點擊關(guān)注 關(guān)注我們吧~

遙感圖像水體信息提取的數(shù)據(jù)源主要包含合成孔徑雷達(dá)(synthetic aperture Radar,SAR)遙感數(shù)據(jù)、光學(xué)/多光譜遙感數(shù)據(jù)以及兩者融合后的數(shù)據(jù)。圖1分別展示了高分三號、Sentinel-2和Landsat8獲取的SAR和光學(xué)遙感圖像,前2種圖像的空間分辨率為10 m,Landsat8為30 m。

對比4個場景中水體區(qū)域可以看出,水體在不同傳感器成像情況下具有較大的顏色、紋理、幾何等表征差異。受水體區(qū)域雷達(dá)波的平面散射影響,閾值法能夠快速地從SAR圖像中提取水體區(qū)域。對于光學(xué)/多光譜遙感圖像,水體提取則較多使用閾值和光譜指數(shù)法、面向?qū)ο蠓ê蜋C(jī)器學(xué)習(xí)分類法等。

1)閾值和光譜指數(shù)法。

該類方法具有計算簡單、快速的優(yōu)點,是中低空間分辨率遙感圖像水體提取的常用方法,曾玲方等和Cao等利用SAR圖像強(qiáng)度圖的局部直方圖單、雙峰值分布進(jìn)行水體分割閾值確定,實驗證明雙峰法能夠抑制SAR圖像相干斑噪聲對閾值估計及水體提取結(jié)果的影響。此外,閾值法多在后處理階段使用形態(tài)學(xué)處理、Markov分割等方法對初步提取結(jié)果進(jìn)行優(yōu)化。

在多光譜遙感圖像水體提取研究中,研究人員通過分析水體與其他各類地物的光譜曲線特征規(guī)律,建立歸一化水體指數(shù)(normalized difference water index,NDWI)模型,采用閾值分割的方法從水體指數(shù)產(chǎn)品中提取地表水體。為解決NDWI易受云層、山體和建筑物陰影影響的問題,往往還需要結(jié)合專家經(jīng)驗來選擇合適的波段以及后處理手段對分割結(jié)果進(jìn)行優(yōu)化。由此可見,分割閾值的估計易受地理環(huán)境、季節(jié)以及水體自身特性等因素變化影響,難以穩(wěn)定地在不同區(qū)域?qū)崿F(xiàn)自動、有效地水體信息提取。

2)面向?qū)ο蠓ā?/span>

通常水體在光譜圖像局部區(qū)域具有相似的紋理和光譜特征,以水體對象內(nèi)部的同質(zhì)性為量化標(biāo)準(zhǔn),結(jié)合多尺度分割方法使同質(zhì)像元組成大小不同的對象,進(jìn)而實現(xiàn)更高層次的水體區(qū)域提取。但受風(fēng)浪影響水體表面的體反射能量也出現(xiàn)差異,導(dǎo)致同質(zhì)區(qū)域內(nèi)出現(xiàn)差異較大的變化。

因此,研究人員也將SAR圖像的極化分解特征、多源圖像的融合特征等進(jìn)行組合并利用閾值函數(shù)或分類器進(jìn)行分類。雖然面向?qū)ο蠓椒軌蛉〉帽乳撝捣ǜ訙?zhǔn)確的提取結(jié)果,但分割尺度會顯著影響提取的性能,因此如何自動、準(zhǔn)確地選擇最優(yōu)分割尺度仍是該類方法研究的關(guān)鍵。

3)機(jī)器學(xué)習(xí)分類法。

隨著機(jī)器學(xué)習(xí)分類算法在圖像分類、分割任務(wù)中的成熟應(yīng)用,基于非監(jiān)督的模糊C均值聚類(fuzzy C means,FCM)和監(jiān)督學(xué)習(xí)的支持向量機(jī)(support vector machine,SVM)、AdaBoost分類器方法逐漸成為大區(qū)域水體提取的首選方案之一。林順海和洪亮等結(jié)合水體指數(shù)NDWI和改進(jìn)的FCM聚類算法實現(xiàn)了城市地表水、河流的自動提取,不僅較好地保持了水體區(qū)域完整性,對復(fù)雜背景也具有更好的抑制作用。

為克服SAR圖像強(qiáng)度圖中建筑物、山體陰影導(dǎo)致水體誤分的問題,胡德勇等利用單極化SAR圖像的紋理特征,通過SVM分類器實現(xiàn)了水體和建筑用地信息的提取; Pradhan等借助ArcMap軟件獲取TerraSAR-X圖像中灰度共生矩陣(gray-level co-occurrence matrix,GLCM)紋理信息提取洪水區(qū)域,總體提取精度最高達(dá)到了83.63%。這些將SAR結(jié)合水體的紋理特征與極化特征的模式分類方法逐漸引起了關(guān)注。然而,機(jī)器學(xué)習(xí)方法提取水體需要復(fù)雜的光譜分析和特征選擇,需要依賴于豐富的先驗知識,不僅耗時且難以滿足對精度、自動化水平和應(yīng)用范圍的要求。