基于MNDWI特征空间的水体追踪识别方法研究

屈慧慧, 裴 亮, 桑学锋, 王金鑫

(1.辽宁工程技术大学 测绘与地理科学学院，辽宁 阜新 123000；2. 中国水利水电科学研究院，北京 100038)

水是人类与自然联通的纽带，一直以来，水的变化备受关注。近年来，随着遥感技术的发展，对于水的研究有了更加先进的工具和技术方法。遥感技术能够快速有效地获取地表的电磁波辐射及反射特征，具有感测范围大、信息获取速度快、时间分辨率高及更新时间快等诸多优势，已成为水体信息提取的重要手段之一[1-3]。 特征空间可以理解为由多个个体的特征维构成的多维空间,比如水体、植被、岩体、裸地等的电磁波辐射具有不同的特征，不同地物的波段及其构成的特征空间被广泛应用于模型构建研究中。王爱华学者提出的对塔里木河流域遥感波段及重构向量的特征空间分析；刘爱霞学者将改进型土壤调节植被指数、陆地表面温度、植被覆盖度等为表征荒漠化指标,并构建特征空间,利用决策树分类方法进行荒漠化动态监测等研究[4-5]。

早期的水体遥感研究主要是针对国外的遥感影像数据，比如TM、Modis数据等，近期有Landsat8、GF影像数据的水体研究方法。常用的提取方法有单波段法、谱间关系法、归一化差异水体指数(NDWI)、改进的归一化差异水体指数(MNDWI)、主成分分析综合法[6-10]，但是这些方法的研究针对单一水体比较适用，但针对有众多水体、山体或建筑阴影特征的区域，由于阴影噪声和水体特征具有相似性，开展区域水体一次性提取效果不佳。针对水体提取的研究方法有很多，比如沈占锋学者提出采用高斯归一化水体指数实现遥感影像河流的精确提取，李生生学者提出基于Landsat8-OLI数据的青海湖水体边界自动提取，骆剑承学者提出分步迭代的多光谱遥感水体信息高精度自动提取，张伟学者提出一种利用多时相GF-4影像的快速水体提取方法等等[11-14]。

本研究提出一种适用于大区域多水体一次性水体提取方法，在水体指数法的基础上，叠加一种水体追踪识别方法，根据影像源的波段特性，采取改进的归一化差异水体指数(MNDWI)+水体追踪识别的方法，更加精确快速地获取大区域湖库水体面积。

1 研究区概况

京津冀位于海河流域，被称为中国的“首都经济圈”，位于华北平原，兼跨内蒙古高原，东临渤海,总面积2.18万km2。由于经济发展的需求，该区域内有大量的人工修建水体，比如水库、景观水体等。京津冀地区水体种类繁多，包含有众多的天然湖泊水体、人工修建的大中型水库、坑塘堤坝、河道等等。

由于京津冀地区地形地貌复杂多样，水体种类、群体众多，区域范围大。普通的水体提取方法难以满足大区域的湖库水体一次性提取要求。本文针对该区域特征提出一种新的水体提取方法。

2 数据源和预处理

2.1 数据来源

研究采用2017年10—11月的landsat8-OLI影像作为数据源，landsat8共11个波段，除全色波段空间分辨率为15 m外，其他为30 m、100 m。landsat8-OLI采用推扫式设计代替原有的摆扫式，获取的图像质量更好,OLI成像仪获取的遥感图像辐射分辨率达到12 bit，图像的几何精度和数据的信噪比也更高[15]。为了能够覆盖整个地区，下载landsat8图像共21幅，覆盖整个京津冀地区。

2.2 数据预处理

以ENVI 5.3版本为处理平台，进行批量处理。首先进行辐射定标和大气校正，然后选择30 m分辨率影像与Landsat8第8波段进行融合，提高影像的分辨率为15 m，主要步骤如图1所示，处理结果如图2所示。

图1 影像预处理

图2 预处理对比图

3 研究方法

研究采用改进的归一化差异水体指数(MNDWI)+水体追踪识别的方法对研究区进行水体提取。其中，改进的归一化差异水体指数法是徐秋涵在2005年基于归一化差异水体指数方法的基础上提出[16]。

改进的归一化差异水体指数(MNDWI)+水体追踪识别提取：在水体指数法的基础上，继续水体的追踪识别排除山体阴影、云等噪声的干扰。水体追踪识别提取，在MNDWI提取后的影像中自主搜寻种子点，再基于种子点的4-邻域追踪水体区域，对区域进行标记，以分别不同区域的水体对应的湖库面积，从而实现大尺度综合一体化湖库水面提取，克服单个水体遥感反演提取的局限性，创新提出区域大尺度所有规模以上水体一次性智能化水体提取方法(规模以上水体的意义是:单个水体面积大于等于1 km2以上的区域所有水体)。主要方法流程如下：

从影像中的左上角开始扫描，假如扫描到A点(Xi，Yi) ，使用A点的光谱信息(R0，G0，B0)来判断该点是否属于水体，其R、G、B分别对应影像的近红外波段、红波段、绿波段。将扫描到符合要求的像素点当作种子点，采取4-邻域法，对种子点的周围的像素进行追踪，并对该区域进行标记，标签lable从2开始。算法选择影像的光谱信息作为特征量，来分类水体与非水体[17]。

(1)

当F为真时,表示该点为种子点。然后依次对这4个点F(Xi-1,Yi),F(Xi,Yi-1),F(Xi+1,Yi),F(Xi,Yi-1)进行判断。将种子点的邻域判断结束后,确定该点和4邻域的连通性。连通是指种子点像素值与周围某一点的像素值相等,则说明种子点与该点具有连通性。假如:

F(Xi,Yi)∩F(Xi-1,Yi)={1},

则该种子点与上一行的像素点连通。

F(Xi,Yi)∩F(Xi,Yi-1)=φ,

则该种子点与前一列的像素点并不连通。

水体追踪识别提取算法的具体步骤如下：

1)从第二行第二列的像素开始扫描，扫描到当前像素A(x，y)，如果A(x，y)=1，对其邻域进行判断。

2)在其4-邻域之内，通过条件判断其性质是否与A(x，y)相同，相同就记录下该点的坐标，并存入栈中。

3)在把A(x，y)的4个邻域判断结束后，根据栈的后进先出的原则，将栈中最后一个存入的数拿出来，重复2)中的步骤，直至栈空，一个连通区域被提出。

4)栈空后继续扫描A(x，y)的下一个像素，如果A(x，y)=1，且没有被标记，则重复2)到3)的步骤。如果被标记过，则跳过，对下一个像素进行扫描。

5)在将图像遍历一遍后，将所有的连通区域按冒泡排序法排列，根据阈值，提出水体，去除噪声。

该方法避免了不连通水域的遗失和周围噪声的干扰，历时短、精度高。

4 实验结果与分析

4.1 基于多种水体提取方法的结果比较

研究区选用京津冀区域2017年10月份landsat8卫星遥感影像(水库和湖泊水面面积在10—11月份受雨季和旱季的影响最小，面积相对其他月份比较稳定)，由于研究区域范围大，在与MNDWI、NDWI方法进行比较研究时选择以同时存在山区和城市(以北京市为例)、仅城市、仅山区3种不同选区做为对比区域，进行3种方法的对比评估。

1)归一化差异水体指数(NDWI)法:归一化差分水体指数(NDWI)是Mcfeeters在1996年提出的，基于绿波段与近红外波段的归一化比值指数。其表达式为：

(2)

其中，p(green)代表绿色波段;p(NIR)代表近红外波段。本文根据NDWI的方法提取的同时存在山区和城市(以北京市为例)、仅山区、仅城市的湖库水域面积如图3、图4、图5中(b)所示。NDWI 的计算，抑制了陆地植被等信息而突出了水体信息，但是该方法在城市建筑较多的背景区域，提取效果不佳。

2)改进的归一化差异水体指数(MNDWI)法：文献[16]对Mcfeeters提出的归一化差异水体指数(NDWI)分析的基础上,对构成该指数的波长组合进行了修改,于是提出了改进的归一化差异水体指数MNDWI(Modified NDWI)，其表达式为：

(3)

其中,p(Green) 代表绿色波段;p(MIR)代表中红外波段。本文根据MNDWI的方法提取的同时存在山区和城市(以北京市为例)、仅山区、仅城市的湖库水域面积如图3、图4、图5(c)所示。该方法一定程度上缓解了混有较多建筑物的水体识别问题，并且在消除阴影方面取得了较好的效果。但是该方法在大区域进行湖库水域的一次性提取时，山体阴影、云等噪声干扰的误差仍旧大量存在，且一次性提取效果不佳。

3)改进的归一化差异水体指数(MNDWI)+追踪识别方法：在文献[16]提出的MNDWI的基础上，进行水体的二次跟踪识别，能够很好的去掉伪水体的干扰，获取规模以上的湖库水体信息。解决了大区域一次性提取的难题，实现了在多种地貌、地形、大量山体、城市建筑等条件下的大区域湖库水体的一次性提取。该方法提取的北京市、城市、山区的湖库水体面积如图3、图4、图5(d)所示。京津冀整体区域的湖库水体面积如图6所示。

4.2 结果精度评定

采用同时期的Google earth的2 m分辨率影像作为辅助数据，共下载18幅10—11月的高精度影像，每一个典型斑块和典型区各3幅。通过多人多次目视解译获得典型斑块、典型区域的湖库面积，以此作为实际结果进行精度评定。分别选取3个典型斑块和3个典型区域进行评价。由表1典型斑块和表2典型区域提取结果可以看出，利用本文研究方法提取的湖库和区域面积的精度达到97.5%以上，验证了本文研究结果的可靠性。

图3 选取湖库水域提取对比(b、c、d中黑色为提取水体)

图4 不同提取方法针对城市的提取结果对比(注：绿色为影像水体、白色为提取水体)

图5 不同提取方法针对山区的提取结果对比(注：绿色为影像水体、白色为提取水体)

图6 京津冀整体大中型湖库水库提取结果(图中右侧黑色为提取湖库水体)

表1 典型斑块水体提取精度对比

表2 典型区域水体提取精度对比

5 结论与分析

本文以Lansat8的2017年影像为数据源。以改进归一化差异水体指数( MNDWI)基础，叠加水体追踪识别方法，进行水体的二次追踪识别。与NDWI和MNDWI的水体提取结果做比较，得出以下结论：

1)通过3种方法的实验结果对比，发现MNDWI+水体追踪识别的湖库水体效果最好，无论是小区域的北京市、山区、城市密集区，还是京津冀大区域的湖库水体一次性提取，都得到了较好的结果，有效的排除了大区域内山体阴影、裸地、城市建筑、小型坑塘等不符合条件的噪声干扰。

2)本方法针对目标水体—湖库水域等水体效果较好，但是该方法对线状河流提取，尤其是对山区细小河流、极小面积坑塘的水体提取仍达不到大区域一次性提取的效果，算法有待进一步改进，以达到细小河流、坑塘的水体提取。