一种基于波段特性的Landsat遥感影像水体提取方法与流程

一种基于波段特性的landsat遥感影像水体提取方法
技术领域
[0001]
本发明涉及一种基于波段特性的landsat遥感影像水体提取方法，属于遥感影像目标提取领域。


背景技术：

[0002]
湖泊作为陆地生态系统的重要组成部分，在自然界的水分循环中发挥着重要的作用。湖泊及其流域不仅能够调节生态环境变化，也是人类赖以生存和社会发展的重要自然资源。湖泊的时空分布和形态变化是揭示流域气候状况和人类活动的重要信息载体。及时掌握湖泊形态，对人类的生产生活和生态环境的可持续发展具有重要的意义。在遥感技术发展起来之前，研究工作者们一般都是通过实地勘察以获取湖泊的形态信息，这种方法在效率和精度上均难满足要求。遥感技术的逐渐发展和普及使研究工作者们认识到遥感技术的优越性，开始利用遥感技术实现湖泊的水体提取。遥感技术监测湖泊相比传统监测方法，具有广泛性、时效性和客观性的优势。
[0003]
目前为止，landsat系列遥感影像比较丰富的是landsat 7卫星和landsat 8卫星，landsat 8上搭载了两个传感器oli和tirs。oli传感器包含九个波段，除全色波段空间分辨率为15m，其余空间分辨率均为30m。由于landsat 7和landsat 8的回访周期短，所以应用广，因此可以作为湖泊水体提取的数据源。现有的湖泊水体提取模型有单波段阈值法，归一化水体指数法和新型水体指数法等，这几种提取方法均存在不同程度的水体漏提和非水体误提的现象。


技术实现要素：

[0004]
发明目的：针对现有水体指数模型的不足，本发明的目的是提供一种基于波段特性的landsat遥感影像水体提取方法，以克服现有水体指数模型提取水体时存在漏提、误提及难以确定最优阈值等问题；通过利用landsat遥感影像丰富的波段信息减少水体提取过程中的误提问题，进一步提高landsat遥感影像水体提取的精度。
[0005]
技术方案：为实现上述发明目的，本发明所述的一种基于波段特性的landsat遥感影像水体提取方法，包括如下步骤：
[0006]
(1)选择landsat 7etm+和landsat 8oli遥感影像中的六个共有波段，对共有波段逐个进行湖泊中心和浅水区两类水体的光谱敏感性分析，利用同一对象在不同波段上的光谱信息差异确定每类对象敏感波段的选择并赋予所选波段初始权值；
[0007]
(2)针对landsat 7etm+和landsat 8oli遥感影像共有波段进行除水体之外的高反射建筑、低反射建筑、植被、裸地和阴影五类典型地物的光谱敏感性分析，结合水体的敏感波段确定五类地物的共同敏感波段及波段对应的初始权值；
[0008]
(3)基于多目标优化算法的思想，以更好地区分两类水体与五类典型地物为原则，利用水体的敏感波段与五类典型地物的共同敏感波段进行组合，并确定波段的权值，构建水体提取模型；
[0009]
(4)依据水体提取模型计算每个像元点的新的光谱信息，从而得到基于水体提取模型的多波段融合遥感影像；
[0010]
(5)依据水体提取模型计算值的差异，以0为阈值，通过阈值分割区分水体和非水体，光谱信息大于0为水体，小于0为非水体，根据二值分割结果生成二值图像，实现水体提取。
[0011]
进一步地，所述步骤(1)包括：
[0012]
(11)选择landsat 7etm+和landsat 8oli遥感影像的六个共有波段b2-b7，分别对应blue、green、red、nir、swir-1、swir-2波段，确定光谱敏感性分析的具体水体类别和典型地物类别；
[0013]
(12)对步骤(11)所选取的波段进行两类水体的光谱敏感性分析，一类是湖中心绿色水体，一类是浅水区黑绿色水体，得到水体光谱反射率最高波段b3和次高波段b2，设bi波段对应的光谱信息值分别为ρ
i
