童李霞，燕 琴，駱成鳳，杜英坤,4

（1.山東科技大學(xué)，山東 青島 266590；2.國家測繪地理信息局，北京100830；

3.中國測繪科學(xué)研究院，北京 100830；4.山東農(nóng)業(yè)大學(xué)，山東 泰安 271018）

基于NDWI分割與面向?qū)ο蟮乃w信息提取

童李霞1,3，燕 琴2，駱成鳳3，杜英坤3,4

（1.山東科技大學(xué)，山東 青島 266590；2.國家測繪地理信息局，北京100830；

3.中國測繪科學(xué)研究院，北京 100830；4.山東農(nóng)業(yè)大學(xué)，山東 泰安 271018）

基于OLI融合影像，運(yùn)用面向?qū)ο蟮哪繕?biāo)提取方法對龍羊峽水體信息進(jìn)行了提取。先將NDWI作為一個波段疊加到融合后的多波段影像中參與多尺度分割，再結(jié)合隸屬度函數(shù)分類方法，選定NDWI的閾值范圍提取水體信息，最后與基于像元的NDWI水體提取方法進(jìn)行了比較。結(jié)果表明，兩種方法受冰雪影響均較小，但面向?qū)ο蟮腘DWI水體提取方法受山體陰影和薄云的影響較小，能完全消除基于像元的NDWI水體提取方法出現(xiàn)的“零星水體”現(xiàn)象。

NDWI；面向?qū)ο?；水體提取；OLI影像

基于遙感影像提取水體信息對多尺度分析水資源分布和演變過程具有重要意義[1]。水體信息提取方法主要包括單波段法和多波段法[2]。單波段法雖最簡單易行，但提取精度不高，常被作為其他方法的輔助與優(yōu)化[3]。多波段法包括譜間關(guān)系法和水體指數(shù)法，楊存建[4]等利用TM影像(TM2+TM3)＞(TM4+TM5)波段特征進(jìn)行水體提取；Mcfeeters S K[5]利用綠光波段與近紅外波段的關(guān)系，提出歸一化水體指數(shù)（NDWI），該方法能在一定程度上抑制植被信息，突出水體信息，得到廣泛應(yīng)用；在此基礎(chǔ)上，徐涵秋[6]利用短波紅外代替NDWI的近紅外波段，提出了歸一化差值水體指數(shù)（MNDWI），該方法消除了建筑物等的影響，更適用于城鎮(zhèn)地區(qū)的水體提取。除此之外，近年來還提出了基于紋理特征分類、神經(jīng)網(wǎng)絡(luò)分類、模糊分類等方法[7]，但本質(zhì)上都是基于像元級別的目標(biāo)提取，難以避免由“同物異譜”“異物同譜”等引起的“椒鹽現(xiàn)象”。

面向?qū)ο蟮哪繕?biāo)提取方法是將圖像分割為由若干個同質(zhì)像元組成的對象，以對象為處理單元，不僅包含地物的光譜信息，還綜合考慮了空間結(jié)構(gòu)信息、紋理信息等，實(shí)現(xiàn)了較高層次的目標(biāo)地物提取[7-9]。因此，本文基于Landsat OLI影像，以青海地區(qū)龍羊峽庫區(qū)為例，將NDWI作為一個波段疊加到原始影像中參與影像分割，增強(qiáng)水體光譜特征，在對象層上進(jìn)行水體信息提取，并與傳統(tǒng)的基于像元的NDWI水體提取方法進(jìn)行了比較。

1 研究區(qū)與數(shù)據(jù)源

龍羊峽位于青海省境內(nèi)，是黃河流經(jīng)青海大草原后，進(jìn)入黃河峽谷區(qū)的龍羊峽水庫第一峽口[10]。本文選用的遙感數(shù)據(jù)為Landsat8 OLI影像，行列號為132/035，成像時間為2014-04-24；7個多光譜波段空間分辨率為30 m，1個全色波段空間分辨率為15 m，本文以龍羊峽庫區(qū)為研究對象。

面向?qū)ο蟮姆诸惙椒?，對高分辨率的影像?yīng)用較多且效果顯著[7-8,10]。為了提高水體提取精度，將多光譜和全色波段進(jìn)行融合，在保持多光譜信息的基礎(chǔ)上，提高空間分辨率。ENVI中常用的融合算法有HSV、Brovey、PC、CN、SFIM、Gram-Schmidt等，其中Gram-Schmidt算法常被用于Landsat系列影像融合，且保真效果較好[8,11]。該算法首先從低分辨率的波段中復(fù)制一個全色波段；然后對復(fù)制的全色波段和多波段進(jìn)行Gram-Schmidt變換，并以全色波段為第一個波段；再用高分辨率的全色波段替換Gram-Schmidt變換后的第一波段；最后應(yīng)用Gram-Schmidt反變換得到融合圖像[12]。

