CN105957079B - 基于Landsat OLI多光谱影像的湖泊水域信息提取方法 - Google Patents
基于Landsat OLI多光谱影像的湖泊水域信息提取方法 Download PDFInfo
- Publication number
- CN105957079B CN105957079B CN201610271547.4A CN201610271547A CN105957079B CN 105957079 B CN105957079 B CN 105957079B CN 201610271547 A CN201610271547 A CN 201610271547A CN 105957079 B CN105957079 B CN 105957079B
- Authority
- CN
- China
- Prior art keywords
- waters
- data
- water body
- information
- image
- 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
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
Landscapes
- Image Processing (AREA)
Abstract
本发明公开一种基于Landsat OLI多光谱影像的湖泊水域信息提取方法,包括如下步骤:1)Landsat OLI多光谱数据的预处理,包括定标、几何校正、大气校正、剪裁、镶嵌;2)采用多尺度图像分割方法分割预处理的多光谱数据;3)构建2个自定义归一化差异水体指数,以及改进归一化差异水体指数MNDWI;4)为三个归一化差异水体指数分别设定阈值,提取水域信息;5)导出连续水域对象,生成水域矢量数据;6)使用水域矢量数据剪裁Landsat OLI多光谱影像,获得水域信息数据。本发明的湖泊水域信息提取方法综合利用了Landsat OLI的第一、第二波段信息,提高了水域信息提取的速度和精度,为后续科研提供基础数据。
Description
技术领域
本发明属于遥感影像处理技术、地理信息系统技术、湖泊环境保护技术的交叉领域,特别是涉及一种基于Landsat OLI多光谱影像的湖泊水域信息提取方法。
背景技术
湖泊沿岸地区地物类型多样、空间分布复杂,像元大多是混合像元,传统的湖泊水域提取方法多是基于像元进行分类提取,容易产生细小的分类斑块,产生“椒盐”现象,并且容易发生错分、漏分的情况,分类后处理将会耗费大量的人力和时间。
Landsat OLI遥感影像是最新的Landsat8卫星携带的传感器的成像数据,已经被广泛的用于湖泊环境监测中的水域提取。Landsat OLI多光谱数据中,第一个波段是深蓝波段,用于监测近岸水体和大气气溶胶,第二个波段是蓝光波段,用于监测水体,第六个波段为短波红外波段,反应的信息量最大,但是目前所构建的、用于水域提取的归一化水体指数并未综合使用上述三个波段。
发明内容
为提高湖泊水域分类提取的精度和效率,克服现有湖泊水域提取中水域信息与非水域信息区分不够清晰、分类后处理繁琐、工作量大等不足,本发明设计一种基于LandsatOLI多光谱影像的湖泊水域信息提取方法,使用图像多尺度分割,结合Landsat OLI第一、第二和第六波段的综合使用,提高湖泊水域信息提取的速度和精度,为后续科研提供基础数据,简化分类工作步骤。
本发明的技术解决方案是:该方法在分类提取信息之前,采用图像的多尺度分割,将遥感影像分割成许多对象,每个对象包含光谱信息、空间结构特征相似的像元集合,综合利用Landsat OLI多光谱遥感数据中第一、第二、第三、第六波段,构建自定义NDWI,应用MNDWI,通过三种指数,设定阈值,提取水域信息,导出连续水域对象,生成水域矢量数据,使用水域矢量数据剪裁已处理的Landsat OLI多光谱影像,获得水域信息数据。
该基于Landsat OLI多光谱影像的湖泊水域信息提取方法包括以下具体步骤:
(1)使用ENVI软件,对待分析的Landsat OLI多光谱数据进行定标、几何校正、大气校正、剪裁、拼接预处理;
(2)设置合适的尺度参数,使用易康软件,采用多尺度图像分割方法对经过预处理的Landsat OLI多光谱数据进行分割,将影像划分为多个对象,每个对象中各个像元的光谱信息相似;
(3)使用Landsat OLI多光谱数据的第一、第二和第六波段构建2个归一化水体指数:
,
,
在构建自定义归一化水体指数的同时,将改进的归一化水体指数应用于水域提取之中,改进的归一化水体指数的计算方法如下:
,
其中,Coastal、Blue、Green、SWIR1 分别为Landsat OLI多光谱数据中的第一、第二、第三、第六波段上的地物反射率;
(4)设置水域提取阈值T,使用上述三个水体指数提取水域,取三者范围的最大集合,为水域最终提取结果;
(5)导出连续水域对象,生成连续水域矢量数据;
(6)使用连续水域矢量数据切割步骤(1)中已处理的Landsat OLI多光谱影像,获得水域信息数据。
其中,所述步骤(2)中,进行多尺度图像分割方法的尺度参数设置为50。
其中,所述步骤(4)中,分别设定自定归一化水体指数NDWI16、NDWI26,以及经典的改进的归一化水体指数MNDWI的阈值TNDWI16、TNDWI26、TMNDWI,采用条件(NDWI16>= TNDWI16)or(NDWI26>= TNDWI26)or(MNDWI>= TMNDWI)进行水域信息提取。
与现有技术相比,本发明具有以下优点:
(1)在提取湖泊水域信息之前,对经过预处理的Landsat OLI多光谱遥感数据进行了多尺度图像分割,把光谱特性、空间特征相似的像元划分到一个对象,分类时,不再处理单独的像元,而直接处理划分后形成的对象,提高了分类运算的处理效率,并且大大减轻了分类后处理的工作量;
