CN105225239A - 一种面向对象的高分遥感影像不透水层提取方法 - Google Patents

Abstract

本发明提供了一种面向对象的高分遥感影像不透水层提取方法，首先利用图像分割技术，实现遥感影像的对象分割，将同质区域分割为同一个多边形对象，针对遥感影像，提取归一化不透水指数和归一化透水指数，分别得到NDIPI图和NDPI图，利用透水判定规则，实现分割对象的透水属性判读，利用汇聚技术实现不透水对象的聚合，得到遥感影像的不透水层。本发明实现不透水区域的快速提取，有效解决了高分辨率影像地物细节过多、地物分类难等问题，并极大提升了不透水层提取的精度。

Description

一种面向对象的高分遥感影像不透水层提取方法

技术领域

本发明属于遥感影像处理领域，尤其涉及一种面向对象的高分遥感影像不透水层提取方法。

背景技术

城市作为人口最为积聚和人类活动最为强烈的地区，其环境和气候等日益受到关注；城市的扩展直接改变了土地覆盖、土地利用的状况，也直接影响局部的气候、生态和环境。不透水层(Impervioussurfaces)作为城市化进程和城市化率评估中的重要指标，对分析评价城市地区的气候、环境、水循环等具有重要的意义。不透水层被认为是重要的环境评估指标，被广泛应用在城市综合评估过程中。

不透水面是指天然的或者人造的能阻止水渗透到地表以下的物质，诸如屋顶、沥青、水泥道路以及停车场等具有不透水性的地表面。人工不透水面是城市地区的特征，城市化的一个重要表现就是不透水面分布比率的上升。随着不透水面的增加，城市中的绿地、湿地和水体面积逐渐减少，也引发了多种环境因子的改变，诸如地表径流、流域水质和城市热环境的变化等，从而促使城市生态系统恶化。不透水面分布被认为是表征流域健康、水质以及整个生态系统是否健康最为重要的环境指标之一。

鉴于不透水层在城市环境分析、管理和评价中的重要作用，在过去的十多年，从卫星图像中定量提取不透水层的先进方法被广泛研究，这些方法包括高级的基于像元图像分类方法、对像元分解的亚像元分类方法和决策树模型。不透水层的提取也通过综合高反照率和低反照率比率(丰度)图像，运用线性光谱混合分析来实现的。

对不透水层的估计研究通常基于中等空间分辨率图像。由于城市地区地表覆盖的异质性和城市不透水层的复杂性，中等空间分辨率图像分辨率偏低，虽然基于亚像元的方法来提取不透水层表面能够改善提取精度，但是在那些低密度的住宅区域，城市的不透水层经常被过高估计。相反，在高密度住宅区，由于一些明亮的不透水表面和干燥土壤具有相似的光谱响应特征，这使得此类地区的不透水层被低估。

随着航空航天技术的高速发展，高空间分辨率图像大量获取，运用这些高分辨率图像提取不透水层引起了广泛的关注，但开展的研究，主要是针对某一特定特征(如阴影的处理)的提取与分析。

在中低空间分辨率图像中，由于大量混合像元的存在，在低密度住宅区域，不透水层经常被过高估计，在高密度住宅区，不透水层被低估。在高分辨率遥感影像中，由于图像纹理特征复杂性，目前没有一种很有效的从高分辨率图像中提取不透水层的方法。

发明内容

(一)要解决的技术问题

本发明的目的在于，提供一种面向对象的高分遥感影像不透水层提取方法，实现不透水区域的快速提取，有效解决了高分辨率影像地物细节过多、地物分类难等问题，极大提升了不透水层提取的精度。

(二)技术方案

本发明提供一种面向对象的高分遥感影像不透水层提取方法，包括：

S1，将高分遥感影像分割成相互不重叠的多边形对象，其中，多边形对象内的像素具有同质属性，相邻多边形对象间的像素具有异质属性；

S2，根据像素在不同波段间差异，计算每个像素的归一化透水指数和归一化不透水指数，并计算出每个多边形对象内归一化透水指数和归一化不透水指数的平均值；

S3，根据每个多边形对象内归一化透水指数和归一化不透水指数的平均值，判定该多边形对象是否为不透水多边形；

S4，将预定范围内的多个不透水多边形进行聚合，形成不透水层。

(三)有益效果

本发明从多光谱高分影像中提取不透水层，利用面向对象的机制，把遥感影像上表现为同质的区域分割为一个对象处理，利用新颖的归一化不透水指数和归一化透水指数，结合对象整体统计判定准则，实现不透水区域的快速提取，同时提高了不透水层提取的精度，在城市发展评估、环境生态评价等方面具有重要意义。

