水库水体面积提取方法

遥感影像的水库水体信息提取对水库面积变化监测有很大的帮助,因此,提出一种基于遗传算法和改进Otsu算法的水体提取方法。对处理后的遥感影像使用NDWI (normalized difference water index)水体指数法进行初始的水体提取,由于传统的Otsu算法对直方图呈现双峰分布的图像提取效果不佳,利用遗传算法对最大类间方差公式进行双阈值计算,引入滑动窗口对图像进行阈值判断;使用自适应阈值算法进行局部阈值分割。通过对石梁河水库和小塔山水库的实验,表明该方法能够准确提取出水库的水体信息,误提取和漏提取现象得到了很大的改善。     

湖泊水体遥感提取方法比较研究

本文以位于我国不同地区的10个湖泊为研究区域,对波段差值模型、FAI模型以及NDWI和近红外波段模型等3种水体提取模型进行了比较,分析其在MODIS数据湖泊水体识别方面的效果。模型中的阈值分别采用大津法和迭代法计算。结果表明,波段差值模型在西部地区湖泊的应用效果较好,而NDWI和近红外波段模型在东部地区湖泊的应用效果较好,两者总体上比FAI模型更为准确地提取了湖泊水体信息。此外,大多数情况下大津法和迭代法得到的阈值是相近的。     

一种利用多时相GF-4影像的快速水体提取方法

鉴于GF-4在洪涝灾害领域的重要应用,为了更好地消除山体阴影和城区建筑对水体提取的影响,以GF-4的PMS传感器影像为数据源,针对其影像的高时相与水体在近红外波段高吸收的特点,提出了一种基于多时相影像在近红外波段变化方差的快速水体提取方法。以长江中下游地区的2个典型区域为研究对象,对比分析了该方法与NDWI阈值法的水体信息提取结果,并进行了精度评价。实验结果表明,该方法不仅能快速准确地提取水体信息,而且能很好地去除山体阴影和城区建筑的影响,对细小水体也有很好的提取能力,在2个区域的水体提取精度分别达到99.04%与99.37%,高于NDWI阈值法。该方法可以有效地提取水体信息,为GF-4水体提取提供技术支持。     

基于FY-3C MERSI影像的洱海水体提取研究

遥感技术在水体监测方面已有成熟应用,风云三号是我国自主研发卫星,时间分辨率高、覆盖范围广,能短时间内完整监测大范围水体。针对国产FY-3系列中分辨率卫星在水体信息自动化提取中的应用问题,以FY-3C MERSI影像为数据源,采用归一化差异水体指数(NDWI)结合大津算法(Otsu)进行阈值分割,提取出洱海水体边界,通过与采用相同方法的邻近时期Landsat 8 OLI影像水体提取结果的对比分析,发现二者水体边界整体拟合较好,面积误差为1.53%,FY-3C MERSI影像较为快速、准确地提取出了洱海水体。表明MERSI数据在水体信息自动化提取方面具有较高的应用价值和潜力,可用于较大面积湖泊的水体提取。     

青藏高原地区湖泊面积插补迭代自动提取

青藏高原湖泊面积变化在反映气候变化方面具有非常重要的意义。通常的阈值法提取湖泊面积由于受到冻湖、山体阴影和冰雪的影响,进行大范围提取时会存在阈值选择的不确定性和较难实现自动化提取等问题。基于归一化差异水体指数NDWI(Normalized Difference Water Index)、数字高程数据和雪盖指数NDSI(Normalized Difference Snow Index),提出了针对冻湖的湖泊面积插补迭代自动提取方法。结果表明,此方法能够实现非冻湖和冻湖阈值的自动确定,不仅可以在大范围内准确地完成湖泊面积提取,而且能减少山体阴影、冰雪的干扰。该方法相较于传统的基于水体指数的阈值法,具有更高的分类精度。     

