高分辨率光学遥感图像灾后水体信息提取方法及系统技术方案

本发明专利技术涉及高分辨率光学遥感图像灾后水体信息提取方法及系统，该方法通过选取灾后水体区域为目标灾后水体研究区域，获取其高分辨率光学遥感图像，并对获取的遥感图像进行辐射定标、大气校正、几何校正和噪声去除，得到预处理图像；利用基于广义模糊算子方法对预处理图像作增强处理，得到目标灾后水体研究区域的增强图像；利用面向对象方法对所得增强图像进行分割，利用基于光谱信息方法对分割后图像中的水体信息进行粗提取，得到粗提取的灾后水体信息；根据水体信息提取特征知识判断方法，对粗提取的灾后水体信息做精提取，得到精提取的灾后水体信息；利用区域标记法对所得水体区域作孔洞填充，获取得到最终的灾后水体信息。

【技术实现步骤摘要】

本专利技术涉及遥感图像处理领域，尤其涉及一种高分辨率光学遥感图像灾后水体信息提取方法及系统。
技术介绍
水体是地球生物赖以生存的重要资源，在自然环境中，水体作为一个独立因子，格外受到人们关注。水体信息提取对于调查全球水资源、预测洪水灾害并评估环境影响，以及作为桥梁、码头、舰船等移动或非移动目标的参照信息都具有重要意义。遥感技术以其探测范围广、获取信息多、更新时间快等特点，成为获取地球表层信息的重要手段，特别是高分辨率遥感卫星的升空，更为包括水体在内的资源调查和灾害监测提供了契机。其中，针对灾害后水体的监测尤为重要。在目前针对灾害后水体信息的提取研究中，主要有四种提取方法：单波段阈值法、多波段谱间关系法、水体指数法和决策树方法。其中，单波段阈值法是根据水体的波谱特征，利用可见光-近红外波段的遥感图像提取水体信息；多波段谱间关系法通过分析水体与背景地物(植被、土壤等)的波谱曲线特征，建立逻辑判别表达式，进而从遥感图像中分离出水体信息；水体指数法的原理是寻找多光谱图像中地物最强和最弱的反射波段，借助比值运算扩大二者差距，进而突出水体信息；决策树方法的基本原理是通过一定的判定条件对原始数据集逐步进行二分和细化，以达到最终提取水体信息的目的。这几类方法各有特点，在特定领域都取得了一定的成功，但是也都有各自缺陷。单波段阈值法具有模型简单、运算效率高的特点，但容易受到阴影、水质变化、波浪、深浅等因素的影响；多波段谱间关系法能够有效去除阴影的影响，特别适合于山区水体的提取，但利用该方法所构建的光谱特征模型没有定式，光谱特征模型与研究区、遥感图像时相性有关；水体指数法在抑制植被、阴影、土壤等信息方面具有突出优势，但其关键是始终维持地物反射的强弱关系，一旦这种关系被削弱，则该方法识别结果就会较差，甚至失效；决策树方法利用了除亮度值以外的其他知识，识别结果较准，但是决策过程的抽象或判定规则的制定较为复杂。考虑高分辨率光学图像空间结构丰富，导致常规灾后水体信息提取方法效果较差这一特点，探索一种能够提高水体信息提取精度的光学遥感图像灾后水体信息提取方法成为遥感图像处理领域的又一挑战。
技术实现思路
本专利技术所要解决的首要技术问题是针对上述现有技术提供一种既能够克服浓密植被、沥青道路等相似性地物对灾后水体信息提取的不利影响，又能够精确地从灾后区域中得到水体信息的高分辨率光学遥感图像灾后水体信息提取方法。本专利技术进一步要解决的技术问题是提供一种实现上述灾后水体信息提取方法的灾后水体信息提取系统。本专利技术解决上述首要技术问题所采用的技术方案为：高分辨率光学遥感图像灾后水体信息提取方法，其特征在于，依次包括如下步骤：步骤1，选取灾后水体区域作为目标灾后水体研究区域，获取该目标灾后水体研究区域的高分辨率光学遥感图像，并对获取的目标灾后水体研究区域所对应的光学遥感图像依次进行辐射定标、大气校正、几何校正和噪声去除的预处理操作，得到目标灾后水体研究区域的预处理图像；步骤2，利用基于广义模糊算子的方法对所得目标灾后水体研究区域的预处理图像进行增强处理，得到目标灾后水体研究区域的增强图像；其中，针对目标灾后水体研究区域预处理图像的增强处理过程包括如下步骤2-1至步骤2-3：步骤2-1，利用模糊分布函数提取目标灾后水体研究区域预处理图像的模糊特征数据；其中，模糊特征数据标记为P，模糊特征P按照如下公式得到： P = Γ ( X ) = ( X i j - D ) / ( X max - D ) , ( i = 1 , 2 , ... , M ; j = 1 , 2 , ... , N ) D = ( X max - X min ) / 2 ; ]]>其中，X表示目标灾后水体研究区域的预处理图像，Γ(·)为模糊分布函数，i和j分别为图像像素所在的位置，M和N分别为图像的行数和列数，Xmax和Xmax分别是图像的最大灰度值和最小灰度值，Xij表示在位置(i,j)处图像像素的灰度值；步骤2-2，利用广义模糊增强算子对所得模糊特征数据进行非线性模糊变换；其中，非线性模糊变换后的模糊特征数据标记为P'，P'的计算公式如下： P &prime本文档来自技高网...