，并据此确定遥感影像中凸显水体的波段初始组合为kρ3+ρ2，k为待定权值。
[0014]
进一步地，所述步骤(2)包括：
[0015]
(21)对landsat 7etm+和landsat 8oli遥感影像中的地物进行分类，统计分析不同地物对水体提取的影响程度，最终确定影响水体提取最高的五类地物为高反射建筑、低反射建筑、植被、裸地和阴影；
[0016]
(22)对步骤(21)所选取的典型地物，面向筛选后的landsat 7etm+和landsat 8oli遥感影像的共有波段，根据光谱信息的差异进行光谱敏感性分析，得到典型地物在波段b5，b6，b7，b4上的光谱反射率依次递减，设bi波段对应的光谱信息值分别为ρ
i
，为更好地区分与水体的差异，确定体现五种典型地物的敏感波段组合为ρ4+ρ5+ρ6+ρ7。
[0017]
进一步地，所述步骤(3)中基于多目标优化算法的思想确定波段权值的方法包括：
[0018]
(31)将步骤(1)和步骤(2)中所获得的水体的敏感波段和五类典型地物所获得的敏感波段进行重组优化，利用kρ3+ρ2与ρ4+ρ5+ρ6+ρ7的大小关系构建最终的水体提取模型；所建立的优化问题形式化描述为：
[0019]
max∑
x∈x
kρ3
x
+ρ2
x-m(ρ4
x
+ρ5
x
+ρ6
x
+ρ7
x
)
[0020]
使得
[0021]
min∑
x∈y
kρ3
x
+ρ2
x-m(ρ4
x
+ρ5
x
+ρ6
x
+ρ7
x
)
[0022]
使得
[0023]
其中x表示水体区域，y表示五种典型地物区域，ρi
x
表示像元x在bi波段对应的光谱信息值，k、m为待定权值；
[0024]
(32)采用限定一个变量范围再求解的策略求解优化问题(1)和(2)的整数解，包括：当1≤k＜3，1≤m＜3时，基于随机采样计算每个像元的波段信息，计算两类水体和五类典型地物对应的波段组合值kρ3+ρ
2-m(ρ4+ρ5+ρ6+ρ7)，结果为所有水体计算所得波段组合值均大于0，而五类典型地物所得波段组合值均小于0；当k≥3时，若取m＝1，同样基于随机采样计算kρ3+ρ
2-m(ρ4+ρ5+ρ6+ρ7)的值，结果为水体和典型地物对应的波段组合值都会大于0，故不利于区分水体与非水体；确定k值取值范围为1≤k＜3，并分析得到当1≤k＜3，随着k值的增大水体与裸土的波段组合值的差会逐渐减小；在1≤k＜3范围内，分析不同权值组合计
算得到的波段组合值分布情况，从而确定满足两个优化问题的最优解。
[0025]
进一步地，所述步骤(3)中构建的基于波段特性的landsat遥感影像水体提取模型为：
[0026]
nmbwi＝2ρ3+ρ
2-(ρ4+ρ5+ρ6+ρ7)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)
[0027]
有益效果：本发明提供的一种基于波段特性的landsat遥感影像水体提取方法，从实际遥感影像数据的光谱统计特性出发，通过水体及其他典型地物的光谱信息对landsat7etm+和landsat 8oli遥感影像中六个共有波段的敏感性进行水体提取模型的构建，达到不同地物的有效区分，提升水体提取精度。相对于传统的水体提取模型，该方法具有较强的针对性和鲁棒性，能够同时适用于landsat 7etm+和landsat 8oli遥感影像，可以更加有效区分水体和非水体地物，且能以一个稳定的阈值0提取水体，避免了传统水体提取模型难以确定最优阈值的困扰。
附图说明
[0028]
为了使本发明的内容更容易被理解，结合附图对本发明作进一步详细的说明，
[0029]
其中：
[0030]
图1为本发明实施例的水体提取方法的流程图。
[0031]
图2为本发明实施例中确定的不同典型地物的波谱反射率分析对比图。
[0032]
图3为本发明实施例中不同组合对应的计算值分布图。
[0033]
