專利名稱：一種海岸帶水體遙感信息全自動提取方法
技術(shù)領域：
本發(fā)明涉及一種遙感影像數(shù)據(jù)的水體信息提取方法，特別是涉及一種多層次的海 岸帶水體遙感信息全自動提取方法。
背景技術(shù)：
水體無論作為一種獨立的環(huán)境因子，還是作為一種資源，都受到格外的重視，對各 種水體進行空間識別、定位及定量計算面積、體積或模擬水體動態(tài)變化，是環(huán)境與資源遙感 監(jiān)測與分析的重要內(nèi)容。隨著遙感技術(shù)的改進和遙感應用的深入，水體提取方法不斷改進， 已在應用中取得了較為廣泛的應用。目前，常用的水體信息提取方法主要有監(jiān)督分類法和 閾值分割法兩大類。利用監(jiān)督分類法提取水體信息，主要是針對多光譜圖像數(shù)據(jù)，采用數(shù)據(jù)挖掘的最 大似然法、決策樹法和人工神經(jīng)網(wǎng)絡法等技術(shù)方法，這些方法取得了很好的效果。例如秦 其明等于2001年第20期的《地理研究》中撰文“衛(wèi)星圖像中不同水體類型識別研究”采用 最大似然法對衛(wèi)星影像進行處理，實現(xiàn)水體類型的識別；都金康等于2001年第5期《遙感 學報》中發(fā)表論文“SPOT衛(wèi)星影像的水體提取方法及分類研究”通過決策樹法實現(xiàn)水體的 提取與分類；王晶晶等在2005年《海洋技術(shù)》M期的“鹽田水體遙感分類方法研究”一文中 以人工神經(jīng)網(wǎng)絡法方法實現(xiàn)水體的監(jiān)督分類。在現(xiàn)有的監(jiān)督分類方法中，雖然樣本的采集 是基于專家的先驗知識，但在分類過程中僅利用了這些樣本自身的統(tǒng)計特征，而沒有充分 利用水體目標光譜特征和空間特征，難以達到更高的精度，更重要的是，監(jiān)督分類方法需要 人工采集較多的樣本，不利于開展大量水體信息的自動提取。利用閾值分割法提取水體信息，主要是指選取水陸差異比較明顯的某個波段或指 數(shù)，通過閾值分割的方法實現(xiàn)水體信息的提取。目前，已見諸文獻的水體信息提取波段或 指數(shù)有 1984 年 C. Erie 等在期干丨J《Photogram metric Engineering andRemote Sensing》 第 3 卷的"Application of the Tasseled Cap concept to simulatedThematic Mapper data” 一文中提出的纓帽變換濕度分量(TCff) ；1985年，D. B. Jupp等在《Landsat Based Interpretation of the Cairns Section of the Great BarrierReef Marine Park)) 一 書中提出的中紅外波段和近紅外波段；1996年，S. K. McFeeters等在期刊《International Journal ofRemote Sensing》 的 17 卷"The Use ofNormalized Difference Water Index (NDffI) in the Delineation of Open WaterFeatures，，論文中提出的歸一化水體指 數(shù)(NDWI) ；2005年，徐涵秋在期刊《遙感學報》9卷的“利用改進的歸一化差異水體指數(shù) (MNDffI)提取水體信息的研究”論文中提出的改進歸一化水體指數(shù)(MNDWI)。由于下墊面環(huán) 境、大氣環(huán)境和遙感影像成像情況的差異，沒有一種指數(shù)具有普適性，并且采用單一的閾值 進行分割，很難同時避免地物誤提與細小水體漏提的現(xiàn)象，而采用多種指數(shù)結(jié)合的方法進 行提取，盡管能夠有效提高精度，但也需要人工比較分析和反復試驗，同樣不利于開展大量 水體信息的自動提取。海岸帶地區(qū)是自然界的特殊區(qū)域，不但受到海洋、陸地、大氣等自然環(huán)境的綜合影4響，更受到人類活動劇烈、頻繁、持久的作用。