基于MNDWI特征空間的水體追蹤識別方法研究

屈慧慧, 裴 亮, 桑學(xué)鋒, 王金鑫

(1.遼寧工程技術(shù)大學(xué) 測繪與地理科學(xué)學(xué)院，遼寧 阜新 123000；2. 中國水利水電科學(xué)研究院，北京 100038)

水是人類與自然聯(lián)通的紐帶，一直以來，水的變化備受關(guān)注。近年來，隨著遙感技術(shù)的發(fā)展，對于水的研究有了更加先進的工具和技術(shù)方法。遙感技術(shù)能夠快速有效地獲取地表的電磁波輻射及反射特征，具有感測范圍大、信息獲取速度快、時間分辨率高及更新時間快等諸多優(yōu)勢，已成為水體信息提取的重要手段之一[1-3]。 特征空間可以理解為由多個個體的特征維構(gòu)成的多維空間,比如水體、植被、巖體、裸地等的電磁波輻射具有不同的特征，不同地物的波段及其構(gòu)成的特征空間被廣泛應(yīng)用于模型構(gòu)建研究中。王愛華學(xué)者提出的對塔里木河流域遙感波段及重構(gòu)向量的特征空間分析；劉愛霞學(xué)者將改進型土壤調(diào)節(jié)植被指數(shù)、陸地表面溫度、植被覆蓋度等為表征荒漠化指標(biāo),并構(gòu)建特征空間,利用決策樹分類方法進行荒漠化動態(tài)監(jiān)測等研究[4-5]。

早期的水體遙感研究主要是針對國外的遙感影像數(shù)據(jù)，比如TM、Modis數(shù)據(jù)等，近期有Landsat8、GF影像數(shù)據(jù)的水體研究方法。常用的提取方法有單波段法、譜間關(guān)系法、歸一化差異水體指數(shù)(NDWI)、改進的歸一化差異水體指數(shù)(MNDWI)、主成分分析綜合法[6-10]，但是這些方法的研究針對單一水體比較適用，但針對有眾多水體、山體或建筑陰影特征的區(qū)域，由于陰影噪聲和水體特征具有相似性，開展區(qū)域水體一次性提取效果不佳。針對水體提取的研究方法有很多，比如沈占鋒學(xué)者提出采用高斯歸一化水體指數(shù)實現(xiàn)遙感影像河流的精確提取，李生生學(xué)者提出基于Landsat8-OLI數(shù)據(jù)的青海湖水體邊界自動提取，駱劍承學(xué)者提出分步迭代的多光譜遙感水體信息高精度自動提取，張偉學(xué)者提出一種利用多時相GF-4影像的快速水體提取方法等等[11-14]。

本研究提出一種適用于大區(qū)域多水體一次性水體提取方法，在水體指數(shù)法的基礎(chǔ)上，疊加一種水體追蹤識別方法，根據(jù)影像源的波段特性，采取改進的歸一化差異水體指數(shù)(MNDWI)+水體追蹤識別的方法，更加精確快速地獲取大區(qū)域湖庫水體面積。

1 研究區(qū)概況

京津冀位于海河流域，被稱為中國的“首都經(jīng)濟圈”，位于華北平原，兼跨內(nèi)蒙古高原，東臨渤海,總面積2.18萬km2。由于經(jīng)濟發(fā)展的需求，該區(qū)域內(nèi)有大量的人工修建水體，比如水庫、景觀水體等。京津冀地區(qū)水體種類繁多，包含有眾多的天然湖泊水體、人工修建的大中型水庫、坑塘堤壩、河道等等。

由于京津冀地區(qū)地形地貌復(fù)雜多樣，水體種類、群體眾多，區(qū)域范圍大。普通的水體提取方法難以滿足大區(qū)域的湖庫水體一次性提取要求。本文針對該區(qū)域特征提出一種新的水體提取方法。

2 數(shù)據(jù)源和預(yù)處理

2.1 數(shù)據(jù)來源

研究采用2017年10—11月的landsat8-OLI影像作為數(shù)據(jù)源，landsat8共11個波段，除全色波段空間分辨率為15 m外，其他為30 m、100 m。landsat8-OLI采用推掃式設(shè)計代替原有的擺掃式，獲取的圖像質(zhì)量更好,OLI成像儀獲取的遙感圖像輻射分辨率達到12 bit，圖像的幾何精度和數(shù)據(jù)的信噪比也更高[15]。為了能夠覆蓋整個地區(qū)，下載landsat8圖像共21幅，覆蓋整個京津冀地區(qū)。

