TM影像水体提取方法研究

ITM 影像水体提取方法研究摘 要水是维系内陆生态系统稳定和健康的决定性因子，利用卫星遥感影像快速、准确地提取水体信息已经成为水体调查、研究与保护的重要手段。TM 遥感影像具有较高的空间分辨率、波谱分辨率、极为丰富的信息量、较高的定位精度和相对较低的价格。本文使用 ERDAS 软件对 Landsat TM 遥感影像中水体与其他地物之间以及不同水体之间的光谱曲线进行研究。利用 TM 1TM 7 的光谱关系提取水库、宽大河流、细小河流以及其他地物并根据其光谱特征进行分类和精度评定。对水体提取的常用方法进行研究。对于长江和其他水体的水质差异如何区分、细小河流如何分类以及水体和阴影部分如何分类本文将作相应的描述。关键词：ERDAS Landsat TM 水体 图像分类 光谱 摘 要IIAbstractWater is sustained inland ecological system which is stable and healthy decisive factor. By making use of satellite remote sensing image quickly and accurately extract water information has become water survey, an important means of research and conservation. TM remote sensing images with high spatial resolution, spectral resolution, extremely rich information and higher positioning accuracy and relatively low prices. This paper is used Landsat TM ERDAS software in remote sensing image water and other features and between different spectral curve between water. Use TM 1 TM 7 spectral relationship of reservoirs, wide rivers, extracted from the river and other features and tiny classified according to their spectral features precision and assess. For the Yangtze river and other water bodies of water quality difference to how to distinguish, small rivers how to classify and water, and the shaded part how to classify this paper will make corresponding description.Key words:ERDAS Landsat TM Warter Image classification SpectrumI目录摘 要 .1第一章 前言 .41.1 陆地卫星 Landsat .41.2 国内外水体提取的研究方法 .5第二章 遥感图像处理 .72.1 几何处理 .72.2 辐射处理 .72.3 图像滤波与增强 .72.4 图像变换 .72.5 特征提取 .72.6 遥感图像分类 .82.6.1 非监督分类 .82.6.2 监督分类 .82.6.3 专家分类 .102.6.4 决策树分类 .102.7 ERDAS 软件概述及其功能 .102.7.1 IMAGINE Essentials 级 .102.7.2 IMAGINE Advantage 级 .112.7.3 IMAGINE Professional 级 .112.7.4 IMAGINE 动态连接库 .112.7.5 ERDAS IMAGINE 功能体系 .11第三章 南京市水体信息提取 .133.1 研究区基本概况 .133.2 光谱及特征地物的光谱信息 .133.3 南 京 市 水 体 信 息 提 取 .143.3.1 图 像 裁 切 .143.3.2 图像分类 .15目 录II结语 .28参考文献 .29致谢 .31- 1 -第一章 前言1.1 陆地卫星 Landsat陆地卫星（Landsat）是美国地球资源卫星系列。