海岸带水体遥感信息全自动提取方法

图 ２ 基于 ｍ ｅ ａ ｎｓ ｈ ｉ ｆ ｔ的遥感影像分割流程图 Ｆ ｉ ． ２ Ｆ ｌ ｏ ｗｃ ｈ ａ ｒ ｔｏ ｆｍ ｅ ａ ｎｓ ｈ ｉ ｆ ｔ ｓ ｅ ｍ ｅ ｎ ｔ ａ ｔ ｉ ｏ ｎａ ｌ ｏ ｒ ｉ ｔ ｈ ｍ ｇ ｇ ｇ

２． ２ 基于专家系统的全域水体信息提取 面向对象的全域水体信息提取包括特征空间 构建和专家系统判别两个步骤 。 本文选用六个光 谱特征构成面向 对 象 的 全 域 水 体 信 息 特 征 空 间 ， 包括 Ｎ 、 ＤＷ Ｉ（ ｎ ｏ ｒ ｍ ａ ｌｄ ｉ ｆ ｆ ｅ ｒ ｅ ｎ ｔ ｉ ａ ｌｗ ａ ｔ ｅ ｒｉ ｎ ｄ ｅ ｘ） （ ＭＮ ＤＷ Ｉ ｍ ｏ ｄ ｉ ｆ ｉ ｅ ｄ ｎ ｏ ｒ ｍ ａ ｌｄ ｉ ｆ ｆ ｅ ｒ ｅ ｎ ｔ ｉ ａ ｌ ｗ ａ ｔ ｅ ｒ ） 、 ） 三个水体指 Ｔ ＣＷ（ ｔ ａ ｓ ｓ ｅ ｌ ｅ ｄｃ ａ ｅ ｔ ｎ ｅ ｓ ｓ ｉ ｎ ｄ ｅ ｘ ｐｗ 数， （ ） 、 Ｎ Ｄ Ｖ Ｉ ｎ ｏ ｒ ｍ ａ ｌ ｄ ｉ ｆ ｆ ｅ ｒ ｅ ｎ ｔ ｉ ａ ｌ ｖ ｅ ｅ ｔ ａ ｔ ｉ ｏ ｎｉ ｎ ｄ ｅ ｘ ｇ （ 两个植被 Ｓ ＡＶ Ｉ ｓ ｏ ｉ ｌ ａ ｄ ｕ ｓ ｔ ｅ ｄｖ ｅ ｅ ｔ ａ ｔ ｉ ｏ ｎｉ ｎ ｄ ｅ ｘ） ｊ ｇ 指 数， （ Ｎ Ｄ Ｂ Ｉ ｎ ｏ ｒ ｍ ａ ｌｄ ｉ ｆ ｆ ｅ ｒ ｅ ｎ ｔ ｉ ａ ｌｂ ｕ ｉ ｌ ｄ ｉ ｎ ｎ ｄ ｅ ｘ） ｇｉ
， 犃 犫 狊 狋 狉 犪 犮 狋： 犃狀 犲 狑狑 犪 狋 犲 狉 犲 狓 狋 狉 犪 犮 狋 犻 狅 狀犿 犲 狋 犺 狅 犱， 狑 犺 犻 犮 犺犳 狅 犮 狌 狊 犲 狊狅 狀狋 犺 犲犮 犺 犪 狉 犪 犮 狋 犲 狉 犻 狊 狋 犻 犮 狊狅 犳 狋 犺 犲犮 狅 犪 狊 狋 犪 犾狑 犪 狋 犲 狉 犻 狊狆 狉 狅 狅 狊 犲 犱． 狆 ， ， 犜 犺 犲犿 犲 狋 犺 狅 犱犪 犱 狅 狋 狊狊 犮 犪 犾 犲狋 狉 犪 狀 狊 犳 狅 狉 犿 犪 狋 犻 狅 狀犳 狉 狅 犿狆 犻 狓 犲 犾 狋 狅狅 犫 犲 犮 狋犪 狀 犱犳 狉 狅 犿犵 犾 狅 犫 犪 犾 狋 狅犾 狅 犮 犪 犾 狌 狋 犻 犾 犻 狕 犲 狊狊 犲 犮 狋 狉 犪 犾 犳 犲 犪 狋 狌 狉 犲 狊 狆 犼 狆 ， ， 狊 犲 犮 犻 犪 犾 犳 犲 犪 狋 狌 狉 犲 狊 狊 狋 犪 狋 犻 狊 狋 犻 犮犳 犲 犪 狋 狌 狉 犲 狊犪 狀 犱狌 狀 犮 犲 狉 狋 犪 犻 狀 狋 犻 犲 狊狅 犳 狉 犲 犿 狅 狋 犲狊 犲 狀 狊 犻 狀 犻 狀 犳 狅 狉 犿 犪 狋 犻 狅 狀 犪 狀 犱犿 犪 犽 犲 狊狌 狊 犲狅 犳 犮 狅 犿 犫 犻 狀 犪 狋 犻 狅 狀 狆 犵 ， 狋 犺 犲犿 犲 狋 犺 狅 犱犮 犪 狀犲 狓 狋 狉 犪 犮 狋狑 犪 狋 犲 狉 犻 狀 狅 犳犵 犲 狅 犽 狀 狅 狑 犾 犲 犱 犲犪 狀 犱犱 犪 狋 犪 犿 犻 狀 犻 狀 狋 犲 犮 犺 狀 狅 犾 狅 ． 