图4为太湖区域不同算法提取结果对比图。
[0034]
图5为巢湖区域提取结果对比图。
[0035]
图6为鄱阳湖区域提取结果对比图。
具体实施方式
[0036]
下面结合附图和具体实施例，进一步阐明本发明，应理解这些实施例仅用于说明本发明而不用于限制本发明的范围，在阅读了本发明之后，本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。
[0037]
如图1所示，本发明实施例公开的一种基于波段特性的landsat遥感影像水体提取方法，主要包括如下步骤：
[0038]
步骤一、选择landsat 7etm+和landsat 8oli遥感影像中的六个共有波段，对共有波段逐个进行湖泊中心和浅水区两类水体的光谱敏感性分析，利用同一对象在不同波段上的光谱信息差异确定每类对象敏感波段的选择并赋予所选波段初始权值(初始权值可设为1)。具体包括如下步骤：
[0039]
(11)筛选landsat 7etm+和landsat 8oli遥感影像的六个共有波段，其中包括blue(b2)、green(b3)、red(b4)、nir(b5)、swir-1(b6)、swir-2(b7)波段，确定光谱敏感性分析的具体水体类别和典型地物类别；
[0040]
(12)对步骤(11)所选取的波段进行两类水体的光谱敏感性分析，一类是湖中心绿色水体，一类是浅水区黑绿色水体，得到水体光谱反射率最高波段b3和次高波段b2，设bi波段对应的光谱信息值分别为ρ
i
，并据此确定遥感影像中凸显水体的波段初始组合为kρ3+ρ2，k为待定权值。
[0041]
步骤二、针对landsat 7etm+和landsat 8oli遥感影像共有波段进行除水体之外的高反射建筑、低反射建筑、植被、裸地和阴影五类典型地物的光谱敏感性分析，结合水体的敏感波段确定五类地物的共同敏感波段及波段对应的初始权值。具体包括如下步骤：
[0042]
(21)对landsat 7etm+和landsat 8oli遥感影像中的地物进行分类，统计分析不同地物对水体提取的影响程度，确定影响水体提取最高的五类地物为高反射建筑、低反射建筑、植被、裸地和阴影；
[0043]
(22)对步骤(21)所选取的典型地物，面向筛选后的landsat 7etm+和landsat 8oli遥感影像的共有波段，根据光谱信息的差异进行光谱敏感性分析，得到典型地物在波段b5，b6，b7，b4上的光谱反射率依次递减，设bi波段对应的光谱信息值分别为ρ
i
，为更好地区分与水体的差异，确定体现五种典型地物的敏感波段组合为ρ4+ρ5+ρ6+ρ7；水体及五种典型地物的波谱反射率分析结果如图2所示。
[0044]
步骤三、基于多目标优化算法的思想，以更好地区分两类水体与五类典型地物为原则，利用水体的敏感波段与五类典型地物的共同敏感波段进行组合，并确定波段的权值，构建水体提取模型，具体包括如下步骤：
[0045]
(31)将前两步所获得的水体的敏感波段和五类典型地物所获得的敏感波段进行重组优化，利用kρ3+ρ2与ρ4+ρ5+ρ6+ρ7的大小关系构建最终的水体提取模型；所建立的优化问题形式化描述为：
[0046]
max∑
x∈x
kρ3
x
+ρ2
x-m(ρ4
x
+ρ5
x
+ρ6
x
+ρ7
x
)
[0047]
使得
[0048]
min∑
x∈y
kρ3
x
+ρ2
x-m(ρ4
x
+ρ5
x
+ρ6
x
+ρ7
x
)
[0049]
使得
[0050]
其中x表示水体区域，y表示五种典型地物区域，ρi
x
表示像元x在bi波段对应的光谱信息值，k、m为待定权值；
[0051]
(32)采用限定一个变量范围再求解的策略求解优化问题(1)和(2)的整数解，包括：
[0052]
当1≤k＜3，1≤m＜3时，基于随机采样计算每个像元的波段信息，计算两类水体和五类典型地物对应的波段组合值kρ3+ρ
