基于遥感影像水体信息提取的改进方法
遥感图像中基于机器学习的水体提取方法研究
遥感图像中基于机器学习的水体提取方法研究一、引言在遥感技术不断发展的今天，如何高效地利用遥感图像数据成为了研究的热点问题之一。
水体提取是遥感图像处理中的一个非常重要的问题，水体提取不仅对于水资源的管理有着重要的意义，而且在环境监测，自然灾害预警等领域也有着广泛的应用。
因此，在遥感图像中基于机器学习的水体提取方法的研究引起了众多学者的关注。
本文将介绍基于机器学习的水体提取方法的研究现状，并针对其中存在的问题，提出了一些改进思路。
二、研究现状传统的遥感图像水体提取方法主要采用阈值法、比值法等像元级的方法进行水体提取。
这些方法简单易行，但是存在提取精度低、受数据质量等因素影响大等缺点。
而基于机器学习的水体提取方法则采用计算机科学中的机器学习理论，利用自动学习的能力，从图像数据的高维空间中提取特征、判别水体和非水体，大幅提高了水体提取的效率和准确性。
目前，基于机器学习的水体提取方法主要分为两个类别：监督式学习和非监督式学习。
2.1 监督式学习方法监督式学习方法需先准备训练集，并人工标注其中的“水”和“非水”样本。
在训练模型时，传递图像的信息以及相应的标注到算法中，通过学习样本特征的相似关系和差异，最终建立起一个分类模型。
监督式学习方法的优点在于提取的水体信息较为准确，但缺点也很明显，即与训练集样本相关性强，泛化能力较差，当遇到未曾见过的新数据时准确率会有所下降。
常见的监督式学习方法有支持向量机（Support Vector Machine, SVM）、决策树（Decision Tree）、神经网络（Neural Network）等算法。
这些算法不同的分类依据和处理方式会影响提取的水体的质量。
2.2 非监督式学习方法与监督式学习方法不同，非监督式学习方法不依赖于预先标注的数据。
这类方法通过计算数据中的各种统计量、空间接近度等指标，自动分类图像数据，并对提取的水体和非水体像元进行分析、筛选。
这类方法的优点在于不需要自行标注繁琐，可以减少人工干预，缺点在于提取的水体信息相对较少，不如监督式学习方法准确。
如何进行遥感影像的水体提取与监测
如何进行遥感影像的水体提取与监测遥感影像的水体提取与监测是一种利用遥感技术进行水体特征提取和监测的方法，它在水文、环境、气候等领域有重要的应用价值。
本文将以介绍遥感影像的水体提取和监测方法为主线，结合实例和理论知识，深入探讨这一领域的相关问题。
一、遥感影像的水体提取方法1. 阈值法阈值法是一种基于像素值对遥感影像进行水体提取的常用方法。
其基本原理是通过设定合适的阈值来判断像素是否为水体。
阈值的选择需要根据影像的特点和需要提取的水体特征来确定，通常可以结合样本点和经验来确定最佳阈值。
但是，阈值法在提取过程中容易受到光照和地物干扰的影响。
2. 归一化差异水体指数法归一化差异水体指数（Normalized Difference Water Index，NDWI）是一种常用的遥感影像水体提取方法，其基本原理是利用水体和其他地物在红外区域的反射特性差异进行提取。
NDWI可以消除光照和地物干扰，提高水体提取的准确性。
通过计算NDWI值，可以得到一个反映水体分布的二值图像。
3. 水体边界检测法水体边界检测法是一种通过检测水体与周围地物的边界来进行水体提取的方法。
该方法可以利用影像的边缘检测算法，如Canny边缘检测算法，提取出水体的边界。
然后，可以根据边界信息绘制水体的掩膜图像，进一步进行水体提取。
二、遥感影像的水体监测方法1. 水体变化监测水体的变化监测是一种通过比较不同时间点的遥感影像来检测水体变化的方法。
通过对比两个或多个时间点的影像，可以发现水体的变化情况，如水域面积的增加或减小、水体形态的改变等。
该方法可以通过计算水体的变化指数来量化水体的变化程度，并绘制变化图像。
2. 水体分类监测水体分类监测是一种将遥感影像中的水体区域与其他地物进行分类的方法。
该方法可以通过像元分类算法，如最大似然分类、支持向量机分类等，将影像中的每个像元分为水体或非水体。
通过分类结果，可以得到水体的空间分布图，并进行进一步的水体监测。
基于GF-2遥感影像的一种快速水体信息提取方法
基于GF-2遥感影像的一种快速水体信息提取方法邹橙;杨学志;董张玉;王冬【摘要】在高分辨率遥感影像中,水体与阴影(尤其是高大建筑物阴影)、暗色地物不易区分.针对GF-2遥感影像的光谱特性的大量实验研究,提出了一种新综合水体指数法(NCWI)来增强水体区域信息;同时利用改进的OSTU结合鸡群算法(CSO)快速自适应地确定最佳分割阈值,进而得到最终的水体区域.将其同归一化NDWI、改进谱间关系法、主成分分析综合法等常见水体信息提取方法应用于GF-2遥感影像水体信息提取,利用采用实地采样和人工解译的混淆矩阵对提取的水体区域结果进行精度验证和对比分析,从而验证了其有效性和高效性.4个实验区域的结果证明,该算法可以快速有效地提取水体信息,精确度分别达到97.82％,97.44％,92.13％,96.94％.