基于區(qū)域增長(zhǎng)的海岸帶黑暗像元自動(dòng)提取算法研究

李微,田彥,劉遠(yuǎn),李媛媛,郭錫杰,牟蒙,劉長(zhǎng)發(fā)

(1.大連海洋大學(xué)海洋科技與環(huán)境學(xué)院,遼寧大連116023;2.遼寧省高校近岸海洋環(huán)境科學(xué)與技術(shù)重點(diǎn)實(shí)驗(yàn)室,遼寧大連116023; 3.朔州職業(yè)技術(shù)學(xué)院,山西朔州036002)

基于區(qū)域增長(zhǎng)的海岸帶黑暗像元自動(dòng)提取算法研究

李微1、2,田彥3,劉遠(yuǎn)1、2,李媛媛1,郭錫杰1,牟蒙1,劉長(zhǎng)發(fā)1、2

(1.大連海洋大學(xué)海洋科技與環(huán)境學(xué)院,遼寧大連116023;2.遼寧省高校近岸海洋環(huán)境科學(xué)與技術(shù)重點(diǎn)實(shí)驗(yàn)室,遼寧大連116023; 3.朔州職業(yè)技術(shù)學(xué)院,山西朔州036002)

針對(duì)海岸帶區(qū)域獨(dú)特的地表狀況設(shè)計(jì)了一個(gè)近海岸的黑暗像元自動(dòng)提取算法。首先利用修訂型歸一化水體指數(shù) (RNDWI)和歸一化植被指數(shù) (NDVI)對(duì)黑暗像元備選區(qū)域進(jìn)行確定,然后從備選區(qū)域中找到初始黑暗像元,最后利用多閾值的區(qū)域增長(zhǎng)法對(duì)黑暗像元的選取進(jìn)行優(yōu)化,最終計(jì)算得到黑暗像元值。應(yīng)用此算法對(duì)Landsat-5 TM影像遙感數(shù)據(jù)進(jìn)行處理,結(jié)果表明,大氣校正之后的典型地物光譜曲線(xiàn)更接近于真實(shí)的光譜曲線(xiàn),說(shuō)明此算法設(shè)計(jì)合理,其大氣校正結(jié)果與用ENVI軟件進(jìn)行FLAASH大氣校正和黑暗像元法大氣校正的結(jié)果相比,此算法更接近于FLAASH模型法,校正效果較好。同時(shí)利用黑暗像元自動(dòng)提取算法得到大氣校正后的結(jié)果大大減少了反射率值為負(fù)的情況,提高了數(shù)據(jù)的利用率。

黑暗像元;歸一化植被指數(shù);修訂型歸一化水體指數(shù);區(qū)域增長(zhǎng)算法;大氣校正

海岸帶由于豐富的水資源使得其遙感影像受大氣影響嚴(yán)重,因此,對(duì)海岸帶區(qū)域遙感影像進(jìn)行準(zhǔn)確的大氣校正是進(jìn)行后續(xù)數(shù)據(jù)處理和分析的前提,其精度決定了后續(xù)處理的精度。常用的大氣校正方法包括基于圖像信息的黑暗像元法和基于輻射傳輸原理的模型法。黑暗像元法不需要大氣和地面的實(shí)測(cè)數(shù)據(jù)和大量的參數(shù),校正精度也能滿(mǎn)足一般的遙感圖像處理。利用黑暗像元法進(jìn)行大氣校正,核心是要確定黑暗像元值。Gordon[1]把深且清潔的水體像元當(dāng)作黑暗像元;Kaufman等[2]利用中紅外波段發(fā)現(xiàn)了可見(jiàn)光波段的黑暗像元;Chaves[3]根據(jù)遙感圖像不同波段的直方圖,將非零亮度值開(kāi)始時(shí)對(duì)應(yīng)的亮度值當(dāng)作黑暗像元值;鄭偉等[4]提出用山地陰影直方圖主體法確定黑暗像元值;齊志新等[5]結(jié)合大氣輻射傳輸模型,通過(guò)選取TM影像上的多個(gè)植被陰影區(qū)作為黑暗像元;何穎清等[6]通過(guò)程序自動(dòng)提取圖像中的濃密植被像元和位于山區(qū)陰影的植被像元作為黑暗像元,均很好地模擬了復(fù)雜地形下的大氣狀況。黑暗像元區(qū)域的準(zhǔn)確性在很大程度上影響了大氣校正的精度,為此,本研究中作者在黑暗像元的確定方法上進(jìn)行了改進(jìn),提出了利用多閾值的黑暗像元自動(dòng)優(yōu)化區(qū)域增長(zhǎng)算法,將該算法應(yīng)用到Landsat-5 TM影像中,并將其與用ENVI軟件進(jìn)行FLAASH大氣校正和黑暗像元法大氣校正的結(jié)果相比較,以評(píng)價(jià)本算法的大氣校正效果。

