一种海岸带水体遥感信息全自动提取方法技术

本发明专利技术公开了一种海岸带水体遥感信息全自动提取方法，属于遥感信息全自动提取方法领域。其步骤包括遥感影像分割、水体信息粗提取和水体信息精提取三个阶段，过程中进行了两次尺度转换，其一为从像元到对象的转换，属于自下向上的尺度转换，其二为从全域到局部的转换，属于自上向下的尺度转换。相较现有技术，本发明专利技术实现了一种在尺度转换框架中融入地学知识和数据挖掘相结合的方法，整个方法具有零样本、零参数的特性，完全自动化运行。本发明专利技术能够适应各海域多类型海岸带环境，具有较好的稳定性，其提取结果精度较高，对细节信息的提取完整性和连续性均优于经典方法，能够直接应用于国家各级基础地理信息数据库遥感专题信息的维护与更新。

【技术实现步骤摘要】

本专利技术涉及一种遥感影像数据的水体信息提取方法，特别是涉及一种多层次的海 岸带水体遥感信息全自动提取方法。
技术介绍
水体无论作为一种独立的环境因子，还是作为一种资源，都受到格外的重视，对各 种水体进行空间识别、定位及定量计算面积、体积或模拟水体动态变化，是环境与资源遥感 监测与分析的重要内容。随着遥感技术的改进和遥感应用的深入，水体提取方法不断改进， 已在应用中取得了较为广泛的应用。目前，常用的水体信息提取方法主要有监督分类法和 阈值分割法两大类。利用监督分类法提取水体信息，主要是针对多光谱图像数据，采用数据挖掘的最 大似然法、决策树法和人工神经网络法等技术方法，这些方法取得了很好的效果。例如秦 其明等于2001年第20期的《地理研究》中撰文“卫星图像中不同水体类型识别研究”采用 最大似然法对卫星影像进行处理，实现水体类型的识别；都金康等于2001年第5期《遥感 学报》中发表论文“SPOT卫星影像的水体提取方法及分类研究”通过决策树法实现水体的 提取与分类；王晶晶等在2005年《海洋技术》M期的“盐田水体遥感分类方法研究”一文中 以人工神经网络法方法实现水体的监督分类。在现有的监督分类方法中，虽然样本的采集 是基于专家的先验知识，但在分类过程中仅利用了这些样本自身的统计特征，而没有充分 利用水体目标光谱特征和空间特征，难以达到更高的精度，更重要的是，监督分类方法需要 人工采集较多的样本，不利于开展大量水体信息的自动提取。利用阈值分割法提取水体信息，主要是指选取水陆差异比较明显的某个波段或指 数，通过阈值分割的方法实现水体信息的提取。目前，已见诸文献的水体信息提取波段或 指数有 1984 年 C. Erie 等在期干丨J《Photogram metric Engineering andRemote Sensing》 第 3 卷的"Application of the Tasseled Cap concept to simulatedThematic Mapper data” 一文中提出的缨帽变换湿度分量(TCff) ；1985年，D. B. Jupp等在《Landsat Based Interpretation of the Cairns Section of the Great BarrierReef Marine Park)) 一 书中提出的中红外波段和近红外波段；1996年，S. K. McFeeters等在期刊《International Journal ofRemote Sensing》 的 17 卷"The Use ofNormalized Difference Water Index (NDffI) in the Delineation of Open WaterFeatures，，论文中提出的归一化水体指 数(NDWI) ；2005年，徐涵秋在期刊《遥感学报》9卷的“利用改进的归一化差异水体指数 (MNDffI)提取水体信息的研究”论文中提出的改进归一化水体指数(MNDWI)。由于下垫面环 境、大气环境和遥感影像成像情况的差异，没有一种指数具有普适性，并且采用单一的阈值 进行分割，很难同时避免地物误提与细小水体漏提的现象，而采用多种指数结合的方法进 行提取，尽管能够有效提高精度，但也需要人工比较分析和反复试验，同样不利于开展大量 水体信息的自动提取。