CN111931696A - 一种基于空间约束的湖库水体面积遥感自动提取方法 - Google Patents
一种基于空间约束的湖库水体面积遥感自动提取方法 Download PDFInfo
- Publication number
- CN111931696A CN111931696A CN202010919183.2A CN202010919183A CN111931696A CN 111931696 A CN111931696 A CN 111931696A CN 202010919183 A CN202010919183 A CN 202010919183A CN 111931696 A CN111931696 A CN 111931696A
- Authority
- CN
- China
- Prior art keywords
- lake
- reservoir
- remote sensing
- water body
- extraction
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/13—Satellite images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Astronomy & Astrophysics (AREA)
- Remote Sensing (AREA)
- Image Processing (AREA)
Abstract
本发明提供一种基于空间约束的湖库水体面积遥感自动提取方法,包括:S1、绘制或生成湖库缓冲区;S2、绘制湖库水体遥感提取空间约束矢量;S3、利用湖库缓冲区裁剪预处理后的遥感影像;S4、利用面向对象法对裁剪后的影像进行多尺度分割;S5、计算水体遥感提取指数,利用双峰阈值法自动确定水体提取阈值进行水体自动提取;S6、利用空间约束矢量和水体提取矢量进行运算,剔除无效水体,得到湖库水体遥感提取结果。本发明采用面向对象和双峰阈值法实现湖库水体面积自动提取,通过湖库水体遥感提取空间约束矢量自动剔除无效水体,实现湖库水体面积时空变化高精度自动提取,提高湖库水体面积遥感提取的自动化程度和提取精度。
Description
技术领域
本发明涉及遥感技术领域,尤其涉及一种基于空间约束的湖库水体面积遥感自动提取方法。
背景技术
水资源是大自然赋予人类的宝贵财富,是人类赖以生存和发展不可缺少的重要资源。湖库作为地球水资源的重要载体,其面积是评价地表水资源量的重要指标,准确地获取湖库水体面积的动态变化对地表水资源调查评价、水利设施规划、洪涝旱灾监测以及灾害评估等领域具有重要意义,可为水资源的合理利用和保护提供决策支持。
水体面积依靠传统人工测量手段难以获取,遥感作为一种区域化监测手段,能够快速获取湖库水体面积的时空分布特征,已经成为湖库水体面积监测的主要手段。水体面积遥感提取方法主要包括基于像元的水体面积遥感提取方法和面向对象的水体面积遥感提取方法。面向像元的水体遥感提取结果以像元作为提取的最小尺度,提取结果容易产生“椒盐效应”,而面向对象方法将光谱、纹理或几何特征相似的水域作为“对象”进行水体提取,可以充分利用影像的光谱特征、纹理特征和几何特征,在基于中高分辨率遥感影像的水体提取中具有优势,近年来在水体遥感提取研究中得到越来越多的关注。
基于单景遥感影像采用基于像元和面向对象的水体遥感提取方法,通过人工设置水体提取阈值往往均能够取得满意的提取精度,但在湖库水体面积时序遥感监测中水体提取阈值往往难以保持一致。为实现水体的自动提取,基于水陆光谱特征差异的双峰阈值法在水体面积自动提取中得到应用。为了能够获取水陆边界光谱的双峰特征,提高双峰阈值法提取精度,需要基于提取对象湖库设置缓冲区,实际应用中缓冲区内往往不可避免的出现很多零碎水体,导致水体面积提取结果大于湖库实际水体面积,此外陆地上部分地物光谱特征可能和水体类似,导致提取错误,降低湖库水体面积遥感提取精度。
发明内容
为解决上述问题,本发明提出了一种基于空间约束的湖库水体面积遥感自动提取方法,基于面向对象和双峰阈值水体提取方法自动提取湖库缓冲区水体面积,通过设置湖库水体遥感提取空间约束矢量剔除无效提取结果,提高湖库水体面积提取精度。
具体的技术方案为:
一种基于空间约束的湖库水体面积遥感自动提取方法,步骤包括:
S1、绘制或生成湖库缓冲区;
S2、绘制湖库水体遥感提取空间约束矢量;
S3、利用湖库缓冲区裁剪预处理后的遥感影像;
S4、利用面向对象法对裁剪后的影像进行多尺度分割;
S5、计算水体遥感提取指数,利用双峰阈值法自动确定水体提取阈值进行水体自动提取;
S6、利用空间约束矢量和水体提取矢量进行运算,剔除无效水体,得到湖库水体遥感提取结果。
具体的各步骤为:
S1、绘制或生成湖库缓冲区;
基于经过几何精校正的卫星影像,根据待提取湖库空间几何特征绘制湖库缓冲区,转换为矢量;如果存在湖库大致矢量范围,可以直接生成缓冲区,缓冲区总面积为湖库面积的2-3倍;
优选为,通过Arcgis转换为矢量;
S2、绘制湖库水体遥感提取空间约束矢量;
基于经过几何精校正的卫星影像,根据待提取湖库空间几何特征绘制湖库水体遥感提取空间约束矢量;