2 研究方法

2.1 技術(shù)流程

根據(jù)水體光譜特征，利用NDWI進(jìn)行水體提取，并將基于像元的NDWI水體提取方法與面向?qū)ο蟮腘DWI水體提取方法進(jìn)行了對比。提取流程如圖1所示。

2.2 基于像元的NDWI水體提取方法

水體反射率從可見光到近紅外依次降低，在近紅外波段反射率幾乎為零；而植被在近紅外波段反射率很高，用綠光波段和近紅外波段反射率反差組成NDWI進(jìn)行水體提取。該水體指數(shù)可以很好地抑制植被，其計算公式為：

圖1 NDWI水體提取技術(shù)流程圖

NDWI=(Green-NIR)/(Green+NIR) (1)式中，Green為綠光波段，Landsat OLI中的第3波段；NIR為近紅外波段，Landsat OLI中的第5波段。計算NDWI時，影像的定標(biāo)系數(shù)被約去，可直接用DN值代替反射率。對得到的NDWI影像圖進(jìn)行直方圖分析，如圖2所示。

圖2 NDWI圖像灰度直方圖

水體直方圖呈雙峰分布，占比較大的波峰區(qū)域?yàn)樗w，占比較小的波峰區(qū)域?yàn)楸尘?。本文采用雙峰法選取閾值[11]，雙峰間的平緩范圍在[-0.021,0.072]，該閾值范圍內(nèi)NDWI水體提取易受山體陰影和薄云影響。以0.01為間隔反復(fù)對比分析發(fā)現(xiàn)，閾值在[-0.021,0.042]時受大量山體陰影影響較大；在(0.042,0.072]時主要受薄云和少量山體陰影影響。本文通過與原影像對比，以提取水體準(zhǔn)確率較大為原則，最終確定閾值為0.062。

2.3 面向?qū)ο蟮腘DWI水體提取方法

2.3.1 多尺度分割

利用面向?qū)ο蟮姆椒▽τ跋襁M(jìn)行分類時，需先對影像進(jìn)行分割以提取目標(biāo)地物。本文采用多尺度分割法，先以某一個像元為一個對象，根據(jù)相鄰像元間的光譜異質(zhì)性和對比度異質(zhì)性設(shè)定閾值，對圖像進(jìn)行合并和分割；再用形狀異質(zhì)性對產(chǎn)生的對象進(jìn)行修正；最后得到具有相同顏色、形狀、紋理等特征的多邊形[8]。多尺度分割是一個自下而上，內(nèi)部優(yōu)化的過程，分割尺度對目標(biāo)信息的提取至關(guān)重要，尺度的選擇依賴于影像分辨率和應(yīng)用目的[2,9]。

在ENVI5.1中，利用Layer Stacking將融合后的影像與NDWI影像進(jìn)行疊加，再加載到eCognition8.7中進(jìn)行分割與提取。為提高水體與非水體間的分類精度，將NDWI的權(quán)重設(shè)置為2。根據(jù)實(shí)驗(yàn)區(qū)的實(shí)際情況，對分割尺度進(jìn)行不斷試驗(yàn)，選擇分割尺度為300、500、700進(jìn)行比較，效果見圖3～5。分割尺度為300時，雖然在極大程度上能將水體和山體陰影分割開，但大的水體和其他植被裸地等過于破碎；分割尺度為700時，雖然大的水體和支流都較為完整，但水體和山體陰影存在較多混合。因此，本文綜合考慮選擇500作為最優(yōu)分割尺度，形狀權(quán)重為0.1，緊湊度和光滑度均為0.5。

圖3 分割尺度為300的影像分割效果圖

圖4 分割尺度為500的影像分割效果圖

圖5 分割尺度為700的影像分割效果圖

2.3.2 面向?qū)ο蟮乃w提取

eCognition中常用的面向?qū)ο蠓诸惙椒ㄓ虚撝捣诸惙ā⒍鄺l件描述分類法、模糊分類方法（隸屬度函數(shù)）以及監(jiān)督分類法（最鄰近分類法）等。本文采用NDWI層構(gòu)造隸屬度函數(shù)的方法提取水體信息。通過目視和先驗(yàn)知識得出，NDWI均值大于0.070均為水體，小于0.048均為非水體，介于二者之間的根據(jù)隸屬值進(jìn)行判斷。