與內(nèi)陸地區(qū)相比，海岸帶地區(qū)的水體具有差異 性大、噪聲強的特點，一方面，除海水外，海岸帶地區(qū)往往還有河網(wǎng)、濕地、潮溝、坑塘水面、 養(yǎng)殖水面、鹽田等不同類型水體分布，其本身的光譜特性比較復雜，另一方面，海岸帶地區(qū) 土地類型多樣性較強，景觀格局破碎度較高，各種背景元素交錯分布，對水體遙感信息具有 較大的干擾。簡言之，海岸帶的復雜性對該區(qū)域的水體遙感信息自動提取方法提出了更高 的要求。針對以上問題，已有學者開展了進一步的研究。2008年，吳文淵等在學術(shù)期刊《科 技通報》第M卷的“基于Landsat ETM+影像的水體信息綜合提取方法” 一文在先利用譜 間關系和纓帽變換濕度分量建立提取水體的最優(yōu)空間掩膜，再使用最大似然法去除最優(yōu)空 間掩膜中其他的地物信息，有效提高了水體提取的相對精度。2009年，駱劍承等在期刊《遙 感學報》第13卷的“分步迭代的多光譜遙感水體信息高精度自動提取” 一文中提出了 “全 域-局部”的分步迭代空間尺度轉(zhuǎn)換機制，將全域分割、全域分類、局部分割與分類等計算過 程有機地結(jié)合起來，分階段地融合了水體信息提取所需的不同層次知識，并建立迭代算法 實現(xiàn)了水體最佳邊緣的逐步逼近，獲得了高精度的水體信息提取。上述研究分別從地學知 識和數(shù)據(jù)挖掘相結(jié)合及尺度轉(zhuǎn)換的角度取得了突破性的進展?；诒O(jiān)督分類法和閾值分割 法的水體遙感信息提取方法均較為經(jīng)典，已在科學研究和生產(chǎn)實踐中得到了廣泛地應用， 但仍存在一些共性問題。第一，兩種方法均需要人工干預，難以實現(xiàn)水體遙感信息的全自動 提??；第二，兩種方法均忽略了地理學研究中的一個核心問題，即尺度問題，在不同的尺度 上研究地理現(xiàn)象，其得出的結(jié)果往往相去甚遠，這兩種經(jīng)典方法都是在較大的尺度上進行 分析，即將整個遙感影像作為一個整體，建立統(tǒng)一的水體信息提取模型，在這種情況下，遙 感影像統(tǒng)計數(shù)據(jù)反映的是研究區(qū)內(nèi)不同類型不同水域光譜特征的差異性，而細節(jié)的水體信 息遭到掩蓋，提取的結(jié)果難免趨于粗放。
發(fā)明內(nèi)容
1.發(fā)明要解決的技術(shù)問題本發(fā)明的目的是提供一種海岸帶水體遙感信息全自動提取方法，結(jié)合海岸帶水體 的特點，以尺度轉(zhuǎn)換方法為框架，通過研究海岸帶水體信息在不同層次水平的變化，開展多 層次的海岸帶水體信息提取，即先按總體結(jié)構(gòu)特征建立分類標識，再對每一層次設計相應 的分類決策規(guī)則，對影像中的單元進行逐層的判別分類，在尺度轉(zhuǎn)換框架中融入地學知識 和數(shù)據(jù)挖掘相結(jié)合的方法，通過地學知識分析在全域范圍內(nèi)進行粗提取，再通過數(shù)據(jù)挖掘 分析在局部范圍內(nèi)進行精提取，以實現(xiàn)海岸帶水體遙感信息全自動提取。2.本發(fā)明的技術(shù)方案如下原理本發(fā)明在對經(jīng)典的水體遙感信息提取方法分析的基礎上，針對海岸帶水體 的特點，通過“像元-對象”及“全域-局部”的雙重尺度轉(zhuǎn)換，綜合利用了海岸帶水體遙感 信息的光譜特征、空間特征和統(tǒng)計特征，有機結(jié)合了地學知識與數(shù)據(jù)挖掘方法，實現(xiàn)了海岸 帶水體遙感信息的全自動提取。一種海岸帶水體遙感信息全自動提取方法，包括遙感影像分割、水體信息粗提取 和水體信息精提取三個階段。過程中進行了兩次尺度轉(zhuǎn)換，其一為從像元到對象的轉(zhuǎn)換，屬 于自下向上的尺度轉(zhuǎn)換；其二為從全域到局部的轉(zhuǎn)換，屬于自上向下的尺度轉(zhuǎn)換。具體技術(shù)5方案為一種海岸帶水體遙感信息全自動提取方法，其步驟為步驟1 通過衛(wèi)星遙感技術(shù)手段，選擇美國陸地探測衛(wèi)星Landsat 7所裝備的 Enhanced Thematic Mapper Plus (ETM+)設備獲取描述地表物體對太陽光照等電磁波的反 射和其自身發(fā)射的電磁波的遙感影像，結(jié)合水體在遙感影像中具有特定的光譜顯示特征， 采用基于非參數(shù)核密度估計的Mean Shift聚類算法進行空間濾波，減輕噪聲對目標和背景 信息的干擾具體對特征空間中的所有數(shù)據(jù)點，依次計算其在核窗口中的均值偏移向量，并 沿均值偏移向量的方向移動該點到新的位置，然后以此為新的起點，繼續(xù)計算均值偏移向 量并移動，直到滿足迭代條件結(jié)束運算過程，示意圖見附圖