1 研究對(duì)象

根據(jù)中國(guó)海岸帶和海涂資源綜合調(diào)查規(guī)定:海岸帶的寬度為離岸線(xiàn)向陸側(cè)延伸10 km,向海到15 m水深線(xiàn)。海岸帶是海陸之間的過(guò)渡地帶,是巖石圈、大氣圈、水圈和生物圈相交的地區(qū),具有較高的物理能量,憑借其自身豐富的自然資源和優(yōu)越的地理位置,海岸帶已成為人類(lèi)競(jìng)爭(zhēng)和開(kāi)發(fā)的重要區(qū)域,也是全球自然環(huán)境和生態(tài)最為復(fù)雜和脆弱的地域之一。因此,對(duì)海岸帶變化的監(jiān)測(cè)成為研究的重點(diǎn)。遙感技術(shù)作為海岸帶變化研究的一種重要方法,其傳感器在獲取海岸帶遙感影像的過(guò)程中,易受到大氣的影響,為此,需要進(jìn)行大氣校正。黑暗像元法大氣校正的關(guān)鍵在于確定黑暗像元值,海岸帶的地勢(shì)一般較平坦,沒(méi)有山體或建筑陰影等理想黑暗像元,但存在著成片的水體區(qū)和植被區(qū),這也為黑暗像元的獲取提供了條件。

2 近海岸黑暗像元自動(dòng)提取算法

2.1 黑暗像元備選區(qū)域的確定

通常云或山體的陰影、水體或者濃密植被都可以當(dāng)作遙感圖像中的黑暗像元。而本研究中根據(jù)研究區(qū)域特點(diǎn),將水體和濃密植被作為黑暗像元備選對(duì)象,即首先需要從遙感圖像上分割出水體區(qū)和濃密植被區(qū)作為黑暗像元備選區(qū)域。根據(jù)大量對(duì)水體指數(shù)和植被指數(shù)的相關(guān)研究,本研究中最終利用修訂型歸一化水體指數(shù)[7](RNDWI)和歸一化植被指數(shù) (NDVI)確定黑暗像元備選區(qū)域。

RNDWI能很好地抑制植被和山地等造成的噪音,突出水體信息。經(jīng)測(cè)定,水體RNDWI值分布在-0.42～-0.16[7],設(shè)定閾值為-0.42～-0.16,在此范圍內(nèi)像元為水體。對(duì)于TM多光譜遙感影像,RNDWI的表達(dá)式如下:

NDVI是植被生長(zhǎng)狀態(tài)和植被覆蓋的最佳指示因子,能夠很好地突出植被信息,將濃密植被區(qū)提取出來(lái)。當(dāng)NDVI值大于0.37時(shí),植被狀態(tài)可以認(rèn)為是濃密植被區(qū)[8]。設(shè)定0.37為閾值,≥0.37的像元是濃密植被。對(duì)于 TM多光譜遙感影像, NDVI的表達(dá)式如下:

由此可得,RNDWI值為-0.42～-0.16和NDVI≥0.37的區(qū)域即為黑暗像元備選區(qū)域。

2.2 基于區(qū)域增長(zhǎng)的黑暗像元優(yōu)化

由于黑暗像元區(qū)域都具有一定的面積,同時(shí)其區(qū)域內(nèi)部有相同的圖像特征,而與非黑暗像元區(qū)域有不同的圖像特征,符合區(qū)域生長(zhǎng)法的基本思想,即具有相似性質(zhì)的像元集合起來(lái)構(gòu)成區(qū)域。本研究中在備選的黑暗像元區(qū)內(nèi)對(duì)黑暗像元進(jìn)行優(yōu)化,確定最終的黑暗像元值,具體實(shí)現(xiàn)過(guò)程如下:

1)初始黑暗像元 (即生長(zhǎng)點(diǎn))的確定。首先要為初始黑暗像元區(qū)域找到生長(zhǎng)點(diǎn),可以是一個(gè)或者多個(gè)生長(zhǎng)點(diǎn)。有些確定黑暗像元值的方法在實(shí)際運(yùn)算過(guò)程中,會(huì)造成程輻射值出現(xiàn)負(fù)值,導(dǎo)致大氣校正結(jié)果偏大,最終像元反射率為負(fù)。根據(jù)鄭偉等[4]對(duì)簡(jiǎn)化大氣校正模型和程輻射計(jì)算原理的描述,本算法從黑暗像元備選區(qū)域中找到第一個(gè)使程輻射大于零的非零像元值,并且統(tǒng)計(jì)與其具有相同像元值的像元個(gè)數(shù)和確定這些像元的位置,將這些像元作為生長(zhǎng)點(diǎn)即初始黑暗像元。這樣既保證了程輻射不為負(fù),又保證了黑暗像元位于濃密植被區(qū)或水體區(qū)。

2)生長(zhǎng)規(guī)則的確定。區(qū)域內(nèi)像元的灰度值存在很大差異,但是相鄰像元間的灰度變化比較一致。對(duì)于每個(gè)生長(zhǎng)點(diǎn),選取生長(zhǎng)點(diǎn)8鄰域所有像素(共9個(gè))的中值Median(x,y)和標(biāo)準(zhǔn)差 (σ)作為衡量灰度變化的特征量,計(jì)算公式如下:

其中:M為8鄰域所有像素的平均值;DN(x,y)為像元的像素值。設(shè)定區(qū)域生長(zhǎng)的規(guī)則為

式中:N為整幅圖像像素灰度的平均值。針對(duì)生長(zhǎng)點(diǎn)8鄰域像素可能存在比生長(zhǎng)點(diǎn)像素值大很多的像素,導(dǎo)致8鄰域的平均值會(huì)比生長(zhǎng)點(diǎn)大得多,并不能準(zhǔn)確代表生長(zhǎng)點(diǎn)8鄰域的實(shí)際情況,而中值Median能降低這種隨機(jī)噪聲的影響。將中值Median與圖像平均值N進(jìn)行比較,由于N能代表整幅圖像的像素平均,選擇二者中較小的值,能避免中值過(guò)大的情況。

3)多閾值的區(qū)域增長(zhǎng)算法。從8鄰域像素開(kāi)始檢測(cè),像素值符合生長(zhǎng)規(guī)則的視為通過(guò)了一致性測(cè)試,并入生長(zhǎng)區(qū)域,同時(shí)更新中值Median和標(biāo)準(zhǔn)差σ,將其作為新的生長(zhǎng)點(diǎn),繼續(xù)檢測(cè)新的鄰域點(diǎn),直至無(wú)法生長(zhǎng)為止,完成了區(qū)域的增長(zhǎng)。每一個(gè)波段至少有一個(gè)這樣的區(qū)域。如果運(yùn)算結(jié)束之后區(qū)域沒(méi)有生長(zhǎng),那么可以認(rèn)定原生長(zhǎng)點(diǎn)是噪聲點(diǎn),返回初始狀態(tài),重新確定生長(zhǎng)點(diǎn),尋找所有第二個(gè)位于濃密植被區(qū)或者水體區(qū)的使程輻射大于0的像素,重復(fù)之前的判定,直至獲得準(zhǔn)確的黑暗像元區(qū)域?yàn)橹埂?/p>

2.3 黑暗像元值的確定

統(tǒng)計(jì)每一個(gè)波段所有增長(zhǎng)區(qū)域的像素平均值和增長(zhǎng)區(qū)域個(gè)數(shù),將所有增長(zhǎng)區(qū)域像素平均值相加,除以增長(zhǎng)區(qū)域個(gè)數(shù),得到的結(jié)果即為黑暗像元值。這樣確定的黑暗像元值是像元的平均值,可有效地避免單個(gè)像元可能為噪聲點(diǎn)的情況,具有一定的魯棒性。