2.2 數(shù)據(jù)預(yù)處理

以ENVI 5.3版本為處理平臺，進行批量處理。首先進行輻射定標(biāo)和大氣校正，然后選擇30 m分辨率影像與Landsat8第8波段進行融合，提高影像的分辨率為15 m，主要步驟如圖1所示，處理結(jié)果如圖2所示。

圖1 影像預(yù)處理

圖2 預(yù)處理對比圖

3 研究方法

研究采用改進的歸一化差異水體指數(shù)(MNDWI)+水體追蹤識別的方法對研究區(qū)進行水體提取。其中，改進的歸一化差異水體指數(shù)法是徐秋涵在2005年基于歸一化差異水體指數(shù)方法的基礎(chǔ)上提出[16]。

改進的歸一化差異水體指數(shù)(MNDWI)+水體追蹤識別提?。涸谒w指數(shù)法的基礎(chǔ)上，繼續(xù)水體的追蹤識別排除山體陰影、云等噪聲的干擾。水體追蹤識別提取，在MNDWI提取后的影像中自主搜尋種子點，再基于種子點的4-鄰域追蹤水體區(qū)域，對區(qū)域進行標(biāo)記，以分別不同區(qū)域的水體對應(yīng)的湖庫面積，從而實現(xiàn)大尺度綜合一體化湖庫水面提取，克服單個水體遙感反演提取的局限性，創(chuàng)新提出區(qū)域大尺度所有規(guī)模以上水體一次性智能化水體提取方法(規(guī)模以上水體的意義是:單個水體面積大于等于1 km2以上的區(qū)域所有水體)。主要方法流程如下：

從影像中的左上角開始掃描，假如掃描到A點(Xi，Yi) ，使用A點的光譜信息(R0，G0，B0)來判斷該點是否屬于水體，其R、G、B分別對應(yīng)影像的近紅外波段、紅波段、綠波段。將掃描到符合要求的像素點當(dāng)作種子點，采取4-鄰域法，對種子點的周圍的像素進行追蹤，并對該區(qū)域進行標(biāo)記，標(biāo)簽lable從2開始。算法選擇影像的光譜信息作為特征量，來分類水體與非水體[17]。

(1)

當(dāng)F為真時,表示該點為種子點。然后依次對這4個點F(Xi-1,Yi),F(Xi,Yi-1),F(Xi+1,Yi),F(Xi,Yi-1)進行判斷。將種子點的鄰域判斷結(jié)束后,確定該點和4鄰域的連通性。連通是指種子點像素值與周圍某一點的像素值相等,則說明種子點與該點具有連通性。假如:

F(Xi,Yi)∩F(Xi-1,Yi)={1},

則該種子點與上一行的像素點連通。

F(Xi,Yi)∩F(Xi,Yi-1)=φ,

則該種子點與前一列的像素點并不連通。

水體追蹤識別提取算法的具體步驟如下：

1)從第二行第二列的像素開始掃描，掃描到當(dāng)前像素A(x，y)，如果A(x，y)=1，對其鄰域進行判斷。

2)在其4-鄰域之內(nèi)，通過條件判斷其性質(zhì)是否與A(x，y)相同，相同就記錄下該點的坐標(biāo)，并存入棧中。

3)在把A(x，y)的4個鄰域判斷結(jié)束后，根據(jù)棧的后進先出的原則，將棧中最后一個存入的數(shù)拿出來，重復(fù)2)中的步驟，直至棧空，一個連通區(qū)域被提出。

4)?？蘸罄^續(xù)掃描A(x，y)的下一個像素，如果A(x，y)=1，且沒有被標(biāo)記，則重復(fù)2)到3)的步驟。如果被標(biāo)記過，則跳過，對下一個像素進行掃描。

5)在將圖像遍歷一遍后，將所有的連通區(qū)域按冒泡排序法排列，根據(jù)閾值，提出水體，去除噪聲。

該方法避免了不連通水域的遺失和周圍噪聲的干擾，歷時短、精度高。

4 實驗結(jié)果與分析

4.1 基于多種水體提取方法的結(jié)果比較

研究區(qū)選用京津冀區(qū)域2017年10月份landsat8衛(wèi)星遙感影像(水庫和湖泊水面面積在10—11月份受雨季和旱季的影響最小，面積相對其他月份比較穩(wěn)定)，由于研究區(qū)域范圍大，在與MNDWI、NDWI方法進行比較研究時選擇以同時存在山區(qū)和城市(以北京市為例)、僅城市、僅山區(qū)3種不同選區(qū)做為對比區(qū)域，進行3種方法的對比評估。

