两种数据的优点,可进行数据集成融合。针对山区普遍存在的分布广泛的植被覆盖类型基质景观,本文通过构建可见光植被指数（VDVI）融合光谱信息点云数据,进行典型植被特征提取的研究。为了验证该方法提取信息的准确度,分别构建了3种数据源并依次进行山区地表植被提取试验。对试验结果定性定量分析表明,融合光谱点云数据的植被覆被率为56.8%,较另外两种数据类型的植被覆被率更加接近参考值（58.2%）,可信度相对较高,效果更好,植被图斑轮廓更加清晰,更适用于目标对象植被特征提取,使融合影像信息的点云数据分类优势得以体现,证实了该方法面向山区植被特征提取的可行性。