留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

光学遥感影像与GIS数据一体化的水体分割、配准与提取方法

眭海刚 陈光 胡传文 宋志娜

眭海刚, 陈光, 胡传文, 宋志娜. 光学遥感影像与GIS数据一体化的水体分割、配准与提取方法[J]. 武汉大学学报 ● 信息科学版, 2016, 41(9): 1145-1150. doi: 10.13203/j.whugis20140460
引用本文: 眭海刚, 陈光, 胡传文, 宋志娜. 光学遥感影像与GIS数据一体化的水体分割、配准与提取方法[J]. 武汉大学学报 ● 信息科学版, 2016, 41(9): 1145-1150. doi: 10.13203/j.whugis20140460
SUI Haigang, CHEN Guang, HU Chuanwen, SONG Zhina. Integrated Segmentation, Registration and Extraction Method for Water-Body Using Optical Remote Sensing Images and GIS Data[J]. Geomatics and Information Science of Wuhan University, 2016, 41(9): 1145-1150. doi: 10.13203/j.whugis20140460
Citation: SUI Haigang, CHEN Guang, HU Chuanwen, SONG Zhina. Integrated Segmentation, Registration and Extraction Method for Water-Body Using Optical Remote Sensing Images and GIS Data[J]. Geomatics and Information Science of Wuhan University, 2016, 41(9): 1145-1150. doi: 10.13203/j.whugis20140460

光学遥感影像与GIS数据一体化的水体分割、配准与提取方法

doi: 10.13203/j.whugis20140460
基金项目: 

国家973计划 2012CB719906

国家863计划 2013AA122301

详细信息
    作者简介:

    眭海刚, 博士, 教授, 主要研究方向为遥感影像图像处理与信息提取, 三维GIS的理论与应用, 多传感器信息集成与应用。haigang_sui@263.net

  • 中图分类号: P237.4;P208

Integrated Segmentation, Registration and Extraction Method for Water-Body Using Optical Remote Sensing Images and GIS Data

Funds: 

The National 973 Program of China 2012CB719906

the National 863 Program of China 2013AA122301

More Information
    Author Bio:

    SUI Haigang, PhD, professor, specializes in remote sensing image processing and information extraction, 3D GIS theory and application, integration and application of multi sensors information. E-mail: haigang_sui@263.net

  • 摘要: 利用遥感影像进行自动化水体提取是一项富有挑战的任务。提出了一种GIS数据辅助下的可见光遥感影像水体自动提取方法,其核心是将影像分割、配准和变化检测集成为一体化处理流程检测水体。利用水体在遥感影像上的显著特性,首先提出了基于多尺度视觉注意模型的疑似水体区域检测;然后对影像显著区域进行水平集分割处理,通过迭代的分割和配准一体化处理不断优化直至获得最优的分割和配准结果,其中改进的形状曲线相似度特征用于约束分割结果与GIS水体对象的匹配;最后,利用基于缓冲区的变化检测方法获取变化和未变化的水体对象,同时利用已知水体辐射特征与GIS地物的空间位置关系剔除非水体对象。采用3组不同分辨率的遥感影像和不同尺度的GIS数据进行实验,结果显示了本文方法在水体自动提取和变化检测中的有效性。
  • 图  1  本文方法框架

    Figure  1.  Framework of Proposed Method

    图  2  影像与GIS数据迭代分割配准

    Figure  2.  Iterative Segmentation and Registration Between Image and GIS Data

    图  3  典型水体的二值影像及对应的形状曲线

    Figure  3.  BinaryImages and Shape Curves of Typical Water-Bodies

    图  4  实验1提取结果

    Figure  4.  Experiment on Data Set 1

    图  5  实验2提取结果

    Figure  5.  Experiment on Data Set 2

    图  6  实验3提取结果

    Figure  6.  Experiment on Data Set 3

    表  1  实验数据描述

    Table  1.   Data Description

    编号 影像 GIS数据
    来源 分辨率/m 波段
    数据1 WorldView-II
    (2010-07)
    0.5 蓝绿红 1∶10 000电
    子地图(2009)
    数据2 ALOS AVNIR-2
    (2012-07)
    10 蓝绿红 全球水体分
    布遥感监测
    数据(2010)
    数据3 Landsat TM
    (2011-10)
    15 全色 全球水体分
    布遥感监测
    数据(2010)
    下载: 导出CSV