(2)本发明综合使用了Landsat OLI多光谱影像数据第一、第二、第六波段的数据,构建了2个尚未使用的归一化植被指数,同时,使用了已经广泛使用的改进的归一化水体指数MNDWI,三个水体指数共同进行阈值分类,最终的结果为三个水体指数提取结果的并集,从而提高了湖泊水域提取的精度和效率;
(3)采用本发明的湖泊水域信息提取步骤,提高了分类处理效率,并获得较高的分类精度,采用了不同湖泊进行了验证,本发明在快速提取湖泊水域的同时,取精度达到90%,kappa系数为0.91。
附图说明
图1为本发明的处理流程示意图。
图2为实施例中局部实验区的影像示意图和图像多尺度分割效果图,其中(2a)为洪泽湖区域局部遥感影像,(2b)为遥感影像多尺度分割效果图。
图3为图2的湖泊水域信息提取效果图。
具体实施方式
下面结合附图和具体实施例对本发明的技术解决方案进行详细说明。本实施例以本发明的技术解决方案为前提,详细说明了实施方式和具体操作过程,但是,本发明的技术解决方案保护范围不限于下述的实施例。
实施例:如图1所示,采用以下步骤获得洪泽湖区域水域信息数据
(1)使用ENVI软件,对待分析的Landsat OLI多光谱数据进行定标、几何校正、大气校正、镶嵌、剪裁预处理,包括如下具体内容:
(11)使用遥感影像处理软件对Landsat OLI 原始数据进行定标,如果遥感影像数量较多,通过批处理的方式进行;
(12)使用遥感影像处理软件对步骤(11)中定标后的多光谱数据进行融合,将7个波段的数据按照先后顺序进行融合,如果遥感影像数量较多,通过批处理的方式进行;
(13)对于步骤(12)中融合后的数据,根据目标区域的范围,进行剪裁、分幅、镶嵌处理,得到目标区域的完整的多光谱数据;
(2)设置合适的尺度参数C,使用易康软件,采用多尺度图像分割方法对经过预处理的Landsat OLI多光谱数据进行分割,将影像划分为多个对象,每个对象中各个像元的光谱信息相似或者相近;
(3)针对Landsat OLI多光谱数据的特点,见下表;
综合考虑第一、第二和第六波段中包含的水体信息,构建2个自定义归一化水体指数:
,
,
同时,将经典的改进的归一化水体指数应用于水域提取之中,改进的归一化水体指数的计算方法如下:
,
其中,Coastal、Blue、Green、SWIR1 分别为Landsat OLI多光谱数据中的第一、第二、第三、第六波段上的地物反射率;
(4)预先设置水域提取阈值TNDWI16、TNDWI26、TMNDWI,分别为步骤(2)中NDWI16、NDWI26、MNDWI的阈值,在易康软件中使用(NDWI16>= TNDWI16)or(NDWI26>= TNDWI26)or(MNDWI>= TMNDWI)进行水域提取,并对提取的结果进行分类后处理,得到最终的水域信息结果数据;
(5)把步骤(4)中提取的水域范围导出,生成水域矢量数据;
(6)使用步骤(5)生成的水域矢量数据,剪裁步骤(13)得到的Landsat OLI多光谱影像,获得水域信息数据。
图2为实施例中局部实验区的影像示意图和图像多尺度分割效果图,其中(2a)为洪泽湖区域局部遥感影像,(2b)为遥感影像多尺度分割效果图;图3为图2的湖泊水域信息提取效果图。
以上实施例仅为说明本发明的技术思想,不能以此限定本发明的保护范围,凡事按本发明提出的技术思想,在技术方案基础上所做的任何改动,均落入本发明保护范围之内。
Claims (2)
1.基于Landsat OLI多光谱影像的湖泊水域信息提取方法,其特征是:在分类提取信息之前,采用图像多尺度分割,将遥感影像分割成许多对象,每个对象包含光谱信息、空间结构特征相似的像元集合,综合利用Landsat OLI多光谱遥感数据中第一、第二、第三、第六波段,构建自定义归一化水体指数NDWI16、NDWI26,计算改进的归一化水体指数MNDWI ,通过三种水体指数,设定阈值,提取水域信息,导出连续水域对象,生成连续水域矢量数据,使用连续水域矢量数据切割已处理的Landsat OLI多光谱影像,获得水域信息数据;以上所述方法包括具体步骤如下:
(1)使用ENVI软件,对待分析的Landsat OLI多光谱数据进行定标、几何校正、大气校正、剪裁、拼接预处理;
(2)设置合适尺度参数,使用易康软件,采用多尺度图像分割方法对预处理的LandsatOLI多光谱数据进行分割,影像划分为多个对象,每个对象中各个像元的光谱信息相似;
(3)使用Landsat OLI多光谱数据的第一、第二和第六波段构建2个归一化水体指数:
,
,
在构建自定义归一化水体指数的同时,将改进的归一化水体指数应用于水域提取之中,改进的归一化水体指数的计算方法如下:
,
其中,Coastal、Blue、Green、SWIR1 分别为Landsat OLI多光谱数据中的第一、第二、第三、第六波段上的地物反射率;
(4)设置水域提取阈值TNDWI16、TNDWI26、TMNDWI,使用上述三个水体指数提取水域;水域提取方法是:分别设定自定义归一化水体指数NDWI16、NDWI26,以及改进的归一化水体指数MNDWI的阈值TNDWI16、TNDWI26、TMNDWI,采用条件(NDWI16>= TNDWI16)or(NDWI26>= TNDWI26)or(MNDWI>=TMNDWI)进行水域提取;
(5)导出连续水域对象,生成连续水域矢量数据;
(6)使用连续水域矢量数据切割步骤(1)中已处理的Landsat OLI多光谱影像,获得水域信息数据。