进一步的,绘制原则包括:(1)对于水域完全连通的湖库,绘制一个约束矢量即可,矢量范围尽量不超过已知的湖库最小水域;(2)对于存在不同连通区域的湖库,每个连通区域绘制一个约束矢量,矢量范围尽量不超过该连通区域最小水域面积。最小水域面积可以通过时序卫星影像确定;
S3、利用湖库缓冲区裁剪预处理后的遥感影像;
利用湖库缓冲区矢量对经过几何精校正和大气校正的遥感影像进行自动裁剪,获取覆盖湖库缓冲区的遥感影像,记为ILR(Imageries of Lakes and Reservoirs);
S4、利用面向对象法对裁剪后的影像进行多尺度分割;
利用面向对象方法对ILR影像进行多尺度分割,首先将单个像元作为对象,基于该像元和邻近像元的光谱、纹理和几何特征对图像进行合并和分割,最后得到具有相似光谱、纹理和几何特征的多边形对象。
多尺度分割中分割尺度是关键参数,不同空间分辨率遥感影像多尺度分割的最佳分割尺度不同,需要根据实际分割效果进行调整。
S5、计算水体遥感提取指数,利用双峰阈值法自动确定水体提取阈值进行水体自动提取;
计算水体遥感提取指数,统计得到ILR影像水体遥感指数的直方图分布,由于水体和陆地的水体遥感提取指数在量级上存在显著差异,直方图会呈双峰特征,自动识别两峰之间的最小值所对应的水体遥感提取指数作为水体提取阈值,利用阈值分割法提取得到湖库水体矢量范围,实现湖库水体的自动提取;
优选的,计算水体遥感提取指数,采用归一化差异水体指数(NDWI)和归一化差异植被指数(NDVI);
S6、利用空间约束矢量和水体提取矢量进行运算,剔除无效水体,得到湖库水体遥感提取结果;
经过步骤S5提取的湖库水体矢量可能包含湖库水体和陆地缓冲区水体多个水体矢量,利用步骤S2获取的空间约束矢量和步骤S5提取的湖库水体矢量进行交运算,如果两者没有交集,则将该水体矢量剔除,最后将保留的水体矢量作为湖库水体遥感提取的最终矢量。
本发明的优势在于:采用面向对象和双峰阈值法实现湖库水体面积自动提取,通过湖库水体遥感提取空间约束矢量自动剔除无效水体,实现湖库水体面积时空变化高精度自动提取,提高湖库水体面积遥感提取的自动化程度和提取精度。
附图说明
图1是本发明流程图;
图2a是实施例阳澄湖GF-1缓冲区影像和水体遥感提取空间约束矢量示意图;
图2b是实施例龙虎泡水库GF-1缓冲区影像和水体遥感提取空间约束矢量示意图;
图3a是实施例不采用空间约束的阳澄湖水体遥感提取结果;
图3b是实施例不采用空间约束的龙虎泡水库水体遥感提取结果;
图4a是实施例采用空间约束阳澄湖水体遥感提取结果;
图4b是实施例采用空间约束龙虎泡水库水体遥感提取结果。
具体实施方式
为使本发明要解决的技术问题、技术方案和优点更加清楚,下面将结合附图及具体实施例进行详细描述,显然,所描述的实施例仅仅是本发明的一部分实施例,而不是全部实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明的保护范围。
如图1所示,本发明实施例所述的一种基于空间约束的湖库水体面积遥感自动提取方法,包括:
S1、绘制或生成湖库缓冲区;
基于经过几何精校正的卫星影像,根据待提取湖库空间几何特征绘制湖库缓冲区,通过Arcgis转换为矢量;如果存在湖库大致矢量范围,可以直接通过Arcgis生成缓冲区,缓冲区总面积为湖库面积的2-3倍。
S2、绘制湖库水体遥感提取空间约束矢量;
基于经过几何精校正的卫星影像,根据待提取湖库空间几何特征绘制湖库水体遥感提取空间约束矢量,绘制原则包括:(1)对于水域完全连通的湖库,绘制一个约束矢量即可,矢量范围尽量不超过已知的湖库最小水域;(2)对于存在不同连通区域的湖库,每个连通区域绘制一个约束矢量,矢量范围尽量不超过该连通区域最小水域面积。最小水域面积可以通过时序卫星影像或者通过时序水体提取结果确定。
S3、利用湖库缓冲区裁剪预处理后的遥感影像;
在本发明实施例中,湖库水体遥感提取使用的影像是GF-1 WFV 16m空间分辨率遥感影像,利用湖库缓冲区矢量对经过几何精校正和大气校正的GF-1 WFV 16m空间分辨率遥感影像进行自动裁剪,获取覆盖GF-1 WFV 16m空间分辨率湖库缓冲区的遥感影像,记为ILR(Imageries of Lakes and Reservoirs)。
S4、利用面向对象法对裁剪后的影像进行多尺度分割;
利用面向对象方法对ILR影像进行多尺度分割,首先将单个像元作为对象,基于该像元和邻近像元的光谱、纹理和几何特征对图像进行合并和分割,最后得到具有相似光谱、纹理和几何特征的多边形对象。多尺度分割中分割尺度是关键参数,不同空间分辨率遥感影像多尺度分割的最佳分割尺度不同,需要根据实际分割效果进行调整。
S5、计算水体遥感提取指数,利用双峰阈值法自动确定水体提取阈值进行水体自动提取;
计算水体遥感提取指数,归一化差异水体指数(NDWI)和归一化差异植被指数(NDVI)是最常用的水体遥感提取指数,计算公式如下:
式中:Green、Red和NIR分别为绿波段、红波段和近红外波段遥感反射率,对应GF-1影像第2、3、4波段遥感反射率。
统计得到ILR影像水体遥感指数的直方图分布,由于水体和陆地的水体遥感提取指数在量级上存在显著差异,直方图会呈双峰特征,自动识别两峰之间的最小值所对应的水体遥感提取指数作为水体提取阈值,利用阈值分割法提取得到湖库水体矢量范围,实现湖库水体的自动提取。