2 ；步驟2 在Mean Shift算法濾波的基礎上，采用種子生長算法進行區(qū)域標號，將具 有相似性質(zhì)的像素進行合并構(gòu)成一個完整區(qū)域，完成遙感影像分割，得到由一系列區(qū)域?qū)?象構(gòu)成的分割圖像，從而實現(xiàn)從遙感影像像元到區(qū)域?qū)ο蟮霓D(zhuǎn)換；步驟3 對Landsat ETM+遙感影像分割所形成的各區(qū)域?qū)ο笥嬎闼w判別依據(jù)指 數(shù)，具體應用影像所擁有的TMl TM7共7個波段的波段值，按照公式① ⑦分別計算歸一 化水體指數(shù)(NDWI)、改進歸一化水體指數(shù)(MNDWI)、周氏歸一化水體指數(shù)(ZNDWI)、纓帽變 換濕度分量(TCW)四個水體指數(shù)，歸一化植被指數(shù)(NDVI)、土壤調(diào)整植被指數(shù)(SAVI)兩個 植被指數(shù)，以及歸一化建筑指數(shù)(NDBI)；NDffI = (TM2-TM4) / (TM2+TM4)公式①MNDffI = (TM2-TM5) / (TM2+TM5)公式②ZNDffI = (TM2+TM3) - (TM4+TM5)公式③TCff = 0. 1446XTM1+0. 1761XTM2+0. 10022 X TM3+0. 10096 X TM4-0. 6210 X TM5-0. 4186 X TM6 公式④NDVI = (TM4-TM3) / (TM4+TM3)公式⑤SAVI = (TM4-TM3) / (TM4+TM3+0. 5) X 1. 5 公式⑥NDBI = (TM5-TM4) / (TM5+TM4)公式⑦步驟4 通過運用公式① ⑦計算所得的7個水體判別依據(jù)指數(shù)，構(gòu)建一組決策規(guī) 則實現(xiàn)遙感影像中水體區(qū)域的判別，其中，約束性條件共有五條(見不等式方程組⑧)，反 映了水體遙感信息的三個特點，即水體指數(shù)大于零、水體指數(shù)大于植被指數(shù)、水體指數(shù)大于 建筑指數(shù)；非約束性條件共有三條，均為水體指數(shù)的閾值判別規(guī)則，具體方法為先對各水 體指數(shù)進行直方圖統(tǒng)計，再用OTSU算法計算各水體指數(shù)的閾值，進行閾值分割，計算各水 體指數(shù)的類間方差，選取類間方差最大，即區(qū)分度最好的三個指數(shù)建立閾值判別規(guī)則；本步 驟中水體判別流程為1)對于分割圖像中的任意對象，如果其特征空間滿足決策規(guī)則中的所有約束性條 件，則將其判別為不確定水體，如果有任意一條約束性條件不能滿足，則將其判別為否定水 體；2)對于判別出的任意不確定水體對象采用了投票策略，如果其特征空間滿足多數(shù) 非約束性條件，則將其判別為確定水體，否則仍判別為不確定水體，最終并將水體提取結(jié)果 劃分為確定區(qū)、不確定區(qū)和否定區(qū)；
權(quán)利要求
1. 一種海岸帶水體遙感信息全自動提取方法，包括以下步驟步驟1 通過衛(wèi)星遙感技術(shù)手段，選擇美國陸地探測衛(wèi)星Landsat 7所裝備的Enhanced Thematic Mapper Plus設備獲取描述地表物體對太陽光照等電磁波的反射和其自身發(fā)射 的電磁波的遙感影像，結(jié)合水體在遙感影像中具有特定的光譜顯示特征，采用基于非參數(shù) 核密度估計的Mean Shift聚類算法進行空間濾波，減輕噪聲對目標和背景信息的干擾具 體對特征空間中的所有數(shù)據(jù)點，依次計算其在核窗口中的均值偏移向量，并沿均值偏移向 量的方向移動該點到新的位置，然后以此為新的起點，繼續(xù)計算均值偏移向量并移動，直到 滿足迭代條件結(jié)束運算過程；步驟2 在Mean