2.根据权利要求1所述的基于Landsat OLI多光谱影像的湖泊水域信息提取方法,其特征是:所述步骤(2)中,进行多尺度图像分割方法的尺度参数设置为50。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610271547.4A CN105957079B (zh) | 2016-04-28 | 2016-04-28 | 基于Landsat OLI多光谱影像的湖泊水域信息提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610271547.4A CN105957079B (zh) | 2016-04-28 | 2016-04-28 | 基于Landsat OLI多光谱影像的湖泊水域信息提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105957079A CN105957079A (zh) | 2016-09-21 |
CN105957079B true CN105957079B (zh) | 2018-12-25 |
Family
ID=56915768
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610271547.4A Active CN105957079B (zh) | 2016-04-28 | 2016-04-28 | 基于Landsat OLI多光谱影像的湖泊水域信息提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105957079B (zh) |
Families Citing this family (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107991243B (zh) * | 2016-10-27 | 2020-06-19 | 核工业北京地质研究院 | 一种基于航空高光谱遥感数据的高海拔地区水体提取方法 |
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 |
CN107274361B (zh) * | 2017-05-26 | 2019-11-19 | 深圳先进技术研究院 | Landsat TM遥感影像数据除云方法及系统 |
CN109029735B (zh) * | 2018-07-06 | 2020-06-12 | 湖南文理学院 | 一种地表比辐射率计算方法及装置 |
CN109211798A (zh) * | 2018-11-16 | 2019-01-15 | 福州大学 | 一种基于遥感影像光谱特征的一年生海冰分布信息提取方法 |
CN109814551A (zh) * | 2019-01-04 | 2019-05-28 | 丰疆智慧农业股份有限公司 | 谷物处理自动驾驶系统、自动驾驶方法以及自动识别方法 |
CN109801304B (zh) * | 2019-01-11 | 2022-12-27 | 重庆邮电大学 | 一种抑制裸地的建筑指数构建及建筑区域快速提取方法 |
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 |
CN110472697B (zh) * | 2019-08-22 | 2021-04-30 | 广州大学 | 一种基于迭代分类的水体识别方法及装置 |
CN110717413B (zh) * | 2019-09-24 | 2022-11-25 | 云南师范大学 | 面向无人机可见光影像的水体信息提取方法及装置 |
CN111160192A (zh) * | 2019-12-20 | 2020-05-15 | 彭耿 | 基于海岸线状特征的遥感图像定位方法 |
CN111275631A (zh) * | 2020-01-08 | 2020-06-12 | 中国科学院东北地理与农业生态研究所 | 一种遥感影像提取城市水体时消除阴影干扰的方法 |
CN111931696A (zh) * | 2020-09-04 | 2020-11-13 | 中国水利水电科学研究院 | 一种基于空间约束的湖库水体面积遥感自动提取方法 |
CN112683822B (zh) * | 2020-12-17 | 2024-04-05 | 淮阴师范学院 | 基于可见光波段的植被与非植被识别方法 |
CN113219502B (zh) * | 2021-04-19 | 2022-04-26 | 季华实验室 | 遥感器星上定标设备、定标系统以及定标方法 |
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 |
CN116341932B (zh) * | 2023-05-31 | 2023-08-22 | 自然资源部第二海洋研究所 | 一种基于双遥感时序指数的潮滩变化监测方法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN104915954A (zh) * | 2015-05-25 | 2015-09-16 | 同济大学 | 基于Landsat OLI多光谱遥感影像的水体自动提取方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8417460B2 (en) * | 2004-01-22 | 2013-04-09 | Bowling Green State University | Method of detecting coliform bacteria and Escherichia coli bacteria from reflected light |
-
2016
- 2016-04-28 CN CN201610271547.4A patent/CN105957079B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN104915954A (zh) * | 2015-05-25 | 2015-09-16 | 同济大学 | 基于Landsat OLI多光谱遥感影像的水体自动提取方法 |
Non-Patent Citations (3)
Title |
