一种面向对象的武功湖水体信息自动提取方法

杨启明，付青

(1.福州市勘测院，福建 福州 350108； 2.井冈山大学电子与信息工程学院，江西 吉安 343009)

1 引 言

高分一号(GF-1)卫星于2013年4月26日成功发射，是高分辨率对地观测系统国家科技重大专项的首发星，配置了2台 2 m分辨率(全色)、8 m分辨率(多光谱)相机，4台 16 m分辨率多光谱宽幅相机，地面分辨率可实现全色优于 2 m，多光谱优于 8 m[1]。GF-1是我国首次实现单卫星上高分辨率与大幅宽相结合的技术，宽视场同时还可以适应多种光谱分辨率与空间分辨率，满足各种应用需求[2]，其有效载荷技术指标如表1所示：

GF-1卫星有效载荷技术指标 表1

目前，遥感信息技术用于提取水体信息主要有两类方法：基于像元光谱统计的遥感影像提取方法和面向对象的遥感影像提取方法。基于像元光谱统计的遥感影像水体信息提取方法是通过对光谱特征的提取、数学计算等操作形成水体信息提取规则。国内外学者进行了大量研究，经典的水体自动提取方法有Mcfeeters提出的NDWI指数[3]和徐涵秋提出的MNDWI指数[4]。王晴晴等提出了比值型水体指数SRWI来进行水体分离[5]。陈文燕等将Landsat卫星遥感图像第3、4、5波段图像进行HIS变换，在HIS空间进行增强处理，再逆转换到RGB空间，利用其亮度差异特点并结合决策树方法进行水体信息提取，有效剔除了阴影噪声[6]。已有研究表明，基于像元的高分辨率遥感影像的信息提取存在明显不足，面向对象的高分辨率遥感影像分析可以克服基于像元的传统信息提取方法的缺点。Kettig较早提出了面向对象的遥感影像信息提取方法。Mallinis等在面向对象的方法中引入了纹理特征，分类精确度得到了提高[7]。李爱华等采用不同尺度进行影像分割，最后采用模糊逻辑分类算法完成了地物信息的提取，有效地避免了椒盐现象[8]。巫兆聪等在图像分割的基础上，构建出区域邻接图，并利用逐步优化迭代算法进行区域合并，取得了较好的分类效果[9]。

由于武功湖水体信息复杂，采用单纯的一种分类算法很难较好地提取水体信息。本文研究一种组合基于像元和面向对象的分类法提取武功湖水体信息。首先获取2016年12月31日武功湖GF-1卫星遥感影像，采用单波段阈值法提取水体，出现很多“错分漏分”现象。故应用NDWI分类算法，易将建筑物、陡坡和云层下的阴影错分为水体。利用归一化植被指数(NDVI)模型可以去除阴影。最后采用一种基于像元和面向对象的组合分类法，水体信息提取效果较好。

2 试验区数据

武功湖原名社上水库，位于吉安市安福县，是江西省二十四座大型水库之一，库容1.7亿立方米，水面2万亩，下辖“两库一渠”、三座电站，总装机1.5万千瓦，因坐落在江西省第一高山武功山下而得名，是武功山国家森林公园景区重要组成部分。

3 研究方法

本文采用基于像元和面向对象的组合分类方法对GF-1卫星遥感影像进行水体自动提取，面向对象方法主要包括影像的分割及解译规则集的建立。技术流程如图1所示。eCognition软件中提供多种分割算法，包括棋盘分割、四叉树分割和多尺度分割技术。多尺度分割是在指定的尺度下进行影像对象提取，从一个像素对象开始进行一个自下至上的合并技术。相邻的影像对象，只要符合定义的异质最小生长标准就合并，否则合并过程停止。eCognition软件包含了大量的解译规则函数，主要包括光谱特征、形状、纹理、层次、专题层、自定义特征、类间特征、类似度等。

图1 技术流程图

eCognition软件的提取对象是图像分割后的多边形，再结合影像的空间和光谱两方面的信息，对影像进行分类。采用eCognition软件进行信息提取，首先对高分辨率影像进行多尺度分割，形成细小影像对象；然后充分利用对象的形状、纹理、光谱等信息特征，优化选取特征空间；最后采用面向对象方法，对影像进行地物目标提取。

4 实验与结果分析

4.1 影像预处理

为了提高影像分类精度，需要对原始影像进行预处理，包括大气校正、辐射校正、正射校正和图像融合影像预处理。其中图像融合技术可以兼顾全色图像的较高的空间分辨率和多光谱图像光谱信息比较丰富的优点。ENVI软件中的融合算法有很多，典型的有HSV、Brovey、PC、CN、SFIM、Gram-Schmidt、NNDiffuse Pan Sharpening等。本文采用NNDiffuse Pan Sharpening算法进行影像融合处理，融合后的影像色彩鲜明，影像清晰效果较好，融合后的影像如图2所示：

