基于光譜夾角的水體與城市信息區(qū)分研究

摘要：利用基于光譜夾角的方法來提取Landsat/TM影像中的水體與城市信息。研究發(fā)現(xiàn)，通過對TM影像的2—5波段進行光譜夾角計算之后，再利用Angle2、Angle3以及Angle4進行假彩色合成，合成后的影像減少了水體與城市之間的異物同譜現(xiàn)象，即有效減少了水體與城市信息提取過程中的相互干擾，從而增加了二者的區(qū)分度。

關(guān)鍵詞：遙感影像；TM；光譜夾角；水體分類；城市分類

中圖分類號：TP79 文獻標識碼：A 文章編號：0439—8114（2012）19—4251—03

目前，遙感技術(shù)使得獲取海量地理信息數(shù)據(jù)成為現(xiàn)實。在遙感信息大爆炸的時代，真正有用的信息又相對較少，成為遙感技術(shù)發(fā)展的瓶頸，同時，提高遙感數(shù)據(jù)中有效信息提取效率也成為重要研究內(nèi)容之一。遙感影像解譯是遙感數(shù)據(jù)挖掘的必要過程，也是一個復(fù)雜的認知過程，對一個目標的識別往往需要經(jīng)歷反復(fù)判讀才可以得到正確的結(jié)果[1]。由于遙感系統(tǒng)中固有的同物異譜、異物同譜現(xiàn)象，使得遙感影像解譯變得異常困難。

水體與陰影、城市建筑等地物存在典型的異物同譜現(xiàn)象，國內(nèi)外學(xué)者們開展了大量的關(guān)于水體提取的研究。周成虎等[2]提出了基于光譜知識的AVHRR影像的水體自動提取識別模型，并將該模型應(yīng)用于太湖、淮河、渤海等地區(qū)，取得了較好的效果。Mcfeeters[3]提出了利用歸一化差異水體指數(shù)（NDWI）來抑制與水體無關(guān)的背景信息的方法，并且得到了國內(nèi)外學(xué)者的廣泛認同與應(yīng)用，該方法改善了無關(guān)信息對水體的干擾，但是在很多情況之下用NDWI提取的水體信息中還是有非水體信息（例如城市建筑）的存在。徐涵秋[4]在NDWI的基礎(chǔ)之上，提出利用改進的歸一化差異水體指數(shù)（MNDWI）提取水體信息，該方法更好地提高了水體與城市建筑的區(qū)分度。姜騰龍等[5]利用光譜夾角方法對南京地區(qū)的ETM+數(shù)據(jù)進行水體提取并得到了較好的結(jié)果。萬顯榮等[6]根據(jù)TM影像的光譜特征，提出了一種基于種子點與連通性分析的快速水體邊界提取方法，并應(yīng)用于湖北省荊州地區(qū)洪災(zāi)期間某區(qū)域的TM影像。李小曼等[7]提出了一種基于衛(wèi)星圖像數(shù)據(jù)的LBV變換與歸一化植被指數(shù)（NDVI）的遙感影像水體信息自動提取的方法，該方法可以準確地將水域與低密度覆蓋的水植混合體分開。

根據(jù)TM影像的特征，如果僅以地物光譜的反射率來進行地物信息的快速提取，具有一定的局限性。因此，本研究試圖利用TM各波段的光譜特征差異，應(yīng)用光譜夾角的方法對TM影像中的城市和水體信息進行提取，以改善TM影像中水體和城市的異物同譜干擾。

1 研究區(qū)域及數(shù)據(jù)特征

1.1 數(shù)據(jù)源及主要特征

Landsat是美國陸地探測衛(wèi)星系統(tǒng)，其中TM數(shù)據(jù)有7個波段，波長范圍和分辨率如表1所示。利用TM數(shù)據(jù)進行水體提取，主要是依據(jù)水體在各波段上光譜的不同特征以及其他地物與水體的區(qū)別，通過分析水體及背景地物的光譜值，利用單個波段或多個波段組合來提取TM影像中的水體信息[8]。

