基于landsa影像的郑洛地区水体信息提取

基于landsa影像的郑洛地区水体信息提取

不同的地物对微波的反射不同，其热辐射也没有完全相同。对于水体来说,细小水体由于其水陆分界相对不明显,提取比较困难。同时,正确处理山体阴影的影响也变成了水体信息提取中重要的环节。针对不同的地貌特点及水文条件,人们提出了各种各样的方法对水体进行提取。周成虎等［1］尝试用单波段阈值法对水体和陆地进行分割:在对水陆敏感的第5波段,通过手动计算或最优化获取方式,设定阈值即可将水体提取出来。通过分析水体与其他地物在TM影像各波段上的分布情况,发现水体具有独特的谱间关系特征,利用不同波段进行代数运算从而提取水体。徐涵秋等［2］对NDWI(normaldifferentialwaterindex)进行了改进并做了实现。陈蜜等［3］先用Contourlet变换对多光谱影像和全色影像进行融合,然后结合独立分量分析对水体信息进行分类,分类效果良好,但是计算量巨大。孙步伟等［4］基于孟塞尔(Munsell)HSV色彩变换,构建了新的水体提取模型,并在安庆地区进行了实验。实验表明,基于Munsell彩色空间系统的HSV变换,可以很好地识别水体信息,能有效消除山地或建筑物阴影的影响,而且不需要DEM等其他辅助数据。本文使用LandsatTM卫星影像重新获取水体信息,以郑洛地区为研究区域,综合比较和分析单波段阈值法、谱间关系法、归一化水体指数法和IHS变换法,以四种常见算法做对比实验,进而设计了基于谱间关系的水体信息提取算法。在提取水体信息的过程中,重新比较水体与地物在各波段的分布情况,结合数学形态学方法、图像去噪等手段对提取结果进行进一步处理,以提高精度。1声的去除:初心、中值滤波基于TM图像进行水体信息提取的流程如图1所示。TM图像预处理中,主要是图像图景数据的拼接以及根据目标区域边界进行裁剪。信息提取阶段,水体信息分割与山体阴影噪声的去除是同时进行的。本步处理后获取到的结果是二值化的水体图像。提取结果再处理阶段,主要用到数学形态学处理和中值滤波技术。数学形态学处理是为了对提取到的水体打断处进行修复,包括腐蚀运算和膨胀运算。中值滤波把数字图像或数字序列中一点的值用该点的一个邻域中各点值的中值代替,让周围的像素值接近于真实值,从而消除孤立的噪声点［5］。中值滤波对椒盐噪声(即孤立噪声)的消除效果非常好,这些噪声点更可能是遗留下的山体阴影。而且还可以最大限度地保存图像原有的细节,尤其是边缘信息。2提取水体信息提取方法2.1山体及他地物的波谱特征对于水体来说,它对近红外和中红外波段入射能量的吸收能力比较强,几乎全部吸收。这两个波段上,水体呈现出暗色调,而土壤、植被则相对较亮,因此,水体较容易与其他地物区分。但是在山区,山体阴影在阴坡面近红外、中红外两个波段的反射能量特别低,也呈现出暗色调,与水体的特征相重合。图2中明显看出水体及其他地物在各个波段上波谱的分布情况。其中,水体和山体阴影在第5波段的值明显小于第2波段的值,而其他地物则刚好相反。第2波段上,水体的亮度值大于阴影;第3波段上,山体阴影的亮度不超过水体的亮度。而在第4和第5波段上,阴影的值一般大于水体。水体与山体阴影的混淆使得阈值法在这两个波段上提取水体信息难以进行,需要另外加以处理才能得到较好的水体提取效果。2.2水体信息提取的一般算法的比较2.2.1阈值分值的获取单波段阈值法通过水陆敏感的某一波段,通过设定阈值将水体提取出来。本次实验首先利用TM图像的第5波段获取灰度图像,然后目测获取水体点的值,大量采样求得均值作为阈值参考值。在采样过程中,为了保证对细小水体的获取,采样点包含了大量的混合像元。最后求的阈值为42。单波段阈值法存在的固有缺陷是阈值太小,提取到的山体阴影信息会增多,阈值太大,则很多水体信息会被忽略。而且,单波段阈值法提取水体在阈值设置上具有盲目性,需要大量的计算才能获得较好的效果。2.2.2水体的提取谱间关系法利用水体具有的独特的谱间关系特征:(TM2+TM3)>(TM4+TM5),这一构建模型来进行水体提取能将水体与阴影区分开来,特别适合山区水体的提取。并用TM的4、3、2作假彩色合成影像来目视检验谱间关系法提取水体的效果。经典谱间关系法提取出来的水体较“纯净”,能有效地去除山体阴影的影响,不足之处是对细小河流的提取效果不明显。对地物地表反射率进行改进得到图3,改图直观地表明只有水体具有波段2加波段3大于波段4加波段5的特征。2.2.3ihs下的水体信息归一化水体指数法是指利用归一化水体指数来提取水体信息。水体在波段2上面具有较强的透射性,而在波段4上因被吸收的缘故反射率较低,因此可以利用这两个波段进行代数计算获取水体信息,模拟植被指数将波段2与波段4的差值与和值做比值［6］。IHS空间变换法提取水体,与RGB的自然属性描述不同,更多的是描述颜色特征［7］。先对TM影像进行IHS变换,然后利用特定的阈值范围进行水体信息的提取。IHS下水体信息提取模型如式1所示［8］。式(1)中ai、ak、as为I、H、S分量的样本均值,σi、σh、σs为I、H、S分量样本的标准差,k1、k2、k3为系数。获取到IHS图像后。