【技术保护点】
高分辨率光学遥感图像灾后水体信息提取方法，其特征在于，依次包括如下步骤：步骤1，选取灾后水体区域作为目标灾后水体研究区域，获取该目标灾后水体研究区域的高分辨率光学遥感图像，并对获取的目标灾后水体研究区域所对应的光学遥感图像依次进行辐射定标、大气校正、几何校正和噪声去除的预处理操作，得到目标灾后水体研究区域的预处理图像；步骤2，利用基于广义模糊算子的方法对所得目标灾后水体研究区域的预处理图像进行增强处理，得到目标灾后水体研究区域的增强图像；其中，针对目标灾后水体研究区域预处理图像的增强处理过程包括如下步骤2‑1至步骤2‑3：步骤2‑1，利用模糊分布函数提取目标灾后水体研究区域预处理图像的模糊特征数据；其中，模糊特征数据标记为P，模糊特征P按照如下公式得到：P=Γ(X)=(Xij-D)/(Xmax-D),(i=1,2,...,M;j=1,2,...,N)D=(Xmax-Xmin)/2;]]>其中，X表示目标灾后水体研究区域的预处理图像，Г(·)为模糊分布函数，i和j分别为图像像素所在的位置，M和N分别为图像的行数和列数，Xmax和Xmax分别是图像的最大灰度值和最小灰度值，Xij表示在位置(i,j)处图像像素的灰度值；步骤2‑2，利用广义模糊增强算子对所得模糊特征数据进行非线性模糊变换；其中，非线性模糊变换后的模糊特征数据标记为P'，P'的计算公式如下：P′=GFO[P]=1-(1+P)2,-1≤P<0P2,0≤P<r1-2(1-P)2,r≤P≤1;]]>其中，GFO[·]为广义模糊增强算子，r为分段因子，且r＝0.2956；步骤2‑3，将处理后的模糊特征数据逆变换到空间域，得到增强后的目标灾后水体研究区域的增强图像；其中，目标灾后水体研究区域增强图像标记为X'，X'由如下公式得到：X'＝Г‑1(P')＝P'(Xmax‑D)+D，D＝(Xmax‑Xmin)/2；其中，Г‑1(·)为模糊分布函数Г(·)的反函数；步骤3，利用面向对象的方法对目标灾后水体研究区域的增强图像进行分割，并利用基于光谱信息的方法对分割后图像中的水体信息进行粗提取，得到粗提取的灾后水体信息；其中，所述灾后水体信息的粗提取过程包括步骤3‑1至步骤3‑3：步骤3‑1，统计目标灾后水体研究区域增强图像的直方图，并设定水体信息关于直方图的阈值T1和T2；步骤3‑2，利用面向对象的方法对目标灾后水体研究区域的增强图像进行图像分割，得到若干分割后的独立增强图像单元，并分别统计每个独立增强图像单元的灰度均值、面积以及长宽比；步骤3‑3，根据设定的水体信息直方图阈值T1和T2以及得到的各独立增强图像单元的灰度均值，判断并得到灰度均值位于水体信息阈值T1和T2范围之内的独立增强图像单元作为灾后水体信息粗提取结果；步骤4，根据水体信息提取特征知识判断方法，对得到的粗提取的灾后水体信息做精提取，得到精提取的灾后水体信息；其中，水体信息提取特征知识判断方法依次包括如下步骤4‑1至步骤4‑4：步骤4‑1，获取水体在灾害前的灾前水体遥感图像和灾害后的灾后水体遥感图像，并根据对应的灾前水体遥感图像和灾后水体遥感图像，分别得到水体在灾害前的灾前水体表现特征以及灾害后的灾后水体表现特征；其中，所述灾前水体表现特征和灾后水体表现特征均包括对应水体的光谱特征、几何特征、纹理特征和空间关系特征，灾后水体遥感图像所对应区域标记为C1；步骤4‑2，获取灾后水体遥感图像区域C1的归一化植被指数INDVI，并设定归一化植被指数阈值T3后，进行如下判断：当INDVI≤T3时，判定此归一化植被指数INDVI对应的遥感图像区域C2为水体、阴影和沥青路面，然后获取遥感图像区域C2的灰度值I2，并执行步骤4‑3；否则，判定该归一化植被指数INDVI对应的遥感图像区域为浓密植被；其中，归一化植被指数INDVI计算公式如下：INDVI=NIR-RNIR+R;]]>其中，NIR近红外波段的反射值，R为红光波段的反射值；步骤4‑3，设定候选灾后水体的面积阈值Ta1和Ta2(Ta1≤Ta2)，设定候选灾后水体的长宽比阈值Ts1和Ts2(Ts1≤Ts2)，并在获取遥感图像区域C2的面积Ia和长宽比Is后，进行如下判断：当Ta1≤Ia≤Ta2且Ts1≤Is≤Ts2时，判定该面积对应的遥感图像区域C3为水体和阴影，然后获取该遥感图像区域C3的灰度值I3，并执行步骤4‑4；否则，判定该面积对应的遥感图像区域为沥青路面；步骤4‑4，在所得遥感图像区域C3中，设定候选灾后水体区域平均灰度I1与邻近阴影区域平均灰度I2的差值阈值T4，且判断I1‑I2≤T4时，则判定该候选灾后水体区域为水体；否则，判定该候选灾后水体区域为阴影区域；步骤5，利用区域标记法对步骤4‑...