【期刊名称】《图学学报》【年(卷),期】2019(040)001【总页数】6页(P99-104)【关键词】GF-2影像;水体提取;新综合水体指数;OSTU;高大建筑物阴影;鸡群算法【作者】邹橙;杨学志;董张玉;王冬【作者单位】合肥工业大学计算机与信息学院,安徽合肥230009;工业安全与应急技术安徽省重点实验室,安徽合肥230009;合肥工业大学计算机与信息学院,安徽合肥230009;工业安全与应急技术安徽省重点实验室,安徽合肥230009;合肥工业大学计算机与信息学院,安徽合肥230009;工业安全与应急技术安徽省重点实验室,安徽合肥230009;合肥工业大学计算机与信息学院,安徽合肥230009;工业安全与应急技术安徽省重点实验室,安徽合肥230009【正文语种】中文【中图分类】TP391利用遥感技术对水资源进行实时高效地监测、分析以及管理，对于人类的生存和发展具有十分重要的意义。
随着遥感技术的快速发展，卫星影像的分辨率也越来越高，对尺寸很小的对象都能够分辨出特征细节，使得不同的地物在影像中更加容易区分。
基于TM影像的水体信息提取算法研究
３期
毕硕本 ， 等： 基于 Ｔ Ｍ影像 的水体信息提取算 法研 究
２ ０ １ ３年 ８月 ２ ６ 日收 到 国 家 自然科 学 基 金 项 目 （ ４ １ ０ ７ １ ２ ５ ３ ） 、
图像 预处理
图像波段组合
图像拼接剪裁
』
信息提取 （ 图像分割 ） 水体信息分割 山体 噪声去除
上
提取结果 再处理 形 态学运算 中值滤波
、 ｒ
中 图法 分类 号 Ｔ Ｐ ３ ９ １ ． ４ １ ；
文献标志码
Ａ
各种地 物对 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 ， 细 小 水 体 由于其 水
陆分 界相对 不 明显 ， 提取 比较 困难 。 同时 ， 正确 处理
山体 阴影 的影 响 也 变 成 了水 体 信 息 提 取 中重 要 的
环节 。
间关系的水体信息提取算法 。在提取水体信息的过 程 中， 重新 比较水 体与 地物 在各 波段 的分 布情况 ， 结 合数学形态学方法、 图像去噪等手段对提取结果进 行进 一步处 理 ， 以提高 精度 。
针对 不 同 的地貌 特点 及水 文条 件 ， 人 们 提 出了
１ Ｔ Ｍ 影像 水 体 信 息提 取 流 程
提取结果检 验 目视校验 性 能比较
图１ 基于 Ｔ Ｍ影像进行水体信息提取流程 图
Ｔ Ｍ图像预处 理 中， 主要 是图像 图景数据 的拼
接 以及 根 据 目标 区域 边 界 进 行 裁 剪 。信 息 提 取 阶
国家 自然科学基金项 目（ ４ １ ２ ７ １ ４ １ ０ ） 资助 第一作者简 介 ： 毕 硕本 （ １ ９ ６ ５ 一） ， 男， 山东潍 坊人 ， 教授 ， 博 士生 导
基于遥感技术的水体信息提取模型研究
基于遥感技术的水体信息提取模型研究发表时间：2017-12-04T15:56:46.473Z 来源：《基层建设》2017年第25期作者：罗学彬赵登文杜家刚冉立谋[导读] 摘要：在越来越重视可持续发展与环境保护治理的今天，水资源作为一项与人类生产、生活活动密不可分的重大资源，同时也是生态环境状况的有效评价因子，如何有效的对其进行监测与保护，需要人类更多的关注。
成都颉达科技有限公司成都 610036摘要：在越来越重视可持续发展与环境保护治理的今天，水资源作为一项与人类生产、生活活动密不可分的重大资源，同时也是生态环境状况的有效评价因子，如何有效的对其进行监测与保护，需要人类更多的关注。
卫星遥感技术所具有的宏观性、现势性等优点，使遥感监测水资源成为一项重要的、有效的技术方法。
然而在目前方法中，常用的单一指数模型优缺点各异，不能真正有效的提取水体。
其原因是水体所在的地物背景复杂，单一的指数模型不能适用所有的地形以及地物所构建的复杂空间信息中的水体提取。
如何建立更加有效的、适用性更广的水体信息提取模型，正是本文所研究的内容。
本文以湖泊较多、地形复杂、水体类型丰富的云南省昆明市官渡区为研究区，以陆地资源卫星ETM+传感器获取的影像为数据源，在对水体的波谱特性、水体在影像上的信息反映、水体指数方法原理深入分析的基础之上，总结每个指数模型的优缺点。
