[发明专利]基于智能蚁群算法的遥感图像水系网半自动的提取方法

说明书

技术领域

本发明涉及一种利用智能蚁群算法实现在中低分辨率遥感图像中水系网半自动的提取方 法，属于计算机图像处理和模式识别技术领域。

背景技术

一般在世界上，独流入海的河流极少，大多数河流是由大大小小的支流汇合到一条主流 中，从而形成一个比较复杂水系统，称为水系网。因为水系网是一个非常复杂的研究系统， 所以水系网的特征提取工作一般采用比较常规手段---即依靠人工目视判读。随着遥感卫星数 据的海量获取，目视手段已经不能满足大量解译工作的要求，因此传统的目视解译遥感图像 的方法正慢慢被计算机自动解译所取代。随着计算机技术和图形学的发展，利用计算机从遥 感影像中自动提取目标地物已具有一定的理论基础，使遥感信息的自动化提取成为可能。因 此，利用计算机自动提取水系网将成为遥感影像特征提取的必然趋势。目前，对于水系网提 取方法主要以基于光谱信息水系网提取法、基于空间特征的提取方法和基于数学形态学的特 征提取方法为主。然而，上述三种方法分别存在不足，对于常用的水系网提取方法，基于光 谱信息水系网提取方法提取水系网的结果具有明显的断点和干扰点，尤其在中低分辨率遥感 图像上更为明显；对于基于空间特征的水系网提取方法，其数学建模比较复杂，不利于计算 机参与智能解译；对于基于数学形态学的特征提取方法，其在断点、大型湖泊的判读具有明 显的优势，但其在中低分辨率遥感图像应用中具有计算复杂度高，缺少智能性等缺点，不利 于在比较大的地理区域内独立进行水系网的判读。

发明内容

为了解决以上诸多技术问题，本发明的目的是在充分利用多光谱判读和数学形态学提取 方法的优点并结合智能蚁群算法的自组织性和分布式计算的特点的基础上，提供一种基于智 能蚁群算法的遥感图像水系网半自动的提取方法。进而，克服了随着遥感卫星数据的海量获 取，人工目视判读无法完成准确、高效判读工作的缺点。

本发明的技术解决方案如下：

为了达到上述目的，本发明的技术方案如下：

上述基于智能蚁群算法的遥感图像水系网半自动的提取方法包括如下几个步骤：

A、利用多光谱遥感数据初次提取水系网，得到水体掩膜图的初步结果：

首先利用近红外波段和红光波段数据计算归一化植被指数NDVI，再对其直方图进行分析， 确定水体判断阈值K₁；其次，根据水体的物理特性，利用中分辨率成像光谱仪 Moderate-resolution Imaging Spectroradiometer地面反射率产品MODIS09的第三 波段BAND3和第二波段BAND2波段数据，计算其直方图，并分别取得第三波段BAND3直方 图的陡降拐点坐标K₂及第二波段BAND2直方图的陡升拐点坐标K₃，确定水体提取的阈值， 进而利用布尔公式，RIVER_MASK＝(NDVI≤K₁)AND(BAND3≥K₂)AND(BAND2≤K₃)，得 到水体掩膜图的初步结果，RIVER_MASK：提取水体掩膜图的初步结果图像。

B、建立5*1矩阵、101*1南北矩阵、1*101东西矩阵，判定大型湖泊和完成去除大型湖 泊，其具体步骤如下：

B1、建立一个小型矩阵，即5*1的矩阵，然后对全幅水体掩膜图进行全局搜索边界点；

B2、建立一个101*1南北矩阵和一个1*101东西矩阵，分别承担从南北方向和东西方向 搜索大型湖泊的任务；

B3、遍历整幅图像，分别设立南北、东西阈值。利用101*1南北矩阵和1*101东西矩阵， 分别在两个方向上检测所有像元等于1的个数，记录数据，用其数据除以101，若这个结果 值大于0.9，且小于1.0，则分别记录101*1南北矩阵和1*101东西矩阵中心点的位置， 并将其像素值赋值为2；再次检验由101*1南北矩阵和1*101东西矩阵赋值为2的像素位 置，选择位置公共的像素点，并重新赋值为2，其他值按布尔公式得出，即若只有一个为2 的值，则恢复像素点值为1，而值都为0的像素点的值不变；

B4、以像素值为2的像素点(湖面中心点)为圆心，以100为半径，其圆形内最北边， 最南边，最东边，最西边的边界点按下式计算：E_col ：最东边像素点的列数；W_col ：最西边像素点的列数；N_row：最北边像素点的行数； S_row；最南边像素点的行数。