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 PDF

Info

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
Application number
CN201610271547.4A
Other languages
English (en)
Other versions
CN105957079A (zh
Inventor
姜晓剑
赵利琴
李才生
张迹
汪伟
刘乃森
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.)
Huaiyin Normal University
Original Assignee
Huaiyin Normal 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 Huaiyin Normal University filed Critical Huaiyin Normal University
Priority to CN201610271547.4A priority Critical patent/CN105957079B/zh
Publication of CN105957079A publication Critical patent/CN105957079A/zh
Application granted granted Critical
Publication of CN105957079B publication Critical patent/CN105957079B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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

基于Landsat OLI多光谱影像的湖泊水域信息提取方法
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。
CN201610271547.4A 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 Active CN105957079B (zh)

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)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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

Patent Citations (2)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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