1)歸一化差異水體指數(shù)(NDWI)法:歸一化差分水體指數(shù)(NDWI)是Mcfeeters在1996年提出的，基于綠波段與近紅外波段的歸一化比值指數(shù)。其表達式為：

(2)

其中，p(green)代表綠色波段;p(NIR)代表近紅外波段。本文根據(jù)NDWI的方法提取的同時存在山區(qū)和城市(以北京市為例)、僅山區(qū)、僅城市的湖庫水域面積如圖3、圖4、圖5中(b)所示。NDWI 的計算，抑制了陸地植被等信息而突出了水體信息，但是該方法在城市建筑較多的背景區(qū)域，提取效果不佳。

2)改進的歸一化差異水體指數(shù)(MNDWI)法：文獻[16]對Mcfeeters提出的歸一化差異水體指數(shù)(NDWI)分析的基礎(chǔ)上,對構(gòu)成該指數(shù)的波長組合進行了修改,于是提出了改進的歸一化差異水體指數(shù)MNDWI(Modified NDWI)，其表達式為：

(3)

其中,p(Green) 代表綠色波段;p(MIR)代表中紅外波段。本文根據(jù)MNDWI的方法提取的同時存在山區(qū)和城市(以北京市為例)、僅山區(qū)、僅城市的湖庫水域面積如圖3、圖4、圖5(c)所示。該方法一定程度上緩解了混有較多建筑物的水體識別問題，并且在消除陰影方面取得了較好的效果。但是該方法在大區(qū)域進行湖庫水域的一次性提取時，山體陰影、云等噪聲干擾的誤差仍舊大量存在，且一次性提取效果不佳。

3)改進的歸一化差異水體指數(shù)(MNDWI)+追蹤識別方法：在文獻[16]提出的MNDWI的基礎(chǔ)上，進行水體的二次跟蹤識別，能夠很好的去掉偽水體的干擾，獲取規(guī)模以上的湖庫水體信息。解決了大區(qū)域一次性提取的難題，實現(xiàn)了在多種地貌、地形、大量山體、城市建筑等條件下的大區(qū)域湖庫水體的一次性提取。該方法提取的北京市、城市、山區(qū)的湖庫水體面積如圖3、圖4、圖5(d)所示。京津冀整體區(qū)域的湖庫水體面積如圖6所示。

4.2 結(jié)果精度評定

采用同時期的Google earth的2 m分辨率影像作為輔助數(shù)據(jù)，共下載18幅10—11月的高精度影像，每一個典型斑塊和典型區(qū)各3幅。通過多人多次目視解譯獲得典型斑塊、典型區(qū)域的湖庫面積，以此作為實際結(jié)果進行精度評定。分別選取3個典型斑塊和3個典型區(qū)域進行評價。由表1典型斑塊和表2典型區(qū)域提取結(jié)果可以看出，利用本文研究方法提取的湖庫和區(qū)域面積的精度達到97.5%以上，驗證了本文研究結(jié)果的可靠性。

圖3 選取湖庫水域提取對比(b、c、d中黑色為提取水體)

圖4 不同提取方法針對城市的提取結(jié)果對比(注：綠色為影像水體、白色為提取水體)

圖5 不同提取方法針對山區(qū)的提取結(jié)果對比(注：綠色為影像水體、白色為提取水體)

圖6 京津冀整體大中型湖庫水庫提取結(jié)果(圖中右側(cè)黑色為提取湖庫水體)

表1 典型斑塊水體提取精度對比

表2 典型區(qū)域水體提取精度對比

5 結(jié)論與分析

本文以Lansat8的2017年影像為數(shù)據(jù)源。以改進歸一化差異水體指數(shù)( MNDWI)基礎(chǔ)，疊加水體追蹤識別方法，進行水體的二次追蹤識別。與NDWI和MNDWI的水體提取結(jié)果做比較，得出以下結(jié)論：

1)通過3種方法的實驗結(jié)果對比，發(fā)現(xiàn)MNDWI+水體追蹤識別的湖庫水體效果最好，無論是小區(qū)域的北京市、山區(qū)、城市密集區(qū)，還是京津冀大區(qū)域的湖庫水體一次性提取，都得到了較好的結(jié)果，有效的排除了大區(qū)域內(nèi)山體陰影、裸地、城市建筑、小型坑塘等不符合條件的噪聲干擾。

2)本方法針對目標(biāo)水體—湖庫水域等水體效果較好，但是該方法對線狀河流提取，尤其是對山區(qū)細小河流、極小面積坑塘的水體提取仍達不到大區(qū)域一次性提取的效果，算法有待進一步改進，以達到細小河流、坑塘的水體提取。