最后，用目视解译与数理统计的方法对新模型的精度进行了验证，并用其他效果较好的提取方法对其评价，得出如下主要成果：关键词：遥感；水体信息提取；指数模型研究Research on water information extraction model based on remote sensing technologyAbstract：Today，we are attaching more and more importance to sustainable development and environmental protection.Water resources as a major resources are inseparable from human production and living activities，but also effective evaluation of factors of the ecological environment，how to effectively monitor and protect them，the need for more human attention.Satellite remote sensing technology which are macro and potential become an important and effective technical methods to monitor water resources.However，in the current method，the commonly used single index model has different advantages and disadvantages and can not really extract water.The reason is that the background of the water body is complex，and the single exponential model can not apply all the water extraction in the complex spatial information constructed by the all terrain and features.How to establish a more effective and more applicable water body information extraction model，it is the content of this paper.In this paper，the images obtained from the landsat7 ETM + sensor are used as the data source in the study area of Guandu District，Kunming，Yunnan Province，which is rich in lake，complicated terrain and abundant water type.Based on the analysis of the spectral characteristics of water bodies，the information of water bodies on the image，and the principle of water body index method，the advantages and disadvantages of each index model are summarized and a new model is put forward.Finally，the accuracy of the new model is verified by visual interpretation and mathematical statistics，and the results are compared with other methods with better results.The main results are as follows：Keywords：remote sensing，water body information extraction，exponential model study1 研究目的及意义地表覆盖着74%的水体，无论是以资源的形式存在，还是作为一个环境因子，都受到人类的格外重视。
基于Landsat-7 ETM+遥感影像的水体提取研究
绿 光
红 光
３ ０
３ ０
４ ５
０ ６ Ｏ９ ． ～ ．Ｏ ７ １ ５１ ５ ． ～． ５ ７
近 红 外 光 短 波红 外 光
３ ０ ３ ０
谱 间关 系分 析属 于 多波 段法 的一 种 ．是 基 于一 种逆 向思维 方式 来进 行地 物 信息 提取 ，抛 开传 统 分 类方 法 ，即从特 定 的图像 空 间进行 特 定地 物 识别 的 思维 方式 。根 据 分析 已有 地 物 的遥 感 特征 建立 地 物
（ ） 用 双 增 益 技术 使 远 红 外 波 段 ６分 辨 率 提 ２采
高 到 ６ ｍ， 增加 了数 据率 ； ０ 也 （ ） 进 后 的太 阳定 标 器 使 卫 星 的 辐射 定 标 误 ３改
但 是 随着 水体 增加 ， 体 的反射 率会 有所 变 化 。如水 体 泥沙 水
水 体 因对 人 射 能 量 （ 阳光 ） 有 强 吸 收性 ， 太 具 所
特 点 ， 用 于 水 资源 的调查 和监 测 ， 是在 洪 水 期 ， 适 但