    表  2  水体提取精度与比较结果/%

    Table  2.   Comparison of Accuracy/%

    项目 本文方法 比较方法
    漏检率 错检率 漏检率 错检率
    实验1 1.88 7.56 1.91 75.81
    实验2 5.37 7.23 8.96 38.49
    实验3 1.20 4.71 13.18 7.73
    下载: 导出CSV
  • [1] Tralli D M, Blom R G, Zlotnicki V, et al. Satellite Remote Sensing of Earthquake, Volcano, Flood, Landslide and Coastal Inundation Hazards[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2005, 59(4): 185-198 doi:  10.1016/j.isprsjprs.2005.02.002
    [2] 杨树文, 李轶鲲, 刘涛, 等.基于SPOT5影像自动提取水体的新方法[J].武汉大学学报·信息科学版, 2015, 40(3): 308-314 http://www.cnki.com.cn/Article/CJFDTOTAL-WHCH201503004.htm

    Yang Shuwen, Li Yikun, Liu Tao, et al. A New Automatic Water Body Feature Extraction Method Based on SPOT5 Images[J]. Geomatics and Information Science of Wuhan University, 2015, 40(3): 308-314 http://www.cnki.com.cn/Article/CJFDTOTAL-WHCH201503004.htm
    [3] Mcfeeters S K. The Use of The Normalized Difference Water Index (NDWI) in The Delineation of Open Water Features[J]. International Journal of Remote Sensing, 1996, 17(7): 1 425-1 432 doi:  10.1080/01431169608948714
    [4] Xu H. Modification of Normalised Difference Water Index (NDWI) to Enhance Open Water Features in Remotely Sensed Imagery[J]. International Journal of Remote Sensing, 2006, 27(14): 3 025-3 033 doi:  10.1080/01431160600589179
    [5] Subramaniam S, Suresh Babu A V, Roy P S. Automated Water Spread Mapping Using ResourceSat-1 AWiFS Data for Water Bodies Information System[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2011, 4(1): 205-215 doi:  10.1109/JSTARS.2010.2085032
    [6] 徐川, 华凤, 眭海刚, 等.多尺度水平集SAR影像水体自动分割方法[J].武汉大学学报·信息科学版, 2014, 39(1): 27-31 http://www.cnki.com.cn/Article/CJFDTOTAL-WHCH201401006.htm

    Xu Chuan, Hua Feng, Sui Haigang, et al. Automatic Water Segmentation Method in SAR Images Using Multi-scale Level Set[J]. Geomatics and Information Science of Wuhan University, 2014, 39(1): 27-31 http://www.cnki.com.cn/Article/CJFDTOTAL-WHCH201401006.htm
    [7] Liu J, Currit N, Meng X. Extraction of Water Bodies from Remotely Sensed Images[C]. International Symposium on Intelligent Signal Processing and Communication Systems, Chengdu, China, 2010
    [8] Kartikeyan B, Sarkar A, Majumder K L. A Segmentation Approach to Classification of Remote Sensing Imagery[J]. International Journal of Remote Sensing. 1998, 19(9): 1 695-1 709 doi:  10.1080/014311698215199
    [9] Mendoza M E, Bocco G, Bravo M, et al. Predicting Water-Surface Fluctuation of Continental Lakes: A RS and GIS Based Approach in Central Mexico[J]. Water Resources Management, 2006, 20(2): 291-311 doi:  10.1007/s11269-006-8199-z
    [10] 安晓亚, 孙群, 杨云, 等.一种利用主动轮廓模型和矢量数据的遥感影像面状水体提取方法[J].武汉大学学报·信息科学版, 2013, 38(10): 1 152-1 157 http://www.cnki.com.cn/Article/CJFDTOTAL-WHCH201310005.htm

