CN108918432A - 基于Landsat8影像的水域提取方法及装置 - Google Patents

Abstract

本发明实施例公开了一种基于Landsat8影像的水域提取方法及装置。该方法包括：获取包括水域的Landsat8多光谱遥感影像，对多光谱遥感影像进行预处理，对预处理后的多光谱遥感影像进行白化处理，得到观测信号向量，采用FastICA盲分离方法对观测信号向量进行分离，分离出观测信号向量各独立分量，独立分量包括第一分量和第二分量；计算第一分量与像元向量的相关系数，获得第一相关系数值图，计算第二分量与像元向量的相关系数，获得第二相关系数值图，其中，当同一区域在第一相关系数值图中的相关系数值高于第一阈值且在第二相关系数值图中的相关系数值低于第二阈值，则该区域为水域。本方法能较好的分离出多光谱遥感影像中的水域分量和非水域分量，降低污染水体误判。

Description

基于Landsat8影像的水域提取方法及装置

技术领域

本发明涉及光学遥感技术领域，更具体地，涉及一种多光谱遥感影像的水域提取方法及装置。

背景技术

盲信号处理在工程学理论和应用中都具有十分重要的价值，引起了各个领域的研究者们对它的重视，到目前为止，已经得到了深入的研究，成为信号处理学科中一个十分热门的领域。它的发展与数字信号处理、神经网络、无线通信、语音增强等各个方向紧密结合，提供了解决信号处理问题的一种全新的思路和方法。

在图像信号处理中，图像恢复和理解指的是利用已知的图像先验信息解决由于噪声和干扰引起的图像畸变。而图像的盲恢复表示仅利用畸变后的图像和少量先验信息，从畸变图像中估计恢复原图和得到干扰信号的过程。盲信号处理方法，特别是独立分量分析(Independent Component Analysis，ICA)方法，在图像信号恢复应用中是十分有效的方法。图像信号处理中一种较为基本的处理思想是：通过使用各种不同的基函数对信号进行变形处理，然后通过特定的信号表示提取出信号的典型特征，进而利用这些特征对图像信号进行估计、压缩和恢复。但对于同时包含线性和非线性混合信号在内的图像，传统的信号变换例如傅立叶(Fourier transform,FT)变换和小波(Wavelet transform,WT)变换)不能找出信号有效估计主分量。

从遥感影像中快速准确地获取水体信息是水体遥感广泛应用的前提。目前，水体提取的方法有很多，包括单波段阈值法、多波段谱间关系法、分类后提取、水体指数法等，水体指数法简单易用，是目前较为常用的水体信息提取方法。但是水体污染，富营养化，叶绿素含量过多，易被误分为其他地类。

发明内容

鉴于上述问题，本发明提出了一种基于Landsat8影像的水域提取方法、装置，以提高水体提取效果。

第一方面，本发明实施例提供了一种基于Landsat8影像的水域提取方法，用于提高水体提取效果，所述方法包括：获取包括水域的多光谱遥感影像，对所述多光谱遥感影像进行预处理；对预处理后的所述多光谱遥感影像进行白化处理，得到观测信号向量；采用FastICA盲分离方法对所述观测信号向量进行分离，分离出观测信号向量各独立分量，所述独立分量包括第一分量和第二分量；计算所述第一分量与像元向量的相关系数，获得第一相关系数值图，计算所述第二分量与像元向量的相关系数，获得第二相关系数值图，其中，当同一区域在所述第一相关系数值图中的相关系数值高于第一阈值且在所述第二相关系数值图中的相关系数值低于第二阈值，则该区域为水域，其中，所述第一阈值高于所述第二阈值。

第二方面，本发明实施例提供了一种基于Landsat8影像的水域提取装置，所述装置用于提高水体提取效果，所述装置包括：数据预处理模块，用于获取包括水域的多光谱遥感影像，并对所述多光谱遥感影像进行预处理；白化处理模块，用于对所述预处理后的所述多光谱遥感影像进行白化处理，得到观测信号向量；分离模块，用于对所述观测信号向量进行分离，分离出观测信号向量各独立分量，所述独立分量包括第一分量和第二分量；相关系数计算模块，用于计算所述第一分量与像元向量的相关系数，获得第一相关系数值图，计算所述第二分量与像元向量的相关系数，获得第二相关系数值图，其中，当同一区域在所述第一相关系数值图中的相关系数值高于第一阈值且在所述第二相关系数值图中的相关系数值低于第二阈值，则该区域为水域，其中，所述第一阈值高于所述第二阈值。

