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%。     

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。     

一种改进Swin Transformer网络的资源三号水体提取方法

针对传统的水体指数法和监督分类法在对卫星影像进行水体提取时经常出现错分的问题，提出一种改进Swin Transformer网络的资源三号影像水体提取方法，并对其特征金字塔的构建进行优化。其中，结合PANet算法原理快速融合特征金字塔顶层信息和底层信息，通过融合不同尺度的信息提高对水体特征提取的效果；利用Swin Transformer网络包含的滑动窗口分割和循环位移操作来减少训练时的计算复杂度。通过混淆矩阵计算得到该方法对城区、郊区和山区水体提取结果的总体精度、Kappa系数、F1-score指数，分别在90.14%～96.52%之间、0.80～0.88之间、0.81～0.87之间，证明该方法对资源三号卫星影像进行水体提取的有效性与可靠性。     

结合影像和LiDAR点云数据的水体轮廓线提取方法

从遥感影像中提取水体的传统方法在阴影处和水体浑浊处存在一定局限;机载激光雷达（LiDAR）获取点云数据时水体受阴影和浑浊的影响小,因此使用点云数据提取水体比使用影像数据更加稳健;但点云数据的分辨率低,所提取的轮廓线精度不高。为了提高水体边缘轮廓线的精确度,提出一种高分辨率影像与点云数据相结合的水体轮廓线提取方法。实验结果表明,该方法所提取的水体轮廓线定位精确、细节完好,水体提取准确率达到98.6%。     

HSL-PCA集成的GF-1影像阴影检测方法

针对目前高分影像阴影检测算法存在对半影区和中等高度建筑阴影检测精度不够及易受水体影响等问题,提出了一种基于HSL-PCA集成的GF-1影像阴影检测方法。首先,对GF-1影像的近红外波段进行分割,获得阴影初步检测结果,但初步检测结果包含道路和河漫滩等非阴影区域;其次,对RGB色彩空间进行主成分分析和HSL色彩空间变换,计算得到包含阴影和水体的信息,但不含河漫滩边缘与道路信息;最后,对两次结果进行逻辑与运算和形态学滤波处理,去除道路、河漫滩、水体等信息,得到准确的阴影信息。实验结果表明,该方法能够高效、准确地提取GF-1影像中中等高度建筑和高大地物的阴影信息。     

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。     

集成特征分量的阴影多尺度分割方法

针对高分影像阴影检测精度易受水体、深色地物和暗色植被影响等问题,结合GF-1影像自身特点,提出一种结合特征分量构建和多尺度分割面向对象的阴影检测方法。首先,对GF-1影像多光谱数据、全色数据进行正射校正和信息融合,以达到光谱与空间分辨率信息最大化利用。其次,集成特征分量(主成分第一分量PC1、亮度分量V、绿光波段G、归一化植被指数NDVI)以增强阴影信息。最后,对集成后的影像进行多尺度分割,并利用特征分量构建规则集,最终实现阴影信息提取。实验表明,该方法既能准确地检测出GF-1影像中的阴影信息,又能有效削弱水体、深色地物和暗色植被的影响。     

面向对象卷积神经网络的耕作梯田提取北大核心CSCD

针对目前高分辨率遥感影像耕作梯田提取方法普遍精度不高的问题,提出一种面向对象与卷积神经网络相结合的方法。以福建省南平市为例,构建面向对象卷积神经网络,利用高分辨率GF-2和ZY-3遥感数据进行耕作梯田精细提取,并对比分析深度学习与传统方法、不同分辨率数据源以及不同分类器对提取效果的影响。结果表明:该方法总体精度达到87.1%,Kappa系数为0.76,与采用低层次特征的随机森林分类对比,总体精度提高了10.2%;分别结合深层次特征与随机森林、XG Boost和Ada Boost分类器,总体精度差异小于2%;该方法基于GF-2影像的提取精度较ZY-3提高了4.6%。此方法可有效表征高分辨率影像梯田对象的深层图像特征,并顾及影像中梯田的边界信息,实现了梯田的精细提取。     