    An Xiaoya, Sun Qun, Yang Yun, et al. A Method for Extracting Area Water Body from Remote Sensing Images Using Active Contour Model and Vector Data[J]. Geomatics and Information Science of Wuhan University, 2013, 38(10): 1 152-1 157 http://www.cnki.com.cn/Article/CJFDTOTAL-WHCH201310005.htm
    [11] Otsu N. A Threshold Selection Method from Gray-Level Histograms[J]. IEEE Transactions on Systems, Man and Cybernetics, 1979, 9(1): 62-66 doi:  10.1109/TSMC.1979.4310076
    [12] Itti L, Koch C, Niebur E. A Model of Saliency-Based Visual Attention for Rapid Scene Analysis[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence. 1998, 20(11): 1 254-1 259 doi:  10.1109/34.730558
    [13] Chan T F, Vese L A. Active Contours without Edges[J]. IEEE Transactions on Image Processing. 2001, 10(2): 266-277 doi:  10.1109/83.902291
    [14] Hu M. Visual Pattern Recognition by Moment Invariants[J]. IRE Transactions on Information Theory, 1962, 8(2): 179-187 doi:  10.1109/TIT.1962.1057692
    [15] Ester M, Kriegel H, S J, et al. A Density-Based Algorithm for Discovering Clusters in Large Spatial Databases with Noise[C]. Knowledge Discovery and Data Mining, Portland, Oregon, USA, 1996
  • [1] 覃星力, 杨杰, 李平湘, 赵伶俐, 孙开敏.  迁移学习用于多时相极化SAR影像的水体提取 . 武汉大学学报 ● 信息科学版, 2022, 47(7): 1093-1102. doi: 10.13203/j.whugis20200121
    [2] 眭海刚, 冯文卿, 李文卓, 孙开敏, 徐川.  多时相遥感影像变化检测方法综述 . 武汉大学学报 ● 信息科学版, 2018, 43(12): 1885-1898. doi: 10.13203/j.whugis20180251
    [3] 孙越, 王宏琦, 李峰, 王宁.  面向变化检测的遥感影像弹性配准方法 . 武汉大学学报 ● 信息科学版, 2018, 43(1): 53-59. doi: 10.13203/j.whugis20150510
    [4] 陆苗, 梅洋, 赵勇, 冷亮.  利用多尺度几何特征向量的变化检测方法 . 武汉大学学报 ● 信息科学版, 2015, 40(5): 623-627. doi: 10.13203/j.whugis20130382
    [5] 魏立飞, 钟燕飞, 张良培, 李平湘.  多波段信息融合的遥感影像变化检测 . 武汉大学学报 ● 信息科学版, 2014, 39(1): 8-11.
    [6] 佃袁勇, 方圣辉, 姚崇怀.  一种面向地理对象的遥感影像变化检测方法 . 武汉大学学报 ● 信息科学版, 2014, 39(8): 906-912. doi: 10.13203/j.whugis20130053
    [7] 马洪超, 姚春静, 邬建伟.  利用线特征进行高分辨率影像与LiDAR点云的配准 . 武汉大学学报 ● 信息科学版, 2012, 37(2): 136-140.
    [8] 钟良, 马洪超, 管海燕, 刘鹏飞.  利用安置角检校进行机载LiDAR点云数据与同步影像快速配准 . 武汉大学学报 ● 信息科学版, 2011, 36(9): 1035-1038.
    [9] 张永军, 吴磊, 林立文, 赵家平.  基于LiDAR数据和航空影像的水体自动提取 . 武汉大学学报 ● 信息科学版, 2010, 35(8): 936-940.
    [10] 申邵洪, 万幼川, 龚浩, 赖祖龙.  遥感影像变化检测自适应阈值分割的Kriging方法 . 武汉大学学报 ● 信息科学版, 2009, 34(8): 902-905.
    [11] 宋妍, 田玉刚, 贾小霞.  基于Zernike矩的多时相遥感影像匹配方法研究 . 武汉大学学报 ● 信息科学版, 2009, 34(10): 1226-1230.
    [12] 万幼川, 申邵洪, 张景雄.  基于概率统计模型的遥感影像变化检测 . 武汉大学学报 ● 信息科学版, 2008, 33(7): 669-672.
    [13] 马国锐, 眭海刚, 李平湘, 秦前清.  一种遥感影像核变化检测方法 . 武汉大学学报 ● 信息科学版, 2007, 32(7): 597-600.
    [14] 袁修孝, 宋妍.  基于边缘特征匹配的遥感影像变化检测预处理方法 . 武汉大学学报 ● 信息科学版, 2007, 32(5): 381-384.
    [15] 徐丽华, 江万寿.  顾及配准误差的遥感影像变化检测 . 武汉大学学报 ● 信息科学版, 2006, 31(8): 687-690.
    [16] 张晓东, 李德仁, 龚健雅, 秦前清.  遥感影像与GIS分析相结合的变化检测方法 . 武汉大学学报 ● 信息科学版, 2006, 31(3): 266-269.
    [17] 李全, 李霖, 赵曦.  基于Landsat TM影像的城市变化检测研究 . 武汉大学学报 ● 信息科学版, 2005, 30(4): 351-354.
    [18] 苏国中, 张剑清, 陈炳贵.  GIS知识引导的正射影像变化检测及更新 . 武汉大学学报 ● 信息科学版, 2005, 30(8): 664-667.
    [19] 李德仁.  利用遥感影像进行变化检测 . 武汉大学学报 ● 信息科学版, 2003, 28(S1): 7-12.
    [20] 张煜, 张祖勋, 张剑清.  几何约束与影像分割相结合的快速半自动房屋提取 . 武汉大学学报 ● 信息科学版, 2000, 25(3): 238-242.
  • 加载中
图(6) / 表(2)
计量
  • 文章访问数:  1478
  • HTML全文浏览量:  39
  • PDF下载量:  482
  • 被引次数: 0
出版历程
  • 收稿日期:  2015-04-13
  • 刊出日期:  2016-09-05