【技术特征摘要】
1.高分辨率光学遥感图像灾后水体信息提取方法，其特征在于，依次包括如下步骤：步骤1，选取灾后水体区域作为目标灾后水体研究区域，获取该目标灾后水体研究区域的高分辨率光学遥感图像，并对获取的目标灾后水体研究区域所对应的光学遥感图像依次进行辐射定标、大气校正、几何校正和噪声去除的预处理操作，得到目标灾后水体研究区域的预处理图像；步骤2，利用基于广义模糊算子的方法对所得目标灾后水体研究区域的预处理图像进行增强处理，得到目标灾后水体研究区域的增强图像；其中，针对目标灾后水体研究区域预处理图像的增强处理过程包括如下步骤2-1至步骤2-3：步骤2-1，利用模糊分布函数提取目标灾后水体研究区域预处理图像的模糊特征数据；其中，模糊特征数据标记为P，模糊特征P按照如下公式得到： P = Γ ( X ) = ( X i j - D ) / ( X max - D ) , ( i = 1 , 2 , ... , M ; j = 1 , 2 , ... , N ) D = ( X max - X min ) / 2 ; ]]>其中，X表示目标灾后水体研究区域的预处理图像，Г(·)为模糊分布函数，i和j分别为图像像素所在的位置，M和N分别为图像的行数和列数，Xmax和Xmax分别是图像的最大灰度值和最小灰度值，Xij表示在位置(i,j)处图像像素的灰度值；步骤2-2，利用广义模糊增强算子对所得模糊特征数据进行非线性模糊变换；其中，非线性模糊变换后的模糊特征数据标记为P'，P'的计算公式如下： P ′ = G F O [ P ] = 1 - ( 1 + P ) 2 , - 1 ≤ P < 0 ...

【专利技术属性】
技术研发人员：陈超，郭碧云，林建民，
申请(专利权)人：浙江海洋大学，
类型：发明
国别省市：浙江;33