3721助手袁欣智;江洪;陈芸芝;汪小钦
【摘 要】针对基于单一阈值的大范围水体提取同时存在着漏提与误提的局限性,提出了基于大津法的局部范围阈值自适应确定的方法.通过分析水体与其背景地物的光谱特征,发现归一化水体指数(Normalized Difference Water Index,NDWI)直方图呈现明显的双峰分布,对NDWI使用大津法可以较准确地自动计算出水体与非水体的阈值.在初始阈值提取的水体信息的基础上,通过窗体提取局部范围的水体及其背景并进行局部自适应阈值的计算,实现自适应阈值水体信息的提取.使用环境小卫星影像对闽江流域进行水体提取实验,结果表明该方法可实现大范围水体快速提取,提取精度为95.25％,较全局统一阈值提取精度提高5.25％,并能在一定程度上消除地形阴影与建筑物等的影响,对细小水体的提取精度有所提高. 【期刊名称】《遥感信息》
【年(卷),期】2016(031)005
【总页数】7页(P36-42)
关典史
【关键词】自适应阈值;水体提取;大津法;归一化水体指数;HJ-1 A/B星
【作 者】袁欣智;江洪;陈芸芝;汪小钦
【作者单位】福州大学空间数据挖掘和信息共享教育部重点实验室,福州350002;福建省空间信息工程研究中心,福州350002
【正文语种】中 文
【中图分类】TP391
快速、准确地从卫星遥感影像中提取水体信息已经成为水资源调查、水资源宏观监测及湿地保护的重要手段[1]，在水质监测、流域综合治理与水利规划方面有着重大意义。近年来，针对不同遥感数据源水体提取方法上有一定的研究进展，沈占锋[2]等采用高斯归一化水体指数(Gaussian Normalized Water Index，GNDWI)实现了Landsat卫星遥感影像河流的精确提取；吴春花等[3]对ASTER影像提出了一种基于投票法融合的水体提取方法，改善了常规水体提取方法在提取狭小水体和弱化阴影影响的局限性；胡卫国等[4]以ZY-1 02C星图像为数据源，在归一化植被指数和归一化差异水体指数的基础上提出决策树水体信息提
取方法有效地消除薄云对水体提取结果的影响。由于水体在空间上连续，灰度变化平缓，近红外及短波红外波段吸收率高，灰度值小，可见光波段的反射率也比其他地物低，水体在图像上呈深，与周围地物的调反差很大，水陆边界较为明显。水体光学特性不同，在遥感影像上表现为较大的光谱差异，采用全局统一阈值提取大范围的水体信息有一定的局限，阈值选取偏小时，会有其他地物混淆，阈值选取偏大时，提取的水体不完整。针对这些问题，张新等[5]提出了一种基于局部端元光谱表征的水体信息自适应提取模型，通过局部阈值自适应调整，实现了水体的精确提取；李均力等[6]在全局-局部分布迭代方法的基础上，提出了一种基于归一化水体指数(NDWI)的阈值自动分割方法，提取水体单元，建立缓冲区，迭代确定最佳阈值，实现了对喜马拉雅山地区冰湖信息的高精度提取；骆剑承等[7]在全域水体信息提取基础上，通过区域填充的方法搜索水体像元并建立缓冲区，采用分布迭代的方式实现了局部水体信息的提取。
本文在归一化水体指数(NDWI)的全局阈值分割的基础上，以环境小卫星影像作为数据源，通过窗口提取局部范围内的水体及其背景，结合大津法(OTSU)来计算自适应的局部阈值，实现局部范围内的水体与非水体的准确分割。
谭盾秦始皇研究区域为闽江流域(图1)，位于116°23′E～119°35′E，25°23′N～28°16′N之间，是福建省最大流域，发源于闽赣、闽浙交界的杉岭、武夷山、仙霞岭等山脉，干支流流经38个县市，流域面积60 992 km2，其中福建省境内59 922 km2，约占全省面积一半，水系河流总长6 107 km。流域境内峰峦起伏，河谷相间，地势西北高东南低。
实验的数据为2013年10月26日的环境与灾害监测预报小卫星(HJ-1A/1B)CCD影像，分辨率30 m，共4个波段，与TM影像前4个波段范围一致，分别为蓝光波段(0.43～0.52 μm)，绿光波段(0.52～0.60 μm)，红光波段(0.63～0.69 μm)，近红外波段(0.76～0.9 μm)。
局部区域内水体光谱相似性强，地表背景相对单一，反差明显，且宽河流具有比窄河流相对较大的阈值，而河流在空间分布上表现为上游相对狭窄、下游相对开阔，支流相对狭窄、干流相对开阔[8]。综合考虑河流的这些特征，本文将影像分为多个K×K的局部范围，通过初始阈值来提取局部范围内水体及其邻近地物，为了统计局部范围内水体及其周围非水体NDWI值，将每个局部范围分为N×N的子块，统计满足水体与非水体成一定比例(取0.5±0.15，子块中既有水体又有非水体，局部范围水体与非水体相当)的子块的所有NDWI像元值，以实现OTSU自适应阈值的计算，其总体算法流程如图2所示。
