高分四号影像水体提取算法比较分析

针对高分四号卫星影像数据进行水体提取研究,利用NDVI、NDWI、MNDWI分别进行水体提取,通过实验分析三种水体提取指数的提取效果,为高分四号卫星水体提取应用提供建议。     

基于国产GF-1遥感影像的水体提取方法

山区水资源信息高精度提取是西北干旱区水文水循环及水资源利用等研究领域的核心热点问题,但山区由于各种限制因素,如阴影、积雪和山体裸地等,使得高分辨率遥感监测效果不佳。本文基于高分一号遥感影像,利用单波段阈值法、NDWI与多波段法进行特克斯河流域水体信息提取,通过分析3种水体提取方法的利弊,提出单波段阈值法与构建的阴影水体指数SWI=B₁+B₂-B₄相结合的决策树水体信息提取方法,用结合实地采样得到的混淆矩阵对水体区域的整体提取结果进行精度验证对比分析。实验结果表明,单波段阈值法易受山体阴影的影响,但受积雪与裸地的影响较小;NDWI法易受山区小面积阴影影响;多波段法提取水体信息较好,但受部分阴影与薄雪影响。决策树法能有效地消除积雪和裸地等气候环境的干扰,完整地提取水体信息,总体精度为92.34%以上,Kappa系数在0.82以上。     

CBERS-02CCD图像中居民点用地信息提取方法研究

以前研究利用卫星图像对居民点用地信息提取的资料主要是Landsat TM、ETM 或者SPOT HRV数据,而利用中巴地球资源卫星CCD数据提取的研究较少。本研究利用中国资源卫星应用中心提供的CBERS-02CCD数据对居民点信息进行获取,对中巴卫星数据的推广应用具有一定的意义。由于不能直接利用中巴卫星数据进行归一化建筑指数(NDBI)计算以实现对居民点用地信息的提取,所以应探讨采用其他方法。首先,在对图像进行几何精校正以及投影和坐标系统转换预处理后,对图像中的主要地物光谱特征进行分析,再对图像进行归一化植被指数(NDVI)和归一化水体指数(NDWI)计算以扩大感兴趣地物与其背景的差异,确定合适的阈值从图像中提取植被、农田、水域、山体阴影、裸地和道路等背景信息,然后居民点用地信息通过去除以上背景信息的方法间接获取。最后,信息提取结果与2004年土地利用现状更新调查数据比较以检验提取结果的精度。经过精度检验表明,利用阈值分割法从图像中提取居民点信息的整体用户精度和制图精度分别达到81.4%和77.9%,该方法对获取1:5万及小于1:5万比例尺的居民点用地专题图制图精度较高,能够满足制图要求。     

一种稳定阈值的湖泊水体信息提取方法

针对提取水体信息时阈值设定模糊问题,提出一种具有稳定阈值的在反射率为0时水体与其他地物分离度最好的自动水体信息提取方法。利用不同时间段的艾比湖、博斯腾湖、鄱阳湖、阿拉湖的Landsat 8卫星影像为数据源,通过分析水体与不同地物的反射率及主分量特征,构建一种新型水体指数——温度植被水体指数（Temperature Vegetation Water Index, TVWI）,利用监督分类得到的水体面积为参考值,分别与传统水体提取方法进行对比验证。结果表明：①利用TVWI分别对2013年与2016年的艾比湖进行水体信息提取,总体精度分别为98.51%、97.33%,博斯腾湖为99.66%,鄱阳湖为98.06%,阿拉湖为99.72%,总体精度较高;②在TVWI指数中,水体与非水体区域区分度较高,在水体边界处的非水体区域出现极高的噪音值,而水体区域值大于0;③通过普适性分析得知,TVWI对湖泊适应性较好,对不同类型的湖泊水体提取精度均较高。因此,利用TVWI进行高精度无模糊阈值设定的水体信息提取是可行的。     