S6、利用空间约束矢量和水体提取矢量进行运算,剔除无效水体,得到湖库水体遥感提取结果;
经过S5步骤提取的湖库水体矢量可能包含湖库水体和陆地缓冲区水体多个水体矢量,利用空间约束矢量和S5步骤提取的湖库水体矢量进行交运算,如果两者没有交集,则将该水体矢量剔除,最后将保留的水体矢量作为湖库水体遥感提取的最终矢量。
在本发明的一个实施例中,以阳澄湖和龙虎泡水库为例,对比本方法和传统双峰阈值法方法用于湖库水体面积提取的效果。
图2a和图2b分别为阳澄湖和龙虎泡水库缓冲区裁剪得到的GF-1正射校正遥感影像(ILR)和对应的空间约束矢量。分别对两景影像进行面向对象分割,计算两景影像NDWI归一化差异水体指数,然后利用双峰阈值法确定水体提取阈值,通过阈值分割确定阳澄湖和龙虎泡水库水体面积。
图3a和图3b分别为不采用空间约束的阳澄湖和龙虎泡水库水体遥感提取结果,可以看出阳澄湖和龙虎泡周边陆地上很多小水体以及和水体光谱特征类似的地物被提取出来,导致阳澄湖和龙虎泡水体提取结果中包含了众多无效提取结果,增加了湖库水体提取误差。
图4a和图4b分别为采用空间约束的阳澄湖和龙虎泡水库水体遥感提取结果,可以看出通过空间约束矢量和水体提取矢量进行运算,可以剔除缓冲区陆地上的小水体和干扰地物,显著提高了湖库水体的提取精度。
Claims (4)
1.一种基于空间约束的湖库水体面积遥感自动提取方法,其特征在于,包括以下步骤:
S1、绘制或生成湖库缓冲区;
S2、绘制湖库水体遥感提取空间约束矢量;
S3、利用湖库缓冲区裁剪预处理后的遥感影像;
S4、利用面向对象法对裁剪后的影像进行多尺度分割;
S5、计算水体遥感提取指数,利用双峰阈值法自动确定水体提取阈值进行水体自动提取;
S6、利用空间约束矢量和水体提取矢量进行运算,剔除无效水体,得到湖库水体遥感提取结果。
2.根据权利要求1所述的一种基于空间约束的湖库水体面积遥感自动提取方法,其特征在于,具体包括以下步骤:
S1、绘制或生成湖库缓冲区;
基于经过几何精校正的卫星影像,根据待提取湖库空间几何特征绘制湖库缓冲区,转换为矢量;如果存在湖库大致矢量范围,直接生成缓冲区,缓冲区总面积为湖库面积的2-3倍;
S2、绘制湖库水体遥感提取空间约束矢量;
基于经过几何精校正的卫星影像,根据待提取湖库空间几何特征绘制湖库水体遥感提取空间约束矢量;
S3、利用湖库缓冲区裁剪预处理后的遥感影像;
利用湖库缓冲区矢量对经过几何精校正和大气校正的遥感影像进行自动裁剪,获取覆盖湖库缓冲区的遥感影像,记为ILR;
S4、利用面向对象法对裁剪后的影像进行多尺度分割;
利用面向对象方法对ILR影像进行多尺度分割,首先将单个像元作为对象,基于该像元和邻近像元的光谱、纹理和几何特征对图像进行合并和分割,最后得到具有相似光谱、纹理和几何特征的多边形对象;
S5、计算水体遥感提取指数,利用双峰阈值法自动确定水体提取阈值进行水体自动提取;
计算水体遥感提取指数,统计得到ILR影像水体遥感指数的直方图分布,由于水体和陆地的水体遥感提取指数在量级上存在显著差异,直方图会呈双峰特征,自动识别两峰之间的最小值所对应的水体遥感提取指数作为水体提取阈值,利用阈值分割法提取得到湖库水体矢量范围,实现湖库水体的自动提取;
S6、利用空间约束矢量和水体提取矢量进行运算,剔除无效水体,得到湖库水体遥感提取结果;
经过步骤S5提取的湖库水体矢量可能包含湖库水体和陆地缓冲区水体多个水体矢量,利用步骤S2获取的空间约束矢量和步骤S5提取的湖库水体矢量进行交运算,如果两者没有交集,则将该水体矢量剔除,最后将保留的水体矢量作为湖库水体遥感提取的最终矢量。
3.根据权利要求2所述的一种基于空间约束的湖库水体面积遥感自动提取方法,其特征在于,步骤S2中,绘制湖库水体遥感提取空间约束矢量,绘制原则包括:(1)对于水域完全连通的湖库,绘制一个约束矢量即可,矢量范围尽量不超过已知的湖库最小水域;(2)对于存在不同连通区域的湖库,每个连通区域绘制一个约束矢量,矢量范围尽量不超过该连通区域最小水域面积;最小水域面积通过时序卫星影像确定。
4.根据权利要求2所述的一种基于空间约束的湖库水体面积遥感自动提取方法,其特征在于,步骤S5中,计算水体遥感提取指数,采用的方法包括归一化差异水体指数、归一化差异植被指数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010919183.2A CN111931696A (zh) | 2020-09-04 | 2020-09-04 | 一种基于空间约束的湖库水体面积遥感自动提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010919183.2A CN111931696A (zh) | 2020-09-04 | 2020-09-04 | 一种基于空间约束的湖库水体面积遥感自动提取方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111931696A true CN111931696A (zh) | 2020-11-13 |
Family
ID=73310125
