| 基于PCA和SVM的遥感影像水体提取方法及验证 |
| |
| 引用本文： | 周婷,汪炎,邹俊,李辰,崔玉环,王笑宇,谢传流,夏萍.基于PCA和SVM的遥感影像水体提取方法及验证[J].水资源保护,2023,39(2):180-189. |
| |
| 作者姓名： | 周婷 汪炎 邹俊 李辰 崔玉环 王笑宇 谢传流 夏萍 |
| |
| 作者单位： | 安徽农业大学工学院, 安徽 合肥 230036;东华工程科技股份有限公司,安徽 合肥 230024;安徽农业大学理学院,安徽 合肥 230036 |
| |
| 基金项目： | 国家自然科学基金 (U2243228)；安徽省自然科学基金(2008085ME158,1808085ME158,2108085QE220)；安徽农业大学稳定和引进人才科研资助项目(K2141004)；工业废水及环境治理安徽省重点实验室开放基金(DHSZ202202) |
| |
| 摘 要： | 针对内陆湖泊水质及光谱特性空间差异性大、支流水系结构复杂而导致的遥感影像水体提取精度低的问题，提出了结合光谱主成分分析(PCA)及支持向量机(SVM)的PCA-SVM水体提取算法。基于GF-1卫星遥感影像，对原始影像光谱波段特征进行PCA降维，从中优选熵、方差、差异性纹理特征向量，结合原始波段及归一化差分水体指数(NDWI),构建了8维特征向量，并基于SVM算法提取湖泊水体。以巢湖洪水期与非洪水期影像为研究实例，分别采用NDWI法、传统SVM算法及PCA-SVM算法对水体进行提取，并进一步基于PCA-SVM算法对2020年汛期巢湖洪水期淹没演变过程进行反演和跟踪，定量解析特征向量组合及SVM惩罚系数C对水体提取性能的影响。结果表明：PCA-SVM算法提取的湖泊完整、支流连续，显著改善了含蓝藻水体漏提、建筑物误提等问题；洪水期和非洪水期提取结果的F1分数分别为95.08%和97.95%,虚警率分别为5.43%和1.13%,提取精度显著高于NDWI法和SVM算法。
|
| 关 键 词： | 遥感影像水体提取 归一化差分水体指数(NDWI) 支持向量机(SVM) 主成分分析(PCA) 纹理特征向量 巢湖 |
| 收稿时间： | 2022/1/13 0:00:00 |
PCA and SVM-based algorithm of water area extraction from remote sensing images and its verification |
| |
| ZHOU Ting,WANG Yan,ZOU Jun,LI Chen,CUI Yuhuan,WANG Xiaoyu,XIE Chuanliu,XIA Ping.PCA and SVM-based algorithm of water area extraction from remote sensing images and its verification[J].Water Resources Protection,2023,39(2):180-189. |
| |
| Authors: | ZHOU Ting WANG Yan ZOU Jun LI Chen CUI Yuhuan WANG Xiaoyu XIE Chuanliu XIA Ping |
| |
| Affiliation: | School of Engineering, Anhui Agricultural University, Hefei 230036, China;East China Engineering Science & Technology Co., Ltd., Hefei 230024, China;School of Science, Anhui Agricultural University, Hefei 230036, China |
| |
| Abstract: | |
| |
| Keywords: | Chaohu Lake Normalized difference water index(NDWI) Principal component analysis(PCA) Support vector machines(SVM) Texture feature vector Water area extraction from remote sensing images |
| 本文献已被 维普 等数据库收录！ |
| 点击此处可从《水资源保护》浏览原始摘要信息 |
|
点击此处可从《水资源保护》下载全文 |
|