难 以获 得无 云雾 的 图像 并 且 图 像 获取 周 期 较 慢 ， 因 此 Ｌ ｎ ｓｔ７ Ｅ Ｍ＋ 图像 能 够 适 用 于 洪 水 灾 害 监 ａ ｄａ一 Ｔ 测 评估 中本底 水体 的 提取 。
个 分叉 点代 表 一个决 策 树判 断条件 。每个 分叉 点 下 有 ２个 叶节 点 ， 分别代 表 满足 和不 满 足条件 的类别 。 这 种 方 法 不 仅 不 需 要 依 赖 任 何 先 验 的统 计 假 设 条
２ 水 体 遥 感 信 息 模 型
各 种地 物 的结 构 和组成 成分 不一 样 ，其 反射 光 谱 特性 也不 一样 ；同一 种地 物 的光谱 特 性 又随 时 间 季 节 和地 理 区域 的变 化 发 生 时 间效 应 和 空 间效 应 ． 根 据这 种特 性 ，可 以用遥 感 数据 进行 地物 的分 类 和 判读。
遥感影像水体提取研究综述
遥感影像水体提取研究综述以远程感知技术为基础，借助遥感影像可以迅速获取大量和全面的环境信息，从而帮助相关人员快速掌握水体的状况。
因此，随着遥感影像的技术的发展，提取水体的研究已经被越来越多的人所重视。
本文主要分析了提取水体信息的相关技术，对提取水体信息的现有方法进行了介绍和综述，以期获得更多可行的解决方案，促进该领域的进一步发展。
世界上存在大量的水体，它们可以满足人类日常的生活需求，也可以用于农业活动、工业生产和科学研究。
为了完成各种任务，必须对水体的情况进行详细的了解。
遥感技术是目前最有效的方法之一，可以快速捕获大量的信息，并以三维的形式展示水体的特征。
在这种情况下，提取水体信息就变得尤为重要。
提取水体信息主要依靠遥感影像，其中包括可见光和红外线两种波段。
研究者可以从中提取水体的形态特征，如形状、尺寸和位置等。
此外，还可以获得水体的光谱特征，如反射率、散射率和吸收率等。
不同波段能够提供不同视角下的信息，因此，提取水体信息还需要考虑复杂的数据组合和分析技术。
为了提取水体信息，已经有多种方法可以使用。
其中，基于特征的分类方法可以有效的识别水体信息，其中包括基于模板的和基于概率理论的方法。
此外，还可以使用像有监督学习这样的机器学习方法，它们可以通过实时的训练和学习，以更精确的方式来分类水体信息。
另外，基于矢量的方法也被越来越多的人所重视，它可以以更精确的方式提取水体信息。
此外，还有一些复杂的技术，如基于深度神经网络的方法，也可以用于提取水体信息。
这类技术比传统方法具有更高的精确性和灵活性，因此可以更好地完成水体提取任务。
然而，深度学习技术也需要大量的计算资源，并且训练过程会比较漫长，所以未来对相关研究的关注应该增加。
综上，提取水体信息是目前在水体监测中被广泛应用的技术，它可以使研究者能够快速地获取相关信息，以便于更好地控制水体的发展。
在这里，我们做了一个综述，总结了现有的技术，并提出一些有价值的研究建议，以期推动该领域的进一步发展。
遥感影像提取水体的方法
遥感影像提取水体的方法遥感技术是一种高效准确的数据获取工具，它在水文学、环境科学和灾害管理等领域具有广泛的应用。
使用遥感技术提取水体是一种在遥感图像处理中常用的方法，因为它可以快速而准确地分析和检测区域中的水体。
以下是关于遥感影像提取水体的10种常见方法：1. 基于阈值法的水体检测方法阈值法是一种简单的遥感图像处理方法，它可以根据像元值的大小为图像中的不同对象分配不同的像元值。
在水体提取中，阈值将像素分为水和非水两个类别。
这种方法在成像分辨率相对较高的遥感图像中表现良好。
2. 基于形态学的水体检测方法形态学方法是一种以数学中的形态学为基础的图像处理方法，它可以消除噪声、填补空洞并修复边缘中的小孔。
在水体提取中，这种方法可以有效地分离与清晰未清晰水体，精准提取水体边界。
3. 基于纹理特征的水体检测方法纹理特征是描述像素之间空间约束关系的一种特征。
在水体提取中，通过核密度、图像风貌、局部变异和纹理梯度等方法可以提取水体。
4. 基于峰度的水体检测方法峰度是统计学中一个用于描述概率分布的形式的参数。
在水体提取中，根据图像中每个像素值周围像素的峰度值，可以将像素分类，从而识别水体。
5. 基于基准反射率的水体检测方法水体在不同波段下的反射率特征是有别于非水体的。
在水体提取中，可以利用这一特点进行分类并获得水体形态特征。
6. 基于物理模型的水体检测方法将自然界中的物理过程和遥感图像处理方法结合起来，就可以使用基于物理模型的水体检测方法。
这种方法包括利用水体吸收的方法、利用水体散射的方法、利用水体反射的方法、利用水体温度的方法等。
7. 基于垂直植被指数的水体检测方法垂直植被指数（NDVI）是反映植被状态的指数，它可以有效地分析水体和非水体之间的差异。
在水体提取中，可以使用NDVI的变化来分离水体和非水体区域。
8. 基于人工神经网络的水体检测方法人工神经网络（ANN）是一种模拟人脑信息处理机制的数学模型，它可以用于分类和识别任务。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
2.3. 监督分类法