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010919183.2A Pending CN111931696A (zh) | 2020-09-04 | 2020-09-04 | 一种基于空间约束的湖库水体面积遥感自动提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111931696A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112733947A (zh) * | 2021-01-14 | 2021-04-30 | 中国水利水电科学研究院 | 一种尾矿坝空间分布识别***及方法 |
CN113177964A (zh) * | 2021-05-25 | 2021-07-27 | 北京大学 | 光学遥感影像大范围地表水提取方法及装置 |
CN113343945A (zh) * | 2021-08-02 | 2021-09-03 | 航天宏图信息技术股份有限公司 | 水体识别方法、装置、电子设备及存储介质 |
CN117409203A (zh) * | 2023-11-14 | 2024-01-16 | 自然资源部国土卫星遥感应用中心 | 一种浅水湖泊面积提取的方法 |
CN117726707A (zh) * | 2024-02-08 | 2024-03-19 | 北京未来宇航空间科技研究院有限公司 | 一种电子地图中自定义区域展示方法、装置及电子设备 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105957079A (zh) * | 2016-04-28 | 2016-09-21 | 淮阴师范学院 | 基于Landsat OLI多光谱影像的湖泊水域信息提取方法 |
US20170083747A1 (en) * | 2015-09-21 | 2017-03-23 | The Climate Corporation | Ponding water detection on satellite imagery |
-
2020
- 2020-09-04 CN CN202010919183.2A patent/CN111931696A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170083747A1 (en) * | 2015-09-21 | 2017-03-23 | The Climate Corporation | Ponding water detection on satellite imagery |
CN105957079A (zh) * | 2016-04-28 | 2016-09-21 | 淮阴师范学院 | 基于Landsat OLI多光谱影像的湖泊水域信息提取方法 |
Non-Patent Citations (2)
Title |
---|
孙艳霞: "基于矢量约束与面向对象图像分析的高分辨率遥感水体信息提取技术研究", 《中国优秀硕士学位论文全文数据库工程科技Ⅰ辑》 * |
沈金祥等: "面向对象的山区湖泊信息自动提取方法", 《国土资源遥感》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112733947A (zh) * | 2021-01-14 | 2021-04-30 | 中国水利水电科学研究院 | 一种尾矿坝空间分布识别***及方法 |
CN112733947B (zh) * | 2021-01-14 | 2021-11-09 | 中国水利水电科学研究院 | 一种尾矿坝空间分布识别***及方法 |
CN113177964A (zh) * | 2021-05-25 | 2021-07-27 | 北京大学 | 光学遥感影像大范围地表水提取方法及装置 |
CN113177964B (zh) * | 2021-05-25 | 2023-08-18 | 北京大学 | 光学遥感影像大范围地表水提取方法及装置 |
CN113343945A (zh) * | 2021-08-02 | 2021-09-03 | 航天宏图信息技术股份有限公司 | 水体识别方法、装置、电子设备及存储介质 |
CN113343945B (zh) * | 2021-08-02 | 2021-12-31 | 航天宏图信息技术股份有限公司 | 水体识别方法、装置、电子设备及存储介质 |
CN117409203A (zh) * | 2023-11-14 | 2024-01-16 | 自然资源部国土卫星遥感应用中心 | 一种浅水湖泊面积提取的方法 |
CN117409203B (zh) * | 2023-11-14 | 2024-04-02 | 自然资源部国土卫星遥感应用中心 | 一种浅水湖泊面积提取的方法 |
CN117726707A (zh) * | 2024-02-08 | 2024-03-19 | 北京未来宇航空间科技研究院有限公司 | 一种电子地图中自定义区域展示方法、装置及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111931696A (zh) | 一种基于空间约束的湖库水体面积遥感自动提取方法 | |