光学遥感影像与GIS数据一体化的水体分割、配准与提取方法

doi: 10.13203/j.whugis20140460
    基金项目:

    国家973计划 2012CB719906

    国家863计划 2013AA122301

    作者简介:

    眭海刚, 博士, 教授, 主要研究方向为遥感影像图像处理与信息提取, 三维GIS的理论与应用, 多传感器信息集成与应用。haigang_sui@263.net

  • 中图分类号: P237.4;P208

摘要: 利用遥感影像进行自动化水体提取是一项富有挑战的任务。提出了一种GIS数据辅助下的可见光遥感影像水体自动提取方法,其核心是将影像分割、配准和变化检测集成为一体化处理流程检测水体。利用水体在遥感影像上的显著特性,首先提出了基于多尺度视觉注意模型的疑似水体区域检测;然后对影像显著区域进行水平集分割处理,通过迭代的分割和配准一体化处理不断优化直至获得最优的分割和配准结果,其中改进的形状曲线相似度特征用于约束分割结果与GIS水体对象的匹配;最后,利用基于缓冲区的变化检测方法获取变化和未变化的水体对象,同时利用已知水体辐射特征与GIS地物的空间位置关系剔除非水体对象。采用3组不同分辨率的遥感影像和不同尺度的GIS数据进行实验,结果显示了本文方法在水体自动提取和变化检测中的有效性。

English Abstract

眭海刚, 陈光, 胡传文, 宋志娜. 光学遥感影像与GIS数据一体化的水体分割、配准与提取方法[J]. 武汉大学学报 ● 信息科学版, 2016, 41(9): 1145-1150. doi: 10.13203/j.whugis20140460
引用本文: 眭海刚, 陈光, 胡传文, 宋志娜. 光学遥感影像与GIS数据一体化的水体分割、配准与提取方法[J]. 武汉大学学报 ● 信息科学版, 2016, 41(9): 1145-1150. doi: 10.13203/j.whugis20140460
SUI Haigang, CHEN Guang, HU Chuanwen, SONG Zhina. Integrated Segmentation, Registration and Extraction Method for Water-Body Using Optical Remote Sensing Images and GIS Data[J]. Geomatics and Information Science of Wuhan University, 2016, 41(9): 1145-1150. doi: 10.13203/j.whugis20140460
Citation: SUI Haigang, CHEN Guang, HU Chuanwen, SONG Zhina. Integrated Segmentation, Registration and Extraction Method for Water-Body Using Optical Remote Sensing Images and GIS Data[J]. Geomatics and Information Science of Wuhan University, 2016, 41(9): 1145-1150. doi: 10.13203/j.whugis20140460
  • 水体分布信息的准确获取对于灾害评估、地理信息更新、环境监测等具有重要意义。由于遥感具有时效性、经济性等特点,使之成为提取水体最广泛、最有效的手段之一,特别是其能够大面积同步观测,获取的数据连续且具有可比性[1]

    遥感地物解译的困难在于同谱异物和同物异谱现象普遍。水体作为一类复杂的地物很难于进行自动化的提取和变化检测。在过去的研究中,学者们提出了很多基于多光谱数据的水体提取方法[2],如归一化水体指数(normalized difference water index, NDWI)[3]、改进的归一化水体指数[4]以及基于知识推理的方法[5]等,利用水体在近红外和中红外波段表现出的区别于其他地物的特征来进行水体特征增强和水体提取。还有很多研究是关于SAR影像水体的提取的[6]。但是,在很多实际应用中只能使用可见光影像作为主要的数据源。传统的基于可见光影像的水体提取方法主要为分类[7]和分割[8]方法。然而,监督分类方法对样本的选取有很大的依赖,非监督分类方法常会基于不恰当的聚类中心而生成无意义的对象。对于分割方法,在处理不同数据时需要人工调整模型参数以适应场景中的地物特征。基于GIS的水体提取方法在很多文章中被提及[9-10],但是对应的处理过程都是基于人机交互的。

    根据以上分析,本文提出了一种自动的水体提取方法。考虑到水体具有显著的宏观轮廓特征,旧时相的GIS数据可以作为语义信息加入到水体提取处理中来改善水体提取结果,本文方法将影像分割、配准和变化检测集成为统一的处理流程。一方面,迭代的分割与配准策略用于实现影像和GIS数据的自动配准,其中,水平集方法用于分割提取水体对象,改进的形状曲线相似度特征用于约束分割对象与GIS水体对象的匹配。另一方面,基于缓冲区的变化检测方法用于确定分割结果的水体身份,在水体提取的同时获取了水体变化检测结果。

    • 图 1展示了本文方法的框架,利用水体对象在影像上的显著性,首先,采用视觉注意模型定位影像中的特征显著区域,即疑似水体区域,利用OTSU阈值分割方法[11]在显著区域执行初始分割;然后利用水平集方法优化分割结果,同时根据分割对象与GIS水体对象的形状相似度约束进行匹配,如果匹配失败,则返回到水平集分割阶段,利用上一次分割结果初始化水平集模型并执行进一步的分割,直到影像与GIS数据成功配准;最后,对分割结果与GIS数据执行基于缓冲区的变化检测,同时确定分割对象的水体身份,剔除非水体对象。

      图  1  本文方法框架

      Figure 1.  Framework of Proposed Method

    • 通过影像分割处理得到准确且有意义的地物对象对于异源数据配准和变化检测意义重大,然而基于固定参数的单次分割结果总是存在过分割或者欠分割问题,导致对象提取不精确。针对这个问题,本文提出了一种基于显著特征的局部迭代分割提取策略。