图2 融合后的影像

4.2 影像分割

面向对象分类的基础是图像分割技术，它是整个影像信息提取的基础。多尺度分割是采取不同的分割尺度进行图像分割，进而生成一个由不同尺度数据构成的影像层次网状结构。多尺度图像分割参数是进行遥感影像信息提取的关键因素，主要通过指定图层权重值、均质因子、分割尺度这三个标准来达到最佳分割效果。

在eCognition软件中对试验区进行影像分割，把分割尺度设置为10、20、50、100，颜色因子、形状因子、光滑度、紧密度的权重分别设为0.6、0.4、0.5、0.5，分割结果如图3所示。比较分割结果，本文采取尺度因子(Scale)：20、形状因子(shape)：0.4、紧密度(Compactness)：0.5分割参数，分割效果较好。

图3多尺度分割

4.3 水体自动提取

(1)单波段阈值法

水体在GF-1卫星遥感影像中的近红外(Band 4)有很大的吸收作用，反射的近红外最少，水体谱值明显低于其他地物，因此选择近红外波段进行单波段阈值分析。经试验比较，阈值在300～350之间对水体信息的提取较为有利，提取水体效果如图4左所示，局部放大如图4右所示。故仅依据一个波段的特性并不能精确的提取水体信息。

图4 单波段阈值法提取水体结果

(2)NDWI

归一化水体指数法(NDWI)通过水体的最强与最弱反射波段进行比值运算，扩大水体与其他地类之间的差异，有效的抑制植被信息，从而突出水体信息。对试验区数据进行NDWI运算。经试验对比，NDWI=0.250为水体和非水体的分割阈值。水体提取效果如图5所示：

图5 NDWI提取水体结果 图6 组合分类提取水体结果

(3)组合分类法

组合分类法是基于像元和面向对象的组合分类方法。在阈值分类法的基础上，采用面向对象的最邻近法、决策树法进行水体信息自动提取，提取效果较好，结果如图6所示。能够区分建筑物的阴影、沟壑阴影以及浓云下的阴影，提取结果精度较高。

4.4 精度评定

随机选取水体和非水体各100个样本点，eCognition软件中有四种精度评价方法，使用error matrix based on sample方法，它是基于分割对象的精度评价方法，水体自动提取精度如表2所示：

水体提取精度评价结果 表2

5 结 语

本文以武功湖高分一号卫星影像为研究对象，使用单波段阈值法、NDWI和基于像元和面向对象的组合分类方法实现对武功湖水体信息的自动提取。结果表明，组合分类方法的总体精度在91.52%以上，Kappa系数为0.887，高于使用单波段阈值法和NDWI法，本文能够为GF-1卫星遥感影像信息提取提供一定的科学参考。

[1] 白照广. 高分一号卫星的技术特点[J]. 中国航天，2013(8)：5～9.

[2] 刘兆军.“高分一号”遥感相机填补国内高分辨对地观测空白[J]. 航天返回与遥感，2013(2)：2～2.

[3] Mcfeeters S K. The use of normalized difference water index(NDWI)in the delineation of open water features[J]. Inter-national Journal of Remote Sensing，1996，17(7)：1425～1432.

[4] 徐涵秋. 利用改进的归一化差异水体指数(MNDWI)提取水体信息的研究[J]. 遥感学报，2005，9(5)：589～595.

[5] 王晴晴，余明. 基于简单比值型水体指数(SRWI)的水体信息提取研究[J]. 福建师范大学学报·自然科学版，2014(1)：39～44.

[6] 陈文艳，秦丽梅，胡道生，等. HIS变换结合决策树识别遥感图像水体与阴影信息[J]. 广西物理，2012(4)：18～20.

[7] 李爱华. 基于遥感影像认知理解的干旱半干旱地区土地利用/覆盖自动分类方法研究[D]. 兰州：兰州大学，2008.

[8] G. Mallinis，I. Z. Gitas；A. Polychronaki and etl. Contribution of remote sensing to disaster management activities：A case study of the large fires in the Peloponnese，Greece[J]. International Journal of Remote Sensing，2008，29(16)：1366～5901.

[9] 巫兆聪，胡忠文，张谦等. 结合光谱、纹理与形状结构信息的遥感影像分割方法[J]. 测绘学报，2013，42(1)：44～50.

[10] 万建鹏，官云兰，叶素倩等. 基于综合权重水体指数的水体提取研究——以鄱阳湖为例[J]. 东华理工大学学报·自然科学版，2015，38(2)：206～211.

[11] 王庆，廖静娟. 基于SAR数据的鄱阳湖水体提取及变化监测研究[J]. 国土资源遥感，2010，22(4)：91～97.