1.2 研究區(qū)概況

試驗區(qū)為重慶市原始TM影像切割而來，僅保留試驗區(qū)所需范圍，試驗區(qū)相關(guān)信息為299 Rows×178 Columns×7 bands，大小為8 979 m×5 340 m，無云層遮蓋。主要地物有水體（嘉陵江）、道路、建筑物、植被以及陰影等。試驗區(qū)以TM432合成假彩色影像。通過簡要目視判讀可以看出，嘉陵江為湖水綠，道路為淺綠色，建筑物為綠色到墨綠色，植被為紅色到深紅色，如圖1所示。

1.3 水體的光譜特性

以水的反射光譜特征作為水體提取的理論基礎(chǔ)。根據(jù)水體反射光譜特征，傳感器所接收到的輻射包括水面反射光、懸浮物反射光、水底反射光和天空散射光。由于不同水體的水面性質(zhì)、水中懸浮物的性質(zhì)和含量、水深和水底特性不同，其反射光譜特征也存在差異。本研究主要針對水體與城市建筑物的區(qū)分。

水體的反射率總體上比較低。在可見光的波長范圍（480～580 nm）內(nèi)其反射率為4%～5%，波長為580 nm時則下降為2%～3%；當(dāng)波長大于740 nm時，幾乎所有入射純水體的能量均被吸收[9]。水體具有低反射、強吸收的特性，但在光譜區(qū)較短的譜段上分子散射性較強，故水體通常表現(xiàn)為暗色調(diào)[10]，而城市建筑物和水體在綠光和近紅外波段的波譜特征幾乎一致，因此，僅從波譜反射率來區(qū)分地物具有很大的局限性。

2 數(shù)據(jù)處理

信息量的大小與波段有關(guān)，一般紅外波段（包括近紅外、中紅外、熱紅外）的信息量大于可見光波段的信息量，且TM5信息量最大，TM2信息量最小[7]。水體從近紅外波段（即TM5）開始，其反射能量降低，幾乎為全吸收體，故表現(xiàn)為暗色調(diào)。獲取TM1～TM7各波段反射率圖，然后利用各波段中心波長進行光譜夾角的計算。

2.1 光譜夾角的計算

光譜夾角是以一個波段的光譜值為頂點，與其他兩個波段的光譜值所形成的夾角[8]。以TM數(shù)據(jù)為例，定義Angle2表示TM2與TM1、TM3的光譜值形成的夾角，其光譜夾角的計算公式為：

Angle2=cos—1（ρ2—ρ1）/■+

cos—1（ρ2—ρ3）/■

式中，L1、L2、L3分別表示TM1、TM2、TM3的中心波長；ρ1、ρ2、ρ3分別表示TM1、TM2、TM3的反射率值。光譜夾角旨在擴大地物之間的光譜差異，可以是相鄰波段間光譜值形成的夾角，也可以是非相鄰波段間光譜值形成的夾角，不同波段形成的夾角包含著不同波段的光譜信息。另外，還可以對光譜角再求其夾角，或者光譜角夾角的夾角，依次類推，迭代次數(shù)越高的地物光譜之間的差異越明顯[5]。依次對TM數(shù)據(jù)中光譜夾角Angle2、Angle3、Angle4和Angle5進行計算，結(jié)果見圖2。

2.2 光譜夾角影像的合成

將圖2中的4幅影像合成。根據(jù)實驗得到，利用Angle2、Angle3以及Angle4進行假彩色合成效果最優(yōu)，如圖3所示。由圖3可以看出，光譜夾角擴大了水體與其他地物之間的光譜差異。利用光譜夾角有效區(qū)分了水體與陰影，并在一定程度上剔除了陰影。原始TM影像中水體、道路、建筑物都偏向綠色，通過計算機快速分類無法將水體和城市有效區(qū)分，而在合成影像中它們的差異十分明顯，分別為紫紅色、藍紫色和綠色。