基于TM遥感优化模型的地表水体信息提取

利用归一化植被指数(NDVI)、归一化水体指数(NDWI)、修正归一化差异水体指数(MNDWI)三种方法对中山市TM影像数据进行水体信息提取,并对三种方法进行了比较分析。结果表明NDWI指数对山体阴影区分并不明显;NDVI指数可以明显区分出山体与水库,但噪声较大,建筑物与水体区分不明显;MNDWI指数尽管为三者中最优,但仍有部分水体信息提取了山体阴影使提取结果不准确。考虑到每种指数方法优缺点,在现有指数模型基础上,经过多次实验研究提出了综合考虑三种指数信息的水体提取优化模型,该模型提取快速,准确率高于MNDWI指数模型,解决水体提取中难于消除阴影的难题,使得提取水体信息的范围与面积更加准确。     

基于Landsat TM影像的水体信息提取

基于Landsat 5 TM影像,以芜湖市沿江区域为试验区,利用水体指数模型(NDWI、MNDWI)、单波段阈值法(LBV变换的B分量)、波谱间关系模型(KT3+TM4>TM2+TM7),以及新提出的波谱间关系模型(KT3+TM2>TM4+TM3)进行水体信息自动提取的试验,从定性与定量2个方面对5种方法进行对比.结果表明,波谱间关系模型提取水体的精度最高,为93%;受到植被和建筑物等因素的干扰最小.     

基于高分影像的面状水体提取方法研究

本文以湖北省咸宁市作为实验区域,高分一号16m、高分二号4m影像作为数据源,在利用多种指数综合进行水体提取的基础上,结合面状水体的形状特征根据形状因子实现针对于面状水体的有效提取。     

基于国产GF-1遥感影像的山区细小水体提取方法研究

以国产"高分一号"16m遥感图像为数据源,在特克斯县选取两个研究区域,针对山区细小线状河流提取难度较大的问题,使用基于规则的面向对象的方法实现了对山区细小水体的精确化提取。首先,在总结前人选择最优分割尺度的基础上,考虑了各层权重信息,针对某一特定地物,提出了指示最优分割尺度的指标——改进的与邻域绝对均值差分方差比(MRMAS),并由此获取了影像上细小水体的最优分割尺度。其次,为区分水体和山体阴影,构建阴影水体指数SWI=B1+B2-B4,成功剔除了绝大部分阴影信息。最后,利用形态学膨胀滤波及Pavlidis异步细化算法对提取的细小水体进行后处理,最终得到细小河流的矢量化水系图。实验结果表明,该方法可以完整、快速地提取出山区细小线状河流信息,总体精度在90%以上,Kappa系数在85%以上,有效排除阴影等暗色地物的干扰,基本消除椒盐噪声。该研究成果或对国产高分影像处理系统的研发与应用提供一定的科学参考。     

基于Landsat8OLI和Sentinel-2A影像在湿地提取水体信息的差异性研究

湿地作为中国重要的生态水文环境资源,及时、准确的监测湿地的水体信息具有重要意义。虽然Sentinel-2A数据相较于Landsat-8影像作为新兴的卫星遥感影像数据源名具有较多优势,但在湿地的水体信息提取的应用效果是否具有众多优点,仍是未知,因此,本文选取扎龙湿地研究区内的Sentinel-2a和Landsat-8影响各一景影像作为数据源,基于面向对象的分类分类方法提取湿地的水体信息,验证两种数据源的分类结果精度,结果表明:a.基于影像光谱特征差异和水体指数的可分性Sentinel-2A都高于Landsat-8影像,且提取结果显著。b.Sentinel-2A相较于Landsat-8影像提取得到较高的精度,水体信息用户精度87.31%,总体精度达85.87%,以上研究结果表明:Sentinel-2A影像数据相较于Landsat-8数据在复杂的小尺度湿地提取水体信息的精度更高,研究结果可作为湿地的保护研究提供理论基础数据。     

基于GF-1 WFV数据的甘蔗种植面积监测

基于高分一号卫星(GF-1)的宽幅相机(WFV)数据,以广西扶绥县为例,引入坡度、耕地基础地理数据库。根据遥感影像的光谱特征,采用非监督分类、监督分类及NDVI剔除法相结合的方法,准确提取出该县甘蔗种植面积。经精度验证,GF-1WFV数据对扶绥县种植面积遥感监测总体精度为总精度达89.15%,Kappa系数为0.7803,生产者精度和用户精度分别为90.72%和87.21%,均达到农业生产的需求。结果表明,GF-1 WFV数据能为县域尺度甘蔗种植面积的进行有效的追踪和检测。     