基于Google Earth Engine的湖泊水位与水体面积关系研究

对于传统的湖泊水位-面积关系模型研究, 长时间序列遥感影像水体提取存在数据下载和处理繁琐、大量使用专业软件和人工干预多等问题, 研究过程耗时长、效率低. 基于Google Earth Engine, 对2002年至2016年长时间序列Landsat影像数据进行预处理, 利用NDWI提取东洞庭湖水体范围并计算水域面积, 结合城陵矶水文站日水位数据, 设计水位加权平均法、阈值法和单点水位法比较并确定影像对应的最优水位, 建立水位-水体面积关系曲线. 研究结果表明: (1)东洞庭湖水域范围随季节变化大, 面积在7～9月最大, 在1～3月最小; (2)利用阈值法计算最优水位的精度(R2=0.9628)优于加权平均水位法(R2=0.8322)和单点水位法(R2=0.9457); (3)五次多项式模型建立水位-面积关系曲线拟合精度最高(R2=0.9628).     

基于Sentinel-1双极化数据改进水体提取的Otsu算法

基于SAR图像的阈值分割法是水体信息有效提取的常用方法之一。针对Otsu算法对于SAR影像水体提取精度低、噪声大的问题,以C波段Sentinel-1 SAR为数据源,提出一种基于Otsu算法的SAR图像水体提取新方法。该方法首先基于双极化数据构建自然指数函数,优化原始Sentinel-1数据图像像元直方图分布,再结合Otsu算法对图像进行水体提取,最后基于DEM数据去除误提取的山体阴影。以同一天的Landsat 8光学影像作为真实水体样本进行精度评定,结果表明：在不同水体占比情况下,该方法水体提取精度均优于Otsu算法,在水体占比小于10%时综合精度提升约为20%—60%,而且噪声小、适用性强,可用于快速高效获取大范围内水体信息。     

遥感图像分割下的青藏高原湖泊提取

对于特殊的高原湖泊来说,由于受到冰雪、山体阴影的干扰,增加了精确提取的难度。针对此不足,以西藏纳木错湖区为研究对象,分别选取2003年、2009年2期TM图像,提出了一种基于归一化水体指数和图像分割技术相结合的高原湖泊提取方法,进行纳木错湖区的提取。首先,通过合适的阈值选取,利用NDWI水体指数法实现高原湖泊信息的提取;其次,采用多尺度分割和光谱差异分割的图像分割方法相结合,保证了纳木错湖泊完整且细小地物独立;最后,将水体指数法的结果与分割结果有机结合,利用投票原理提取完整的纳木错及周围湖泊。为定量评价本文提出方法,以人工目视解译方法勾勒出的纳木错湖区作为参考图像,利用像元数量误差准则分别对NDWI-图像分割法提取的湖泊和仅利用NDWI水体指数法提取的湖泊作比较。结果显示,NDWI-图像分割的提取方法获得的精度稍高。     

一种Landsat-8影像提取不透水面的新方法

针对V-H-L-S模型在提取不透水面中端元选取不足的问题,提出了一种基于Landsat-8OLI影像提取不透水面的新方法。该方法首先集成了归一化水体指数(NDWI)、归一化植被指数(NDVI)和调整型土壤调节植被指数(MSAVI);其次,通过制作水体、植被及土壤掩膜,将三者信息进行叠加;然后,运用MNF变换将原始影像信息集中至前三波段;最后,将掩膜文件与MNF变换后影像合成,选取阈值提取不透水面信息。实验结果验证了该方法可以快速有效地提取不透水面,总体精度达90.94%,Kappa系数为0.81。     

不同水体指数提取淤泥质海岸线的分析与比较

水体指数是快速、准确提取大范围区域中海岸线的有效方法。但水体指数对以淤泥质岸线提取海岸线的适用性有待检验。本文以上海市的部分淤泥质海岸为研究区,以三幅Landsat影像为数据源,采用NDWI、MNDWI、AWEInsh、AWEIsh等四种水体指数提取海岸线,使用遥感影像进行目视解译的海岸线作为参考,探究上诉四种水体指数提取海岸线的差异。结果表明:MNDWI指数提取的海岸线能得到最佳提取效果;在120 m范围内,各种水体指数的海岸线提取精度均高于50%。     