犈 狓 犲 狉 犻 犿 犲 狀 狋 犪 犾 狉 犲 狊 狌 犾 狋 狊 犻 狀 犱 犻 犮 犪 狋 犲狋 犺 犪 狋 犵 犵 犵 狔 狆 ，犫 狏 犪 狉 犻 狅 狌 狊狋 犲 狊狅 犳犮 狅 犪 狊 狋 犪 犾狕 狅 狀 犲 狊狑 犻 狋 犺犫 犲 狋 狋 犲 狉犮 狅 犿 犾 犲 狋 犲 狀 犲 狊 狊 犲 狋 狋 犲 狉犮 狅 狀 狋 犻 狀 狌 犻 狋 狀 犱犺 犻 犺 犲 狉犪 犮 犮 狌 狉 犪 犮 犺 犪 狀犮 犾 犪 狊 狊 犻 犮 狔 狆 狆 狔犪 犵 狔狋 犿 犲 狋 犺 狅 犱 狊狊 狌 犮 犺犪 狊狊 狌 犲 狉 狏 犻 狊 犲 犱犮 犾 犪 狊 狊 犻 犳 犻 犮 犪 狋 犻 狅 狀犪 狀 犱狋 犺 狉 犲 狊 犺 狅 犾 犱狊 犲 犿 犲 狀 狋 犪 狋 犻 狅 狀 ． 狆 犵 ； 犓 犲 狅 狉 犱 狊： 犮 狅 犪 狊 狋 犪 犾 狕 狅 狀 犲 狊 狉 犲 犿 狅 狋 犲狊 犲 狀 狊 犻 狀 狑 犪 狋 犲 狉犲 狓 狋 狉 犪 犮 狋 犻 狅 狀 狔狑 犵； 摘 要： 针对海岸带水体的特点提出一种通过 “ 像元 — 对象 ” 及“ 全域 — 局部 ” 的双重尺度转换方法 ， 综合利 用 海 岸 带 水 体 空间特征 、 统计特征和不确定性 ， 有机结合地学知识与数据挖掘方法 ， 实现海岸带水 体 遥 感 信 息 的 遥感信息的光谱特征 、 全自动提取 。 对中国四大海域不同类型海岸带的 犔 提取结果具有较好的完整性和连 犪 狀 犱 狊 犪 狋犈 犜 犕＋ 遥 感 影 像 进 行 试 验 ， 续性 ， 相对精度优于监督分类法和阈值分割法 。 关键词 ： 海岸带 ； 遥感 ； 水体提取 中图分类号 ： 犘 ２ ３ ７ 文献标识码 ： 犃 基金项目 ： 国家自然科学基金 （ ） ４ ０ ７ ０ １ １ １ ７
， 犑 犐 犃 犖 犌犆 犺 狅 狀 犪， 犔 犐犕 犪 狀 犮 犺 狌 狀 犔 犐 犝犢 狅 狀 狓 狌 犲 犵 狔 犵
， ， 犛 犮 犺 狅 狅 犾狅 犳犌 犲 狅 狉 犪 犺 狀 犱犗 犮 犲 犪 狀 狅 狉 犪 犺 犮 犻 犲 狀 犮 犲 犖 犪 狀 犻 狀 狀 犻 狏 犲 狉 狊 犻 狋 犖 犪 狀 犻 狀 １ ０ ０ ９ ３， 犆 犺 犻 狀 犪 犵 狆 狔犪 犵 狆 狔犛 犼 犵犝 狔 犼 犵２