是美国用于探测地球资源与环境系列地球观测卫星系统，曾称作地球资源技术卫星（ERTS） 。自 1972 年 7 月 23 日发射一号陆地卫星至今美国 landsat 计划已经发射了17 号卫星， 6 号卫星因发射失败而丢失。陆地卫星的主要任务是调查地下矿藏、航洋资源和地下水资源，监视和管理农、林、牧和水利资源的合理使用，预报和鉴别农作物的收成，拍摄各种目标的图像借以绘制各种专题图表 1-1 Landsat 卫星的轨道参数Landsat 系列卫星 Landsat13 Landsat4/5 Landsat7轨道高度 H(km)轨道倾角 I ()运行周期性 T (min)重复周期性 D降交点时间偏移系数 d图像幅宽91599.125103.2618 天 251 圈9:42a.m.-118570598.2298.916 天 233 圈9:30a.m.-718570598.2298.916 天（233 圈）10:00a.m.-7185TM 影像是指美国陆地卫星 45 号专题制图仪（Thematic Mapper）所获取的多波段扫描影像。有 7 个波段，其波谱范围：表 1-2 TM 影像中各波段的波谱范围通道 波长范围/m 辐射灵敏度 PNE/（% ）TM1 0.450.52（蓝） 0.8TM2 0.520.60（绿） 0.5TM3 0.630.69（红） 0.5TM4 0.760.90（红外） 0.5TM5 1.551.75（红外） 1.0TM6 10.412.6（热红外） TNE/K 0.5TM7 2.082.53（红外） TNE/K 2.0第一章 前言- 2 -1.2 国内外水体提取的研究方法快速、准确地提取水体信息是水资源调查、水资源宏观监测、湿地保护、海岸线变化、洪水淹没范围评估 以及灾后评估等的重要手段。利用 Landsat ETM+遥感影像提取水体信息，前人做了不少研究，大致分为两类，单波段阈值法和多波段增强图阈值法 1。单波段阈值法，是早期使用的方法。1985 年 Jupp 等通过分析影像直方图，在 TM7 波段使用阈值 法提取出水体口。 1990 年 Moller-Jensen 通过对TM4、TM5 设定经验阈值识别水体。1992 年陆家驹等利用 TM5 设定阐值，利用密度分割法识别水体，但效果不佳，只能识别：4000m 2 的水体 1998 年 Brasud 和 Feng 对路易斯安娜海岸线的描绘过程中，对各种波段阈值分割方法进行评估，并提出对 M5 进行阈值划分是最适合的方法。而 2000 年 Frazier 和Page 在探测澳大利亚 Wagga 湖泊区域工作中却指出，TM5 相对 TM4 和 TM7来说，阈值分割提取水体的精度较高，但是却不能精确地提取细小的水体。这类方法是根据影像单个波段中水体值低手或高于其他地物值，设定阈值提取出水体信息，其缺点是水体与非水体之间的过渡区被忽略，无法提取细小水体。多波段增强图阈值法是近来国内外使用较多的方法。1996 年 McFeeter 利用归一化水体指数 DNWI=(TM2TM4)/(TM2+TM4)抑制植被和土壤信息提取水体。2005 年徐涵秋提出 NDWI：难以抑制土壤和建筑物信息，并提出改进后的归一化水体指数 MDNWI=(TM2TM5)/(TM2+TM5)，并提出在部分城区建筑区域 MNDWIk(k 为下限阈值)来提取水体。 1998 年杨存建等发现 TM 各波段 影像 中，水体具有 (TM2+TM3)(TM4+TM5)的特征。而 2004 年陈华芳等在对山地高原水体识别工作中，提出(TM2+TM3) (TM4+TM5)k 能较好地分开山体阴影和水体 。2006 年 Oum 和 Tateishi 在描绘东非裂谷内的湖泊岸线肘，认为 NDWI3=(TM4 TM5)/(TM4+TM5)和缨帽变换的湿度分量 TCW 能较其他水体指数更好地划分岸线，于是结合两者识别水体边界多波段增强图阈值法利用水体在 TM 不同波段的波谱特性，通过多波段运算来增强影像中的水体信息，使得在增强图中水体值高于非水体地物值，从而设定下限阈值即可提取水体。但是，这类方法存在两个问题。第一，由于部分细小水体在影像中以混合像元的形态存在，存在水体和非水体地物过渡区，阈值难取。