附图说明

图1是本发明提供的面向对象的高分遥感影像不透水层提取方法的流程图。

图2是本发明实施例提供的高分遥感影像。

图3是本发明实施例中图像分割后整景图像的分割效果图。

图4是本发明实施例中图像分割后局部区域的分割效果图。

图5是本发明实施例中全景影像的NDPI图。

图6是本发明实施例提供的高分遥感影像的局部影像。

图7是本发明实施例中局部影像的NDPI图。

图8是本发明实施例中全景影像的NDIPI图。

图9是本发明实施例中局部区域的NDIPI图。

图10是本发明实施例中判定为不透水多边形的效果图。

图11是本发明实施例中局部区域不透水多边形的效果图。

图12是本发明实施例中全景图像的聚合效果图。

图13是本发明实施例提供的局部区域的聚合效果图。

具体实施方式

本发明提供一种面向对象的高分遥感影像不透水层提取方法，首先综合利用图像分割技术，实现遥感影像的对象分割，同质区域分割为同一个多边形对象，针对遥感影像，提取归一化不透水指数(NDIPI，NormalizedDifferenceImperviousIndex)和归一化透水指数(NDPI，NormalizedDifferencePerviousIndex)，分别得到NDIPI图和NDPI图，利用透水判定规则，实现分割对象的透水属性判读，利用汇聚技术实现不透水对象的聚合，得到遥感影像的不透水层。

图1是本发明提供的面向对象的高分遥感影像不透水层提取方法的流程图，如图1所示，高分遥感影像不透水层提取方法包括：

S1，将高分遥感影像分割成相互不重叠的多边形对象，其中，多边形对象内的像素具有同质属性，相邻多边形对象间的像素具有异质属性；

S2，高分遥感影像的空间分辨率优于10米，其数据波段通常为4波段数据，四个波段的光谱范围为：B1波段(蓝波段)为0.45～0.52um，B2波段(绿波段)为0.52～0.60um，B3波段(红波段)为0.63～0.69um，B4波段(近红波段)为0.76～0.90um，根据像素在不同波段间差异，计算每个像素的归一化透水指数和归一化不透水指数，并计算出每个多边形对象内归一化透水指数和归一化不透水指数的平均值；

S3，根据每个多边形对象内归一化透水指数和归一化不透水指数的平均值，判定该多边形对象是否为不透水多边形；

S4，将预定范围内的多个不透水多边形进行聚合，形成不透水层。

根据本发明的一种实施方式，在步骤S1中，采用基于均值平移的多尺度分割方法，将高分遥感影像分割成相互不重叠的多边形对象，也可以采用其他分割方法，如分水岭分割方法、Mean-shift分割方法、基于神经元网络的分割方法、基于形态学的分割方法等。

根据本发明的一种实施方式，在步骤S2中：

像素的归一化透水指数计算公式为：

归一化透水指数＝(绿波段的像素值－近红波段的像素值)/(绿波段的像素值+近红波段的像素值)；

像素的归一化不透水指数计算公式为：

归一化不透水指数＝(近红波段的像素值－红波段的像素值)/(近红波段的像素值+红波段的像素值)。

多边形对象的归一化透水指数平均值的计算公式为：

$P_g=\frac{{\mathrm{\Σ}}_{j\∈g}{\mathrm{NDPI}}_j}{N_g}$

其中，Pg为归一化透水指数平均值，g为多边形对象对应的区域，N_g为所述区域内像素数量，j为属于该区域的像素，NDPI_j为第j像素的归一化透水指数；

多边形对象的归一化不透水指数平均值的计算公式为：

${\mathrm{IP}}_g=\frac{{\mathrm{\Σ}}_{j\∈g}{\mathrm{NDIPI}}_j}{N_g}$

其中，IP_g为归一化不透水指数平均值，g为多边形对象对应的区域，N_g为所述区域内像素数量，j为属于该区域的像素，NDIPI_j为第j像素的归一化不透水指数；

根据本发明的一种实施方式，在步骤S3中，当多边形对象的归一化不透水指数平均值大于第一阈值且小于第二阈值，并且归一化透水指数平均值小于第三阈值时，则判定所述多边形对象为不透水多边形，其中，第一阈值范围为100～130，第二阈值范围为160～200，第三阈值范围为20～50。

根据本发明的一种实施方式，在步骤S4中，采用GIS处理工具将预定范围内的多个不透水多边形进行聚合，形成不透水层，其中，典型的GIS处理工具如Arcmap中的PolygonAggregate工具。