      首先,采用基于显著特征的多尺度视觉注意模型[12]检测影像中的显著区域(见图 2(a)~2(c))。然后,对显著区域对应的子影像分别执行基于OTSU的阈值分割(见图 2(d))。由于子影像中目标地物光谱特征占主体,分割结果能够反映对象的粗略轮廓。但受噪声和初始阈值设定影响,分割结果较为破碎,为获取精确的对象轮廓,需要进行进一步的优化。水平集分割方法对噪声不敏感,并且能够很好地顾及分割对象的拓扑结构和尺度特征,并保证边界的光滑[13]。初始轮廓的设定对水平集分割结果和效率有很大影响。本文将阈值分割结果中小于阈值的对象作为水平集分割方法的初始轮廓,并初始化水平集模型,分割结果如图 2(e)2(f)所示。

      图  2  影像与GIS数据迭代分割配准

      Figure 2.  Iterative Segmentation and Registration Between Image and GIS Data

      最优的分割结果应该包含更多与GIS数据对应的水体对象,并且同名对象应该具有相对较好的几何相似度。为了检验分割效果,对分割结果与GIS水体对象进行匹配。如果匹配失败,处理将返回到水平集分割阶段,利用当前分割结果初始化水平集模型,并开始新一轮的分割与配准,直到配准成功。配准成功后,为保证水体提取结果的准确性,分别利用GIS数据中的水体对象初始化水平集模型,并进行局部演化,得到最终分割结果。

      当迭代超过设定次数,分割模型将陷入局部最优,更多的迭代处理对成功配准将没有帮助。此时,处理将返回到显著对象检测阶段,在不同尺度下检测显著对象以减少水体对象漏检,从而提高后续匹配的成功率。

    • 由于影像和GIS数据来源不同,空间参考和位置均存在较大差异,在进一步应用之前需要进行配准处理,而对象匹配的精度是成功配准的基础。现有矢量要素匹配方法多是基于几何相似度的匹配,然而此类方法要求几何相似度特征具备可靠性和稳定性,另外,GIS数据的制图综合过程导致对象细节特征缺失,严格依赖几何相似度可能导致误匹配。综合以上因素,本文设计了形状相似度约束下的水体对象匹配流程,并提出了改进的形状曲线相似度特征。

      匹配流程如下:(1)考虑到面积较大的对象具有相对显著的形状特征,首先从GIS数据中选取面积最大的3个对象作为基准,分别计算其与分割对象之间的形状相似度;(2)取对应的相似度最大的对象与GIS对象构成初始同名对象集合;(3)将匹配对象质心作为控制点,解算几何变换多项式模型;(4)利用变换模型将GIS对象质心位置映射到影像坐标空间,并在邻域范围内寻找匹配的分割对象,统计匹配对象之间质心位置的均方根误差(root mean squared error, RMSE)。若RMSE超过阈值,则认为步骤(2)中选择的相似对象并非同名对象;需要按照相似度顺序依次选择次相似对象与GIS对象匹配并重复上述匹配流程。对于次相似对象,若其相似度与最大相似度的比值超过阈值,则认为该对象是有效对象,否则终止此次相似对象的遍历。当遍历完有效相似对象,依然无法得到稳定的变换模型时,返回步骤(1),按照面积大小顺序选择新的GIS对象替换基准对象,并重复匹配处理流程。整个匹配过程是一个基于相似度约束的遍历过程,避免了对形状相似特征的严格依赖,同时又在相似度的约束下提高了匹配效率。

      形状曲线是一种有效描述对象形状特征的方法,它是根据角度-距离模式产生标记图来描述对象。具体来说就是选择对象边界上的一点作为起始点,将其与对象质心连接获取距离,以等角度间隔依次获取边界点与质心连线的距离,在角度-距离构成的二维坐标系中绘制标记图。但是,传统的形状曲线在表达凹多边形对象时,由于质心点在多边形外而容易产生歧义,如图 3(e)所示。本文提出采用距离-距离模式产生标记图。假设将对象置于由xy轴构成的笛卡尔坐标系中,由边界顶点y值最大的点起始,以P/n为间隔选取标记点,依次记录标记点与质心的距离作为形状曲线。其中,n表示采样点数,P表示对象的边界周长。实验结果如图 3所示。为了保证形状曲线的尺度不变性,记录的标记点与质心的距离需要进行归一化,统一除以距离集合中的最大距离值。

