CN104915954B - 基于Landsat OLI多光谱遥感影像的水体自动提取方法 - Google Patents

基于Landsat OLI多光谱遥感影像的水体自动提取方法 Download PDF

Info

Publication number
CN104915954B
CN104915954B CN201510272030.2A CN201510272030A CN104915954B CN 104915954 B CN104915954 B CN 104915954B CN 201510272030 A CN201510272030 A CN 201510272030A CN 104915954 B CN104915954 B CN 104915954B
Authority
CN
China
Prior art keywords
water body
remote sensing
sensing images
water
spectrum remote
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201510272030.2A
Other languages
English (en)
Other versions
CN104915954A (zh
Inventor
谢欢
罗新
童小华
刘世杰
陈鹏
许雄
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tongji University
Original Assignee
Tongji University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Tongji University filed Critical Tongji University
Priority to CN201510272030.2A priority Critical patent/CN104915954B/zh
Publication of CN104915954A publication Critical patent/CN104915954A/zh
Application granted granted Critical
Publication of CN104915954B publication Critical patent/CN104915954B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/11Region-based segmentation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10032Satellite or aerial image; Remote sensing

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明涉及一种基于Landsat OLI多光谱遥感影像的水体自动提取方法,包括以下步骤:1)归一化水体指数NDWI的设计及计算;2)水体阈值自动选取;3)获取水体提取结果并制图。与现有技术相比,本发明根据Landsat OLI多光谱遥感影像各波段特点,对其进行波段组合,构造了几种新型归一化水体指数,并结合Otsu图像分割算法对遥感影像上水体范围进行自动提取,具有精度高、简单有效等优点。

