】作进一步详细的说明。
[0055] 如图1所示，本发明所设计一种遥感图像水体提取方法，在实际应用过程当中，具 体包括如下步骤：
[0056] 步骤001.针对所述待处理遥感图像，根据CIE_LAB、HSL颜色模型和高斯归一化水 体指数GNDWI，构建对应于该待处理遥感图像的特征空间，同时，在遥感图像中选取预设尺 寸大小的水体矩形窗口，并且水体矩形窗口中仅包含水体区域，进入步骤002。
[0057] 其中，针对该待处理遥感图像特征空间的构建过程中，引入高斯归一化水体指数 GNDWI，配合CIE LAB、HSL颜色模型，能够很好地区分植被和水体；另外，水体矩形窗口的大 小可以是32*32也可以是64*64等其他尺寸，具体由操作人员视遥感图像的具体情况而设 定。
[0058] 步骤002.针对待处理遥感图像，按水体矩形窗口的尺寸进行划分，获得待处理遥 感图像上的与水体矩形窗口尺寸相同的各个待处理矩形窗口，即将整个待处理遥感图像划 分为各个尺寸大小与水体矩形窗口尺寸相同的各个待处理矩形窗口，并进入步骤003。
[0059] 步骤003.根据待处理遥感图像所对应特征空间中的各个颜色特征，按如下公式， 采用直方图相交法，分别获得待处理遥感图像上各个待处理矩形窗口与水体矩形窗口的相 似度，其中，对于待处理遥感图像上各个待处理矩形窗口来说，可以采用滑动窗口的方式依 次选取待处理遥感图像上的各个待处理矩形窗口进行比较，进入步骤004。
[0060]
[0061] 其中，S(I，Q)表示待处理遥感图像上第I个待处理矩形窗口与水体矩形窗口 Q 之间像素点颜色特征直方图的相似度，
）表示待处理遥感图像上第I个待处理 矩形窗口与水体矩形窗口 Q之间、具有相同颜色特征直方图的像素点的颜色特征直方图，
表示水体矩形窗口 Q中的像素点的颜色特征直方图，由于待处理矩形窗口的尺寸大小 与水体矩形窗口的尺寸大小相等，因此，待处理矩形窗口中像素点的个数与水体矩形窗口 中像素点的个数相等，因此，各待处理矩形窗口和水体矩形窗口中的像素点个数均用N表 示，j用于表示各待处理矩形窗口和水体矩形窗口中的第j个像素点。
[0062] 步骤004.获得待处理遥感图像上，与水体矩形窗口的相似度大于预设相似度阈 值的各个待处理矩形窗口，作为各个初始矩形窗口，并进入步骤005。
[0063] 步骤005.判断待处理遥感图像上初始矩形窗口的数量是否大于1，是则进入步骤 006 ;否则将该初始矩形窗口作为一个窗口聚类，进入步骤007。
[0064] 步骤006.针对待处理遥感图像上的各个初始矩形窗口，采用模糊C均值聚类算法 (FCM算法）进行聚类，获得待处理遥感图像上的各个窗口聚类，其中，模糊聚类采用明可夫 斯基距离进行质心加权，并进入步骤007。
[0065] 步骤007.分别针对各个窗口聚类，获得窗口聚类中各个初始矩形窗口的顶点，并 分别将该窗口聚类中出现次数为1次的顶点作为该窗口聚类的轮廓顶点，从而分别获得各 个窗口聚类的轮廓顶点，进入步骤008。
[0066] 步骤008.分别针对各个窗口聚类，选取窗口聚类各个轮廓顶点中横坐标、纵坐标 均最小的轮廓顶点作为该窗口聚类的参考顶点，记录该参考顶点的坐标为（X，y)，从而分别 获得各个窗口聚类的参考顶点，进入步骤009。
[0067] 步骤009.分别针对各个窗口聚类，根据如下公式，计算获得窗口聚类中所有轮廓 顶点分别与该窗口聚类的参考顶点之间的极角，并将该窗口聚类的各个轮廓顶点按其极角 从小到大的顺序进行排序，从而分别获得各个窗口聚类中各个轮廓顶点的排序，进入步骤 OlOo
[0068]
