专利名称：一种卫星遥感影像的水体提取方法及装置的制作方法
技术领域：
本发明涉及遥感影像的解译与分类，尤其涉及一种卫星遥感影像的水体提取方法及装置。
背景技术：
卫星遥感影像的解译和分类是遥感技术研究的重要领域之一，它是快速、准确获取遥感信息的重要手段但又是一个复杂的过程。遥感解译技术的发展滞后于遥感传感器的发展，目前，利用数理统计和人工解译结合的方法耗时，耗力，效率低下，其解译精度受到解
译人员水平以及对区域地理环境理解等诸多因素的影响。遥感影像反应的是复杂的、多层次、多要素的具有动态变化特征的地理信息。由于地物光谱的复杂性，自然界中存在大量的“同物异谱”和“同谱异物”的现象，用单纯的数学和地学知识来处理不能达到高精度的要求。因此，研究综合、多层次的分析方法对于提高遥感信息的提取精度和效率具有重要意义。分类方法是地表覆盖制图的核心，基本可以分为监督分类和非监督分类、有参分类和无参分类、硬分类和软(模糊)分类、或逐像元分类与子像元分类以及逐对象分类。从地表覆盖遥感分类方法的近期进展看，目前利用数理统计理论方法结合人工解译仍是在进行大尺度遥感分类的主导方法。显然这种方法具有算法成熟、充分利用人机交互优势特点，但也存在着用时长，对参与解译分析的人员依赖性强，可重复性低的局限，难以迅速、准确、客观地获取大面积地表覆盖信息。遥感影像分类在过去几十年中已经取得了很大的进步，主要体现在以下三个方面(1)高级分类算法的发展和应用，例如子像元分类，逐对象分类和基于知识的分类算法。(2)多种遥感特征的使用，包括光谱信息，空间信息，多时相以及多传感器数据；(3)分类过程引用辅助数据，包括地形、土壤、道路和人口数据。精度评估在图像分类过程中至关重要。基于误差矩阵的精度评价是评估逐像元分类最常用的方法，而模糊分类结果评估越来越倾向于模糊方法。不确定性和误差传播影响分类精度，在图像处理过程中起重要作用。识别处理过程中的最薄弱环节并且降低不确定度可以大大提高分类精确度。不确定性在以后的图像分类研究中将成为一个重要的课题。光谱特征为图像分类提供最重要的信息。随着空间分辨率的提高，不得不考虑纹理和背景带来的影响。遥感数据类型不同，所采用的分类方法也不同。例如=IKONOS (美国伊科诺斯卫星)和SPOT 5HRG (法国SP0T-5号卫星的高分辨率几何)，虽然具有高空间分辨率，但是当基于像元光谱的分类方法应用于图像分类时，高空间分辨率带来的好处远远不能补偿由于地形和植被分布结构以及被覆盖土地上的宽光谱变化导致的阴影问题带来的严重影响。在这种情况下，光谱信息和纹理信息的结合能够减少这种问题，而且逐对象或者面向对象的分类算法远远好于逐像元分类器。然而，在中、低空间分辨率数据中，由于空间信息的缺失，光谱信息显得更为重要。由于混合像元在中低空间分辨率图像中会产生一些问题，因而逐像元分类器不能处理。诸如SMA (Sub-Miniature-Α,无线电天线接口)的部分图像或模糊成员信息的子像素特征已经应用于图像分类中，而且图像数据与辅助数据的结合已经成为提高图像分类方法的另ー种途径。当多源数据应用于分类方法中时，诸如最大似然法的參数分类算法不再适用。在这种情况下，亟待提供ー种提高卫星遥感影像的水体提取精度的技术方案。
发明内容
本发明实施例提供ー种卫星遥感影像的水体提取方法及装置，以提高卫星遥感影像的水体提取精度。一方面，本发明实施例提供了ー种卫星遥感影像的水体提取方法，所述卫星遥感影像的水体提取方法包括获取卫星遥感影像数据；利用预设的决策树中的设定阈值，对所述卫星遥感影像数据中的水体信息进行分类，获取分类后的水体提取结果。可选的，在本发明ー实施例中，所述水体提取结果包括清水、含植被的水和含泥沙的水。可选的，在本发明ー实施例中，所述卫星遥感影像的水体提取方法，还包括将所述卫星遥感影像数据进行特征指数提取；利用选取的水体样本中的样本像元值进行统计分析，确定所述预设的决策树中的设定阈值中的九个光谱特征分量阈值；利用所述九个光谱特征分量阈值，对所述卫星遥感影像数据中的水体信息进行分类，获取分类后的水体提取结果。