提取方法 主 要 有 监 督 分 类 法 和 阈 值 分 割 法 两 大 类， 前者主要是针对多光谱图像数据 ， 采用数据挖 掘技术中的各种分类方法进行水体信息的提取
［ ］ ２
，
后者主要是指依据水体遥感的地学知识 ， 选取水陆 差异比较明显的某个波段或指数 ， 通过阈值分割的 方法实现水体信 息的提取
［ ］ ４
。 这些 方 法均在 实际
运用中取 得 很 好 效 果 的 同 时 也 存 在 一 些 问 题 ： 第 一， 要建立合理的遥感信息模 型 ， 地 学 信息传 输的 规律和数据本身隐含的信息缺一不可 ， 而监督分类 方法仅利用样本自身的统计特征 ， 没有充分利用水 体目标的光谱特征和空间特征 ， 阈值分割方法虽然 考虑了水体遥感信息的特点 ， 但采用简单的水体指 数组合会损失大量的多光 谱遥 感信 息 ； 第 二， 两种 方法均忽略了尺度问题 ， 都是在较大的尺度上进行 分析 ， 即将整个遥感影像作为 一 个整体 ， 建立 统 一 的水体信息提取模型 ， 在这种情 况 下 ， 遥感影 像 统
第４ ０卷 第３期 ０ １ １年６月 ２
测 绘 学 报
犃 犮 狋 犪犌 犲 狅 犱 犪 犲 狋 犻 犮 犪犲 狋犆 犪 狉 狋 狅 狉 犪 犺 犻 犮 犪犛 犻 狀 犻 犮 犪 犵 狆
犞 狅 犾 ． ４ ０， 犖 狅． ３ ， 犑 狌 狀 ． ２ ０ １ １
文章编号 ： （ ） １ ０ ０ １ １ ５ ９ ５ ２ ０ １ １ ０ ３ ０ ３ ３ ２ ０ ６
１ 引 言
随着遥感应 用 的 深 入 ， 水体提取方法不断改 已取得较好的效果 进，
［ １］
计数据反映的是研究区内不同类型不同水域 光 谱 特征的差异性 ， 而细节的水 体信息遭 到掩 盖 ， 提取 结果难免趋于粗放 ； 第三 ， 对人 工干预的 需求使 两 种方法均不适合海量遥感信息的自动提取 。 针对以上问题 ， 已有学者开展了进一步的研 ］ 先利 用 谱 间 关 系 和 缨 帽 变 换 湿 度 分 究 。 文献 ［ ７ 量建立提取水体 的 最 优 空 间 掩 膜 ， 再使用最大似 有效提 然法去除最优空 间 掩 膜 中 其 他 地 物 信 息 ， 高水体提取的 相 对 精 度 。 文 献 ［ 提出 “ 全 域— ８］ 局部 ” 的 分 步 迭 代 空 间 尺 度 转 换 机 制， 将全域分 割、 全域分类 、 局部分割与分类 等计算 过程有机 地 分阶段地融合了水体信息提取所需的不 结合起来 ， 同层次知识 ， 并建立迭代算法实现水体最佳边缘的 获得高精度的水体信 息提取 。 文 献 ［ ］ 逐步逼近 ， ９ 在全域采用谱间关系法 ， 在局部则采用基于数学形 态学膨胀滤波 算法进 行空 洞填充 和 短 线 连 接 ，最 后通过图像细化算法实现目标的细化 ， 实现对山区 细小水体进行高精度自动提取 。 这些研 究都在 一 定程度上将地学知识和数据挖掘相结合 ， 并考虑尺 减少人工干预 ， 取得了出色的效果 。 度问题 ， 。 目前 ， 常用的水体信 息