Description

基于Landsat OLI多光谱遥感影像的水体自动提取方法
技术领域
本发明涉及遥感影像处理技术领域,尤其是涉及一种基于Landsat OLI多光谱遥感影像的水体自动提取方法。
背景技术
Landsat卫星影像是水体提取研究中应用最广泛的多光谱遥感影像数据源,新一代Landsat 8卫星的成功发射,延续了Landsat多光谱遥感影像的应用,同时也必然会促进基于多光谱遥感影像水体提取的研究发展。在水体提取应用研究中,水体指数由于简单高效,是目前水体提取应用最广泛的水体提取方法,目前已有多个水体指数应用于遥感影像水体提取之中,如表1所示。对于水体指数而言,大多数水体指数都将阈值设置为0来对水体和非水体进行分割(McFeeters,1996;Xu,2006),但在实际情况中,由于实验区域的不同,水体指数图像的最佳分割阈值往往是一个动态变化的量(Ji等,2009),而如果每一次水体提取都依靠人为的选择阈值,将会耗费大量的人力。
表1
Otsu算法也称为最大类间方差法或大津阈值法,它是由Otsu于1978年提出的根据图像灰度直方图统计,将图像分为目标和背景并以目标和背景的类间方差最大作为阈值选取准则的图像分割方法。本发明基于上述Otsu算法提出。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种高精度的基于Landsat OLI多光谱遥感影像的水体自动提取方法。
本发明的目的可以通过以下技术方案来实现:
一种基于Landsat OLI多光谱遥感影像的水体自动提取方法,包括以下步骤:
1)归一化水体指数NDWI的设计及计算;
2)水体阈值自动选取;
3)获取水体提取结果并制图。
所述步骤1)中,归一化水体指数NDWI包括:
其中,ρ(OLI2)、ρ(OLI3)、ρ(OLI4)以及ρ(OLI7)分别代表Landsat OLI多光谱遥感影像第二波段、第三波段、第四个波段、和第七个波段上的地物反射率。
所述步骤2)中,采用Otsu算法自动选取水体阈值。
所述Otsu算法中,所选取的水体阈值t满足:
t=arg max[σ2]=arg max[w0·w110)2]
其中,σ2为水体与非水体部分的类间方差,μ0、μ1为水体和非水体部分的像元均值,w0、w1为水体和非水体部分所占影像百分比。
该方法还包括采用Google Earth高精度遥感影像对水体提取结果进行精度验证的步骤。
与现有技术相比,本发明具有以下优点:
(1)本发明利用Landsat OLI中红外波段2构造了几种新型的高精度归一化水体指数,这些归一化水体指数针对Landsat 8 OLI影像波段特点和不同类型水体的光谱特性(清水、浑浊、富营养化)进行设计,能够在不同水体情况下获得高精度水体提取结果的水体指数;
(2)本发明利用Otsu算法将水体指数值图像分为水体和陆地两类地物,并以水体和陆地的类间方差最大作为阈值选取准则对水体指数值图像进行水陆自动分割,实现了水体信息的自动准确提取。
(3)本发明通过基于Google Earth高精度遥感影像的实验验证,涉及参考影像与实验影像的精确配准、水陆边界人工精确获取等步骤,以此获得实验区准确水体范围对实验结果进行验证,本发明在不同水色水体提取上均能获得较高精度,为95%以上。
附图说明
图1为本发明的流程示意图;
图2为实施例中实验区的影像示意图,其中,(2a)为青海湖区域,(2b)为太湖区域,(2c)为长江入海口区域;
图3为水体指数应用到青海湖区域上获得水体结果成图,其中,(3a)为指数NDWI27,(3b)为指数NDWI37,(3c)为指数NDWI47
图4为水体指数应用到太湖区域上获得水体结果成图,其中,(4a)为指数NDWI27,(4b)为指数NDWI37,(4c)为指数NDWI47
图5为水体指数应用到长江入海口区域上获得水体结果成图,其中,(5a)为指数NDWI27,(5b)为指数NDWI37,(5c)为指数NDWI47
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施,给出了详细的实施方式和具体的操作过程,但本发明的保护范围不限于下述的实施例。
本实施例提供一种基于Landsat OLI多光谱遥感影像的水体自动提取方法,该方法充分利用Landssat 8 OLI多光谱遥感影像较为丰富的光谱信息,选择影像中水体特征与其他地物特征具有较高区分度的波段,以此构成新型归一化水体指数,同时将经典的Otsu算法引入水体提取之中,实现了在遥感影像上的水体自动提取,包括以下步骤:
1)归一化水体指数NDWI的设计及计算;
2)水体阈值自动选取;
3)获取水体提取结果并制图。
(1)NDWI水体指数值计算
本发明提出三种基于Landsat OLI多光谱遥感影像的新型归一化水体指数NDWI,所提指数在不同水色水体提取上均能获得较高水体提取精度。所提归一化水体指数NDWI定义如下:
其中,ρ(OLI2)、ρ(OLI3)、ρ(OLI4)以及ρ(OLI7)分别代表Landsat OLI多光谱遥感影像第二波段(蓝光波段),第三波段(绿光波段),第四个波段(红光波段)和第七个波段(中红外波段2)上的地物反射率。
(2)水体阈值自动选取
本发明将Otsu算法应用水体阈值自动选取之中,实现利用影像上水体信息的自动提取,Otsu算法基本原理简述如下:假定水体指数值影像像元值范围为[a,…,b],选取水体阈值t,即可将影像分为水体和非水体部分,通过统计分析,可计算得水体和非水体部分的像元均值μ0,μ1,各自所占影像百分比w0,w1,以及整幅影像像元平均值u。则水体与非水体部分的类间方差σ2,以及相应关系式可表示为:
σ2=w0·(μ0-μ)2+w11-μ)2 (4)
w0·μ0+w1·μ1=μ (5)
w0+w1=1 (6)
根据公式(4)(5)(6),可推导出:
σ2=w0·w1·(μ10)2 (7)
当σ2为最大值时,所对应的阈值t即为所求:
t=arg max[w0·w110)2] (8)
(3)水体制图及精度验证
将本发明方法应用于Landast OLI多光谱遥感影像水体提取之中,并利用GoogleEarth高精度遥感影像对提取结果进行精度验证,由于所获取的Landsat OLI遥感影像地理配准误差为0.4个像元(Irons,2012)(12m)。加之Google Earth高精度影像也具有一定的地理配准误差,因此为了获得准确的精度评价结果,需对Landsat OLI影像与Google Earth影像进行精确配准。具体过程如下:首先,在对应时间对应实验区的Google Earth高精度遥感影像上分别获取了20个左右特征明显的控制点,利用所选控制点对实验区域OLI影像进行一次多项式配准,配准结果保证均方根误差RME小于0.3个像元。再通过目视解译GoogleEarth高精度遥感影像以此确定影像上的真实水体区域。
选择青海湖(东经99.497°~100.859°,北纬36.356°~37.397°)、太湖(东经119.863°~120.700°,北纬30.901°~31.623°)、长江入海口(东经121.496°~122.259°,北纬30.930°~31.587°)三个区域的Landsat 8 OLI遥感影像作为实验影像数据,三个区域分别代表纯净水体、富营养化水体以及浑浊水体,影像获取时间分别为2013年4月16日,2013年12月10日,2014年5月28日,影像尺寸分别为:4000x3800,2800x2800,2400x2400。参考影像为Google Earth对应区域水陆边界周围相应时间的高精度遥感影像。实验影像及参考影像区域如图2所示。
将本发明方法应用于Landsat OLI多光谱遥感影像水体提取中,提取结果如图3-图5所示。由Google Earth高精度遥感影像获得的水体参考区域对实验结果进行精度验证,以漏提取、误提取、全局精度、Kappa系数为精度评价因子,精度评估结果入下表2所示。本发明所提出的所有水体指数在所有实验区域均能获得95%以上的全局精度,其中在对纯净水体的提取中,水体指数NDWI37获得了最高的水体提取精度,精度达98.36%,在对富营养化水体和浑浊水体的提取中,水体提取精度最高的都为水体指数NDWI47
表2 水体提取精度评估结果
本发明基于Landsat OLI多光谱遥感影像的水体自动提取方法,对Landsat OLI多光谱遥感影像各波段进行波段组合,构造了几种归一化水体指数,并结合Otsu图像分割算法对遥感影像上水体范围进行自动提取,通过基于Google Earth高精度遥感影像的实验验证,新型水体指数在不同水色水体提取上均能获得较高精度(精度为95%以上),其中,在对纯净水体提取时,水体指数NDWI37的提取精度最高,而对于富营养化水体和浑浊水体的提取,水体指数NDWI47表现出了最高的水体提取精度。