动态环境下的激光条纹中心线提取方法

线结构光三维视觉测量技术最关键的一步是提取出结构光图像中的激光条纹中心线;针对动态测量环境下激光条纹图像存在复杂背景信息、激光光强分布不均、光带各部分宽度差别大、激光条纹断裂等问题,文章研究了一种适用于动态测量环境的激光条纹中心线提取方法;首先通过图像预处理以及自适应裁剪算法提取出感兴趣区域(ROI,region of interest);其次通过改进型伽马校正(IGC,improved gamma correction)以及改进型变阈值大津阈值分割算法(IVT Ostu,improved variable threshold)分割出激光条纹区域;然后使用二维灰度重心法(TD-GBM,two-dimensional gray baryeentric method)提取激光条纹的初始中心线;最终使用二次优化算法对初始中心线进行优化,精确地提取出激光条纹中心线;实验结果表明,相比于灰度重心法、Steger法等算法,文章所提方法受背景干扰以及激光条纹质量的影响较小,能够在多种复杂情况下更精确地提取激光条纹中心线,满足准确性高、稳定性强以及实时性好的要求.     

采用高斯归一化水体指数实现遥感影像河流的精确提取

河流精确提取在水资源调查、利用、变化检测及大型水利设施建设评估等方面具有非常重要的意义.通常的河流信息提取方法受影像中云、冰雪、山体阴影、大型湖泊等的干扰较大,大范围的适用性有限.以Landsat卫星遥感数据为数据源,在归一化差异水指数(NDWI)计算的基础上,首次提出采用高斯归一化水体指数(GNDWI)提取河流水体的模型,使得指数能够更大程度上保证河流提取的连续性,并通过DEM的辅助实现了其他干扰信息的去除.通过对伊犁河试验区河流信息提取的实验结果表明,该方法除了能够实现对复杂多样的河流水体信息进行自动提取外,还可有效去除阴影等信息的混淆,并能够达到较高的河流提取精度.     

基于小波和Otsu法的二维条码图像二值化

针对光照不均或背景十分复杂的情况下,全局阈值法无法正确对二维条码图像进行二值化而局部阈值法又会出现块效应的问题,提出一种基于小波分解和大津法的条码图像二值化方法。利用小波分解获得物体表面光照的近似分布进而消除光照不均的影响,并用大津法对获得的图像二值化。该方法既可以消除光照不均的影响,又可以通过选择合适的小波函数使得物体表面光照的近似分布尽量平滑,避免了局部阈值法出现的块效应。     

水体污染时空分布遥感影像要素深度提取方法

针对现有方法影像要素提取精准度不高,易丢失细节信息,不能有效提供全面水体信息的问题,提出水体污染时空分布影像要素深度提取方法.借助ArcGIS水文分析模块生成水系图,建立逐步迭代提取流程,利用主成分变换方法对影像块实行最小化重构,提取影像的主要特征.通过NSCT变换对原始图像进行采样分解,使用卷积计算方式构建自适应池化模型,提取污染水体的纹理特征.基于数学形态学细化水体图像的主要特征与纹理特征结构,构建反演函数进行大气校正,从而完成水污染遥感影像的深度提取.实验结果证明,所提方法提取的遥感影像具有较高精度,同时包含较多细节信息,实用性强,可在水污染检测中推广应用.     

多特征融合和自适应聚合的立体匹配算法研究

针对局部立体匹配在光照失真和弱纹理区域匹配精度低的问题,提出了一种多特征融合的代价计算和自适应十字窗口聚合的立体匹配算法。引入HSV颜色空间分量,结合改进后的Census变换和梯度信息作为匹配代价计算方法,排除了视差边界异常值的影响,增强了算法对光照失真的稳健性;提出了基于梯度信息和可变颜色阈值的自适应窗口代价聚合方法,提高了在弱纹理区域的匹配精度;通过视差计算和多步骤的视差精细得到了最终的视差结果。实验结果表明,所提算法较AD-Census算法在无光照失真条件下误匹配减少了3.24%,能有效解决视差边界和弱纹理区域错误匹配的问题,对光照失真稳健性好且能有效抑制噪声干扰。     