---|
Fine-scale mapping of vector habitats using very high resolution satellite imagery: a liver fluke case-study;Els De Roeck 等;《Geospatial Health》;20141212;第8卷(第3期);第S674-S675页 * |
利用改进的归一化差异水体指数(MNDWI)提取水体信息的研究;徐涵秋;《遥感学报》;20050930;第9卷(第5期);第589-595页 * |
基于OLI影像的几种常用水体提取方法对比研究;潘玥 等;《江西科学》;20151031;第33卷(第5期);第661-663页 * |
Also Published As
Publication number | Publication date |
---|---|
CN105957079A (zh) | 2016-09-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105957079B (zh) | 基于Landsat OLI多光谱影像的湖泊水域信息提取方法 | |
Wang et al. | LDS-YOLO: A lightweight small object detection method for dead trees from shelter forest | |
Hou et al. | Marine floating raft aquaculture extraction of hyperspectral remote sensing images based decision tree algorithm | |
CN110796001A (zh) | 一种卫星影像覆膜农田识别与提取方法及系统 | |
Lu et al. | Detection of urban expansion in an urban-rural landscape with multitemporal QuickBird images | |
CN109584284B (zh) | 一种分层决策的滨海湿地地物样本提取方法 | |
CN107274420A (zh) | 基于图像分割的海洋锋面提取方法 | |
Lin et al. | Fourier dense network to conduct plant classification using UAV-based optical images | |
Verma et al. | Development of LR-PCA based fusion approach to detect the changes in mango fruit crop by using landsat 8 OLI images | |
CN105139369A (zh) | 消除基于palsar雷达影像的森林分类结果中城市建筑像元方法 | |
CN102231190B (zh) | 冲洪积扇信息的自动提取方法 | |
CN112800851B (zh) | 基于全卷积神经元网络的水体轮廓自动提取方法及系统 | |
CN114005024A (zh) | 一种基于多来源多时相数据融合的海草床识别方法 | |
Zhang et al. | Research on the identification of land types and tree species in the Engebei ecological demonstration area based on GF-1 remote sensing | |
CN109801304B (zh) | 一种抑制裸地的建筑指数构建及建筑区域快速提取方法 | |
Huang et al. | Research on crop planting area classification from remote sensing image based on deep learning | |
CN205333857U (zh) | 一种用于林业树种识别的遥感系统 | |
Nanare et al. | Remote sensing satellite image analysis for deforestation in yavatmal district, maharashtra, india | |
Nuradili et al. | UAV Remote Sensing Image Semantic Segmentation Strategy Based on Thermal Infrared and Multispectral Image Features | |
CN111914631A (zh) | 一种基于多源传感器数据的林地精细识别的多通道卷积网络方法 | |
Ciaburri et al. | Automatic extraction of rivers from satellite images using image processing techniques | |
Xiaohong et al. | A cloud-removal method based on image fusion using local indexes | |
Simin et al. | Band selection of hyperspectral images based on Bhattacharyya distance | |
CN111695503B (zh) | 基于双波段辐亮度的珊瑚礁底质分类方法 | |
CN112633155B (zh) | 一种基于多尺度特征融合的自然保护地人类活动变化检测方法 |
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 |