2-m(ρ4+ρ5+ρ6+ρ7)，结果为所有水体计算所得波段组合值均大于0，而五类典型地物所得波段组合值均小于0；
[0053]
当k≥3时，若取m＝1，同样基于随机采样计算kρ3+ρ
2-m(ρ4+ρ5+ρ6+ρ7)的值，结果为水体和典型地物对应的波段组合值都会大于0，故不利于区分水体与非水体；确定k值取值范围为1≤k＜3，并分析得到当1≤k＜3，随着k值的增大水体与裸土的波段组合值的差会逐渐减小；
[0054]
在1≤k＜3范围内，分析不同权值组合计算得到的波段组合值分布情况，从而确定满足两个优化问题的最优解。
[0055]
本实施例中，在以上k值约束条件下的不同权值得到的地物计算值如图3所示。本实施例k确定为2，m为1，最终构建的基于波段特性的landsat遥感影像水体提取模型为(新型多波段水体指数法，new multi-band water index)：
[0056]
nmbwi＝2ρ3+ρ
2-(ρ4+ρ5+ρ6+ρ7)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)
[0057]
步骤四、基于水体提取模型设定阈值，实现水体的二值分割和提取，具体包括如下步骤：
[0058]
(41)利用构建的水体提取模型对遥感影像重新进行光谱值计算，通过波段的组合计算公式，将一个像元的多波段信息融合为一个光谱信息，从而得到基于水体提取模型的多波段融合遥感影像；
[0059]
(42)以阈值0区分水体和非水体。由于依据水体提取模型得到水体的计算值大于0，非水体的计算值小于0，因此，设定阈值为0，基于像元的融合后的光谱信息和阈值进行水体的二值分割，光谱值大于0的像元为水体，小于0的为非水体，基于二值分割并生成二值图像，完成最终优化的水体提取结果。
[0060]
将nmbwi和其他算法模型进行了对比实验与结果分析，实验提取结果如图4所示。
[0061]
(1)主观评价
[0062]
如图4，将四种结果图与原图像进行目视解译对比分析，总体来说，四种方法均能将太湖水体基本提取出来，较好地实现了水陆分离。
[0063]
单波段阈值法操作比较简单，但是会误提非水体区域；ndwi比值模型在构建时未考虑低反射地物，会误提阴影区域；最大似然法漏提了较多细小状水体区域；nmbwi方法在构建时着重考虑了浅水区的水体以及低反射地物，提取的面积较实际水体面积最为接近。
[0064]
(2)客观评价
[0065]
从太湖影像中随机选择200个水体样本点和360个非水体样本点，以googleearth高分辨率影像水体作为参考图，利用精度评价指标衡量各水体提取算法的提取精度，结果如表1。
[0066]
表1 landsat 8影像太湖区域不同方法水体提取结果比较
[0067][0068]
不同区域实验对比结果分析
[0069]
(1)主观评价
[0070]
选取不同区域的水体进一步测试本文方法的鲁棒性。图5为巢湖水体提取结果图，图6为鄱阳湖水体提取结果图，通过不同区域的水体提取结果目视解译可知，本发明方法相较于ndwi能够更好地剔除阴影，对于沿岸浅水区水体面积较大的大面积湖泊提取具有良好的提取效果，且具有一定的鲁棒性。
[0071]
(2)客观评价
[0072]
从巢湖影像中随机选择80个水体样本点和120个非水体样本点，从鄱阳湖影像中随机选择90个水体样本点和170个非水体样本点，以googleearth高分辨率影像水体作为参考图，利用精度评价指标衡量各水体提取算法的提取精度，结果表2。
[0073]
表2 landsat 8影像不同区域不同方法水体提取结果比较
[0074][0075]
由表2中数据可以看出，nmbwi方法在两个区域水体提取的总体精度和kappa系数均高于ndwi方法，nmbwi的提取结果与更高分辨率googleearth影像更为吻合，验证了nmbwi方法具有鲁棒性。