Claims (4)

1.一种基于Landsat OLI多光谱遥感影像的水体自动提取方法,其特征在于,包括以下步骤:
1)归一化水体指数NDWI的设计及计算;
2)水体阈值自动选取;
3)获取水体提取结果并制图;
所述步骤1)中,归一化水体指数NDWI包括:
其中,ρ(OLI2)、ρ(OLI3)、ρ(OLI4)以及ρ(OLI7)分别代表Landsat OLI多光谱遥感影像第二波段、第三波段、第四个波段、和第七个波段上的地物反射率。
2.根据权利要求1所述的基于Landsat OLI多光谱遥感影像的水体自动提取方法,其特征在于,所述步骤2)中,采用Otsu算法自动选取水体阈值。
3.根据权利要求2所述的基于Landsat OLI多光谱遥感影像的水体自动提取方法,其特征在于,所述Otsu算法中,所选取的水体阈值t满足:
t=arg max[σ2]=arg max[w0·w110)2]
其中,σ2为水体与非水体部分的类间方差,μ0、μ1为水体和非水体部分的像元均值,w0、w1为水体和非水体部分所占影像百分比。
4.根据权利要求1所述的基于Landsat OLI多光谱遥感影像的水体自动提取方法,其特征在于,该方法还包括采用Google Earth高精度遥感影像对水体提取结果进行精度验证的步骤。
CN201510272030.2A 2015-05-25 2015-05-25 基于Landsat OLI多光谱遥感影像的水体自动提取方法 Active CN104915954B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510272030.2A CN104915954B (zh) 2015-05-25 2015-05-25 基于Landsat OLI多光谱遥感影像的水体自动提取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510272030.2A CN104915954B (zh) 2015-05-25 2015-05-25 基于Landsat OLI多光谱遥感影像的水体自动提取方法

Publications (2)

Publication Number Publication Date
CN104915954A CN104915954A (zh) 2015-09-16
CN104915954B true CN104915954B (zh) 2018-07-27

Family

ID=54084992

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510272030.2A Active CN104915954B (zh) 2015-05-25 2015-05-25 基于Landsat OLI多光谱遥感影像的水体自动提取方法

Country Status (1)

Country Link
CN (1) CN104915954B (zh)