基于OLI影像的环渤海湾不透水面提取及空间格局分析

不透水面的分布规模、空间格局和变化是影响区域生态系统和环境变化的重要指标。Landsat 8卫星的成功发射使得基于Landsat系列遥感影像的陆地生态环境监测及其科学研究得以延续。本研究以该卫星搭载的陆地成像仪(OLI)影像为遥感数据源,基于植被-不透水面-土壤(V-I-S)模型,采用最小噪声分离法(MNF)和支持向量机(SVM)相结合的方法实现地表信息遥感影像分类,并提取高反照和低反照覆盖初步提取不透水面,利用遥感指数去除水体、阴影等干扰物后,得到研究区不透水面的分布现状,在此基础上分析其空间格局。结果表明：相较于TM影像,OLI影像辐射分辨率提高为16bit,其波段范围普遍变窄,影像经大气校正后色彩丰富度提高,其不透水面提取精度较高;2013年,环渤海湾海岸带不透水面比例达到16.74%,其空间分布集中于城市中心城区和临港产业区;岸线向陆10km的海岸带区域和岸线外围填海区的不透水面面积达到1 794.30km²;与历史时期TM遥感影像提取结果相比,环渤海湾不透水面分布的趋海化现象明显,不透水面斑块聚集程度增加。     

基于TM影像水体提取方法比较研究

随着科学技术的快速发展,利用遥感技术来进行水资源的监测、调查和分析已成为一种必然的趋势。从遥感影像中快速、准确提取水体成为水资源研究的一种重要方法,目前,水体提取的方法有很多,本文以巢湖流域TM影像为例,在ERDAS9.2MODEL MAKER计算几种常用水体提取方法(NDWI、MNDWI、NDWIL、EVI、NDVI及TM5单波段阈值法),并在ARCGIS9.2中进行二值化处理,比较几种方法提取水体效果,结果表明:MNDWI提取精度最高,提取水体面积最大。     

基于决策树方法的干旱区盐渍地信息提取——以渭干河-库车河三角洲绿洲为例

以渭干河-库车河三角洲绿洲为例，探讨了干旱区盐生植被红柳覆盖的盐渍地信息的提取方法。利用TM卫星图像数据，分析了研究区主要地物的光谱特征及其波段间的相互运算，从而分析不同地物之间的可分性。研究表明：K-L-3（第三主成分）是提取重度盐渍地信息的最佳波段，TM1是区分红柳覆盖区（轻、中度）盐渍地信息的最佳波段，提取盐渍地信息时混分的水体信息可以通过MNDWI（改进归一化差异水体指数）设定一定的阈值予以剔除，混分的植被信息可以通过NDVI设定一定的阈值予以剔除。根据以上分析，建立决策树模型，在各节点设计不同的分类器，最后得到盐渍地信息的提取结果。然后进行精度评价，结果表明，该方法的总体提取效果较好，是干旱区监测盐渍地变化的有效手段。     

基于Landsat OLI影像的城市建筑面积提取

以呼和浩特市为研究区,以Landsat OLI影像为数据源,通过影像预处理对影像数据进行归一化建筑指数和主成分分析运算;采用监督分类中不同的分类方法对研究区进行土地利用分类,选择精度评价最高的最大似然算法提取了城市建筑用地信息。     

高分辨率影像在水土保持土地利用快速分类中的应用

现代遥感技术快速发展,推动了遥感技术在水土保持监测中的广泛应用。土地利用/覆盖变化是针对地表各种地物动态变化的反映,对水土流失动态监测具有重要意义。本文以三峡库区湖北巴东神农溪流域为例,利用支持向量机(SVM)分类方法对资源三号(ZY-3)高分辨卫星影像进行土地利用/覆盖分类,并对比传统的最大似然法及神经网络与SVM方法的分类结果,结果显示SVM方法分类精度优于最大似然法及神经网络法,能较好的分辨多类地物,为长江流域水土流失动态监测快速提供植被覆盖度和土地利用基础数据。     

