一种集成光谱和空间信息的水体提取方法技术

本发明专利技术提供了一种集成光谱和空间信息的水体提取方法，首先根据光谱信息将水体研究区域分成三类：初始确定水体、初始潜在水体和初始非水体；然后对所述初始潜在水体进行再分类，得到潜在水体和非水体，根据所述潜在水体的粗糙度，进一步筛选出最终的确定水体和最终的潜在水体；最后根据所述最终的确定水体和最终的潜在水体，得到待判别区域，对所述待判别区域内的目标像素进行空间区域连通，然后对每个连通区域进行判断，得到所述水体研究区域的最终水体分类结果。本发明专利技术的有益效果是：水体提取方法简单易操作，提高了水体提取的准确性和完整性。和完整性。和完整性。

【技术实现步骤摘要】
一种集成光谱和空间信息的水体提取方法


[0001]本专利技术涉及水体提取领域，尤其涉及一种集成光谱和空间信息的水体提取方法。

技术介绍

[0002]水体是进行经济生活发展以及生态环境保护的基本保障。近年来，由于全球变暖，极端天气频发，由异常降雨导致的自然灾害(如洪灾)给社会带来了巨大的经济损失和生存威胁。因此，快速准确地获取灾害前后的地表水信息对于灾害快速评估及预防意义重大。此外，对地表水进行时序变化监测，了解水体的空间分布特征和时间变化规律，有利于国家对水资源进行管理和规划。遥感技术为地表水检测提供了有效可行的技术手段，利用遥感影像提取水体已经成为遥感研究的重要课题之一。其中，光学遥感具有“所见即所得”的特点，其提供了地物丰富的光谱和几何信息，为快速准确地绘制地表水提供了可能性。一般来说，利用光学影像提取水体的方法可以分为分类法和阈值法两大类。
[0003]基于分类技术的水体提取方法基于水体与其他地物在不同波段的反射率光谱特征不同识别水体。随着人工智能技术的发展，机器学习算法在地表水制图上发挥了重要的作用，目前基于机器学习应用较多的分本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种集成光谱和空间信息的水体提取方法，其特征在于：包括以下步骤：S1：根据光谱信息将水体研究区域分成三类：初始确定水体、初始潜在水体和初始非水体；S2：对所述初始潜在水体进行再分类，得到潜在水体和非水体，根据所述潜在水体的粗糙度，进一步筛选出最终的确定水体和最终的潜在水体；S3：根据所述最终的确定水体和最终的潜在水体，得到待判别区域，对所述待判别区域内的目标像素进行空间区域连通，然后对每个连通区域进行判断，得到所述水体研究区域的最终水体分类结果。2.如权利要求1所述的一种集成光谱和空间信息的水体提取方法，其特征在于：步骤S1中的分类准则为：C1＝{i∈V|WI
i
＞T
pure
}1
‑
1P1＝{i∈V|T
mixed
＜WI
i
≤T
pure
}1
‑
2N1＝{i∈V|WI
i
≤T
mixed
}1
‑
3式中，V为水体研究区域的像素集合，T
pure
为较大的阈值，T
mixed
为较小的阈值，WI
i
为第i个像素的水体指数值，C1为初始确定水体，P1为初始潜在水体，N1为初始非水体。3.如权利要求2所述的一种集成光谱和空间信息的水体提取方法，其特征在于：所述阈值T
pure
，T
mixed
的计算方法如式1
‑
4，1
‑
5所示：T
pure
＝max{T
s
,0.5
×
(M1+std1)}1
‑
4T
mixed
＝min{T
s
,0.5
×
(M2‑
std2)}1
‑
5式中，T
S
为给定的全局阈值，利用该全局阈值T
S
将水体指数WI分为两部分，水体指数大于等于T
S
的部分和水体指数小于T
S
的部分，M1,std1分别代表水体指数大于等于T
S
的部分的中值和标准差，M2,std2分别代表水体指数小于T
S
的部分的中值和标准差。4.如权利要求1所述的一种集成光谱和空间信息的水体提取方法，其特征在于：步骤S2的具体实现过程为：S2.1：采用短波红外波段对初始潜在水体进行再判断，再判断准则为：...

【专利技术属性】
技术研发人员：董宇婷，范力贝，温雪成，赵济，
申请(专利权)人：中国地质大学武汉，
类型：发明
国别省市：