[发明专利]一种水体识别方法及装置

说明书

本发明提供了一种水体识别方法及装置。该方法包括：根据标准水体光谱曲线获取待识别的多光谱图像的水体概率图像；将所述水体概率图像划分为多个待识别单元；根据所述待待识别单元中各个像元的水体概率针对适应度值构造目标函数；对所述目标函数进行迭代求解，获取所述适应度值最大时的所述待识别单元的水体分布，以对所述待识别单元进行水体识别。本发明实施例只提取与水体有关的信息，非水体信息被压制，因此针对性较强；同时考虑了所有光谱波段信息，对水体信息的还原性更强，比水体指数(仅仅考虑特定光谱波段)具有更高的信息利用率，实现对大范围地域进行准确的水体识别。

技术领域

本发明涉及遥感图像处理技术领域，具体涉及一种水体识别方法及装置。

背景技术

内陆水体制图是研究内陆水循环，尤其是研究内陆淡水系统的前提。尽管内陆水在地球表面所占的面积较小(2％～3％)，但它供养着全球10％的动物和将近35％的脊椎动物，在维持生物多样性及生态系统功能方面发挥着重要作用。然而，内陆水的生物多样性正在迅速下降，可能会成为世界上最为濒危的生态系统。内陆水资源也被认为在全球碳循环中发挥着重要作用。遥感技术的飞速发展为内陆水体大范围观测提供了可能。自从上世纪70年代美国陆地资源卫星Landsat发射以来，有关地表监测的卫星遥感图像数据迅速增加。

最初的基于目视解译的水体识别方法因人工成本高、耗费时间长等难以满足大范围监测、灾害即时性评估等领域的要求。

现有的基于监督分类学习的水体识别方法分类精度较高，但要求输入样本点，样本点精度受先验知识影响，且样本点的选择也有很大的工作量。监督分类用于小区域制图没有问题，如果区域过大、数据量骤升，监督分类精度会因样本的代表性问题而产生较大误差。

现有的基于非监督分类学习的水体识别方法虽然受人工干预较少，但无法将分类结果与地物类型一一对应，且稳定性、分类精度等方面远不及监督分类。

发明内容

本发明实施例提供一种水体识别方法及装置，用于解决如何对大范围地域进行准确水体识别的问题。

本发明实施例提供了一种水体识别方法，包括：

根据标准水体光谱曲线获取待识别的多光谱图像的水体概率图像；

将所述水体概率图像划分为多个待识别单元；

根据所述待待识别单元中各个像元的水体概率针对适应度值构造目标函数；

对所述目标函数进行迭代求解，获取所述适应度值最大时的所述待识别单元的水体分布，以对所述待识别单元进行水体识别。

可选地，所述根据标准水体光谱曲线获取待识别的多光谱图像的水体概率图像，包括：

分别对所述待识别的多光谱图像中的各个像元的光谱曲线和所述标准水体光谱曲线进行归一化处理；

获取归一化处理后的待识别的多光谱图像中的各个像元的光谱曲线与标准水体光谱曲线的相似度；

根据所述各个像元的相似度获取所述各个像元的水体概率。

可选地，所述目标函数的公式如下：

其中，T表示适应度值；c₁为常数，表示水体部分的权重，c₂为常数，表示非水体部分的权重，c₃为常数，表示邻域部分的权重；P_w,k表示所述待识别单元中第k个像元为水体的概率，P_nw,k表示所述待识别单元中第k个像元为非水体的概率；代表所述待识别单元中每两个像元之间距离的最小值。

可选地，所述对所述目标函数进行迭代求解，包括：

采用离散粒子群算法对所述目标函数进行迭代求解。