海岸带地区是自然界的特殊区域，不但受到海洋、陆地、大气等自然环境的综合影4响，更受到人类活动剧烈、频繁、持久的作用。与内陆地区相比，海岸带地区的水体具有差异 性大、噪声强的特点，一方面，除海水外，海岸带地区往往还有河网、湿地、潮沟、坑塘水面、 养殖水面、盐田等不同类型水体分布，其本身的光谱特性比较复杂，另一方面，海岸带地区 土地类型多样性较强，景观格局破碎度较高，各种背景元素交错分布，对水体遥感信息具有 较大的干扰。简言之，海岸带的复杂性对该区域的水体遥感信息自动提取方法提出了更高 的要求。针对以上问题，已有学者开展了进一步的研究。2008年，吴文渊等在学术期刊《科 技通报》第M卷的“基于Landsat ETM+影像的水体信息综合提取方法” 一文在先利用谱 间关系和缨帽变换湿度分量建立提取水体的最优空间掩膜，再使用最大似然法去除最优空 间掩膜中其他的地物信息，有效提高了水体提取的相对精度。2009年，骆剑承等在期刊《遥 感学报》第13卷的“分步迭代的多光谱遥感水体信息高精度自动提取” 一文中提出了 “全 域-局部”的分步迭代空间尺度转换机制，将全域分割、全域分类、局部分割与分类等计算过 程有机地结合起来，分阶段地融合了水体信息提取所需的不同层次知识，并建立迭代算法 实现了水体最佳边缘的逐步逼近，获得了高精度的水体信息提取。上述研究分别从地学知 识和数据挖掘相结合及尺度转换的角度取得了突破性的进展。基于监督分类法和阈值分割 法的水体遥感信息提取方法均较为经典，已在科学研究和生产实践中得到了广泛地应用， 但仍存在一些共性问题。第一，两种方法均需要人工干预，难以实现水体遥感信息的全自动 提取；第二，两种方法均忽略了地理学研究中的一个核心问题，即尺度问题，在不同的尺度 上研究地理现象，其得出的结果往往相去甚远，这两种经典方法都是在较大的尺度上进行 分析，即将整个遥感影像作为一个整体，建立统一的水体信息提取模型，在这种情况下，遥 感影像统计数据反映的是研究区内不同类型不同水域光谱特征的差异性，而细节的水体信 息遭到掩盖，提取的结果难免趋于粗放。
技术实现思路
1.专利技术要解决的技术问题本专利技术的目的是提供，结合海岸带水体 的特点，以尺度转换方法为框架，通过研究海岸带水体信息在不同层次水平的变化，开展多 层次的海岸带水体信息提取，即先按总体结构特征建立分类标识，再对每一层次设计相应 的分类决策规则，对影像中的单元进行逐层的判别分类，在尺度转换框架中融入地学知识 和数据挖掘相结合的方法，通过地学知识分析在全域范围内进行粗提取，再通过数据挖掘 分析在局部范围内进行精提取，以实现海岸带水体遥感信息全自动提取。2.本专利技术的技术方案如下原理本专利技术在对经典的水体遥感信息提取方法分析的基础上，针对海岸带水体 的特点，通过“像元-对象”及“全域-局部”的双重尺度转换，综合利用了海岸带水体遥感 信息的光谱特征、空间特征和统计特征，有机结合了地学知识与数据挖掘方法，实现了海岸 带水体遥感信息的全自动提取。，包括遥感影像分割、水体信息粗提取 和水体信息精提取三个阶段。过程中进行了两次尺度转换，其一为从像元到对象的转换，属 于自下向上的尺度转换；其二为从全域到局部的转换，属于自上向下的尺度转换。具体技术5方案为，其步骤为步骤1 通过卫星遥感技术手段，选择美国陆地探测卫星Landsat 7所装备的 Enhanced Thematic Mapper Plus (ETM+)设备获取描述地表物体对太阳光照等电磁波的反 射和其自身发射的电磁波的遥感影像，结合水体在遥感影像中具有特定的光谱显示特征， 采用基于非参数核密度估计的Mean Shift聚类算法进行空间滤波，减轻噪声对目标和背景 信息的干扰具体对特征空间中的所有数据点，依次计算其在核窗口中的均值偏移向量，并 沿均值偏移向量本文档来自技高网...