环境减灾小卫星影像水体和湿地自动提取方法研究

本文在研究HJ星多光谱CCD相机数据地物光谱特征基础上,提出了一种基于蓝光波段的改进型归一化差异水体指数（NDWI-B）,并分别利用HJ星数据和ETM＋数据,比较分析了NDWI-B和归一化差异水体指数NDWI提取水体的效果。结果证明,应用NDWI-B除可准确提取大范围水体外,还能够提取小范围水体和湿地,为基于环境减灾小卫星数据的洪水淹没等水体分布信息快速自动提取提供了一种实用化方法。     

基于密集连接全卷积神经网络的遥感影像水体全自动提取方法

针对常规遥感水体监测方法存在的易受人为主观因素影响、泛化能力弱、效率低、自动化程度较低的问题,提出利用深度学习实现遥感影像水体信息快速自动化提取的方法。通过引入DenseNet密集连接结构(dense block)构建水体提取深度学习全卷积神经网络,弥补了一般网络存在的浅层特征丢失问题,提高了网络对遥感影像中细小水体的敏感程度,实现了更优的水体提取效果。实验结果表明,该方法水体提取结果的像元精度达到96.3%,均交并比达到91.1%,斑块漏检率为0,水体边界长度和面积精度分别达到95.8%和98.5%,均高于传统NDWI法、光谱监督分类法、决策树方法。同时,该方法表现出所对比方法不具备的高效、自动化和泛化性优势,在遥感影像水体提取上有较强的应用价值。     

结合水体指数与卷积神经网络的遥感水体提取

常用多光谱遥感水体提取少有兼顾光谱与空间信息,致使水体提取的可靠性和准确性难以保证。在利用遥感水体光谱特性的同时,融入深度学习算法,提出归一化差分水体指数(normalized difference water index,NDWI)与深度学习联合的遥感水体提取方法。该方法首先选取典型水体样本进行训练,构建深度学习卷积神经网络(convolutional neural networks,CNN)水体识别模型。其次,计算多光谱影像NDWI指数并分割成图斑,以图斑包络矩形构建初始的水体目标子区。最后,构建NDWI指数与CNN水体识别概率的联合估计模型,并以迭代运算实现最优化遥感水体提取。实验验证了该方法的高可靠性与准确性。相比常用方法,水体识别准确率高达94.19%,而错分率仅为5.04%,显著提高了水体提取精度。     

基于GF-2遥感影像的一种快速水体信息提取方法

在高分辨率遥感影像中,水体与阴影(尤其是高大建筑物阴影)、暗色地物不易区 分。针对 GF-2 遥感影像的光谱特性的大量实验研究,提出了一种新综合水体指数法(NCWI)来 增强水体区域信息;同时利用改进的 OSTU 结合鸡群算法(CSO)快速自适应地确定最佳分割阈 值,进而得到最终的水体区域。将其同归一化 NDWI、改进谱间关系法、主成分分析综合法等 常见水体信息提取方法应用于 GF-2 遥感影像水体信息提取,利用采用实地采样和人工解译的 混淆矩阵对提取的水体区域结果进行精度验证和对比分析,从而验证了其有效性和高效性。4 个实验区域的结果证明,该算法可以快速有效地提取水体信息,精确度分别达到 97.82%, 97.44%,92.13%,96.94%。     

改进Otsu与形态学相结合的水体信息提取北大核心CSCD

水体提取对于洪涝灾害评估有着重要的意义。针对传统的Otsu分割阈值会偏向方差大的一类,因此分割结果包含大量的伪水体,给后续处理增加了极大困难的问题,提出目标权重改进的Otsu和结合高程连通标定的形态学优化方法。通过实验证明,基于目标权重改进的Otsu可以有效地平衡分割阈值,计算的分割阈值更接近真实分割阈值。利用改进Otsu提取水体的初始分布图,并采用结合高程连通标定的形态学优化方法对其进行优化,得到最终的水体分布图。对实验结果分析得出,该水体提取方法可以充分发挥改进Otsu和结合高程连通标定的形态学优化方法在提取水体方面的各自优势,大大提高了水体提取的精度。利用该方法对覆盖彭泽县的影像数据进行水体提取,验证了该方法提取水体的可靠性。