Families Citing this family (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105957079B (zh) * 2016-04-28 2018-12-25 淮阴师范学院 基于Landsat OLI多光谱影像的湖泊水域信息提取方法
CN106295221B (zh) * 2016-08-19 2019-08-16 中国科学院遥感与数字地球研究所 一种城市水体类别提取方法和系统
CN106353256B (zh) * 2016-11-10 2019-01-18 哈尔滨工业大学 一种基于多光谱遥感图像的水体藻类污染检测方法
CN107240113B (zh) * 2017-05-23 2018-03-27 武汉大学 一种基于空间剖面线的半自动水体范围提取方法
CN107341809B (zh) * 2017-06-22 2020-11-20 同济大学 一种面向多源遥感影像的海岸线自动提取及偏差纠正方法
CN107688776B (zh) * 2017-07-21 2022-12-16 同济大学 一种城市水体提取方法
CN108169142B (zh) * 2017-12-20 2019-02-22 环境保护部卫星环境应用中心 基于遥感影像的水色异常快速定位方法和装置
CN109753916B (zh) * 2018-12-28 2021-05-04 厦门理工学院 一种归一化差分植被指数尺度转换模型构建方法及装置
CN110032928B (zh) * 2019-02-27 2021-09-24 成都数之联科技有限公司 一种适用于颜色敏感的卫星遥感影像水体识别方法
CN110033499B (zh) * 2019-04-21 2021-01-15 南京林业大学 一种基于Landsat OLI影像水体制图法
CN110826394A (zh) * 2019-07-16 2020-02-21 北京大学 基于卷积神经网络算法的水库识别方法和装置
CN112037244B (zh) * 2020-08-26 2024-02-20 大连海事大学 联合指数和轮廓指示器SLIC的Landsat-8图像养殖池提取方法
CN113591732A (zh) * 2021-08-03 2021-11-02 台州市污染防治工程技术中心 一种基于多光谱遥感的城市水体识别方法及系统
CN117409203B (zh) * 2023-11-14 2024-04-02 自然资源部国土卫星遥感应用中心 一种浅水湖泊面积提取的方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2294447A1 (en) * 2008-05-08 2011-03-16 The University Court Of The University of Edinburgh Remote sensing system
CN102054274A (zh) * 2010-12-01 2011-05-11 南京大学 一种海岸带水体遥感信息全自动提取方法
CN103364793A (zh) * 2013-07-11 2013-10-23 兰州交通大学 基于spot5影像的水体自动提取方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2294447A1 (en) * 2008-05-08 2011-03-16 The University Court Of The University of Edinburgh Remote sensing system
CN102054274A (zh) * 2010-12-01 2011-05-11 南京大学 一种海岸带水体遥感信息全自动提取方法
CN103364793A (zh) * 2013-07-11 2013-10-23 兰州交通大学 基于spot5影像的水体自动提取方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Reducing signature variability in unmixing coastal marsh Thematic Mapper scenes using spectral indices;A. S. ROGERS等;《International Journal of Remote Sensing》;20030630;第25卷(第12期);第7页第3.2节 *
Remote sensing based assessment of hazards from glacier lake outbursts: a case study in the Swiss Alps;Christian Huggel等;《Canadian Geotechnical Journal》;20020430;第39卷(第2期);第3页左栏第3、4段 *
基于Landsat8 卫星OLI 的水体信息提取研究;张风霖等;《山西建筑》;20140831;第40卷(第23期);第2页第2.3节、图5 *

Also Published As

Publication number Publication date
CN104915954A (zh) 2015-09-16

Similar Documents

Publication Publication Date Title
CN104915954B (zh) 基于Landsat OLI多光谱遥感影像的水体自动提取方法
Ouma et al. A water index for rapid mapping of shoreline changes of five East African Rift Valley lakes: an empirical analysis using Landsat TM and ETM+ data
CN108596108B (zh) 基于三元组语义关系学习的航拍遥感图像变化检测方法
Aytekın et al. Unsupervised building detection in complex urban environments from multispectral satellite imagery
Xun et al. An object-based SVM method incorporating optimal segmentation scale estimation using Bhattacharyya Distance for mapping salt cedar (Tamarisk spp.) with QuickBird imagery
CN103927741A (zh) 增强目标特征的sar图像合成方法
Kawakubo et al. Mapping changes in coastline geomorphic features using Landsat TM and ETM+ imagery: Examples in southeastern Brazil
Grigillo et al. Automated building extraction from IKONOS images in suburban areas
Besheer et al. Modified invariant colour model for shadow detection
CN107688776A (zh) 一种城市水体提取方法
Li et al. Dynamic waterline mapping of inland great lakes using time-series SAR data from GF-3 and S-1A satellites: A case study of DJK reservoir, China
Rokni et al. A new approach for detection of surface water changes based on principal component analysis of multitemporal normalized difference water index
Tatar et al. High-resolution satellite stereo matching by object-based semiglobal matching and iterative guided edge-preserving filter
CN104933703B (zh) 一种基于水体指数的亚像元级水体提取方法
Hu et al. Building modeling from LiDAR and aerial imagery
Skurikhin et al. Arctic tundra ice-wedge landscape characterization by active contours without edges and structural analysis using high-resolution satellite imagery
CN106204596B (zh) 一种基于高斯拟合函数与模糊混合估计的全色波段遥感影像云检测方法
Carbonneau et al. Global mapping of river sediment bars
CN108985307A (zh) 一种基于遥感影像的水体提取方法及系统
CN113989677A (zh) 一种山区河流提取方法及系统
CN113469104A (zh) 基于深度学习的雷达遥感影像地表水体变化检测方法和设备
Deluxni et al. A Scrutiny on Image Enhancement and Restoration Techniques for Underwater Optical Imaging Applications
CN113361403A (zh) 改进的基于ndfi洪水提取方法、系统、终端及应用
Tan et al. Guided image completion by confidence propagation
Reddy et al. A novel method for water and water canal extraction from landsat-8 oli imagery

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant