本发明专利技术公开了一种面向多业务系统融合的多光谱遥感影像水体提取方法，包括如下步骤：S101)获取目标区域多光谱遥感影像数据；S102)对多光谱遥感影像数据进行预处理；S103)选取水体和非水体典型地物进行分析，构建不同地物的光谱曲线；S104)融合归一化植被指数和过程红外指数构建可见光红外融合指数模型；S105)输入预处理完毕的遥感影像，通过可见光红外融合水体指数算法模型，对水体像元进行提取。本发明专利技术能够解决遥感影像中水体和房屋阴影极易混淆的问题，快速掌握地表水变化，满足下立交暴雨积水模拟和分析、城市内涝推演、水污染溯源等需求，实现城市水资源的精准管理与高效治理。理。理。
【技术实现步骤摘要】
Difference Water Index,NDWI)，该指数能较好地抑制植被信息，但受薄云和阴影影响较。为改进这一问题，有学者使用短波近红外波段代替近红外波段，改良了NDWI，提出了改进的归一化差分水体指数(Modified NDWI,MNDWI)，MNDWI指数能突出水体信息，但也容易把水体和阴影混淆。此外，为解决上述问题，有学者成功地构建了一个多波段水体指(multi
‑
band waterindex，MBWI)，MBWI一共使用了5个波段并且在多个复杂环境的地区测试了MBWI的有效性，MBWI能较好地抑制非水体信息的能力，但其缺点之一是不适用提取细小水体，同时引入过多波段的情况下，也导致不同波段之间的误差叠加。
[0007]更为重要的是城市区域地物复杂，往往存在不同类型的建筑、植被、裸地等非水体地物，同时这些非水地物由于城市的复杂性，在不同区域表现的光谱特征存在显著的差别，这也导致很多已有的光谱指数NDWI、MNDWI等在城市区域提取水体时，会出现很多将建筑物阴影像元误判为水体的情况，导致水体发生过提取，无法满足城市精细化管理与精准化治理的需要。
技术实现思路
[0008]本专利技术所要解决的技术问题是提供一种面向多业务系统融合的多光谱遥感影像水体提取方法，能够解决遥感影像中水体和房屋阴影极易混淆的问题，快速掌握地表水变化，满足下立交暴雨积水模拟和分析、城市内涝推演、水污染溯源等需求，实现城市水资源的精准管理与高效治理。
[0009]本专利技术为解决上述技术问题而采用的技术方案是提供一种面向多业务系统融合的多光谱遥感影像水体提取方法，包括如下步骤：S101)获取目标区域多光谱遥感影像数据；S102)对多光谱遥感影像数据进行预处理；S103)选取水体和非水体典型地物进行分析，构建不同地物的光谱曲线；S104)融合归一化植被指数和过程红外指数构建可见光红外融合指数模型；S105)输入预处理完毕的遥感影像，通过可见光红外融合水体指数算法模型，对水体像元进行提取。
[0010]进一步地，所述多光谱遥感影像数据具备红波段、近红外波段、短波红外波段，近红波段的波段范围为750nm
‑
910nm，红波段的波段范围为590nm
‑
700nm，短波红外波段的波段范围为1550nm
‑
1800nm。
[0011]进一步地，所述步骤S102包括：S1021)采用基于卫星传感器发布的绝对辐射定标系数，消除传感器自身的误差；S1022)对辐射校正后形成的表观反射率进行大气校正，消除大气中各种分子对地物反射的影响；S1023)对拍摄时因地形起伏而造成的图像几何失真进行正射校正；S1024)最后对多光谱遥感影像进行融合处理获得高分辨率影像。
[0012]进一步地，所述S103在影像中选取水体像元、建筑像元、植被像元、裸地像元构成不同地物类型的特征矩阵，并依次求取各类地物在所有波段上的均值，获取每一类地物的光谱曲线。
[0013]进一步地，所述建筑像元分为深色建筑和浅色建筑，并分别形成各自的光谱曲线。
[0014]进一步地，所述特征矩阵为：
[0015][0016]上式中，A
i
表示某一类地物的特征像元共同构成的特征向量，i表示水体、建筑、植被、裸地中的一类地物；n表示第n个像元，m表示第m个波段，a
mn
表示在第m个波段上第n个像元的像元反射率值；
[0017]求取第i类地物所有特征像元在第m个波段个波段上的均值，计算方法见下式：
[0018][0019]上式中，表示第i类地物所有特征像元在第m个波段个波段上的均值，依次求取4类地物在所有波段上的均值；
[0020]计算完成后形成如下向量：
[0021][0022]上式中，i表示水体、建筑、植被、裸地中的一类地物；B
i
表示经过计算后获取到的第i类地物的光谱曲线。
[0023]进一步地，所述步骤S104中归一化植被指数NDVI的计算方式如下：
[0024][0025]所述步骤S104中过程红外指数IR的计算方式如下：
[0026]IR＝NIR+SWIR；
[0027]NIR表示波段范围在750nm
‑