不同指数法在地表水体提取中的效果比较

由于遥感技术能够快速、高效地获取地表水体的时空分布特征,目前基于影像提取内陆水体的方法很多,但针对不同类型的水域,哪一种方法提取效果更好,是值得探讨的问题。以天健湖、须水河和黄河郑州段3个水域为研究对象,基于GF-2,Landsat 8,SPOT5卫星影像,采用水体、植被指数法等几种方法提取水域部分。通过分析提取效果,得出:对于水体较浅的天健湖,无论是GF-2还是Landsat 8影像,提取效果较好的方法是水体指数法,提取效果较差的均为单波段阈值法;对于相对较深的须水河,无论是GF-2还是Landsat 8影像,提取效果较好的方法是植被指数法,提取效果较差的均为单波段阈值法;对于含沙量较大、有细小水体的黄河水域,提取效果相对较好的是水体指数法,较差的是单波段阈值法和植被指数法。表明:在基于影像提取水体时,首先应弄清水域的情况,以采用相应的遥感指数。     

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.     

基于指数构建的高分辨率城市水体提取新方法

针对高分辨率遥感影像水体指数适用性差异的问题,提出了一种水体指数CEWI和一种阴影指数MSRM,并综合2种指数构建了自动化城市水体提取模型NMEM。以国产资源三号卫星遥感数据为信息源,在对比分析各地类要素光谱信息的情况下,采用面向对象分割和特异性指数构建的方法,以北京、武汉、广州3市部分区域作为实验对象进行水体提取实验。通过与常用水体指数NDWI、高分辨率水体指数HRWI阈值提取以及依据光谱特性、几何特性等的随机树监督分类方法进行比较,实验结果表明,在各研究区内NMEM模型的水体提取效果最佳,用户精度均在91%以上,制图精度均在93%以上,Kappa系数均在0.98以上。该方法在准确提取水体的同时有效排除了大量黑暗阴影的干扰,基本消除了椒盐噪声。     

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。     

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%。     

一种基于投票法融合的ASTER遥感影像水体提取方法

遥感影像在水资源调查和洪涝灾害监测中发挥着重要作用,但从遥感影像中提取水体通常面临着阴影和狭小水体漏提等难题。针对单一方法在水体提取中的局限性,引入分类器集成的思想,提出一种基于投票法融合的水体提取方法,首先利用Bagging、Random Forests和神经网络(NN)分类器对遥感影像进行分类,然后采用多数投票法从决策层融合3个分类结果,得到研究区水体提取结果。试验结果表明,该方法能够有效去除阴影且能较好地识别狭小水体,具有良好的应用效果。     

基于客观阈值与随机森林Gini指标的水体遥感指数对比

利用福建福州、西藏尼玛和澳大利亚弗伦奇3地代表不同水体类型的Sentinel-2A MSI和Landsat-8 OLI数据,采用客观阈值法（0阈值）和随机森林重要性评估法,比较和分析了改进型归一化差值水体指数（Modified Normalized Difference Water Index, MNDWI）、自动水体提取指数（Automated Water Extraction Index, AWEI）和水体指数2015 （Water Index 2015, WI2015） 这3种世界常用的水体指数之间的差异。从水体增强的效果来看,MNDWI增强的水体不仅具有丰富的信息还具有鲜明的对比度,AWEI和WI2015增强的水体信息的对比度相对偏弱。精度验证表明：3种指数提取的水体精度都较高,但MNDWI在3个地区的平均总精度略高于WI2015和AWEI,3者的平均总精度分别为91.83 %、91.16 %和90.07 %。在提取细小水体方面,MNDWI的能力强于其他2种指数,在阴影较为明显的高原山地区域,MNDWI提取水体的效果优于AWEI和WI2015。进一步采用随机森林的Gini指标进行的重要性评估表明,MNDWI在区分水体和非水体的分类中表现出了很强的重要性,尤其在Sentinel-2A MSI数据中表现得更为突出,而WI2015和AWEI的重要性则相对较弱。     