相对于现有技术，本发明实施例提供的基于Landsat8影像的水域提取方法、装置，应用FastICA盲分离方法先将图像分解为互不相关的分量，然后对所述分量进行分析，这样就提供了一种能够表示图像结构的有效方法，能较好的分离出多光谱遥感影像中的水域分量和非水域分量，降低污染水体误判，能够有效的提高水体提取效果。

本发明的这些方面或其他方面在以下实施例的描述中会更加简明易懂。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1示出了本发明第一实施例提出的一种基于Landsat8影像的水域提取的方法流程图；

图2示出了本发明第一实施例中，多光谱遥感影像经过预处理后得到的真彩色影像图；

图3示出了图1中采用FastICA盲分离方法对所述观测信号向量进行分离的步骤的方法流程图；

图4示出了本申请实施例提供的一种第一分量相关系数结果值图；

图5示出了本申请实施例提供的一种第二分量相关系数结果值图；

图6示出了本发明第二实施例提出的一种基于Landsat8影像的水域提取装置的结构框图；

图7示出了图6中白化处理模块的结构框图；

图8示出了图6中分离模块的结构框图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

从遥感影像中快速准确地获取水体信息是水体遥感广泛应用的前提，但是如果水体污染，富营养化，叶绿素含量过多，水体易被误分为其他地类；水体反射率低也不利于提取水体。发明人发现，在不考虑噪声的情况下，可以将多光谱遥感影像粗略的分为水域区域和非水域区域，结合Fast ICA盲分离方法，将多光谱遥感影像分解为互不相关的独立分量，对这些独立分量进行分析，提供一种能够表示图像结构的有效方法，计算出各独立分量与像元向量的相关系数，可以较好的提取出多光谱遥感影像中的水体。

下面将结合附图具体描述本发明的各实施例，优选地，本发明实施选取Landsat8釜溪河区域的多光谱遥感影像X为例进行说明，大小为a*a*b，将X转换为二维并转置，其大小表示为a²*b。在MATLAB2016a平台上，使用FastICA盲分离方法分离校正后的影像，观测信号为多光谱影像，波段数表示为n，分量数设为2，表示影像中除了水体，其他均为一类地物。

第一实施例

请参阅图1，为本发明第一实施例提供的一种基于Landsat8影像的水域提取方法的流程图，本实施例提供一种基于Landsat8影像的水域提取方法，所述方法包括：

步骤S110：获取包括水域的多光谱遥感影像，对所述多光谱遥感影像进行预处理。

在获取初始多光谱遥感影像后，首先要去除所述多光谱遥感影像的全色影像，并且保留8个波段。对于同一份遥感数据来说全色影像空间分辨率要高，但只获取单波段，在图像上显示是灰度图片，无法显示地物色彩；而多光谱影像是传感器对地物辐射中多个单波段的摄取得到的包含多个波段的光谱信息的影像，可以对各个不同的波段分别赋予RGB颜色得到真彩色影像，所述真彩色影像请参阅图2。

对所述去除全色影像保留8个波段的多光谱遥感影像进行FLAASH大气校正，消除大气和光照等因素对地物反射的影响，获取地物反射率、辐射率、地表温度等真实物理模型参数，用于消除大气中水蒸气、氧气、二氧化碳、甲烷和臭氧等对地物反射的影响，消除大气分子和气溶胶散射的影响，得到所述预处理后的多光谱遥感影像。

步骤S120：对预处理后的所述多光谱遥感影像进行白化处理，得到观测信号向量。

对预处理后的所述多光谱遥感影像进行白化处理之前要对预处理后的所述多光谱遥感影像进行中心化处理，去除均值，实际情况下很难满足均值为零，因此需要人工去处理，也就是将实测到的多光谱遥感影像图像信号进行去均值的操作。假定x'为实际采集到的观测图像信号变量，对所述图像信号变量可以通过下式进行去均值的操作：

x＝x'-E{x'}

式中，E{x'}表示采集到的观测图像信号变量的均值向量，x表示源图像信号变量。

观测图像信号变量去均值后，源图像信号变量转变成了零均值信号变量，因为：

E{s}＝A^-1E{x}

式中，A^-1表示观测图像信号变量的混合矩阵。

其中，所述中心化处理可以有效降低计算的复杂度，并且所述中心化处理不会改变混合矩阵，也不会影响ICA模型的评估。通过所述中心化处理后的观测图像信号变量估计出源图像信号变量和混合矩阵之后，我们可以将估计出的源图像信号变量补加上减掉的均值。