Shift算法濾波的基礎上，采用種子生長算法進行區(qū)域標號，將具有相 似性質(zhì)的像素進行合并構(gòu)成一個完整區(qū)域，完成遙感影像分割，得到由一系列區(qū)域?qū)ο髽?gòu) 成的分割圖像，從而實現(xiàn)從遙感影像像元到區(qū)域?qū)ο蟮霓D(zhuǎn)換；步驟3 對Landsat ETM+遙感影像分割所形成的各區(qū)域?qū)ο笥嬎闼w判別依據(jù)指數(shù)， 具體應用影像所擁有的TMl TM7共7個波段的波段值，按照公式① ⑦分別計算歸一化 水體指數(shù)NDWI、改進歸一化水體指數(shù)MNDWI、周氏歸一化水體指數(shù)ZNDWI、纓帽變換濕度分 量TCW四個水體指數(shù)，歸一化植被指數(shù)NDVI、土壤調(diào)整植被指數(shù)SAVI兩個植被指數(shù)，以及歸 一化建筑指數(shù)NDBI ；NDffI = (TM2-TM4) / (TM2+TM4)公式①MNDffI = (TM2-TM5) / (TM2+TM5)公式②ZNDffI = (TM2+TM3) - (TM4+TM5)公式③TCff = 0. 1446XTM1+0. 1761XTM2+0. 10022 X TM3+0. 10096XTM4-0. 6210XTM5-0. 4186 X TM6 公式 NDVI = (TM4-TM3) / (TM4+TM3)公式⑤ SAVI = (TM4-TM3) / (TM4+TM3+0. 5) X 1. 5 公式⑥ NDBI = (TM5-TM4) / (TM5+TM4)公式⑦步驟4 通過運用公式① ⑦計算所得的7個水體判別依據(jù)指數(shù)，構(gòu)建一組決策規(guī)則實 現(xiàn)遙感影像中水體區(qū)域的判別，其中，約束性條件共有五條(見不等式方程組⑧)，反映了 水體遙感信息的三個特點，即水體指數(shù)大于零、水體指數(shù)大于植被指數(shù)、水體指數(shù)大于建筑 指數(shù)；非約束性條件共有三條，均為水體指數(shù)的閾值判別規(guī)則，具體方法為先對各水體指 數(shù)進行直方圖統(tǒng)計，再用OTSU算法計算各水體指數(shù)的閾值，進行閾值分割，計算各水體指 數(shù)的類間方差，選取類間方差最大，即區(qū)分度最好的三個指數(shù)建立閾值判別規(guī)則；本步驟中 水體判別流程為1)對于分割圖像中的任意對象，如果其特征空間滿足決策規(guī)則中的所有約束性條件， 則將其判別為不確定水體，如果有任意一條約束性條件不能滿足，則將其判別為否定水 體；2)對于判別出的任意不確定水體對象采用了投票策略，如果其特征空間滿足多數(shù)非約 束性條件，則將其判別為確定水體，否則仍判別為不確定水體，最終并將水體提取結(jié)果劃分 為確定區(qū)、不確定區(qū)和否定區(qū)；
全文摘要
本發(fā)明公開了一種海岸帶水體遙感信息全自動提取方法，屬于遙感信息全自動提取方法領域。其步驟包括遙感影像分割、水體信息粗提取和水體信息精提取三個階段，過程中進行了兩次尺度轉(zhuǎn)換，其一為從像元到對象的轉(zhuǎn)換，屬于自下向上的尺度轉(zhuǎn)換，其二為從全域到局部的轉(zhuǎn)換，屬于自上向下的尺度轉(zhuǎn)換。相較現(xiàn)有技術(shù)，本發(fā)明實現(xiàn)了一種在尺度轉(zhuǎn)換框架中融入地學知識和數(shù)據(jù)挖掘相結(jié)合的方法，整個方法具有零樣本、零參數(shù)的特性，完全自動化運行。本發(fā)明能夠適應各海域多類型海岸帶環(huán)境，具有較好的穩(wěn)定性，其提取結(jié)果精度較高，對細節(jié)信息的提取完整性和連續(xù)性均優(yōu)于經(jīng)典方法，能夠直接應用于國家各級基礎地理信息數(shù)據(jù)庫遙感專題信息的維護與更新。
文檔編號G06T7/00GK102054274SQ201010566910
公開日2011年5月11日 申請日期2010年12月1日 優(yōu)先權(quán)日2010年12月1日
發(fā)明者劉永學, 張昱, 李滿春, 楊康, 程亮, 蔡文婷, 陳振杰, 陳焱明 申請人:南京大學