对IHS图像中水体部分做采样,统计水体的相关信息,然后按照式(1)构建水系提取模型。经反复实验,K1=3,K2=2.5,K3=3时水体提取效果最好。总之,在对细小河流等水体的提取上,现有研究已有深入的探讨,但是大多数的算法由于其算法复杂度等原因,不能大规模应用。普遍应用、计算量相对较小的还是谱间关系法及其改进算法。对于山体阴影的去除,目前的研究集中于在水体提取过程中去除,尚未有单独进行山体阴影去除的讨论。2.3山体较小造成的水体信息压力此算法将水体提取的重点工作放在放大水体信息、以及水体信息与山体阴影部分的差异上。为此,本文重新对裁剪后的郑洛地区TM影像中的水体和山体阴影进行采样,继续对波谱图做分析。水体和山体阴影采样数据如表1所示。由表1可知:波段1上水体和山体阴影的亮度值变化较大,不利于水体信息提取。波段7从均值与最大最小值之间的差距来看,水体和山体阴影在这一波段上分布较均匀,很难将其区分开。波段6均值较大,不利于山体阴影与水体信息之间差别的扩大。除波段1外,其余6个波段上,山体阴影均包含于水体中,因此考虑先提取包含有山体阴影信息的水体信息,再单独去除阴影信息。波段2和波段3,山体阴影的亮度值变化较小,且其变化区间与水体亮度值的变化范围相比较小。考察山体阴影与水体的平均值之差,波段3较大,波段2次之,可以通过放大这两个波段来提取水体。波段为5水陆反应情况较好。总体上看,确定选用2、3、4、5波段参与运算。在波段3上,水体信息均值最大,而且水体与山体阴影均值之间的差值也最大。因此,将波段3乘以倍数放大,从而提高山体阴影与水体之间的差别。从图4可以看出,第3波段经放大后,水体与其他地物相互区分更容易了。依照上述分析,建立如下所示的数学模型:式(2)中,TM2、TM3、TM4、TM5分别指TM影像的第2、3、4、5波段。k1表示对原始图像进行阈值分割所设置的阈值。k2表示山体阴影在第3波段上进行分割的分界点。令k=(TM2+2TM3)/(TM4+TM5),根据模型计算可得k水=1.57,k影=1.10,为了让是水体的可能性最大,是山体阴影的可能性最小,所以选择k1为1.1。得到k1值后,依照模型,对所有TM像元进行处理。符合模型的赋值为1,不符合模型的赋值为0,最后所得二值图像即为要提取的水体信息。此时,水体信息中含有大量的噪声。利用TM3>k2去除山体阴影中的噪声,即当第3波段上TM像元值大于k2则此像元是山体阴影的可能性大大降低。在第3波段上,山体的均值为30.14,最大值为32;水体的均值为46.62,最小值为26。显然,将k2取为32比较合适,这样在尽可能多的保存水体信息的前提下能够去除尽量多的山体阴影。综上所诉,为提取尽可能多的水体信息,用k1=1.1,k2=32建立水体提取模型较为合适。3对结果的分析与评价3.1谱间关系法提取水体的效果利用由中国科学院国际科学数据服务平台(ht-tp://datamirror.csdb.cn/index.htm)提供的郑洛地区LandsatTM数据,用四种常规算法对水体信息进行提取。将提取到的结果叠加到郑洛地区TM影像432波段合成的假彩色影像上,结果如图5所示。从图5中可以看出谱间关系法能够较好地提取到水体信息,并且能够去除部分山体阴影的影响,但是对细小河流不敏感,而且山体阴影的残留还是比较多。归一化水体指数法对水体的提取效果一般,对细小水体的提取并没有什么帮助。该方法提取出的水体中仍就包含大量的山体阴影信息,甚至比谱间关系法提取出水体里包含的山体阴影还要多。IHS变换法提取水体能有效去除山体阴影的影响,并且能提取到部分较细小河流,但对细小河流的提取能力有待加强。用改进的谱间关系法进行水体信息提取的结果如图6所示。从图6中可以看出,白色部分所示的河流较以往的水体提取方法有较大的改善,与现有几种算法相比较,水体提取效果有了较大的提高。具体表现在:1较大河流的转弯、较细小处等细节得到有效地扩充和体现;2细小河流也提取出来,尽管其宽度、连续性还有待改进;3包含的山体阴影信息比较少。3.2随机算法与改进的谱间关系法对比Kappa系数表征的是图像分类结果与实际情况的一致程度。本文通过对实际情况的调查与分类结果相对比,建立误差矩阵,矩阵行表征图像分类的分类结果,矩阵列为实际结果,元素为像元数量,最后计算总体精确度和Kappa系数。为了对各种算法进行性能比较,采用随机算法,对原始图像进行采样,并对各种算法在该点的提取结果进行采样。共采样1156点,为了计算方便,约简为1000点,其中水体点共计640点,非水体360点。各种算法采样数据如表2。精确度及Kappa系数如图7。图7中,Pe表示由于偶然因素导致分类正确的概率,P0表示总体精度。改进的谱间关系法Pe值为0.543,Kappa系数为0.805,总体精度达到91.1%。显然,改进后的谱间关系法Kappa系数最佳,其他算法Kappa系数均为显著程度。改进后的谱间关系法用于水体提取的总体精确度也高于其他算法。总之,改进的谱间关系法在基于TM图像进行水体信息提取有很高的精确度和实用性。4信息提取步骤对比通过分析现有算法优缺点,对LandsatTM影像波谱进行认真分析研究,以谱间关系法为基础,对谱间关系法进行了改进,建立新的水体提