可选的，在本发明ー实施例中，所述水体样本包括深水、浅水、鱼塘、含植被信息的水、含泥沙信息的水；所述九个光谱特征分量阈值包括如下信息的设定阈值亮度、绿度、湿度。可选的，在本发明ー实施例中，所述卫星遥感影像的水体提取方法，还包括通过SRTM高程数据计算坡度信息分量，得到预设的决策树中的设定阈值中的坡度过滤阈值；在利用所述九个光谱特征分量阈值，对所述卫星遥感影像数据中的水体信息进行分类，获取分类后的水体提取结果后，利用所述坡度过滤阈值，对获取的分类后的所述水体提取结果进行坡度过滤，获取坡度过滤后的水体提取結果。另ー方面，本发明实施例提供了ー种卫星遥感影像的水体提取装置，所述卫星遥感影像的水体提取装置包括获取单元，用于获取卫星遥感影像数据；决策树単元，用于利用预设的决策树中的设定阈值，对所述卫星遥感影像数据中的水体信息进行分类，获取分类后的水体提取結果。可选的，在本发明ー实施例中，所述水体提取结果包括清水、含植被的水和含泥沙的水。可选的，在本发明ー实施例中，所述卫星遥感影像的水体提取装置，还包括特征指数提取单元，用于将所述卫星遥感影像数据进行特征指数提取；利用选取的水体样本中的样本像元值进行统计分析，确定所述预设的决策树中的设定阈值中的九个光谱特征分量阈值；决策树単元，进ー步用于利用所述九个光谱特征分量阈值，对所述卫星遥感影像数据中的水体信息进行分类，获取分类后的水体提取結果。可选的，在本发明ー实施例中，所述水体样本包括深水、浅水、鱼塘、含植被信息的水、含泥沙信息的水；所述九个光谱特征分量阈值包括如下信息的设定阈值原始影像的六个波段、亮度、绿度、湿度。可选的，在本发明ー实施例中，所述卫星遥感影像的水体提取装置，还包括坡度计算单元，用于通过SRTM高程数据计算坡度信息分量，得到预设的决策树中的设定阈值中的坡度过滤阈值；决策树単元，进 ー步用于在利用所述九个光谱特征分量阈值，对所述卫星遥感影像数据中的水体信息进行分类，获取分类后的水体提取结果后，利用所述坡度过滤阈值，对获取的分类后的所述水体提取结果进行坡度过滤，获取坡度过滤后的水体提取结果。上述技术方案具有如下有益效果因为采用获取卫星遥感影像数据；利用预设的决策树中的设定阈值，对所述卫星遥感影像数据中的水体信息进行分类，获取分类后的水体提取结果的技术手段，所以具有如下技术效果提高了卫星遥感影像的水体提取精度。
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图I为本发明实施例ー种卫星遥感影像的水体提取方法流程图；图2为本发明实施例ー种卫星遥感影像的水体提取装置结构示意图；图3为本发明实施例另ー种卫星遥感影像的水体提取装置结构示意图；图4为本发明应用实例SRTM组织示意图；图5为本发明应用实例提供的有效的水体提取方法流程图；图6a为本发明应用实例卫星遥感影像为湖泊的不意图；图6b为本发明应用实例对图6a的湖泊进行水体提取的结果示意图；图7a为本发明应用实例卫星遥感影像为湿地湖泊的示意图；图7b为本发明应用实例对图7a的湿地湖泊进行水体提取的结果示意图；图8a为本发明应用实例卫星遥感影像为田间水体的不意图；图8b为本发明应用实例对图8a的田间水体进行水体提取的结果示意图；图8c为图8a的方框中的局部水体的放大效果示意图；图8d为图8b的方框中的局部水体的放大效果示意图。
具体实施例方式下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。本发明实施例可以考虑选择高级非參数分类器，例如神经网络，决策树，基于证据推理或基于知识的方法。随着数字计算机的出现以及利用计算机模拟人的智能有关过程的探索，加速了“模式识别”这种数据分析技术的发展。决策树作为ー种数据挖掘技术在模式识别领域被广泛应用，并引入到遥感图像处理中，于是，模拟专家目视解译，建立遥感图像解译的专家系统，实现图像的自动判读成为遥感图像解译的主要趋势之一。如图I所示，为本发明实施例ー种卫星遥感影像的水体提取方法流程图，所述卫星遥感影像的水体提取方法包括101、获取卫星遥感影像数据；102、利用预设的决策树中 的设定阈值，对所述卫星遥感影像数据中的水体信息进行分类，获取分类后的水体提取結果。