阈值高了将丢失细小- 3 -水体信息，阈值低了将会把其他的地物信息误提出来。第二，各种方法增强效果均有区域局限性。在地类复杂的区域中，NDWI 只在非山地的植被区域较好；MNDWI、TCW、NDWI 3 在建筑居民用地区域较好，却难以区分部分山体阴影和水体；而(TM2+TM3) 一 (TM4+TM5)在山体和农林 区域较好，却难以区分部分建筑居民用地和水体。本文将采用监督分类来提取水体，对水体和其他地物进行分类并作精度评定。对于水体和阴影部分如何区分以及宽大河流和细小河流如何分类将作相应的描述。第二章 遥感图像处理- 4 -第二章 遥感图像处理在 Landsat TM 影像中对水体及其他地物进行提取和精度评定，这个过程也就是对遥感图像进行处理。遥感图像处理主要包括几何处理、辐射处理、图像滤波与增强、图像变换、特征提取、遥感图像分类 2。2.1 几何处理具有空间定位信息是遥感影像区别于一般图像的重要方面，因此涉及位置的处理如几何校正、地理纠正、坐标变换等式遥感影像处理的重要方面。只有在符合精度要求的几何变换处理后，遥感影像表示的信息才能和真实的地表位置实现对应，并能和其他地图或数据源复合处理，实现基于遥感的地理空间要素、信息分析表达与制图 3。2.2 辐射处理遥感记录的信号是地物电磁波特征在经过大气影像、光电转换等步骤后的信息，如何通过遥感影像记录的特征值（如灰度）回复地物反射率，需要进行特定的辐射处理。2.3 图像滤波与增强噪声是遥感影像中不可变面的要素，在一定程度上影像了图像的质量与应用。滤波与增强是遥感图像处理的重要方面，通过高通滤波、低通滤波、图像锐化与平滑等处理，可以提高图像的目视解译效果，能够在一定程度上改进图像质量，提高应用精度。2.4 图像变换图像变换是遥感影像处理中的重要部分，特别是对于多光谱遥感影像来说，通过主成分变换、KT 变换等对原始图像空间进行转换，以实现对目标更有效的描述，同时降低信息维数，提高处理效率。各种图像运算与图像统计则是变换中不可缺少的基本处理。2.5 特征提取遥感影像中蕴含了丰富的空间、光谱与专题信息。首先，通过光学影像的立体像对或雷达影像的干涉处理可以提取底标高程信息，获取空间数据；其次，- 5 -基于对图像的领域处理，可以计算和提取反应局部特征的纹理信息，这是分类的有效依据；第三，边缘提取后形成的边界及对边界的统计，是线状和面状目标提取以及基于对象分类中的重要信息。光谱特称是遥感影像特点的重要体现，也是遥感优越性的保证。多光谱、高光谱遥感影像通过从不同的光谱区间反映地物的光谱特性，得到了广泛应用。如何从光谱维提取特征是遥感影像处理的重要内容。通过多光谱遥感影像的红波段和近红外波段能够提取植被指数、归一化植被指数以及反映植被状态的“红边”参数，通过其他波段组合可以提取反映水体、建筑物、农田等地物的特征的信息。此外，应用高光谱遥感数据还可以计算光谱吸收、导数光谱等其他特称值 3。2.6 遥感图像分类遥感研究地表空间时最主要的一项工作就是对地表覆盖进行分类识别，分类是遥感影像处理中最为重要的环节 4。在缺乏先验数据与训练样本的情况下，往往采用非监督分类。监督分类则是目前分类的主要途径，往往采用最大似然、最小距离等判别函数。传统的分类是基于纯像元中每一类别的比例。面向对象的分类技术突破了传统基于象元的分类，从对象的层次进行综合应用语义信息的分类。遥感图像分类包括：非监督分类、监督分类、专家分类、决策树分类等等。2.6.1 非监督分类非监督分类（Unsupervised Classfication）运用 ISODATA(Iterative Self-Organizing Data Analysis Technique)算法，完全按照像元比例的光谱特性进行统计分类，对分类区情况不了解时常使用这种方法。使用该方法是，原始图像的所有波段都参与分类运算，分类结果往往是各类像元数大体等比例。由于人为干预较少，非监督分类过程的自动化程度较高。非监督分类一般要经过以下几个步骤：初始分类、专题判别、分类合并、色彩确定、分类后处理、色彩重定义、栅格矢量转换以及统计分析 5。2.6.2 监督分类监督分类 （supervised classification）又称训练场地法，是以建立统计识别第二章 遥感图像处理- 6 -函数为理论基础，依据典型样本训练方法进行分类的技术。即根据已知训练区提供的样本，通过选择特征参数，求出特征参数作为决