[0069] 其中，B表示窗口聚类中轮廓顶点（X，Y)与该窗口聚类的参考顶点（x，y)之间的 极角。
[0070] 步骤010.分别针对各个窗口聚类，将窗口聚类中各个轮廓顶点按其排序依次进 行连接，并将分别位于排序中首部和尾部的两个轮廓顶点进行彼此相连，构成该窗口聚类 的多边形目标水体，从而分别获得各个窗口聚类的多边形目标水体，并进入步骤01101。
[0071] 步骤01101.分别针对各个多边形目标水体，以待处理遥感图像中各个像素点为 起点，分别沿图像所在面、竖直向上作射线，分别统计各射线与多边形目标水体各边的交点 个数，若个数为奇数，则该射线所对应的像素点位于该多边形目标水体中，否则该射线所对 应的像素点位于该多边形目标水体外，从而分别获得位于各个多边形目标水体中的像素 点，进入步骤01102。
[0072] 步骤01102.分别针对各个多边形目标水体，分别获得多边形目标水体中各个像 素点分别到该多边形目标水体各条边的距离，并分别选取该多边形目标水体中各像素点所 对应的最短距离作为对应像素点的符号距离函数值，从而分别获得各个多边形目标水体中 各像素点的符号距离函数值，其中，对于这里多边形目标水体来说，位于多边形目标水体轮 廓上各个像素点的符号距离函数值等于0,位于多边形目标水体轮廓中的各个像素点的符 号距离函数值小于0,进入步骤012。
[0073] 步骤012.分别针对各个多边形目标水体，绘制符号距离函数值为0的等高线，从 而分别获得各个多边形目标水体的等高线，进入步骤013。
[0074] 步骤013.分别针对各个多边形目标水体，根据多边形目标水体的等高线，针对多 边形目标水体中的像素点，采用C-V模型进行水平集函数迭代，直至水平集函数收敛，获得 该多边形目标水体中符号距离函数值小于等于〇的各像素点，则该各个像素点所构成的区 域即为该多边形目标水体所对应的目标水体，从而分别获得各个多边形目标水体所对应的 目标水体，即获得待处理遥感图像中各个目标水体，并进入步骤〇 14。
[0075] 步骤014.采用阈值分割法，分别将所述各个目标水体由所述待处理遥感图像中 提取出来，进入步骤015。
[0076] 步骤015.采用贴标签算法，分别针对所述提取出的各个目标水体中的像素点进 行标记，获得更为精确的各个目标水体。
[0077] 上述设计技术方案所设计的遥感图像水体提取方法，集多种算法于一体，包括图 像搜索算法、模糊聚类算法、凸包点逆时针排序算法、符号距离函数初始化算法，构建了全 新的控制策略，能够针对遥感图像中的水体，实现更加便捷、准确提取，并且根据CIE LAB、 HSL颜色模型和高斯归一化水体指数GNDWI，针对遥感图像构建特征空间，有效解决了水平 集算法在多个目标的应用中收敛速度较慢，甚至无法收敛的问题；不仅如此，还引入并行处 理方法，同时针对多个多边形目标水体分别进行水平集函数迭代收敛操作，大大解决了收 敛速度较慢，甚至无法收敛的问题，提高了整个设计技术方案的工作效率。
[0078] 为了准确、客观地表示出上述本发明设计技术方案的水体提取性能，对苏北地区 石梁河水库的一幅高分一号遥感图像进行水体提取，采用基于面积的查准率和查全率来进 行检索性能的定量评价。设Area(S)为查询中检索到的所有与示例样本相似的区域面积， Area(v)为图像中和示例样本相关但未被检索到的区域面积，Area(U)为检索到的和示例 样本不相关的区域面积，则检索的查全率、正确率以及F指数可以表示为：
[0079] 查全率：
[0080] 正确率：
[0081] F 指数：
[0082]
[0083] 表 1
[00