可选的，所述水体提取结果包括清水、含植被的水和含泥沙的水。可选的，所述卫星遥感影像的水体提取方法，还包括将所述卫星遥感影像数据进行特征指数提取；利用选取的水体样本中的样本像元值进行统计分析，确定所述预设的决策树中的设定阈值中的九个光谱特征分量阈值；利用所述九个光谱特征分量阈值，对所述卫星遥感影像数据中的水体信息进行分类，获取分类后的水体提取結果。可选的，所述水体样本包括深水、浅水、鱼塘、含植被信息的水、含泥沙信息的水；所述九个光谱特征分量阈值包括如下信息的设定阈值原始影像的六个波段、亮度、绿度、湿度。可选的，所述卫星遥感影像的水体提取方法，还包括通过SRTM高程数据计算坡度信息分量，得到预设的决策树中的设定阈值中的坡度过滤阈值；在利用所述九个光谱特征分量阈值，对所述卫星遥感影像数据中的水体信息进行分类，获取分类后的水体提取结果后，利用所述坡度过滤阈值，对获取的分类后的所述水体提取结果进行坡度过滤，获取坡度过滤后的水体提取結果。如图2所示，为本发明实施例ー种卫星遥感影像的水体提取装置结构示意图，所述卫星遥感影像的水体提取装置包括获取单元21，用于获取卫星遥感影像数据；决策树単元22，用于利用预设的决策树中的设定阈值，对所述卫星遥感影像数据中的水体信息进行分类，获取分类后的水体提取結果。可选的，所述水体提取结果包括清水、含植被的水和含泥沙的水。可选的，如图3所示，为本发明实施例另ー种卫星遥感影像的水体提取装置结构示意图，所述卫星遥感影像的水体提取装置除包括上述获取单元21、决策树単元22タト，还包括特征指数提取单元23，用于将所述卫星遥感影像数据进行特征指数提取；利用选取的水体样本中的样本像元值进行统计分析，确定所述预设的决策树中的设定阈值中的九个光谱特征分量阈值；决策树単元22，进ー步用于利用所述九个光谱特征分量阈值，对所述卫星遥感影像数据中的水体信息进行分类，获取分类后的水体提取结果。可选的，所述水体样本包括深水、浅水、鱼塘、含植被信息的水、含泥沙信息的水；所述九个光谱特征分量阈值包括如下信息的设定阈值原始影像的六个波段、亮度、绿度、湿度。可选的，所述卫星遥感影像的水体提取装置，还可以包括坡度计算单元24，用于通过SRTM高程数据计算坡度信息分量，得到预设的决策树中的设定阈值中的坡度过滤阈值；决策树単元22，进ー步用于在利用所述九个光谱特征分量阈值，对所述卫星遥感影像数据中的水体信息进行分类，获取分类后的水体提取结果后，利用所述坡度过滤阈值，对获取的分类后的所述水体提取结果进行坡度过滤，获取坡度过滤后的水体提取結果。本发明实施例上述方法或装置技术方案具有如下有益效果因为采用获取卫星遥感影像数据；利用预设的决策树中的设定阈值，对所述卫星遥感影像数据中的水体信息进行分类，获取分类后的水体提取结果的技术手段，所以具有如下技术效果提高了卫星遥感影像的水体提取精度。本发明以下应用实例所述方案中采用多特征数据融合的思想，应用到特征指数提取、坡度信息等为决策树分类提供多种数据特征。本发明应用实例所述方法主要针对Landsat (陆地卫星)卫星数据提出，利用到空间分辨率为 90 米的 SRTM (Shuttle Radar Topography Mission,由美国太空总署(NASA)和国防部国家测绘局(NIMA)联合测量)数字高程模型(DEM，Digital Elevation Model)数
据转换为坡度特征，同时将Landsat卫星数据进行特征指数提取，为决策树分类提供九个光谱特征分量。美国NASA的陆地卫星(Landsat)计划从1972年7月23日以来，已发射7颗(第6颗发射失败)。目前Landsatl-4均相继失效,Landsat 5仍在超期运行(从1984年3月I日发射至今)。Landsat7于1999年4月15日发射升空。因此目前使用的Landsat系列卫星数据主要是Landsat5的TM (thematic mapper,专题成像仪)数据和Landsat7的ETM+(Enhanced Thematic Mapper,增强型专题成像仪)数据,两种数据的波段信息如下表I和表2所示
