英语原文共 5 页，剩余内容已隐藏，支付完成后下载完整资料

TM 影像水体的提取研究

杜先荣^1.2

( 1． 中北大学 信息与通信工程学院，山西 太原 030051;

2． 山西省光电信息与仪器工程技术研究中心，山西 太原 030051)

摘 要:针对现有基于 TM 影像的水体提取方法存在耗时、准确率低及通用性不强等问题，应用主成分分析法( principal component analysis，PCA) ，并结合徐涵秋改进的归一化差异水体指数( modified normalized difference water index，MNDWI) 构建了便于提取水体的假彩色合成图，通过分析水体在该合成图中的光谱特征，建立水体提取模型，从而实现基于 TM 影像的水体提取。比较本文方法与 MNDWI、谱间关系( TM2 TM3) －( TM4 TM5) 和新型水体指数等几种常见的水体提取方法分别在太原市城区、山区的水体提取效果，结果表明: 本文提出的方法更能快速、高效地提取 TM 影像水体，其精度高达94.03%。此外该方法不需要对阈值进行人工选择，达到了高自动化的研究要求。

关键词: TM 影像; 水体提取; 主成分分析法( PCA) ; 改进的归一化差异水体指数( MNDWI)

地表水体的实时监测和实时监测是防治水污染和保护生态环境的基本任务，遥感数据具有信息更新快、实时、动态和非破坏性等优点，因此，对遥感数据的提取、调查和监测工作受到了广泛关注和研究。

TM遥感图像已成为遥感数据的重要来源，由于其高空间分辨率高、光谱分辨率高、信息量丰富和定位精度高等优势在全球范围内被广泛使用。学者对于基于TM遥感影像的水体的提取进行了许多研究。例如：杨等人发现，只有当TM影像位于水体时，才有波段2 波段3大于波段4 波段5。基于这一特征，中等人研究从湿地中进行水的提取，取得了较好的结果。此外，王还从洞庭湖中提取了水体，为了说明相对活力指数（RVI）之间的差异、归一化植被指数（NDVI）、归一化差异水体指数（NDWI，改进的NDWI（MNDWI）和归一化积雪指数（NDSI）通过分析其原理，从而确定在不同目的不同倍水提取的最佳模式。因此，这些模型的弱多功能性是显而易见的，所有这些方法都需要选择阈值，以确保准确的水提取，这导致了一个沉重的工作量，以及不同的结果，这一缺点，我们引入主成分分析（主成分分析）构建一个新的水指数。

由于图像包含七个波段，在数据中存在着一定的冗余，这将影响水体提取的精度。然而，PCA可以有效压缩数据，达到去噪声处理。对TM影像降维来保存主要信息，减少冗余数据对结果的影响。此外，主成分分析只是一种数据的转换，不限制图像的周期，这确保基于PCA模型结构。基于此，本文构建了一个新的索引，它可以从TM图像结合被广泛应用于水体提取的主成分层MNDWI进行水体的提取。

1 方法

1.1研究区域和实验数据

我们选择太原TM影像为实验数据。太原是位于山西省中部，东经111°30－113°09”和北纬37°27－38°25。它拥有丰富的水资源如汾河、剑河和金阳湖。然而，汾河是山西省最大的水库，从北到南，金阳湖是中国北方最大的人工湖。

TM图像研究中使用的号轨道路径/行∶125 / 034，并要求这一日期是2013,9,23。它有一个更好的质量，没有白云和条纹的影响。首先，对原始图像进行几何校正，校正精度为0.5像素，以消除其几何失真。然后，通过感兴趣区与太原需要从1∶250 000基础地理数据管理矢量边界获得研究区域的图像，如图1所示：

图1 研究区的TM图像

1.2 PCA

主成分分析法是特征选择的主要方法，它使7多光谱波段的TM图像转换成主成分维空间，所示的每个组件的特征值和贡献率在表1中所示，前三个主成分的光谱特性如图2所示。

表1各主成分的特征值和贡献率

如表1所见，前两个主成分的累积贡献率为95.07%，包含主要信息，过滤掉不必要的噪音分类。此外，根据图2，通过分析特征的可分性的角度，PC2具有最好的特征的可分性与PC1和PC3相比，PC3特征的可分性很低。其贡献率仅为2.98%这没有任何意义的分类，因此，本实验建立了一个指数模型来提取水体TM图像只与PC1和PC2。