海岸带水体遥感信息全自动提取方法
江冲亚 ， 李满春 ， 刘永学
南京大学 地理与海洋科学学院 ， 江苏 南京 ２ １ ０ ０ ９ ３
犉 狌 犾 犾 犪 狌 狋 狅 犿 犪 狋 犻 犮犕 犲 狋 犺 狅 犱 犳 狅 狉 犆 狅 犪 狊 狋 犪 犾犠 犪 狋 犲 狉 犐 狀 犳 狅 狉 犿 犪 狋 犻 狅 狀犈 狓 狋 狉 犪 犮 狋 犻 狅 狀 犳 狉 狅 犿犚 犲 犿 狅 狋 犲犛 犲 狀 狊 犻 狀 犐 犿 犪 犲 犵 犵
］ １ ３ 一个建筑指数［ 。 根据地学知识建立水体的遥感
信息专家系统模 型 （ 图３ ） ， 模 型 分 为 两 个 部 分： 第 一部分中 ， 对于分割图像中 的任意对 象 ， 如果 其特 则将其判别为 征空间不满足任意一条约束性条件 ，
图 １ 海岸带水体遥感信息全自动提取方法框架图 ｉ ． １ Ｆ ｒ ａ ｍ ｅ ｗ ｏ ｒ ｋｄ ｉ ａ ｒ ａ ｍｏ ｆ ｃ ｏ ａ ｓ ｔ ａ ｌｗ ａ ｔ ｅ ｒ Ｆ ｇ ｇ ｅ ｘ ｔ ｒ ａ ｃ ｔ ｉ ｏ ｎｍ ｅ ｔ ｈ ｏ ｄ
第３期
江冲亚 ， 等： 海岸带水体遥感信息全自动提取方法
３ ３ ３
２ 海岸带水体遥感信息提取方法
海岸带水体遥感信息提取方法包括遥感影像 分割 、 水体信息粗 提 取 和 水 体 信 息 精 提 取 三 个 阶 图１ ） ， 其中进行两次尺度 转 换 ， 其一为从像元 段（ 属于自下向上的尺度转换 ， 其二为 到对象的转换 ， 从全域到局部的转换 ， 属于自上向下的尺度转换 。 在第一阶段中 ， 结合水体遥感信息的光谱特征和 先通过空间滤波减轻噪声对 空间特征进行分 析 ， 再通过区域标号方法进 目标和背景信息 的 干 扰 ， 行空间聚合 ， 完成面向像元的全域遥感影像分割 ， 从而实现从 像 元 到 对 象 的 转 换 。 在 第 二 阶 段 中 ， 先利用水体遥感信息的光谱特征构建面向对象的 再根据 遥 感 地 学 知 识 建 立 相 应 的 遥 感 特征空间 ， 信息模型 ， 通过一组决策规则进行专家系统判别 ， 提取出水体 的 确 定 区 、 不 确 定 区 和 否 定 区。在 第 结合水 体 遥 感 信 息 的 空 间 特 征 和 统 计 三阶段中 ， 特征进行分析 ， 先选取水体不确定区 ， 搜索各不确 定水体对象的邻域 ， 实现从全域到局部的转换 ， 再 从各自邻域内自动选取确定水体样本和否定水体 样本 ， 通过建立局部数据挖掘模型进行分类 ， 完成 面向对象的局部水体信息提取 。