监督分类(supervised classification)又称训练场地 法，是以建立统计识别函数为理论基础，依据典型样 本训练方法进行分类的技术。即根据已知训练区提供 的样本，通过选择特征参数，求出特征参数作为决策 规则，建立判别函数以对各个待分类影像进行的图像 分类，是模式识别的一种方法。
基于遥感影像水体信息提取的改进方法*
马鸿旭，郭生练，周研来
武汉大学水资源与水电工程科学国家重点实验室，武汉 Email: mahongxu@ 收稿日期：2013 年 2 月 16 日；修回日期：2013 年 2 月 27 日；录用日期：2013 年 3 月 9 日
摘
要：本文分析了单独使用归一化差分植被指数法和归一化差分水指数法所引起的误提取和漏提
3. 水体提取改进方法
3.1. 常规方法存在的主要问题分析
NDVI 指数法和 NDWI 指数法都已被证明可以很
好地对一些流域的水体信息进行较高精度的信息提 (1) 取[3]。但由于 NDVI 指数法和 NDWI 指数法都只分别 采用了两个波段的遥感图像进行波段运算以进行水 体信息提取，导致无法准确地区分一些波段运算后指 数相近的地物。
取，总结了导致错误的原因及规律。耦合了归一化差分植被指数法、归一化差分水指数法和数学形态 学理论， 并提出了一种水域信息提取的改进方法。 以鄱阳湖水域为研究对象， 选取 2010 年 3 月至 2011 年 12 月的 HJ-1A 时序卫星影像图进行水域信息提取，并采用混淆矩阵对提取结果进行了比较和评价。 结果表明：改进的方法比三种常规方法(NDVI，NDWI，监督分类)的水体提取精度平均提高了 9.43%。 关键词：水体提取；归一化差分植被指数；归一化差分水指数；卫星影像
Copyright © 2013 Hanspub
2.1. 归一化差分植被指数法
归 一 化 差 分 植 被 指 数 ， NDVI(Normalized Difference Vegetation Index)。
NIR RED NDVI NIR RED
式中：NIR 为近红外波段，RED 为红光波段。 因为红光波段中的水体的反射率要高于植被，而
(a) Remote sensing image
(b) NDVI
(c) NDWI
Figure 2. Water extraction using NDVI and NDWI method 图 2. NDVI 及 NDWI 方法提取的水域信息图
NDWI及明显的劣势。在详尽分析 了各自方法在水体信息提取结果后，提出以下几点方 法的改进思路。
127
[1]
基金项目：国家自然科学基金(51079100，51190094)。 作者简介：马鸿旭(1989-)，男，吉林省吉林市人，硕士研究生，主 要从事遥感技术在水文中的应用等研究。
Copyright © 2013 Hanspub
第2卷 · 第2期
马鸿旭，等：基于遥感影像水体信息提取的改进方法
息的敏感度。曹荣龙等[5]对 NDWI 法进行了进一步的 改进，使水体提取精度进一步提高。Ma 基于 SPOT 序列影像， 综合应用 NDVI 和 NDWI 提取艾比湖水体， 证明了指数联合提取水体的可行性。翟辉琴 将数学 形态学理论应用到遥感影像的水体识别中，取得了很 好的效果。现行的水域信息提取主要存在以下几点不 足：1) 水体提取所使用的方法单一，NDVI 或 NDWI 都各自存在导致误提取的地物类别，这种状况在汛期 尤为严重。2) 采用 NDVI 或 NDWI 提取的水体信息 具有噪声，即偶然符合指数的非水体像点也被归为水 体。 本文在分析现有方法优点和不足的基础上，耦合 归一化差分植被指数法 NDVI(Normalized Difference Vegetation Index)、 归一化差分水指数法 NDWI(Normalized Difference Water Index)和数学形态学理论，提出 了一种水域信息提取的改进方法。该法通过对 NDVI 及 NDWI 水体提取的联合处理， 剔除现有方法各自的 误提取区域，并通过数学形态学理论对提取结果进行 进一步噪声剔除处理。通过实例分析和比较，以论证 所提方法的计算精度和适用性。
1. 引言
对于水域信息的研究是水文测验及分析计算的 基础内容之一。通过时序遥感数据进行水域信息提取 及变化检测，具有及时、快速、准确的特点。马国明
*
等利用多时相的高分辨率遥感数据检测了若羌湖泊 群的动态变化特征。Li 和 Narayanan[2]选用多时相的 Landsat MSS 数据对 Nebraska 地区建立了基于空间模 型边界形状提取的湖泊变迁分析方法。在水域信息提 取方法领域， 由 McFeeters[3]提出归一化水指数 NDWI 法。Xu[4]对 NDWI 进行了优化，提高了指数对水体信