910nm之间的近红外波段，R表示波段范围是590nm
‑
700nm之间的红波段，SWIR表示短波红外波段，波段范围在1550nm
‑
1800nm之间。
[0028]进一步地，所述步骤S104中可见光红外融合指数VIFWI的计算方式如下：
[0029][0030]进一步地，所述步骤S104中可见光红外融合指数VIFWI的计算方式如下：
[0031][0032]进一步地，还包括选取归一化水体指数作为对比进行验证，对输入预处理完毕的遥感影像，通过归一化水体指数算法模型，对水体像元进行提取；所述归一化水体指数NDWI的计算方式如下：
[0033][0034]G表示绿波段的遥感影像，波段范围在520nm
‑
580nm之间。
[0035]本专利技术对比现有技术有如下的有益效果：本专利技术提供的面向多业务系统融合的多光谱遥感影像水体提取方法，基于水体的光谱特征构建了可见光红外融合水体指数，实现
了城市区域水体的高效提取，并可很好的抑制阴影的干扰，从而能够解决遥感影像中水体和房屋阴影极易混淆的问题，快速掌握地表水变化，满足下立交暴雨积水模拟和分析、城市内涝推演、水污染溯源等需求，实现城市水资源的精准管理与高效治理。
附图说明
[0036]图1为本专利技术面向多业务系统融合的多光谱遥感影像水体提取流程示意图；
[0037]图2为本专利技术多光谱遥感影像预处理流程图；
[0038]图3为本专利技术不同地物的光谱曲线；
[0039]图4为本专利技术采用Landsat 9影像对提取结果进行验证，图中a是原始卫星影像，b是可见光红外融合水体指数VIFWI算法模型水体提取结果，c是归一化水体指数NDWI算法模型水体提取结果；
[0040]图5为本专利技术选取暗色建筑较多的城市区域对VIFWI和NDWI提取结果进行验证，图中a是原始卫星影像，b是可见光红外融合水体指数VIFWI算法模型水体提取结果，c是归一化水体指数NDWI算法模型水体提取结果。
具体实施方式
[0041]下面结合附图和实施例对本专利技术作进一步的描述。
[0042]图1为可见光红外融合水体指数VIFWI构建流程。
[0043]请参见图1，本专利技术提供的面向多业务系统融合的多光谱遥感影像水体提取方法，具体操作步骤如下：
[0044]步骤101：
[0045]根据监测时间选择目标区域多光谱遥感影像数据，要求所选的多光谱遥感影像数据必须具备红波段、近红外波段、短波红外波段。其中近红波段的波段范围支持750nm
‑
910nm，红波段的波段范围是590nm
‑
7本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种面向多业务系统融合的多光谱遥感影像水体提取方法，其特征在于，包括如下步骤：S101)获取目标区域多光谱遥感影像数据；S102)对多光谱遥感影像数据进行预处理；S103)选取水体和非水体典型地物进行分析，构建不同地物的光谱曲线；S104)融合归一化植被指数和过程红外指数构建可见光红外融合指数模型；S105)输入预处理完毕的遥感影像，通过可见光红外融合水体指数算法模型，对水体像元进行提取。2.如权利要求1所述的面向多业务系统融合的多光谱遥感影像水体提取方法，其特征在于，所述多光谱遥感影像数据具备红波段、近红外波段、短波红外波段，近红波段的波段范围为750nm
‑
910nm，红波段的波段范围为590nm
‑
700nm，短波红外波段的波段范围为1550nm
‑
1800nm。3.如权利要求1所述的面向多业务系统融合的多光谱遥感影像水体提取方法，其特征在于，所述步骤S102包括：S1021)采用基于卫星传感器发布的绝对辐射定标系数，消除传感器自身的误差；S1022)对辐射校正后形成的表观反射率进行大气校正，消除大气中各种分子对地物反射的影响；S1023)对拍摄时因地形起伏而造成的图像几何失真进行正射校正；S1024)最后对多光谱遥感影像进行融合处理获得高分辨率影像。4.如权利要求1所述的面向多业务系统融合的多光谱遥感影像水体提取方法，其特征在于，所述S103在影像中选取水体像元、建筑像元、植被像元、裸地像元构成不同地物类型的特征矩阵，并依次求取各类地物在所有波段上的均值，获取每一类地物的光谱曲线。5.如权利要求4所述的面向多业务系统融合的多光谱遥感影像水体提取方法，其特征在于，所述建筑像元分为深色建筑和浅色建筑，并分别形成各自的光谱曲线。6.如权利要求4所述的面向多业务系统融合的多光谱遥感影像水体提取方法，其特征在于，所述特征矩阵为：上式中，A
...
【专利技术属性】
技术研发人员：王跃，陈春来，王号，洪敏慎，曲波，朱红旗，刘聃，朱怡，
申请(专利权)人：上海市大数据中心，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。