太阳能热泵2.1 水体指数及其特征
MaFeeters[9]提出的归一化水体指数(Normalized Difference Water Index,NDMI)，与NDVI类似，是利用波段差异比值构建的水体信息提取方法。水体对近红外具有强吸收性，陆地与植被在近红外波段反射率明显增强，波谱选择在绿光和近红外通道范围，突出了水体与其他地物的差异。NDWI计算公式如下：
式中,Bgreen为绿波段的反射率，Bnir为近红外波段的反射率。NDWI的取值范围为[-1，1]。
在对Meffeeters提出的归一化差异水体指数分析的基础上，徐涵秋[10]提出了改进的归一化植被指数(Modified Normalized Difference Water Index，MNDWI)，利用中红外波段替换近红外波段，有效地区分阴影和水体，具有比NDWI更好的效果。而MNDWI要用到的短波红外(1.55～1.75 μm)存在于HJ-1B星红外扫描仪的第二个波段，空间分辨率为150 m，因此使用MNDWI提取水体时需要对HJ-1A/B CCD影像进行重采样，降低了影像的空间分辨率，影响了河流的提取精度。因此本文使用归一化水体指数NDWI进行水体的提取研究。
选取宽河流(大型水体)、建筑物、山体阴影各60个样本像元，细小水体、40个样本像元，统计对各波段的辐亮度和归一化水体指数(NDWI)的最小值、最大值、平均值、方差等，结果如表1所示。综合医院
各地物样本点辐亮度均值绘制波段反射率曲线(图3)，从表1及图3中可以看出，细小水体的各波段总体上相对于宽河流有所增加，这是由于细小水体的光谱反射率受邻近地物的影响较大。细小水体NDWI方差较宽河流大，表明其NDWI变化范围大，不如大水体稳定。宽河流、细小水体、建筑物和山体阴影NDWI变化范围如图4所示，宽河流的NDWI与建筑物及山体阴影的NDWI没有交叉，很容易区分，而细小水体的NDWI与建筑物及山体阴影的NDWI均有交叉，因此，在水体信息提取过程中，细小水体容易漏提，建筑物与山体阴影容易误提。
实验截取闽江下游和中游一段河流及闽江流域内的水库局部范围来计算NDWI，并统计其直方图频率分布(图5)。
图5中，图5(a)为闽江下游河流，其背景地物主要为建筑物，图5(d)为闽江下游的古田水库，其背景地物主要为植被，图5(g)为闽江中游河流，其背景地物主要为植被。通过NDWI
图像图5(b)、图5(e)、图5(h)可以看出水体NDWI较亮，水陆边界明显。通过直方图图5(c)、图5(f)、图5(i)可以看出，对于不同的水体类型，如河流、水库等，以及不同的背景地物是植被还是建筑物，在局部范围内，水体与其背景NDWI频率直方图为双峰分布，而OTSU自适应阈值算法适用于双峰直方图，因此本文采用OTSU阈值计算方法进行水体信息的提取。
2.2 OTSU自适应阈值算法原理
OTSU[11]是一种自适应阈值确定方法，又称最大类间方差法或大津法，由日本学者大津(Nobuyuki Otsu)提出，是在最小二乘法原理基础上推导出来的。它将构成图像的所有像素分为两类：背景像素和目标像素。根据概率统计原理，方差是灰度分布均匀性的一种度量，方差愈大，构成影像的两部分的差别愈大，这意味着若使分割两组的类间方差最大，则影像两组数据错分误差最小。OTSU算法目的就是计算出一连通区域的阈值，然后对该区域二值化，数学描述为：设图像像素数量为N，灰度范围为[0，K]，对应灰度级i的像素个数为ni，其出现的概率为：
把图像中的像素按照灰度阈值t分成两类A和B，A由灰度值[0，t]之间的像素组成，B由灰度
值[t+1，K]之间的像素组成，则A和B的概率分别为：昂达vx545hd
A、B的灰度均值分别为：
整个图像的灰度均值为：
定义类间方差为：
令t在[0，K]范围内，以步长1依次递增，当σ2最大时对应的t即为最佳阈值。
2.3 自适应阈值水体信息提取的实现
本文使用ENVI+IDL的模式实现了水体提取的系统模块，各步骤具体算法实现及参数设置如下：
1)提取局部区域。以K×K的窗口对原始影像进行局部范围的提取，K值大小可根据影像大小适当选取，环境星宽幅360 km，宽幅较大，这里K值取1 000。
2)计算水体指数NDWI及初始分割。根据归一化水体指数计算公式，对每个局部范围计算归
一化水体指数NDWI，通过选取相对较大的NDWI阈值(如0.308)来提取大水体及部分小水体，以去除建筑物及山体阴影的影响。
3)提取局部范围水体及其背景。当水体占影像比例较小或较大时，OTSU阈值计算都不准确，因此为了提高阈值计算的准确性与稳定性，将每个局部范围分为N×N的子窗口(本文取N=10)，统计NDWI像元值满足水体占图像一定比例(0.5±0.15)的所有子窗口，将这些子窗口中的所有像元作为局部范围的水体及背景。