再对所述去除均值的多光谱遥感影像进行白化处理，得到观测信号向量。对于一个零均值的随机变量y而言，白化处理指的是通过特定的方法将该变量转换成为各个分量不相关并且等方差的特殊变量。白化处理过的零均值变量满足的特性为所述白化处理过的零均值变量的协方差矩阵是单位矩阵：

E{yy^T}＝I

其中，作为一种方式，观测图像信号变量的白化过程可以通过一个矩阵v的线性变换实现，由此得到的向量z可以表示为：

z＝Vx

其中，作为一种方式，我们可以通过对协方差矩阵进行特征值分解，实现所述白化过程：

E{xx^T}＝EDE^T

式中，E表示E{xx^T}特征向量的正交阵，D表示特征值组成的对角阵D＝diag(d₁,...,d_n)。

其中，作为一种方式，用于实现所述白化处理过程的白化矩阵可以表示为：

V＝ED^-1/2E^T

式中，D^-1/2＝diag(d₁ ^-1/2,...,d_n ^-1/2)。

步骤S130：采用FastICA盲分离方法对所述观测信号向量进行分离，得到第一分量和第二分量。

请参阅图3，作为一种实施方式，步骤S130可以包括：

步骤S131：设定观测信号向量的独立分量数n。

本实施方式采用使用负熵的FastICA分离方法，负熵概念定义为:

N(x)＝H(y_gauss)-H(y)

式中，y_gauss表示与y有相同协方差矩阵的一个高斯随机向量。经典的负熵的近似为:

其中，上式的近似含有峭度值，可以用推广的高阶累积量的近似方法，使用一般形式的非二次函数的期望来进行负熵的近似:

N_g(Y)≈{E[G(Y)]-E[G(V)]}²

上式中，V表示零均值单位方差的高斯变量，E[.]为数学期望，G(.)为非二次函数，此处非二次函数选取:可以得到更好的负熵近似。

步骤S132：初始化分离矩阵W。

FastICA算法的核心就是找一个方向使W^Tx(y＝W^Tx)具有最大的非高斯性。其中，非高斯性用W^Tx负熵的近似值N_g(W^Tx)来度量，W^Tx的方差约束为1，对于白化处理后的数据而言，所述约束等同于约束W的范数为1。

进一步的，V是零均值、单位方差的高斯变量，白化处理后可将V省略，W^Tx的近似负熵的极大值可以通过求取E{G(W^Tx)}的极值点来获得。根据Kuhn-Tucker条件，在E{(W^Tx)²}＝||W||²＝1的约束条件下，E{G(W^Tx)}的最优值能在满足式1的点上获得。

E{xg(W^Tx)}+βW＝0 式1

式中，函数g表示负熵近似简化式中非线性函数G的导数；β是一个恒定值，β＝E{W₀ ^Txg(W₀ ^Tx)},W₀是优化后的W值。

步骤S133：迭代计算，得到分离矩阵W。

接下来利用牛顿迭代法解式1，用F表示所述式1左边的部分公式，可得F的雅可比矩阵如下:

JF(W)＝E{xx^Tg'(W^Tx)}-βI

其中，为了简化矩阵的求逆，需要对所述式1中的第一项做近似。因为数据经过白化E{xx^T}＝I处理,可以近似表示为：

E{xx^Tg'(W^Tx)}≈E{xx^T}E{g'(W^Tx)}＝E{g'(W^Tx)}I

进一步的，雅可比矩阵变成了对角阵，可以简化地求逆。得到的近似牛顿迭代算法表示为:

对上式两边同乘β+E{g'(W^Tx)}，经过化简进一步可得FastICA算法的迭代公式表示为:

W＝E{xg(W^Tx)}-E{g'(W^Tx)}W

其中，在每次迭代之后都要将W进行奇异值分解,将分解后的包含奇异值的对角阵S归一化，并使用如下公式求得分离矩阵W:

W＝U*diag(1/diag(S))*U^T*W

步骤S134：得到独立分量W*x。

迭代计算结束后使用公式W*x得到独立分量，大小表示为n*b。

步骤S140：计算所述第一分量与像元向量的相关系数，计算公式如下：

式中，x表示第n分量，y表示像元向量，CC1值为相关系数值。

步骤S150：计算所述第二分量与像元向量的相关系数，计算公式如下：

式中，x表示第n分量，y表示像元向量，CC2值为相关系数值。

步骤S160：判断所得所述相关系数值是否高于第一阈值且低于第二阈值。

其中，本发明实施例中，所述第一阈值高于所述第二阈值，第一阈值可以设定为0.9，第二阈值可以设定为0.2。其中，当同一区域在所述第一相关系数值图中的相关系数值高于0.9且在所述第二相关系数值图中的相关系数值低于0.2，则该区域判定为水域。

步骤S170：提取出所得所述水域区域。

将所述判定为水域的区域提取出来，得到目标水体。本发明实施例的第一分量对水体的提取结果请参阅图4，第二分量对水体的提取结果请参阅图5。其中，对应于同一区域，第一分量图中的相关系数值高于0.9的区域为水体，第二分量图中的相关系数值低于0.2的区域为水体。

本实施例在对原始多光谱遥感影像进行地物区域划分时，忽略了包括但不限于噪声、多源信号对多光谱遥感影像的影响，粗略的将多光谱遥感影像分为水域和非水域区域，结合基于峭度的FastICA算法，较好的表现出水体图像结构，降低污染水体的误判，提高了水体的提取效果。

第二实施例

请参阅图6，为本发明第二实施例提供的一种基于Landsat8影像的水域提取装置的结构框图，本实施例提供一种基于Landsat8影像的水域提取装置200，所述装置200包括：数据预处理模块210、白化处理模块220、分离模块230、相关系数计算模块240、判断模块250以及结果提取模块260。

数据预处理模块210，用于获取包括水域的多光谱遥感影像，并对所述多光谱遥感影像进行预处理。进一步的，用于去除所述多光谱遥感影像的全色影像，并且保留8个波段，进一步的，再对所述去除全色影像的多光谱遥感影像进行FLAASH大气校正，消除大气和光照等因素对地物反射的影响。

白化处理模块220，用于对所述预处理后的多光谱遥感影像进行中心化去均值处理以及白化处理。

请参阅图7，作为一种实施方式，白化处理模块220可以包括：

中心化处理单元221，用于对预处理后所述多光谱遥感影像进行中心化处理，去除均值，实际情况下很难满足均值为零，因此需要人工去处理，也就是将实测到的多光谱遥感影像图像信号进行去均值的操作。

白化处理单元222，用于将所述多光谱遥感影像转换成为各个分量不相关并且等方差的特殊变量，去除所述多光谱遥感影像之间的相关性，得到观测信号向量。

分离模块230，用于对所述观测信号向量进行分离，分离出观测信号向量各独立分量，所述独立分量包括第一分量和第二分量。

请参阅图8，作为一种实施方式，分离模块230可以包括：

向量设定单元231，用于设定所述观测信号向量的独立分量数n。

初始化单元232，用于初始化分离矩阵W。

迭代计算单元233，用于进行迭代计算，得到分离矩阵W。

结果提取单元234，用于得到独立分量W*x。

相关系数计算模块240，用于计算所述第一分量与像元向量的相关系数，计算所述第二分量与像元向量的相关系数，计算公式如下：

式中，x表示第n分量，y表示像元向量，CC值为相关系数值。

判断模块250，用于对所得所述相关系数值是否高于第一阈值且低于第二阈值行判断，特别的，本发明中第一阈值设定为0.9，第二阈值设定为0.2。

结果提取模块260，用于对所得所述水域区域进行提取，得到目标水体。

综上所述，本发明提供的基于Landsat8影像的水域提取方法、装置，应用FastICA盲分离方法先将图像分解为互不相关的分量，然后对所述分量进行分析，这样就提供了一种能够表示图像结构的有效方法，能较好的分离出多光谱遥感影像中的水域分量和非水域分量，降低污染水体误判，能够有效的提高水体提取效果。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。