【技术保护点】
一种海岸带水体遥感信息全自动提取方法，包括以下步骤：步骤１：通过卫星遥感技术手段，选择美国陆地探测卫星Ｌａｎｄｓａｔ７所装备的ＥｎｈａｎｃｅｄＴｈｅｍａｔｉｃＭａｐｐｅｒＰｌｕｓ设备获取描述地表物体对太阳光照等电磁波的反射和其自身发射的电磁波的遥感影像，结合水体在遥感影像中具有特定的光谱显示特征，采用基于非参数核密度估计的ＭｅａｎＳｈｉｆｔ聚类算法进行空间滤波，减轻噪声对目标和背景信息的干扰：具体对特征空间中的所有数据点，依次计算其在核窗口中的均值偏移向量，并沿均值偏移向量的方向移动该点到新的位置，然后以此为新的起点，继续计算均值偏移向量并移动，直到满足迭代条件结束运算过程；步骤２：在ＭｅａｎＳｈｉｆｔ算法滤波的基础上，采用种子生长算法进行区域标号，将具有相似性质的像素进行合并构成一个完整区域，完成遥感影像分割，得到由一系列区域对象构成的分割图像，从而实现从遥感影像像元到区域对象的转换；步骤３：对ＬａｎｄｓａｔＥＴＭ＋遥感影像分割所形成的各区域对象计算水体判别依据指数，具体应用影像所拥有的ＴＭ１～ＴＭ７共７个波段的波段值，按照公式①～⑦分别计算归一化水体指数ＮＤＷＩ、改进归一化水体指数ＭＮＤＷＩ、周氏归一化水体指数ＺＮＤＷＩ、缨帽变换湿度分量ＴＣＷ四个水体指数，归一化植被指数ＮＤＶＩ、土壤调整植被指数ＳＡＶＩ两个植被指数，以及归一化建筑指数ＮＤＢＩ；ＮＤＷＩ＝（ＴＭ２－ＴＭ４）／（ＴＭ２＋ＴＭ４）公式①ＭＮＤＷＩ＝（ＴＭ２－ＴＭ５）／（ＴＭ２＋ＴＭ５）公式②ＺＮＤＷＩ＝（ＴＭ２＋ＴＭ３）－（ＴＭ４＋ＴＭ５）公式③ＴＣＷ＝０．１４４６×ＴＭ１＋０．１７６１×ＴＭ２＋０．１００２２×ＴＭ３＋０．１００９６×ＴＭ４－０．６２１０×ＴＭ５－０．４１８６×ＴＭ６公式④ＮＤＶＩ＝（ＴＭ４－ＴＭ３）／（ＴＭ４＋ＴＭ３）公式⑤ＳＡＶＩ＝（ＴＭ４－ＴＭ３）／（ＴＭ４＋ＴＭ３＋０．５）×１．５公式⑥ＮＤＢＩ＝（ＴＭ５－ＴＭ４）／（ＴＭ５＋ＴＭ４）公式⑦步骤４：通过运用公式①～⑦计算所得的７个水体判别依据指数，构建一组决策规则实现遥感影像中水体区域的判别，其中，约束性条件共有五条（见不等式方程组⑧），反映了水体遥感信息的三个特点，即水体指数大于零、水体指数大于植被指数、水体指数大于建筑指数；非约束性条件共有三条，均为水体指数的阈值判别规则，具体方法为：先对各水体指数进行直方图统计，再用ＯＴＳＵ算法计算各水体指数的阈值，进行阈值分割，...

【技术特征摘要】

【专利技术属性】
技术研发人员：程亮，李满春，刘永学，陈振杰，陈焱明，杨康，蔡文婷，张昱，
申请(专利权)人：南京大学，
类型：发明
国别省市：84[中国|南京]