基于SPOT-5多光谱影像的矿区塌塘水体提取方法研究

针对基于遥感影像的水体提取方法存在水体提取不完整和误提的现象,提出了一种基于SPOT-5多光谱影像的矿区塌塘水体提取方法。在利用波段合成增加一个可用波段的基础上对已有的水体提取方法进行适当的改进,并基于决策树分类器和改进后的方法进行矿区水体的四级提取,保证了水体提取的完整性,同时减少了误提率;最后利用实测数据对水体提取的精度进行了评定。试验结果表明,基于决策树分类器的水体提取方法具有较高的精度,能满足矿区实际应用的需要。     

一种结合坡度信息调节的水体指数

在分析水体和山区背景地物反射与地形坡度特性的基础上,提出了一种坡度调节水体指数(slope adjusted water index,SAWI)。针对水体与阴影在短波红外的反射率都很低的问题,通过坡度信息对位于不同地形条件下地物的短波红外波段进行不同程度的拉伸,使得水体与山区阴影得到区分。试验利用SAWI提取了OLI(operational land imager)影像位于不同地形条件下的水体信息。结果表明,在山区起伏区域,SAWI比改进的归一化差异水体指数(modified NDWI,MNDWI)能够更有效地抑制阴影效应;在平坦区域,SAWI比归一化差异水体指数(normalized difference water index,NDWI),具有更高的水体信息敏感性,从而有利于细小水体的提取。这表明在山区的复杂地形条件下,SAWI是一种可选的水体指数提取方法。     

基于知识决策树的城市水体提取方法研究

针对城市水体与建筑物阴影、沥青路面和浓密植被等暗地物的光谱混淆性,构建了结合光谱特征和空间特征的城市水体提取知识决策树.其基本思路为:首先利用短波红外波段提取暗地物,其次分别利用浓密植被在近红外波段和沥青路面在红波段中的反射率剔除这两类暗地物,再次利用空间密度特征剔除建筑物阴影,最后根据面积对水体进行补充识别.与现有方法相比,本方法提出了城市水体提取中需关注的暗地物类型并开展针对性特征分析,并利用由噪声环境下密度聚类方法(DBSCAN)描述的空间密度特征区分城市水体和建筑物阴影.对北京城区SPOT 5多光谱影像开展的实验得到的检测率为86.18％,虚警率为13.82％,表明本方法是基于中分辨率多光谱影像提取城市水体的有效方法.     

山地高原地区TM影像水体信息提取方法比较-以香格里拉县部分地区为例

采用遥感数据对地物进行识别是获取地物信息的一种重要手段。在云南省香格里拉县湿地研究中,以Land-sat ETM+影像作数据源,分别采用了阈值法、差值法和阈值法的结合运用、多波段谱间关系法和阈值法的结合运用3种方法对湿地进行识别。结果表明:采用阈值法难以将灰度值接近的山体阴影和水体区分开来,差值法和阈值法的结合、多波段谱间关系法和阈值法的结合运用提取到的水体信息精度较高,多波段谱间关系法对于消除阴影的效果最好。     

基于ETM+图像和决策树的水体信息提取——以鄱阳湖周边区域为例

基于2000年1月27日的Landsat ETM+图像,比较并分析了鄱阳湖周边区域约1421km2范围内9种典型水体提取算法的提取结果。针对单一提取算法容易产生混淆地物的问题,根据图像的缨帽变换和新的波段组合DW=EWI×(b2+b3)/(b4+b5)构建了决策树水体提取模型。其中,使用缨帽变换中的亮度分量区分冰雪和沙地,绿度分量去除林地,湿度分量增强水体信息,使用波段组合DW进一步增强水体和其他地物的差异。2000年的ETM+图像的水体提取和2003年2月20日ETM+图像的模型验证结果表明:本文的决策树模型较好将水体与河滩、冰雪、沙地、阴影和林地等地表覆盖分离开来,弥补了当前单一水体提取指数和监督分类的不足,提取的水体更为完整、准确。