为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明进一步详细说明。

本发明实施例提供一种面向对象的高分遥感影像不透水层提取方法，包括：

S1，采用基于均值平移的多尺度分割方法，将高分辨率遥感影像分割成相互不重叠的多边形对象，得到矢量文件。

如图2所示，选取浙江某市2014年10月的高分辨率卫星遥感影像进行不透水层提取，其中遥感影像的分辨率为8米，共四个波段。

如图3所示，其显示了整景图像的分割效果。

如图4所示，其显示了局部区域分割效果，从中可以看出，在影像中表征相同的物体被分割为一个多边形对象。

S2，对遥感影像提取归一化透水指数NDPI，归一化不透水指数NDIPI，其中，像素的归一化透水指数计算公式为：

归一化透水指数NDPI＝(绿波段的像素值－近红波段的像素值)/(绿波段的像素值+近红波段的像素值)；

像素的归一化不透水指数计算公式为：

归一化不透水指数NDIPI＝(近红波段的像素值－红波段的像素值)/(近红波段的像素值+红波段的像素值)。

计算出每个多边形对象内归一化透水指数和归一化不透水指数的平均值：

其中，多边形对象的归一化透水指数平均值的计算公式为：

$P_g=\frac{{\mathrm{\Σ}}_{j\∈g}{\mathrm{NDPI}}_j}{N_g}$

其中，P_g为归一化透水指数平均值，g为多边形对象对应的区域，N_g为所述区域内像素数量，j为属于该区域的像素，NDPI_j为第j像素的归一化透水指数。

多边形对象的归一化不透水指数平均值的计算公式为：

${\mathrm{IP}}_g=\frac{{\mathrm{\Σ}}_{j\∈g}{\mathrm{NDIPI}}_j}{N_g}$

其中，IP_g为归一化不透水指数平均值，g为多边形对象对应的区域，N_g为所述区域内像素数量，j为属于该区域的像素，NDIPI_j为第j像素的归一化不透水指数。

图5显示了全景影像的NDPI图，图6和图7分别显示了局部区域的遥感影像和对应的NDPI图。可以看出，城市中公园、草地等透水区域亮度值明显高于建筑、道路等不透水区域。图8显示了全景影像的NDIPI图，图9显示了局部区域的NDIPI图。可以看出，城市中公园、草地等透水区域亮度值低于建筑、道路等不透水区域。

S3，当多边形对象的归一化不透水指数平均值大于第一阈值且小于第二阈值，并且归一化透水指数平均值小于第三阈值时，则判定所述多边形对象为不透水多边形，其中，第一阈值范围为100-130，第二阈值范围为160-200，第三阈值范围为20-50。

图10显示了对全景图像处理的结果。图11显示了局部区域不透水多边形对象的结果。从中可以看到，建成区的多边形对象主要为不透水多边形，包含了城市道路、建筑物、广场等地物，同时，建成区中的公园、草地等划分为透水多边形。

S4，采用GIS处理工具将预定范围内的多个不透水多边形进行聚合，形成不透水层。

图12显示了全景图像的聚合结果，图13显示了局部区域的聚合结果。

以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种面向对象的高分遥感影像不透水层提取方法，其特征在于，包括：

S1，将所述高分遥感影像分割成相互不重叠的多边形对象，其中，所述多边形对象内的像素具有同质属性，相邻多边形对象间的像素具有异质属性；

S2，根据像素在不同波段间差异，计算每个像素的归一化透水指数和归一化不透水指数，并计算出每个多边形对象内归一化透水指数和归一化不透水指数的平均值；

S3，根据每个多边形对象内归一化透水指数和归一化不透水指数的平均值，判定该多边形对象是否为不透水多边形；

S4，将预定范围内的多个不透水多边形进行聚合，形成不透水层。

2.根据权利要求1所述的高分遥感影像不透水层提取方法，其特征在于，在所述步骤S1中，采用基于均值平移的多尺度分割方法，将所述高分遥感影像分割成相互不重叠的多边形对象。

3.根据权利要求1所述的高分遥感影像不透水层提取方法，其特征在于，在所述步骤S2中：

像素的归一化透水指数计算公式为：

归一化透水指数＝(绿波段的像素值－近红波段的像素值)/(绿波段的像素值+近红波段的像素值)；

像素的归一化不透水指数计算公式为：

归一化不透水指数＝(近红波段的像素值－红波段的像素值)/(近红波段的像素值+红波段的像素值)。

4.根据权利要求3所述的高分遥感影像不透水层提取方法，其特征在于，在所述步骤S2中：

多边形对象的归一化透水指数平均值的计算公式为：

其中，P_g为归一化透水指数平均值，g为多边形对象对应的区域，N_g为所述区域内像素数量，j为属于该区域的像素，NDPI_j为第j像素的归一化透水指数；

多边形对象的归一化不透水指数平均值的计算公式为：

其中，IP_g为归一化不透水指数平均值，g为多边形对象对应的区域，N_g为所述区域内像素数量，j为属于该区域的像素，NDIPI_j为第j像素的归一化不透水指数。

5.根据权利要求1所述的高分遥感影像不透水层提取方法，其特征在于，在所述步骤S3中，当所述多边形对象的归一化不透水指数平均值大于第一阈值且小于第二阈值，并且归一化透水指数平均值小于第三阈值时，则判定所述多边形对象为不透水多边形。

6.根据权利要求1所述的高分遥感影像不透水层提取方法，其特征在于，在所述步骤S4中，采用GIS处理工具将预定范围内的多个不透水多边形进行聚合，形成不透水层。