Zhou et al. | Automated rangeland vegetation cover and density estimation using ground digital images and a spectral-contextual classifier | |
Lu et al. | Land cover classification in a complex urban-rural landscape with QuickBird imagery | |
CN108596103B (zh) | 基于最佳光谱指数选择的高分辨遥感影像建筑物提取方法 | |
Chen et al. | Isolating individual trees in a savanna woodland using small footprint lidar data | |
Kayitakire et al. | Retrieving forest structure variables based on image texture analysis and IKONOS-2 imagery | |
CN107944368B (zh) | 一种基于时序遥感图像的水体提取方法 | |
CN110120046B (zh) | 一种融合dem、光学遥感和形变信息的潜在滑坡识别方法 | |
CN112285710B (zh) | 一种多源遥感水库蓄水量估算方法与装置 | |
CN106600574A (zh) | 一种基于遥感影像与高程数据的滑坡提取方法 | |
Li et al. | Change detection for high-resolution remote sensing imagery using object-oriented change vector analysis method | |
Grigillo et al. | Automated building extraction from IKONOS images in suburban areas | |
CN101334896A (zh) | 数字图像测量亚像素边沿处理方法 | |
La et al. | Extraction of individual tree crown using hyperspectral image and LiDAR data | |
Feng et al. | A hierarchical extraction method of impervious surface based on NDVI thresholding integrated with multispectral and high-resolution remote sensing imageries | |
Bin et al. | Parcel-based change detection in land-use maps by adopting the holistic feature | |
Jiang et al. | Semi-automatic building extraction from high resolution imagery based on segmentation | |
Ke et al. | Comparison of individual tree crown detection and delineation methods | |
Luo et al. | An evolutionary shadow correction network and a benchmark UAV dataset for remote sensing images | |
CN112166688B (zh) | 基于小卫星的沙漠与沙漠化土地监测方法 | |
CN116843938A (zh) | 一种高空间分辨率遥感图像的混合分类方法 | |
Xie et al. | Object-oriented random forest classification for Enteromorpha prolifera detection with SAR images | |
Liu et al. | Water extraction on the hyperspectral images of gaofen-5 satellite using spectral indices | |
CN116229459A (zh) | 国产卫星多光谱图像逐像素质量标记方法 | |
He et al. | Glacier identification from Landsat8 OLI imagery using deep U-NET |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20201113 |
|
WD01 | Invention patent application deemed withdrawn after publication |