基于Landsat ETM+影像的水体信息综合提取方法

以Landsat-7 ETM 影像为例,对比分析了常用的水体信息提取方法。针对已有方法无法准确提取河网支流和细小水体信息的缺点,提出了一种水体信息综合提取方法。方法利用谱间关系((TM2 TM3)-(TM4 TM5))和缨帽变换湿度分量TCW建立提取水体的最优空间掩膜,使用最大似然法去除最优空间掩膜中其他的地物信息。在浙江省绍兴及周边区域的实际工作中,本文方法较为完整地提取了研究区的水体信息,包括河网支流和细小水体。提取的相对精度优于其他方法。     

高分辨率遥感影像线状地物提取方法研究

线状地物提取是遥感影像处理的主要研究内容之一。本文针对传统低层次单个像元纯光谱的信息提取方法的不足,构建了一种基于Canny边缘检测的面向对象提取方法。并针对面向对象遥感影像分割容易受到噪声和其他地物干扰导致提取精度不高的问题,运用Canny算子对遥感影像进行高斯滤波,降低噪声影响,采用高低双阈值法细化边缘有效检测出地物的边缘信息。最后结合面向对象的原理,通过基于规则的方法提取线状地物,得到包含线状地物信息的二值图像。精度检验结果表明,基于Canny边缘检测的面向对象方法提取线状地物的欠提取率平均为6.3%,比数学形态学方法提取线状地物的欠提取率下降了22.6%,可以有效提高线状地物提取的精度,对高分辨率遥感影像线状地物信息提取研究具有一定的参考价值。     

基于GF-1的酒泉盆地植被与地下水埋深关系研究

地下水位埋深情况对我国西北干旱半干旱区的植被生长具有重要影响,高分系列卫星的发射使从宏观尺度上更加准确地分析植被与地下水位变化的关系成为可能。本文利用2013年8月的高分一号(GF-1)影像数据计算归一化植被指数(NDVI),利用地下水位观测资料及水文地质资料建立地下水模型,从宏观尺度分析了酒泉东盆地的植被与地下水位间的关系。研究表明:酒泉东盆地地下水浅埋区适宜植被生长的地下水位埋深范围为2.0～5.6 m之间;NDVI值随坡度增加而逐渐减小,不同坡向上整体的NDVI均值差异不大,但不同区间的NDVI值在各坡向的分布上有所差异;使用GF-1影像可显著提高NDVI分析的精度。     

基于Sentinel 2影像的青衣江流域土地利用分类

以四川省青衣江流域乐山灌区为研究区域,Sentinel 2光学影像为数据源,采用分类方法最大似然法、CART决策树法和基于多时相归一化植被指数(Normalized Difference Vegetation Index,NDVI)决策树分类方法,实现了研究区域大春土地利用的分类提取,对各种分类结果的精度评定结果表明基于相应多时相NDVI数据集的决策树分类方法在3种分类方法中精度最高,总体分类精度85.22%,Kappa系数0.81。最终本研究技术方法成功提取了青衣江流域建筑、水、森林的分布信息及大春作物水稻、红苕、大春蔬菜的作物种植信息。     

基于多特征软概率级联的土地利用/土地覆盖分类

为实现高分辨率遥感影像低层特征的有效组织与优化,提高特征的可判别性,重点研究了基于稀疏编码的中层特征学习、基于支持向量机(Support Vector Machine,SVM)的分类技术,提出了基于软概率级联中层特征学习模型实现土地利用/土地覆盖(Land Use and Land Cover,LULC)分类。首先,提取影像的灰度共生矩阵(Graylevel Co-occurrence Matrix,GLCM)、光谱特征、密集尺度不变特征转换(Dense Scale Invariant Feature Transform,DSIFT)作为低层特征;然后由稀疏编码分别对GLCM、DSIFT和光谱特征进行稀疏编码,并结合最大平滑方法对稀疏系数进行优化,获得影像的中层特征,并通过SVM分类器分别计算LULC类别软概率,对其级联获得影像的特征表达;最后,利用SVM分类器再次分类获得LULC分类结果。选用武汉市远城区农村居民点作为实验样区,对该方法进行了验证,实验结果表明,该方法总体精度达到88%左右;相较于提取单一低层特征的分类方法,本文算法可有效提高LULC分类精度。