      图  3  典型水体的二值影像及对应的形状曲线

      Figure 3.  BinaryImages and Shape Curves of Typical Water-Bodies

      为了消除对象自身旋转对匹配结果的影响,对对象主轴方向进行规范化。假设在笛卡尔坐标系中,通过对xy轴旋转θ获取到新的坐标轴x′、y′。θ为使对象二阶中心矩[14]最小所需要的旋转角度,x′和y′即为对象的主轴。根据式(1)计算旋转角度θ。其中,θ标识从当前坐标轴旋转到对象主轴的角度,μ11μ20μ02标识对应阶次的中心矩。

      (1)

      形状曲线相似度由形状曲线对应距离集合的相关性Scorr(A, B)表示,计算公式见式(2)。由概率论与数理统计理论可知,相关性是一种有效的相似性评价指标。

      (2)
    • 配准完成后,影像分割结果能够与GIS数据叠加套合。通过执行基于缓冲区的变化检测,分割结果被标识为未变化和变化两类水体对象。分割结果对象在空间位置上没有与GIS水体对象叠合的被认为是待确认对象。水体对象识别是遥感解译领域的难题,根据有限数据难以区分水体与非水体对象。本文旨在借助已有数据尽可能过滤非水体对象,从而提高水体提取精度。利用已确认水体对象的光谱特征作为先验知识可以过滤待确认对象中的部分非水体对象,具体步骤为:在光谱特征空间中,利用具有噪声的基于密度的聚类方法(density-based spatial clustering of applications with noise, DBSCAN)方法[5]将已知水体对应的像素聚类成簇,然后将待确认对象像素集作为新的样本加入聚类处理,若像素在已有簇的邻域范围内,则并入该簇且认为当前像素为水体像素;统计每个对象中水体像素占像素总数的比例,超过阈值则认为对象为新增水体对象,反之为非水体对象。仅根据光谱特征无法完全剔除非水体对象,考虑到在大比例尺GIS数据中常含有多种地物图层,根据待确认对象与建筑的邻近关系以及与道路的叠加关系对非水体对象做进一步的过滤。

    • 采用三组数据进行实验,每一组数据均由可见光遥感影像和GIS数据构成。为了验证本文方法的有效性,实验采用了不同分辨率的遥感影像,GIS数据也取自不同的来源。表 1列出了实验数据的详细描述信息。

      表 1  实验数据描述

      Table 1.  Data Description

      编号 影像 GIS数据
      来源 分辨率/m 波段
      数据1 WorldView-II
      (2010-07)
      0.5 蓝绿红 1∶10 000电
      子地图(2009)
      数据2 ALOS AVNIR-2
      (2012-07)
      10 蓝绿红 全球水体分
      布遥感监测
      数据(2010)
      数据3 Landsat TM
      (2011-10)
      15 全色 全球水体分
      布遥感监测
      数据(2010)
    • 图 4~6展示了实验数据和结果。图 4中,蓝色标识未变化水体,黄色标识变化水体,绿色标识新增水体。通过比较实验结果与水体地面实况来对本文方法进行定量评估,水体地面实况数据是通过手工勾绘获得的。定量评估指标包括漏检率和错检率。结果显示,在3组实验中,本文方法的漏检率均小于6%,错检率小于8%。

      图  4  实验1提取结果

      Figure 4.  Experiment on Data Set 1

      为了验证视觉注意和GIS数据在提取中的作用,在实验1中同时进行了没有视觉注意和GIS辅助的水体提取实验,即直接进行迭代的水平集分割提取。比较实验结果得出,视觉注意和GIS数据能够很好地抑制错检率。分析可知,错检来源于植被、阴影、沥青路面等暗色调对象。在初始检测阶段,视觉注意检测结果将非显著的植被区域排除在处理区域之外;通过光谱聚类处理,剔除了裸地等光谱特征不一致的显著对象;最后,利用电子地图中的GIS数据辅助剔除由阴影、道路等构成的错检对象。实验结果如图 4所示。