流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不驱使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种基于Landsat8影像的水域提取方法，其特征在于，所述方法包括：

获取包括水域的多光谱遥感影像，对所述多光谱遥感影像进行预处理；

对预处理后的所述多光谱遥感影像进行白化处理，得到观测信号向量；

采用FastICA盲分离方法对所述观测信号向量进行分离，分离出观测信号向量各独立分量，所述独立分量包括第一分量和第二分量；

计算所述第一分量与像元向量的相关系数，获得第一相关系数值图，计算所述第二分量与像元向量的相关系数，获得第二相关系数值图，其中，当同一区域在所述第一相关系数值图中的相关系数值高于第一阈值且在所述第二相关系数值图中的相关系数值低于第二阈值，则该区域为水域，其中，所述第一阈值高于所述第二阈值。

2.根据权利要求1所述的方法，其特征在于，所述对所述多光谱遥感影像进行预处理的步骤，包括：

去除所述多光谱遥感影像的全色影像，并且保留8个波段，对所述去除全色影像保留8个波段的多光谱遥感影像进行FLAASH大气校正，得到所述预处理后的多光谱遥感影像。

3.根据权利要求2所述的方法，其特征在于，所述对预处理后的所述多光谱遥感影像进行白化处理，包括：

对预处理后的所述多光谱遥感影像进行中心化处理，去除均值；

再对所述去除均值的多光谱遥感影像进行白化处理，得到观测信号向量。

4.根据权利要求1至3任意一项所述的方法，其特征在于，所述采用FastICA盲分离方法对所述观测信号向量进行分离，分离出观测信号向量各独立分量，包括：

设定观测信号向量的独立分量数为n；

初始化分离矩阵W，满足大小为n*a²；

迭代计算，采用公式W＝E{xg(W^Tx)}-E{g'(W^Tx)}W，得到分离矩阵W；

得到独立分量W*x，大小为n*b。

5.根据权利要求4所述的方法，其特征在于，计算分离得到的所述观测信号向量各独立分量与像元向量的相关系数，采用如下公式：

其中，CC为所述相关系数。

6.根据权利要求1所述的方法，其特征在于，所述第一阈值为0.9，所述第二阈值为0.2。

7.一种基于Landsat8影像的水域提取装置，其特征在于，所述装置包括：

数据预处理模块，用于获取包括水域的多光谱遥感影像，并对所述多光谱遥感影像进行预处理；

白化处理模块，用于对所述预处理后的所述多光谱遥感影像进行白化处理，得到观测信号向量；

分离模块，用于对所述观测信号向量进行分离，分离出观测信号向量各独立分量，所述独立分量包括第一分量和第二分量；

相关系数计算模块，用于计算所述第一分量与像元向量的相关系数，获得第一相关系数值图，计算所述第二分量与像元向量的相关系数，获得第二相关系数值图，其中，当同一区域在所述第一相关系数值图中的相关系数值高于第一阈值且在所述第二相关系数值图中的相关系数值低于第二阈值，则该区域为水域，其中，所述第一阈值高于所述第二阈值。

8.根据权利要求7所述的水域提取装置，其特征在于，所述数据预处理模块具体用于：

去除所述多光谱遥感影像的全色影像，并且保留8个波段，对所述去除全色影像保留8个波段的多光谱遥感影像进行FLAASH大气校正，得到所述预处理后的多光谱遥感影像。

9.根据权利要求8所述的水域提取装置，其特征在于，所述白化处理模块包括：

中心化处理单元，用于对所述预处理后的多光谱遥感影像进行中心化处理，去除均值；

白化处理单元，用于对所述去除均值的多光谱遥感影像进行白化处理，得到观测信号向量。

10.根据权利要求7至9任意一项所述的水域提取装置，其特征在于，所述分离模块包括：

向量设定单元，用于设定观测信号向量的独立分量数为n；

初始化单元，用于分离矩阵W，其中，W满足大小为n*a²；

迭代计算单元，采用公式W＝E{xg(W^Tx)}-E{g'(W^Tx)}W，用于得到分离矩阵W；

结果提取单元，用于提取得到的独立分量W*x，大小为n*b。