一種基于水體指數的亞像元級水體提取方法
【技術領域】
[0001] 本發明涉及遙感影像的水體提取技術，尤其是涉及一種基于水體指數的亞像元級 水體提取方法。
【背景技術】
[0002] 目前基于遙感影像的水體提取研宄基本上還停留在像元級基礎上，而對于大部分 遙感影像而言，很難實現遙感影像光譜分辨率和空間分辨率的雙高。同時考慮到研宄成本， 現在的大部分水體提取應用研宄主要還是基于中低分辨率的遙感影像而言，其能夠適用于 大面積水體提取的需求，但卻無法實現精細化的水體提取。以應用最為廣泛的TM遙感影 像為例，其空間分辨率為30m，如果需要提取城市地區面積僅幾百平米的池塘，以及寬度為 10~20米的細小河流時，簡單依靠像元級的水體提取則難以實現。
【發明內容】
[0003] 本發明的目的就是為了克服上述現有技術存在的缺陷而提供一種基于水體指數 的亞像元級水體提取方法，利用該方法進行水體提取，既能準確提取出影像上以像元級形 式存在的水體像元，又能提取出影像上以亞像元形式存在的細小水體信息，從而使得提取 結果更加準確。
[0004] 本發明的目的可以通過以下技術方案來實現：
[0005] 一種基于水體指數的亞像元級水體提取方法，其特征在于，包括以下步驟：
[0006] 1)水陸混合像元提取；
[0007] 2)水陸端元光譜選取；
[0008] 3)水體豐度估計。
[0009] 所述的步驟1)水陸混合像元提取具體為：
[0010] 利用水體指數MNDWI將遙感影像分為純凈水體，純凈陸地以及水陸混合像元三部 分。
[0011] 所述的水體指數MNDWI具體為：
[0013] 其中P(Green)表示地物在綠光波段上的反射率，P(MIR)表示地物在中紅外波 段上的反射率。
[0014] 所述的步驟2)具體為：
[0015] 利用遙感影像上鄰近地物相似性原理，動態選取鄰近純凈水體和鄰近最優純凈陸 地光譜作為水陸混合像元中水體端元和陸地端元的光譜。
[0016] 所述的步驟3)具體為：利用全約束線性混合像元分解的方法對水陸混合像元中 水體百分比含量進行估計。
[0017] 與現有技術相比，本發明在像元級水體指數法水體提取的基礎上，對亞像元級水 體提取方法展開探索，獲得了更高的水體提取精度。通過模擬實驗和真實影像實驗，可以看 出該方法能夠獲得亞像元級水體提取精度，且在真實影像上亞像元級的細小水體提取上， 該方法較像元級水體提取方法具有更好的提取效果。
【附圖說明】
[0018] 圖1為本發明的流程圖；
[0019] 圖2為本發明MNDWI水體指數值圖像直方圖；
[0020] 圖3為模擬影像各地物豐度及位置情況示意圖，其中（a)為不透水層豐度示意圖， (b)為植被豐度示意圖，（c)為水體豐度示意圖，（d)為模擬影像中各地物分布圖；
[0021] 圖4為基于水體指數的混合像元提取結果；
[0022] 圖5為真實實驗影像及實驗結果示意圖，其中（a)為實驗影像圖，（b)為真實水體 區域圖，（c)為MNDWI水體提取結果圖，（d)為基于亞像元級水體提取結果圖。
【具體實施方式】
[0023] 下面結合附圖和具體實施例對本發明進行詳細說明。
[0024] 實施例
[0025] 為了獲得更精確的水體提取結果，本發明以亞像元級細小水體為提取目標，以 LandsatOLI多光譜遙感影像為實驗數據，對亞像元級水體提取方法展開探索，提出了一種 新的基于水體指數的亞像元級水體提取方法，實驗結果表明，該方法能夠實現對亞像元級 細小水體的準確提取。
[0026] 如圖1所示，本方法主要有以下三步組成：
[0027] (1)水陸混合像元提取
[0028] 在對水陸混合像元進行水體百分數含量進行估計之前，首先要提取出含有水體的 混合像元。在像元級水體提取方法中，利用水體指數對遙感影像進行波段計算時，指數值影 像的直方圖統計結果往往呈現出圖2的特征，水體和陸地在水體指數值圖像直方圖統計中 會形成兩個區分度明顯的波峰，兩個波峰之間有一段過渡帶，在對像元級水體提取時，通常 選取過渡帶中心作為水體閾值進行水陸分割，實際上，水體指數的原理是根據水體和陸地 的光譜特征對水體信息進行增強，同時對陸地信息進行抑制，以此在影像上形成區分度明 顯的兩類像元。對于水體指數值圖像直方圖統計兩個峰值周圍的像元，其像元光譜特征明 顯，一般為純凈的水體或純凈陸地像元，而在兩峰之間過渡帶上的像元，由于其像元光譜特 征混淆，水體指數難以實現對其進行增強或抑制的效果，通過實驗發現，該過渡帶像元一般 為水陸混合像元。在該方法中，選擇水陸區分性能最好的水體指數MNDWI來進行水陸混合 像元的提取。
[0029] (2)水陸端元選取
[0030] 在傳統的混合像元分解中，為了獲得理想的分類結果，所選端元應當包含影像上 所有地類（Adams等，2006)。而由于影像中一般含有大量混合像元，因此光譜類型復雜多 樣。已有的端元選取算法一般要先篩選出影像中純凈像元，再根據純凈像元確定端元光譜， 算法往往較為復雜。除此之外，大部分的端元選取算法僅僅基于像元的光譜特征而忽視了 遙感影像鄰近像元之間的空間關系，因此所選端元往往不夠準確。在本發明的亞像元級水 體提取方法中，僅將地物端元分為水體端元和陸地端元兩類，且它們都由混合像元的鄰近 像元所決定。因為像元之間的空間相似性與像元間的空間距離相關，因此設定了一定尺寸 的空間窗以確定鄰近像元的范圍，通過實驗比較，當窗口尺寸設置為9X9時能夠獲得較佳 的實驗結果。
[0031] 通過上一節中的水陸混淆像元提取，遙感影像被分為了三部分：純凈水體像元、純 凈陸地像元和水陸混合像元。純凈水體像元中，水體豐度即為100 %，純凈陸地像元的水體 豐度即為0,因此經過水陸混合像元提取后，只需在水陸混合像元上進行水體豐度估計即 可。在遍歷求解每一個水陸混合像元時，需要首先求得其水體端元光譜和陸地端元光譜。其 中水體端元光譜為空間窗內所有水體像元光譜的平均值，而陸地端元光譜則是通過迭代選 擇窗內最優陸地像元光譜替代，最優陸地像元光譜即為與水體端元光譜構成混合像元分解 模型殘差最小。為防止窗內純凈陸地像元過少而使得端元選取不夠準確情況，候選陸地端 元光譜始終為81個純凈陸地像元，鄰域窗不足像元部分則用上一個域窗中的純凈陸地像 元替代。若鄰域窗內不含純凈水體像元，則水體端元光譜選用上一個鄰域窗計算所得的水 體端元光譜。
[0032] (3)水體豐度估計
[0033] 在線性混合像元分解模型中，混合像元光譜被認為是由各端元光譜根據端元在混 合像元中所占比重線性加權組合而成。在本次亞像元級水體提取研宄中，同樣將混合像元 光譜看作是由水體端元與陸地端元線性組合而成，同時需滿足兩個約束條件：（