3 計(jì)算結(jié)果與分析

為了驗(yàn)證本算法,對(duì)中國(guó)沿岸大部分區(qū)域進(jìn)行了試驗(yàn)?，F(xiàn)以山東省威海市海岸帶區(qū)域 (圖1-A,未做圖像拉伸的真彩色合成圖像)為例,利用本研究中提出的海岸帶黑暗像元自動(dòng)提取算法,對(duì)2006年8月17日Landsat-5 TM影像遙感數(shù)據(jù)進(jìn)行黑暗像元的提取。該數(shù)據(jù)是L1級(jí)數(shù)據(jù)產(chǎn)品,它經(jīng)過(guò)系統(tǒng)輻射校正和地面控制點(diǎn)幾何校正,并且通過(guò)DEM進(jìn)行了地形校正,圖像大小為197*221像素,分辨率為30 m。

從圖1-A可以看出,未做大氣校正時(shí)圖像清晰度差,亮度和對(duì)比度都較低,影像數(shù)據(jù)中有大片水域和成片的濃密植被,水體和濃密植被都可以作為備選黑暗像元。利用RNDWI和NDVI確定的黑暗像元備選區(qū)域如圖1-B所示,其中白色區(qū)域?yàn)楹诎迪裨獋溥x區(qū)域,黑色區(qū)域?yàn)榉呛诎迪裨獏^(qū)域,提取效果理想。以TM數(shù)據(jù)第三波段為例,圖1-C為初始黑暗像元即所有生長(zhǎng)點(diǎn)的分布圖 (紅色點(diǎn)狀分布),初始黑暗像元是像元值為18的像元,共有12個(gè),并且全部分布在黑暗像元備選區(qū)域中。按照本研究的生長(zhǎng)規(guī)則,經(jīng)過(guò)區(qū)域增長(zhǎng)后確定的黑暗像元值為22,總像元個(gè)數(shù)為1 405個(gè),分布如圖1-D紅色區(qū)域所示,所有的黑暗像元區(qū)域全部位于水體區(qū)或濃密植被區(qū),而且面積適中,說(shuō)明本提取算法效果較好。經(jīng)驗(yàn)證,本算法適用于數(shù)據(jù)的所有波段。

為了對(duì)黑暗像元自動(dòng)提取算法進(jìn)行驗(yàn)證和定量評(píng)價(jià),現(xiàn)基于簡(jiǎn)化的大氣校正模型[9],利用該算法獲得的黑暗像元區(qū)域計(jì)算得到的黑暗像元值,對(duì)TM影像進(jìn)行大氣校正。圖2是大氣校正前后遙感圖像對(duì)比圖 (TM432假彩色合成圖像,未做圖像拉伸處理)?？梢钥闯?大氣校正之后遙感影像中地物邊緣清晰度明顯增強(qiáng),而且圖像亮度增加,圖像對(duì)比度較高。

為了更好地評(píng)價(jià)黑暗像元自動(dòng)提取算法的大氣校正效果,現(xiàn)分別將FLAASH模型大氣校正算法、Chaves[3]黑暗像元大氣校正算法和本研究中提出的基于多閾值的區(qū)域增長(zhǎng)黑暗像元優(yōu)化大氣校正算法的校正結(jié)果進(jìn)行比對(duì),比對(duì)方式采用光譜曲線(xiàn)法。將本研究中提出的黑暗像元自動(dòng)提取算法簡(jiǎn)寫(xiě)為IGDOS。大氣校正前后典型地物——綠色植被、水體、土壤光譜曲線(xiàn)如圖3所示。從圖3可見(jiàn),大氣校正后,3種算法都在一定程度上消除了大氣的影響,水體、植被和土壤的光譜曲線(xiàn)變化趨勢(shì)大致一致,而IGDOS相對(duì)于其他兩種算法更接近于基于輻射傳輸模型的FLAASH法,精度可以保證。同時(shí)通過(guò)對(duì)遙感影像大氣校正后的分辨率進(jìn)行統(tǒng)計(jì),發(fā)現(xiàn)FLAASH算法存在反射率為負(fù)的情況,而IGDOS和Chaves法均沒(méi)有出現(xiàn)反射率為負(fù)的情況,這就保證了遙感數(shù)據(jù)的利用率。

圖1 黑暗像元自動(dòng)提取算法過(guò)程示意圖Fig.1 The schematic draw ing of automatically extracted dark objects algorithm

圖2 大氣校正前后對(duì)比圖Fig.2 The com parative figures of atmospheric correction

同時(shí),利用IGDOS對(duì)渤海灣、黃海灣等其他海岸帶地域的遙感圖像也進(jìn)行大氣校正,校正結(jié)果均理想。因此,本算法思路合理,行之有效,其結(jié)果既保證了數(shù)據(jù)精度又保證了數(shù)據(jù)利用率。

圖3 用不同算法進(jìn)行大氣校正前后的地物光譜曲線(xiàn)Fig.3 The comparative figures of ground objects spectra curves by different algorithm s

致謝:本研究中使用的Landsat-5 TM遙感影像來(lái)源于中國(guó)科學(xué)院計(jì)算機(jī)網(wǎng)絡(luò)信息中心國(guó)際科學(xué)數(shù)據(jù)服務(wù)平臺(tái)(http://datamirror.csdb.cn),在此表示感謝!