图2:第一三主成分的不同对象的光谱特性

1.3 MNDWI

MNDWI是NDWI的改进，可以有效地提取从山水中所描述的裁判，MNDWI公式

是MNDWI指数值；是绿色波段的反射率值，对应于TM图像的第二波段，是中红外反射率值，对应于TM图像的第五个波段。

1．4新水指标的分析与构建

本文最终选择PC1，PC2和水体组成的假彩色图像通过ERDAS IMAGINE软件处理，如图3所示：

图3 由PC1，PC2和MNDWI组成的假彩色图像

通过比较不同的物体的光谱特性，发现水体在新的合成影像上比在原来TM影像有一个更好的分离性。图4和5为光谱特征曲线。

图4 TM影像上不同地物的光谱特征

图5 不同地物在假彩色合成影像上的地物光谱特征

图5中，水在合成影像中的光谱特征只与阴影类似，但也可以看出，它们斜率相差很大。例如，水的第一波段和第二波段之间的光谱曲线几乎水平，斜率为0，而阴影的斜率是正的。此外，水在第一和第二波段亮度值为最低，第三波段最高。因此，分析所有这些特征可以确定一个算法，来将水体分离出来，然后建立基于该算法由ERDAS快速而准确地提取水的模型。由于指数从PC层和MNDWI组成的假彩色图像的分析派生，所以我们命名这个指数为PM，其计算公式为

其中，IPM是PM的索引值；R1是PC1的反射率，对应假彩色合成的第一波段；R2是PC2的反射率值，对应于假彩色图像的第二波段；IMNDWI是MNDWI的索引值，对应假彩色合成影像的第三波段。

2 实验数据分析

为了验证PM的实用性，我们分别用PM，MNDWI，（TM2 TM3）-（TM4 TM5）以及新的水指数（NWI）[11]对太原城市和山区进行水体信息的提取，图6,7为提取结果。白色区域表示水体或一部分被误提的非水体，黑色区域代表非水体和宽度小于30米的部分水体。

图6 城市地区水体信息提取结果

图7 山区水体信息提取结果

如图6，图7所示，MNDWI，（TM2 TM3）-（TM4 TM5），NWI和PM可以很好地从影像中提取水体，但它们也会误提裸地，植被和阴影，从而影响水体提取精度。

图6表明，NWI提取城市水体信息时比MNDWI和（TM2 TM3）-（TM4 TM5）效果更佳。它删除了椭圆形的住宅用地，但未能消除圆形裸地。然而，PM几乎删除了所有的住宅用地和裸地，在城市水体信息提取效果方面达到最佳。显然，PM是适合城市水体信息的提取。

图7展示的MNDWI，（TM2 TM3）-（TM4 TM5）和NWI在山区的提取效果比较类似因为每种方法都会误提一定数量的阴影。这是因为，在山区阴影的光谱特征与水体类似，仅依据光谱特征很难区分水体和阴影。即使在本实验中提取效果最佳的PM，它只是除去大部分的圆形或椭圆形阴影，但部分山区阴影仍未提取出来。

3 精度评估

我们确定通过目视解译和谷歌地球的比对来确定水体和非水体的训练样本。此外，我们结合ERDAS软件与谷歌地球中国版精度评估的功能，来测试随机生成的采样点。然后，我们通过比较随机生成的200！以内的采样点与谷歌地球的对应点的差异来确定上述四种方法的准确性。结果如表2。

表2 四种水体信息提取方法精度

在表2中，视觉效果是指平滑水边界，河流的连续性的程度以及大量非水图斑的存在，反映了水体提取的整体效果。我们可以从表2中知道，PM水体提取精度与视觉效果最佳。然而，由于TM影像30米空间分辨率的限制，宽度小于30米的细小水体不能被提取。

4 总结

本文选择山西省省会太原作为研究区，并提出了一种有效的水体信息提取方法，实现了对高耗时长，精度低和多功能性差水体信息提取方法的改进。

改进的提取方法大大减少了实验数据量，实验的复杂性以及时耗，并获得比MNDWI，（TM2 TM3）-（TM4 TM5）和NWI更好的水体提取效果。此外，这种方法默认阈值为0，当我们反复选择阈值并进行快速，准确和高度自动化的研究时，避免了繁琐和对精度的不良影响。然而，这种方法仅基于光谱特征分析，是无法清除所有的光谱特性非常类似于水的山体阴影。这需要遥感影像学者们结合影像空间特征进行进一步的研究与改进了。

参考文献

1. DENG Kun．Remote sensing image classification based on multi-source data． Northwest Agriculture and Forestry University in Shanxi Province，2008．
2. BI Hai-yun，WANG Si-yuan，ZENG Jiang-yuan，et al． Comparison and analysis of several common water extraction methods based on TM Image．Remote Sensing Information， 2012，27( 5) : 77-82．
3. YANG Cun-jian，XU Mei．Discussion on water extraction based on remote sensing information mechanism．Geographical Research，1998，17( Suppl) : 86-89．
4. ZHONG Chun-qi． Study of water extraction in wetland automatically from TM images． Water Resources Research，2007，28( 4)：589-595．
5. WANG Zhi-hui，YI Shan-zhen． Comparison and research on the different index models used in water extraction by remote sensing． Science Technology and Engineering，2007，7( 4) : 534-537．
6. OU Chun-jian．Research on principal component analysis of remote sensing images processing through example．Geometrics and Spatial Information Technology，2006，29( 5) : 5659．
7. XU Han-qiu．A study on information extracti

   剩余内容已隐藏，支付完成后下载完整资料

   ---

   资料编号：[32058]，资料为PDF文档或Word文档，PDF文档可免费转换为Word