2.3 基于光譜夾角的水體與城市信息提取

由圖3可以看出，該方法已經(jīng)加大了城市和水體的區(qū)分度，但是還需要驗證該方法合成出來的數(shù)據(jù)是否有助于計算機快速分類。本研究使用ENVI軟件在原始圖像和光譜夾角計算合成圖基礎(chǔ)上以相同AOI數(shù)據(jù)區(qū)域來進行馬氏距離、最小距離、最大似然分類。分類后以信息含量較為豐富的特征區(qū)域作為細節(jié)對比。其中，橋梁、河流基本輪廓與原始圖像的對比尤為突出。對比結(jié)果如圖4所示。

對兩種處理方法的分類結(jié)果進行比較發(fā)現(xiàn)，光譜夾角計算后的合成圖其分類后結(jié)果更接近原始圖像的真實地物情況。利用混淆矩陣來對分類結(jié)果進行精度驗證，在進行混淆矩陣驗證過程中使用的是感興趣區(qū)（驗證樣本區(qū)）作為真實參考源，經(jīng)光譜夾角計算后合成的圖像分類精度如表2所示。將表2中的數(shù)據(jù)與原始圖像分類最優(yōu)結(jié)果進行比較（原始圖像分類精度驗證最優(yōu)結(jié)果為最小距離分類方法：總體分類精度為75.2%，Kappa系數(shù)為0.577 3），綜合以上數(shù)據(jù)可以得知，通過光譜夾角計算之后的合成圖像提高了水體和城市的區(qū)分度，并有效提高了圖像分類的精度。

3 結(jié)論

通過對TM影像的光譜夾角計算，加大了遙感影像中的水體和城市的區(qū)分度，減少了二者異物同譜的相互影響，彌補了單純的地物反射率區(qū)分地物的不足。利用地物光譜夾角和反射率的差異，進行城市和水體信息提取，取得了較好的結(jié)果。

該方法可以作為遙感信息自動化提取的切入點，充分利用光譜夾角和光譜差異的特點，可以解決更多由于異物同譜現(xiàn)象阻礙計算機自動化提取信息的發(fā)展問題。本研究僅以嘉陵江部分區(qū)域進行了實驗，還需要在不同區(qū)域、不同時相、不同傳感器等方面進行研究，并深入研究光譜夾角與各地物光譜信息之間的特征關(guān)系，以期提高衛(wèi)星遙感影像計算機解譯的精度。

參考文獻：

[1] 李建新.遙感與地理信息系統(tǒng)[M].北京：中國環(huán)境科學(xué)出版社，2006.

[2] 周成虎，杜云艷，駱劍承.基于知識的AVHRR影像的水體自動識別方法和模型研究[J]. 自然災(zāi)害學(xué)報，1996，5（3）：100—108.

[3] MCFEETERS S K. The use of normalized difference water Index（NDWI） in the delineation of open water features[J]. International Journal of Remote Sensing，1996，17（7）：1425—1432.

[4] 徐涵秋.利用改進的歸一化差異水體指數(shù)（MNDWI）提取水體信息的研究[J].遙感學(xué)報，2005，9（5）：589—595.

[5] 姜騰龍，趙書河，肖鵬峰，等.基于光譜夾角的水體信息提取方法研究[J].國土資源遙感，2009（2）：102—105.

[6] 萬顯榮，舒 寧，鄭建生.一種基于種子點與連通性分析的快速水體邊界提取方法[J].國土資源遙感，2000（4）：44—49.

[7] 李小曼，王 剛，李曉安.一種遙感影像水體信息自動提取方法[J]. 微計算機信息，2008，24（36）：303—305.

[8] 李小曼，王 剛，田 杰.TM影像中水體提取方法研究[J]. 西南農(nóng)業(yè)大學(xué)學(xué)報（自然科學(xué)版），2006，28（4）：580—582.

[9] JENSEN J R. Introductory digital image processing：a remote sensing perspective[M].New York：Prentice Hall，1996.

[10] 鐘 光.遙感技術(shù)在環(huán)境監(jiān)測中的應(yīng)用[J].才智，2008（21）：155—156.