CN102930496A - 基于tm影像的水体信息提取方法 - Google Patents
基于tm影像的水体信息提取方法 Download PDFInfo
- Publication number
- CN102930496A CN102930496A CN2012104223940A CN201210422394A CN102930496A CN 102930496 A CN102930496 A CN 102930496A CN 2012104223940 A CN2012104223940 A CN 2012104223940A CN 201210422394 A CN201210422394 A CN 201210422394A CN 102930496 A CN102930496 A CN 102930496A
- Authority
- CN
- China
- Prior art keywords
- image
- body information
- water
- model
- water body
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Processing Or Creating Images (AREA)
Abstract
本发明公开一种基于TM影像的水体信息提取方法,包括如下步骤:将7个波段的文件进行数据融合,然后设置合适的边缘处理办法进行影像数据的拼接;再利用栅格化的目标区域的边界,对前述拼接好的影像数据进行裁剪;针对TM影像的波谱信息建立水体信息提取模型;针对提取出的水体信息中的山体阴影噪声,建立噪声去除模型。此种水体信息提取方法可利用LandsatTM卫星影像,尽可能精确地提取水体信息,为后续科研提供基础水文信息。
Description
技术领域
本发明属于遥感技术、GIS技术的交叉领域,特别涉及一种基于图像处理的水体信息提取方法。
背景技术
遥感技术是一种不直接接触探测目标,从远距离感知目标反射或自身辐射的电磁波、可见光、红外线对目标进行探测和判断译读,从而揭示目标特性的综合性探测技术。遥感技术由于其具有的覆盖范围广、光谱范围大、时空分辨率高、光谱分辨率高、穿透能力强、对考古文物的无损探测等优点,在很多领域获得了很好的应用。
地物的电磁辐射信息通过遥感***的记录、传送、加工及转化后即能得到我们所使用的遥感影像数据。遥感影像处理的方法、步骤、方案的选择以及程序设计都要从遥感影像的特征和处理目的出发,遥感影像处理也就是对影像信息的加工和提取的过程。
地理信息***(GIS)是20世纪60年代中期兴起的一门交叉边缘学科。GIS利用计算机建立地理数据库,将空间实体的分布状况拆分成若干属性进行数字存储,建立数据管理***,同时开发出各种分析和处理功能,并将处理结果以地图、图元及数据的形式表示出来。
TM影像(指美国陆地卫星4-5号专题制图仪(thematic mapper)所获取的多波段扫描影像)记载了地物对电磁波的反射信息和地物自身的热辐射信息。各地物由于其物化性质的差异,从而导致它们对电磁波的反射不同,以及其热辐射也不完全相同。对于水体来说,它几乎吸收了近红外和中红外波段内的全部入射能量,因此,这两个波段上,水体较容易与其他地物区分开来。水体在这两个波段上呈现出暗色调,而土壤、植被则呈现出相对较亮的色调。但是,在山区,由于受到山体阴影的影响,使得在阴坡面近红外、中红外两个波段的反射能量特别低,也呈现出暗色调。水体与山体阴影的混淆使得阈值法提取水体信息在这两个波段上难以进行。
常见的基于TM影像的水体提取方法主要有单波段阈值法、谱间关系法、归一化水体指数法和IHS变换法,下面分别进行介绍。
单波段阈值法的主要思想是:在水陆敏感的第5波段,通过设定阈值即可将水体提取出来。单波段阈值法存在固有缺陷:阈值太小,提取到的山体阴影信息会增多;阈值太大,则很多水体信息会被忽略。而且,单波段阈值法提取水体在阈值设置上具有盲目性,需要大量的计算才能获得较好的效果。单波段阈值法可以通过诸如直方图统计法等方法来辅助获取阈值并进行优化,加快最优阈值的计算,但是仍旧不能消除山体阴影较多等不足。
谱间关系法利用水体具有的(TM2+TM3)>(TM4+TM5)这一独特的谱间关系特征构建模型来进行水体提取,并用TM的4、3、2作假彩色合成影像来目视检验谱间关系法提取水体的效果。经典谱间关系法提取出来的水体较“纯净”,能有效地去除山体阴影的影响,不足之处是对细小河流的提取效果不明显。
归一化水体指数法是指利用归一化水体指数来提取水体信息。归一化水体指数法对水体的提取效果一般,对细小水体的提取并没有什么帮助;归一化水体指数法提取出的水体中仍旧包含大量的山体阴影信息,甚至比谱间关系法提取出水体里包含的山体阴影还要多。
IHS(Intensity,Hue,Saturation)空间变换法提取水体,先对TM影像进行IHS变换,然后利用特定的阈值范围进行水体信息的提取。IHS变换法提取水体能有效去除山体阴影的影响,并且能提取到少部分较细小河流。
同时,现有算法在准确率方面都存在不足,如表1所示:
表1
算法 | Pe | Kappa系数 | P0(总体精度) |
阈值法 | 0.534 | 0.500 | 76.7% |
谱间关系法 | 0.525 | 0.728 | 87.1% |
归一化水体指数法 | 0.530 | 0.636 | 82.9% |
IHS变换法 | 0.535 | 0.738 | 87.8% |
鉴于以上分析,本发明人对现有的水体信息提取方法进行深入研究,本案由此产生。
发明内容
本发明的目的,在于提供一种基于TM影像的水体信息提取方法,其可利用LandsatTM卫星影像,尽可能精确地提取水体信息,为后续科研提供基础水文信息。
为了达成上述目的,本发明的解决方案是:
一种基于TM影像的水体信息提取方法,包括如下步骤:
(1)将7个波段的文件进行数据融合,然后设置合适的边缘处理办法进行影像数据的拼接;再利用栅格化的目标区域的边界,对前述拼接好的影像数据进行裁剪;
(2)针对TM影像的波谱信息建立水体信息提取模型(TM2+2*TM3)/(TM4+TM5)>k1,其中,TM2、TM3、TM4、TM5分别表示TM影像的第2、3、4、5波段,k1表示预先设定的阈值;
(3)依照步骤(2)中的水体信息提取模型对所有TM像元进行处理,符合模型的赋值为1,不符合模型的赋值为0,得到包含大量噪声的二值图像;
(4)利用TM3>k2建立山体阴影噪声去除模型,其中,k2表征山体阴影在第3波段上进行分割的分界点,即当第3波段上TM像元值大于k2时,则此像元是山体阴影的可能性大大降低;
(5)依照步骤(4)中的山体阴影噪声去除模型对TM影像的每一个像元的第3波段进行判断,若满足模型,则赋值为1,若不满足模型,则赋值为0,最后即得到去除山体阴影噪声的水体信息数据。
上述步骤(1)中,采用将后加入图景覆盖先加入图景的方法,或求取平均值的方法进行影像数据的拼接。
采用上述方案后,本发明的有益效果在于:这种改进后的谱间关系法用于水体信息提取,可以更好地提取到细小河流,对于较大河流的拐角处等细节上表现也较好,同时包含的山体阴影信息也比较少。总体分类精度达到91.1%,kappa系数为0.805。总之,能为后续科研与应用提供更为准确的基础水文信息。
附图说明
图1是本发明的总体流程图;
图2是本发明的执行过程示意图;
图3是本发明中波段数据组合的流程图;
图4是本发明中图景数据拼接的流程图;
图5是本发明中目标边界的获取流程图;
图6是本发明中影像裁剪流程图;
图7是本发明中水体信息提取模型建立及执行流程图;
图8是TM影像原图;
图9是采用本发明的水体信息提取效果图。
具体实施方式
以下将结合附图,对本发明的技术方案进行详细说明。
如图1所示,本发明提供一种基于TM影像的水体信息提取方法,其主要是结合地理信息***技术,对特定的目标区域,基于特定的波谱运算,提取水体信息,为后续研究提供基础水文数据,该方法包括如下步骤:
(1)数据预处理阶段:先进行波段数据融合,再进行图像数据的拼接,有效防止在图像拼接过程中由于波段数据边界计算可能导致的误差。该步骤包括如下具体内容:
(11)使用遥感影像处理软件进行波段数据的融合,即将7个波段的文件按照先后顺序添加到波段数据栈中,然后进行数据融合,当图景较多时,可采用批处理机制进行处理;
(12)对步骤(11)中进行数据融合的图景,添加到数据拼接工作单元,设置合适的边缘处理办法进行影像数据的拼接,如将后加入图景覆盖先加入图景的方法,或求取平均值的方法;
(13)利用栅格化的目标区域的边界,对步骤(12)中拼接好的影像数据进行裁剪;
(2)针对TM影像的波谱信息,对经典谱间关系法进行了改进,建立了水体信息提取模型:
(TM2+2*TM3)/(TM4+TM5)>k1
其中,TM2、TM3、TM4、TM5分别表示TM影像的第2、3、4、5波段值。
得到k1值后,依照模型,对所有TM像元进行处理。符合模型的赋值为1,不符合模型的赋值为0,最后所得二值图像即为要提取的水体信息。此时,水体信息中含有大量的噪声。
(3)针对步骤(2)中提取出的水体信息中的山体阴影噪声,建立噪声去除模型,具体是利用TM3>k2建立山体阴影噪声去除模型,其中,k2表征山体阴影在第3波段上进行分割的分界点,即当第3波段上TM像元值大于k2,则此像元是山体阴影的可能性大大降低。k2的值可以根据具体的TM影像进行手动调整,即手动指定位于山体阴影中的若干个点,计算这些点TM3的几何平均值可得。
(32)得到k2值后,依照模型对TM影像的每一个像元的第3波段进行判断,若满足模型,则依旧赋值为1,若不满足模型,则赋值为0,最后得到的,即为去除了山体阴影噪声的水体信息数据。
如图2所示,是本发明基于TM影像的水体信息提取总体的执行过程,包括以下步骤:
步骤10:将处于同一范围内的不同波段的数据按照约定的顺序组合成为一景影像。如表2是TM影像数据各个波段的频谱范围及主要作用。
表2
步骤20:将若干景可以覆盖目标区域的影像拼接成一副影像;
步骤30:利用GIS软件获取目标区域的边界范围信息,对于此边界的要求是能够包含目标区域且在后续计算中尽量减少边界效应的影响,同时又能避免大量不必要的计算,并对获取到的边界范围信息进行栅格化;
步骤40:利用栅格化后的边界范围信息对拼接后的TM影像数据进行裁剪,以便减少后续计算量;
步骤50:建立能够有效去除山体阴影噪声的水体信息提取模型,从TM影像中提取水体信息。
如图3所示是基于TM影像的水体信息提取中波段数据组合流程,包含步骤如下:
步骤101:加载压缩影像文件,解压缩影像文件;
步骤102:按波段加载单波段影像文件;
步骤103:设置输出目录,以及输出文件的名称;
步骤104:编辑批处理文件;
步骤105:编辑输入索引文件,该文件包含了若干个需要进行波段组合的图景数据文件夹路径;
步骤106:执行批处理机制,进行若干个图景的波段组合。
如图4所示是基于TM影像的水体信息提取中图像数据拼接流程,包含如下的步骤:
步骤201:选择拼接工具,加载需要拼接的图像文件;
步骤202:设置输出图像中叠加区域的处理办法,采用均值法来处理叠加区域;
步骤203:设置输出目录及输出文件名称;
步骤204:预览拼接后的图像,调节参数到获得较为满意结果;
步骤205:拼接影像。
如图5所示是基于TM影像的水体信息提取中目标边界的获取流程,主要步骤如下:
步骤301:设置合适的存放位置和名称,创建几何类型为多边形的空白要素类;
步骤302:在空白要素类中创建矩形要素,此要素应包含目标研究区域;
步骤303:将边界数据要素类保存为“.shp”格式的矢量数据;
步骤304:在矢量转栅格工具中,加载步骤303中保存的矢量数据为输入数据;
步骤305:设置输出文件目录及文件名;
步骤306:设置输出像元大小,建议设置为与TM影像空间分辨率一致,即30米;
步骤307:边界范围信息栅格化。
如图6所示是基于TM影像的水体信息提取中影像裁剪流程,步骤如下:
步骤401:加载输入文件;
步骤402:设置掩膜文件的位置和名称;
步骤403:设置输出文件的路径及名称;
步骤404:采用相交法作为掩膜运算方法;
步骤405:开始影像数据裁剪。
如图7所示是基于TM影像的水体信息提取中水体信息提取模型建立及执行流程,步骤如下:
步骤501:加载建模工具;
步骤502:设置输入模型,并选择输入文件;
步骤503、504:建立水体信息提取及山体阴影去除模型,其形式化描述为(TMM2+2*TM3)/(TM4+TM5)>k1;
TM3>k2
步骤505:设置输出模型,编辑输出文件目录及名称;
步骤506:执行模型,开始水体提取。
以上实施例仅为说明本发明的技术思想,不能以此限定本发明的保护范围,凡是按照本发明提出的技术思想,在技术方案基础上所做的任何改动,均落入本发明保护范围之内。
Claims (2)
1.一种基于TM影像的水体信息提取方法,其特征在于包括如下步骤:
(1)将7个波段的文件进行数据融合,然后设置合适的边缘处理办法进行影像数据的拼接;再利用栅格化的目标区域的边界,对前述拼接好的影像数据进行裁剪;
(2)针对TM影像的波谱信息建立水体信息提取模型(TM2+2*TM3)/(TM4+TM5)>k1,其中,TM2、TM3、TM4、TM5分别表示TM影像的第2、3、4、5波段值,k1表示预先设定的阈值;
(3)依照步骤(2)中的水体信息提取模型对所有TM像元进行处理,符合模型的赋值为1,不符合模型的赋值为0,得到包含大量噪声的二值图像;
(4)利用TM3>k2建立山体阴影噪声去除模型,其中,k2表征山体阴影在第3波段上进行分割的分界点;
(5)依照步骤(4)中的山体阴影噪声去除模型对TM影像的每一个像元的第3波段进行判断,若满足模型,则赋值为1,若不满足模型,则赋值为0,最后即得到去除山体阴影噪声的水体信息数据。
2.如权利要求1所述的基于TM影像的水体信息提取方法,其特征在于:所述步骤(1)中,采用将后加入图景覆盖先加入图景的方法,或求取平均值的方法进行影像数据的拼接。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012104223940A CN102930496A (zh) | 2012-10-29 | 2012-10-29 | 基于tm影像的水体信息提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012104223940A CN102930496A (zh) | 2012-10-29 | 2012-10-29 | 基于tm影像的水体信息提取方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102930496A true CN102930496A (zh) | 2013-02-13 |
Family
ID=47645287
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2012104223940A Pending CN102930496A (zh) | 2012-10-29 | 2012-10-29 | 基于tm影像的水体信息提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102930496A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103914692A (zh) * | 2014-04-21 | 2014-07-09 | 山东科技大学 | 一种用于煤矿周围地表水系的遥感识别方法 |
CN104217426A (zh) * | 2014-08-18 | 2014-12-17 | 中国科学院东北地理与农业生态研究所 | 一种基于ENVISAT ASAR与Landsat TM遥感数据面向对象提取水体的方法 |
CN105654524A (zh) * | 2014-11-11 | 2016-06-08 | 孙义 | 一种建立土地数据光谱库的方法 |
CN108154069A (zh) * | 2016-12-02 | 2018-06-12 | 航天星图科技(北京)有限公司 | 一种基于tm影像的泥石流信息提取方法 |
CN108241182A (zh) * | 2016-12-23 | 2018-07-03 | 航天星图科技(北京)有限公司 | 一种泥石流监测*** |
CN108871283A (zh) * | 2018-04-28 | 2018-11-23 | 河南理工大学 | 一种基于tm影像的湖泊水体信息提取方法 |
CN113177473A (zh) * | 2021-04-29 | 2021-07-27 | 生态环境部卫星环境应用中心 | 遥感影像水体自动化提取方法和装置 |
-
2012
- 2012-10-29 CN CN2012104223940A patent/CN102930496A/zh active Pending
Non-Patent Citations (7)
Title |
---|
周茜: "遥感影像自动拼接技术研究", 《万方数据》 * |
张南: "图像分析仪***中几个关键技术的研究", 《万方数据》 * |
张明华: "用改进的谱间关系模型提取极高山地区水体信息", 《地理与地理信息科学》 * |
曾志远: "《卫星遥感图像计算机分类与地学应用研究》", 30 September 2004, 科学出版社 * |
杨林等: "数字图像的两种影像拼接方法及其比较", 《计算机应用》 * |
杨树文等: "一种利用TM影像自动提取细小水体的方法", 《测绘学报》 * |
田雨 等: "基于GIS和遥感的水库面积提取方法", 《水资源保护》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103914692A (zh) * | 2014-04-21 | 2014-07-09 | 山东科技大学 | 一种用于煤矿周围地表水系的遥感识别方法 |
CN103914692B (zh) * | 2014-04-21 | 2017-09-19 | 山东科技大学 | 一种用于煤矿周围地表水系的遥感识别方法 |
CN104217426A (zh) * | 2014-08-18 | 2014-12-17 | 中国科学院东北地理与农业生态研究所 | 一种基于ENVISAT ASAR与Landsat TM遥感数据面向对象提取水体的方法 |
CN105654524A (zh) * | 2014-11-11 | 2016-06-08 | 孙义 | 一种建立土地数据光谱库的方法 |
CN108154069A (zh) * | 2016-12-02 | 2018-06-12 | 航天星图科技(北京)有限公司 | 一种基于tm影像的泥石流信息提取方法 |
CN108241182A (zh) * | 2016-12-23 | 2018-07-03 | 航天星图科技(北京)有限公司 | 一种泥石流监测*** |
CN108871283A (zh) * | 2018-04-28 | 2018-11-23 | 河南理工大学 | 一种基于tm影像的湖泊水体信息提取方法 |
CN113177473A (zh) * | 2021-04-29 | 2021-07-27 | 生态环境部卫星环境应用中心 | 遥感影像水体自动化提取方法和装置 |
CN113177473B (zh) * | 2021-04-29 | 2021-11-16 | 生态环境部卫星环境应用中心 | 遥感影像水体自动化提取方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102930496A (zh) | 基于tm影像的水体信息提取方法 | |
CN105046087B (zh) | 一种遥感卫星多光谱影像的水体信息自动提取方法 | |
CN108647738B (zh) | 基于多指数的全球尺度遥感影像水体智能提取方法 | |
CN105184251B (zh) | 一种基于高分一号卫星图像的水华区域的识别方法及装置 | |
Tarsha Kurdi et al. | Random forest machine learning technique for automatic vegetation detection and modelling in LiDAR data | |
CN113705523B (zh) | 一种基于光学和双极化sar融合的分层城市不透水面提取方法 | |
CN110334623B (zh) | 一种基于Sentinel-2A卫星遥感影像提取崩岗信息的方法 | |
Pu | Mapping urban forest tree species using IKONOS imagery: preliminary results | |
CN104850853B (zh) | 城市快速提取方法及装置 | |
Zhang et al. | Topographic correction algorithm for remotely sensed data accounting for indirect irradiance | |
CN109801304A (zh) | 一种抑制裸地的建筑指数构建及建筑区域快速提取方法 | |
CN104778668A (zh) | 基于可见光波段光谱统计特征的光学遥感图像薄云去除方法 | |
Chen et al. | Multiscale attention feature aggregation network for cloud and cloud shadow segmentation | |
CN117292250A (zh) | 基于多源卫星遥感数据融合的水体提取方法、装置及设备 | |
CN116504014A (zh) | 一种基于多维感知的森林火灾监测方法及*** | |
CN114049566A (zh) | 一种逐步细化的陆地卫星影像云和云阴影检测方法及装置 | |
Kumar et al. | A two-stage algorithm for ground filtering of airborne laser scanning data | |
CN109584192B (zh) | 基于多光谱融合的目标特征增强方法、装置与电子设备 | |
CN112033914B (zh) | 一种基于遥感图像的彩钢瓦厂房提取方法 | |
Zhang et al. | Detection of land use change in urban agglomeration using Sentinel-1 SAR data | |
CN112508796B (zh) | 基于地表覆盖信息的夜光遥感影像去饱和校正方法及*** | |
Zeidler et al. | Spatio-temporal robustness of fractional cover upscaling: a case study in semi-arid Savannah's of Namibia and Western Zambia | |
Gu et al. | Muti-path Muti-scale Attention Network for Cloud and Cloud shadow segmentation | |
Yuan et al. | Multi-temporal urban land-use change detection and prediction using CNN-based ca-Markov model from GAOFEN satellite images | |
Wang et al. | Dehazing algorithms based on credibility fusion |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20130213 |