[发明专利]一种集成光谱和空间信息的水体提取方法

说明书

本发明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。

技术领域

本发明涉及水体提取领域，尤其涉及一种集成光谱和空间信息的水体提取方法。

背景技术

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。

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类方法主要有SVM法、决策树法和面向对象法。然而，利用监督分类的水体制图精度依赖于于训练样本的质量，获取全面广泛的训练样本需要花费较高的成本，这在一定程度上限制了分类方法在水体提取上的广泛应用。

与分类法不同的是，阈值法仅利用光谱信息区分目标地物与背景地物，原理简单，效率较高，可有效用于水体的监测和时间序列分析。在光学影像上，水体在蓝绿光波段的吸收率相对较低，在其他波段特别是红外波段具有很强的吸收作用，这使得水体与其它地物具有明显的区别，因此水体提取可以简单地认为是二分类问题。基于水体的光谱特征，阈值法通过在一个或者多个波段上选择合适的阈值获取地表水信息，得到了广泛的应用。然而，不同的背景信息对水体提取精度的影响不同，仅在一个或者多个波段上设立阈值很难保持较高的精度。为了保证阈值法的有效使用，许多研究学者根据不同的背景地物，结合水体的光谱特征，通过数学运算构建了多种水体指数，进一步增加了水体与其它地物的光谱差异。在实际应用中，可以根据研究区内的地物特征，选择水体指数，在此基础上选择合适的阈值，最终实现高精度的水体提取。

水体提取的精度不仅取决于所选的水体指数，还取决于阈值。其中，通过目视选择阈值可以得到更加准确的结果，但该方法费时费力，不适合在全局范围内使用，而自动选取阈值具有更强的普适性。其中，大津阈值法(Otsu)被认为是阈值选择的最佳方法之一。该方法通过最大化目标与背景之间的差异来获取阈值，无需参数，计算简单，不受图像亮度和对比度的影响，因此常被用来进行二分类。然而，在一些复杂的地理环境中，仅靠一个阈值往往会导致水体的错提和漏提现象，阈值法不能保证在不同尺度、不同时间提取水体的准确性。一方面，一些低反射率地物如黑暗道路、建筑阴影等具有与水体相似的光谱特征，水体指数很难区分这部分噪声，而高反射率地物如金属建筑等虽然与水体的光谱特征不同，但其同样有可能拥有与水体相似的水体指数值，在利用单一阈值绘制水体时往往会引入这些误差。另一方面，由于受到气候条件、周围地物、以及水体质量等的影响，水体在不同地区的光谱特征有所不同，即便是在同一地区，边界水体与中心水体的光谱特征也存在些许差异，水体光谱信息的可变性使得阈值法往往存在漏提的现象。

因此，传统基于光谱信息的水体提取方法具有一定的局限性，其无法有效保证水体的准确性。为了提取完整、准确的水体信息，本发明提出了一种整合空间信息的水体提取方法，通过利用水体的空间分布信息来进一步减少阈值法带来的漏提和错提误差。

发明内容