      实验2处理对象为中分辨率遥感影像。在较大的影像范围内,由于不同水体的深度以及所含沉积物的不同,其所表现的光谱特征不尽相同。如图 5(a)所示,影像上方和左侧的水体色调偏暗,而右侧水体色调相对偏亮。如果在影像全局使用同一水平集分割模型提取水体,结果将会由于水体光谱特征的不一致而导致局部水体提取的不完整。本文在利用视觉显著模型检测显著区域后将整个影像分为若干个待处理的子影像,分别在各个子影像上执行独立的水平集分割处理。这保证了各个水体在局部细节上的提取精度。正如表 2所示,本文方法在实验2的漏检率仅为5.37%,同时,错检率也被很好地抑制。

      表 2  水体提取精度与比较结果/%

      Table 2.  Comparison of Accuracy/%

      项目 本文方法 比较方法
      漏检率 错检率 漏检率 错检率
      实验1 1.88 7.56 1.91 75.81
      实验2 5.37 7.23 8.96 38.49
      实验3 1.20 4.71 13.18 7.73

      图  5  实验2提取结果

      Figure 5.  Experiment on Data Set 2

      在中低分辨率遥感影像中,水体对象的水域范围较大,单个水体对象的光谱特征也会呈现出局部差异(见图 6(a)),单纯依靠辐射特征很难保证提取结果的完整性。实验3中对该类水体进行了提取实验,同时也包括对河流的提取。实验结果如图 6所示,在GIS数据辅助下,水平集演化结果综合了辐射特征有差异的部分,比对实验结果可以看出,本文方法提取结果更加完整。作为一类特殊而重要的水体,河流常表现出特殊的形态特征。实验结果显示,本文方法对影像中较细的河流也有较好的提取结果。

      图  6  实验3提取结果

      Figure 6.  Experiment on Data Set 3

      为了进一步证明本文方法的有效性,将本文方法与文献[8]提出的直方图阈值分割联合区域生长方法进行比较。图 4(d)图 5(d)图 6(d)分别展示了比较方法的提取结果。可以看出,其提取结果中包含有较多的非水体对象,对光谱特征存在差异的水体对象提取不完整而导致漏检率高,这在实验3中尤其明显。表 2列出了定量的统计结果,可以看出,本文方法较好地抑制了漏检率和错检率。

      GIS数据对于本文水体提取方法至关重要,一方面,其语义信息帮助自动确认分割对象的水体身份,省去了常规的人工标注过程;另一方面,GIS数据作为初始轮廓引导水体对象分割处理能够在对象辐射特征有差异的情况下保证分割精度。与仅依靠影像的地物提取方法相比,GIS数据的加入能够较大提高处理的可靠性和实用性。

      考虑到GIS数据制图综合对对象形状特征的简化,本文配准方法未完全依赖形状相似特征作为配准依据,而是在形状相似度约束下遍历检测同名对象,考虑到对象形状特征显著性与面积的关系,优先选择面积较大的对象进行匹配。本文配准策略在匹配效率和正确性方面取得了较好的平衡。

    • 本文提出了一种集成影像分割、配准和变化检测的一体化水体提取方法。利用GIS数据与影像数据联合处理实现水体提取的自动化,同时改善了提取结果。实验结果证明了本文方法在水体提取与变化检测方面的有效性。需要强调的是,GIS数据中丰富的语义和位置信息对于水体提取有很大的引导和约束作用。另外,多源数据集成的提取方法能够同时获取水体提取结果和变化检测结果,而水体变化信息对于数据更新和应急评估决策应用更有现实意义。

参考文献 (15)

目录

    /

    返回文章
    返回