权利要求
1.一种卫星遥感影像的水体提取方法，其特征在于，所述卫星遥感影像的水体提取方法包括 获取卫星遥感影像数据； 利用预设的决策树中的设定阈值，对所述卫星遥感影像数据中的水体信息进行分类，获取分类后的水体提取结果。
2.如权利要求I所述卫星遥感影像的水体提取方法，其特征在于，所述水体提取结果包括清水、含植被的水和含泥沙的水。
3.如权利要求2所述卫星遥感影像的水体提取方法，其特征在于，所述卫星遥感影像的水体提取方法，还包括 将所述卫星遥感影像数据进行特征指数提取； 利用选取的水体样本中的样本像元值进行统计分析，确定所述预设的决策树中的设定阈值中的九个光谱特征分量阈值； 利用所述九个光谱特征分量阈值，对所述卫星遥感影像数据中的水体信息进行分类，获取分类后的水体提取结果。
4.如权利要求3所述卫星遥感影像的水体提取方法，其特征在于，所述水体样本包括深水、浅水、鱼塘、含植被信息的水、含泥沙信息的水；所述九个光谱特征分量阈值包括如下信息的设定阈值原始影像的六个波段、亮度、绿度、湿度。
5.如权利要求4所述卫星遥感影像的水体提取方法，其特征在于，所述卫星遥感影像的水体提取方法，还包括 通过SRTM高程数据计算坡度信息分量，得到预设的决策树中的设定阈值中的坡度过滤阈值； 在利用所述九个光谱特征分量阈值，对所述卫星遥感影像数据中的水体信息进行分类，获取分类后的水体提取结果后，利用所述坡度过滤阈值，对获取的分类后的所述水体提取结果进行坡度过滤，获取坡度过滤后的水体提取结果。
6.一种卫星遥感影像的水体提取装置，其特征在于，所述卫星遥感影像的水体提取装置包括 获取单元，用于获取卫星遥感影像数据； 决策树单元，用于利用预设的决策树中的设定阈值，对所述卫星遥感影像数据中的水体信息进行分类，获取分类后的水体提取结果。
7.如权利要求6所述卫星遥感影像的水体提取装置，其特征在于，所述水体提取结果包括清水、含植被的水和含泥沙的水。
8.如权利要求7所述卫星遥感影像的水体提取装置，其特征在于，所述卫星遥感影像的水体提取装置，还包括 特征指数提取单元，用于将所述卫星遥感影像数据进行特征指数提取；利用选取的水体样本中的样本像元值进行统计分析，确定所述预设的决策树中的设定阈值中的九个光谱特征分量阈值； 决策树单元，进一步用于利用所述九个光谱特征分量阈值，对所述卫星遥感影像数据中的水体信息进行分类，获取分类后的水体提取结果。
9.如权利要求8所述卫星遥感影像的水体提取装置，其特征在于，所述水体样本包括深水、浅水、鱼塘、含植被信息的水、含泥沙信息的水；所述九个光谱特征分量阈值包括如下信息的设定阈值原始影像的六个波段、亮度、绿度、湿度。
10.如权利要求9所述卫星遥感影像的水体提取装置，其特征在于，所述卫星遥感影像的水体提取装置，还包括 坡度计算单元，用于通过SRTM高程数据计算坡度信息分量，得到预设的决策树中的设定阈值中的坡度过滤阈值； 决策树单元，进一步用于在利用所述九个光谱特征分量阈值，对所述卫星遥感影像数据中的水体信息进行分类，获取分类后的水体提取结果后，利用所述坡度过滤阈值，对获取的分类后的所述水体提取结果进行坡度过滤，获取坡度过滤后的水体提取结果。
全文摘要
本发明实施例提供一种卫星遥感影像的水体提取方法及装置，所述卫星遥感影像的水体提取方法包括获取卫星遥感影像数据；利用预设的决策树中的设定阈值，对所述卫星遥感影像数据中的水体信息进行分类，获取分类后的水体提取结果。所述卫星遥感影像的水体提取装置包括获取单元，用于获取卫星遥感影像数据；决策树单元，用于利用预设的决策树中的设定阈值，对所述卫星遥感影像数据中的水体信息进行分类，获取分类后的水体提取结果。本发明实施例具有如下所述技术效果提高了卫星遥感影像的水体提取精度。
文档编号G06K9/46GK102855494SQ20121029749
公开日2013年1月2日 申请日期2012年8月20日 优先权日2012年8月20日
发明者翟亮, 桑会勇, 杨刚, 王晓军, 张晓贺, 贾毅, 邱程锦, 李奇伟 申请人:中国测绘科学研究院