Abstract: By analyzing the error extracted areas which is caused by using NDWI and NDVI methods individually, a modified water information extraction method was proposed and tested. The method interconnects the NDWI, NDVI and mathematical morphology methods together. The HJ-1A sequence statelier images in the Poyang Lake during 2010 to 2011 were selected as case study. The water information were recognized and extracted by the modified method and compared with three conventional methods based on confusion matrix. The results show that modified method is more accurate than three conventional methods by improving 9.43% on average. Keywords: Water Recognition; NDVI; NDWI; Statelier Images
Modified Water Information Extraction Method Based on Remote Sensing Images*
Hongxu Ma, Shenglian Guo, Yanlai Zhou
State Key Laboratory of Water Resources and Hydropower Engineering Science, Wuhan University, Wuhan Email: mahongxu@ Received: Feb. 16th, 2013; revised: Feb. 27th, 2013; accepted: Mar. 9th, 2013 Copyright © 2013 Hongxu Ma et al. This is an open access article distributed under the Creative Commons Attribution License, which permits unrestricted use, distribution, and reproduction in any medium, provided the original work is properly cited.
1) NDVI 对建筑信息的过分敏感导致误提取了很
多建筑地物信息， 与此同时 NDWI 对细小支流的不敏 感性导致了大量小面积水域的遗漏。 因此， 通过 NDWI 指数与 NDVI 指数的联合运算，用以拉大水体信息与
Figure 1. NDVI extractes the land and thebuilding by mistake 图 1. NDVI 对裸地及建筑物的误提取效果
Journal of Water Resources Research 水资源研究, 2013, 2, 127-133 doi:10.12677/jwrr.2013.22019 Published Online April 2013 (/journal/jwrr.html)
128
第2卷 · 第2期
马鸿旭，等：基于遥感影像水体信息提取的改进方法
在应用 NDVI 方法提取水域信息时，发现由于建 筑地物同水体信息在红色波段及近红外波段的响应 幅度和程度相似，导致明显的建筑物信息也被错误地 识别为水域信息。如图 1 所示。左图为包含水体和城 区建筑物信息的遥感图像。右图为 NDVI 水体信息提 取结果图，黑色为被识别的水体，由图可见部分城区 建筑及裸地信息也被错误识别为水体信息。 通过分析研究经过二值化处理的影像和对应的 水体信息提取混淆矩阵发现，影响水体提取信息准确 度的主要误差分为线误差和点误差。点误差主要存在 于使用 NDVI 法对水体信息图中，误差的形式为错误 提取误差，即将本来不属于水域信息的某些像元错误 分类为水域信息。如图 2(b)所示。线误差主要存在于 误差的形式为漏 使用 NDWI 法提取的水体信息图中， 提取误差，即 NDWI 法忽略了很多细小的支流信息。 如图 2(c)所示。
2. 水体提取方法原理
水域提取主要是对水域信息的识别和提取，即通 过一定的规则和方法将水域信息与非水域信息相互 区别开来。而两类信息的区别的分离程度及准确性即 是评价水域信息提取的主要判别标准[8]。 由于水体和陆地在接受了太阳辐射的相互作用 之后，对于太阳辐射的反射、吸收、散射、透射的特 征差异非常大，而使其在遥感图像上的反映截然不 同，对于不同波段的不同反映形成了对于水域信息唯 一的波谱响应特征，成为区分水域信息和其他非水域 信息的重要基本原理 。