[1] Gordon H R.Removal of atmospheric effects from satellite imagery of the ocean[J].Applied Optics,1978,17(13):1631-1636.

[2] Kaufman Y J,Wakl A,Remer L A,et al.The MODIS 2.1um channel-correlation with visible reflectance fo use in remote sensing of aerosol[J].IEEE Trans Geosci Remote Sens,1997,35(1): 1-13.

[3] Chavez Jr P T.An improved dark-object subtraction technique for atmospheric scattering correction ofmultispectral data[J].Remote Sensing Environment,1988,24(5):459-479.

[4] 鄭偉,曾志遠(yuǎn).遙感圖像大氣校正的黑暗像元法[J].國(guó)土資源遙感,2005,63(3):8-11.

[5] 齊志新,鄧孺孺.多暗像元大氣校正方法[J].國(guó)土資源遙感, 2007,72(2):16-19.

[6] 何穎清,鄧孺孺,陳蕾,等.復(fù)雜地形下自動(dòng)提取多暗像元的TM影像大氣糾正方法[J].遙感技術(shù)與應(yīng)用,2010,25(4): 532-539.

[7] 曹榮龍,李存軍,劉良云,等.基于水體指數(shù)的密云水庫(kù)面積提取及變化監(jiān)測(cè)[J].測(cè)繪科學(xué),2008,33(2):158-160.

[8] 孫杰.1982—2000年中國(guó)植被覆蓋變化及典型區(qū)域與氣候因子的響應(yīng)關(guān)系[D].南京:南京信息工程大學(xué),2007.

[9] 鄭偉,曾志遠(yuǎn).遙感圖像大氣校正方法綜述[J].遙感信息, 2004(4):66-70.

The algorithm to extract automatically dark objects in coastal zone based on region growing

LI Wei1,2,TIAN Yan1,LIU Yuan1,2,LI Yuan-yuan1,GUO Xi-jie1,MU Meng1,LIU Chang-fa1,2
(1.College of Marine Science and Environment,Dalian Ocean University,Dalian 116023,China;2.Key Laboratory of Nearshore Marine Environmental Science and Technology of Liaoning Province's University,Dalian 116023,China;3.Shuozhou Vocational and Technical College, Shuozhou 036002,China)

The coastal surface features are considered and an algorithm to extract automatically dark objects in coastal zone is developed.Firstly,the optional dark pixel areas are determined by the revised normalized different water index(RNDWI)and normalized difference vegetation index(NDVI).Secondly,the initial dark pixels from the optional areas are identified.Finally,optimum selection of dark pixels is achieved by themulti-threshold region growing algorithm and the values for dark pixels are calculated.The algorithm is applied with remote sensor data from Landsat-5 TM.The result shows that the typical ground objects'spectral curveswith atmospheric corrections can effectively reveal real ground objects'spectral characteristics,and that the algorithm is acceptable.Compared with other atmospheric corrections of dark pixels,this algorithm ismuch closer to the FLAASH model method and correction ismuch acceptable.Further,the atmospheric correction by this algorithm reduces largely negative reflectance and improves data utilization.

dark pixel;NDVI;RNDWI;region growing algorithm;atmospheric correction

TP751

A

2095-1388(2013)05-0502-04

2013-02-08

武漢大學(xué)測(cè)繪遙感信息工程國(guó)家重點(diǎn)實(shí)驗(yàn)室開(kāi)放研究基金資助項(xiàng)目 (10R03);大連海洋大學(xué)人才引進(jìn)項(xiàng)目 (SYYJ2009006);國(guó)家自然科學(xué)基金資助項(xiàng)目 (41171389);國(guó)家海洋公益性行業(yè)科研專(zhuān)項(xiàng) (200805069,201305043,201305001,201305002)

李微 (1980-),女,博士,講師。E-mail:xiaoweiwei_8056@163.com