2.4 精度評價

分別利用基于像元的NDWI水體提取方法和面向?qū)ο蟮腘DWI水體提取方法對水體信息進(jìn)行提取，得到結(jié)果如圖6所示。本文以人工解譯的結(jié)果為標(biāo)準(zhǔn)，從目視判讀和定量統(tǒng)計兩個方面對提取結(jié)果進(jìn)行精度評價。通過比較發(fā)現(xiàn)，面向?qū)ο蟮腘DWI水體提取方法整體效果優(yōu)于基于像元的NDWI水體提取方法，兩 種方法對輪廓線提取的效果較好，幾乎未受冰雪的影響?；谙裨腘DWI水體提取方法，在水體東側(cè)受山體陰影影響較大，出現(xiàn)水體過提和“零星水體”等現(xiàn)象；在水體南部受薄云影響，存在水體漏提現(xiàn)象；而面向?qū)ο蟮腘DWI水體提取方法基本消除了薄云和山體陰影影響（見表1）。

圖6 水體提取結(jié)果

表1 水體提取細(xì)節(jié)比較

以誤提率來定量判斷兩種方法提取的精度，包括過提率和漏提率，其中過提率是實(shí)際為非水體被錯提為水體的像元數(shù)與水體真實(shí)像元總數(shù)的比值；漏提率是實(shí)際為水體被分為非水體的像元數(shù)與水體真實(shí)像元總數(shù)的比值[11]。由于水體大小并非定值，隨季節(jié)變化等因素變化，因此本文以人工解譯的水體像元個數(shù)為水體真實(shí)像元總數(shù)，計算得到兩種提取方法的精度如表2所示。基于像元的NDWI水體提取方法受山體陰影和薄云的影響，其漏提率和過提率要高于面向?qū)ο蟮腘DWI水體提取方法。

表2 水體信息提取精度/%

3 結(jié) 語

1）本文基于OLI影像，利用基于像元和面向?qū)ο蟮腘DWI水體提取方法進(jìn)行水體提取，并對提取效果進(jìn)行了比較。

2）分析水體提取結(jié)果發(fā)現(xiàn)，面向?qū)ο蟮腘DWI水體提取方法的整體提取效果優(yōu)于基于像元的NDWI水體提取方法。基于像元的NDWI水體提取方法受山體陰影與薄云影響較大，而面向?qū)ο蟮腘DWI水體提取方法能有效去除這兩種因素的影響，避免了“零星水體”的出現(xiàn)。

3）將NDWI作為一個波段疊加到OLI融合后的多光譜波段中參與分割，可作為水體光譜特征的補(bǔ)充。選擇合適的分割尺度，利用面向?qū)ο蟮姆诸惙椒ㄌ崛∷w信息，簡單易行，對水體提取的適用性較強(qiáng)。

[1] 栗敏光,范洪冬,鄧喀中.基于LBV變換的TM數(shù)據(jù)水體提取新方法[J].測繪科學(xué),2010,35(3)：138-139

[2] 周文鑫,何隆華,馬榮華,等.基于面向?qū)ο蟮腡M_LBV變換水體信息提取[J].中國科學(xué)院大學(xué)學(xué)報,2012(6)：775-779 [3] 畢海蕓,王思遠(yuǎn),曾江源,等.基于TM影像的幾種常用水體提取方法的比較和分析[J].遙感信息,2012,27(5)：77-82

[4] 楊存建,徐梅.遙感信息原理的水體提取方法的探討[J].地理研究,1998(17)：86-89

[5] Mcfeeters S K. The Use of the Normalized Difference Water Index (NDWI) in the Delineation of Open Water Features[J]. International Journal of Remote Sensing,1996,17(7)：1 425-1 432

[6] 徐涵秋.利用改進(jìn)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

[7] 曹凱,江南,呂恒,等.面向?qū)ο蟮腟POT 5影像城區(qū)水體信息提取研究[J].國土資源遙感,2007(2)：27-30

[8] 殷亞秋,李家國,余濤,等.基于高分辨率遙感影像的面向?qū)ο笏w提取方法研究[J].測繪通報,2015(1)：81-85

[9] 張繼平,劉林山,張鐿鋰,等.面向?qū)ο蟮臉O高海拔區(qū)水體及冰川信息提取：以珠穆朗瑪峰國家級自然保護(hù)區(qū)核心區(qū)為例[J].地球信息科學(xué)學(xué)報,2010,12(4)：517-523

[10] 胡衛(wèi)國,孟令奎,張東映,等.資源一號02 C星圖像水體信息提取方法[J].國土資源遙感,2014(2)：43-47

[11] 楊麗萍,夏敦勝,陳發(fā)虎.Landsat 7 ETM+全色與多光譜數(shù)據(jù)融合算法的比較[J].蘭州大學(xué)學(xué)報(自然科學(xué)版),2007, 43(4)：7-11,17

[12] 趙英時.遙感應(yīng)用分析原理與方法[M].北京：科學(xué)出版社,2013

P237

B

1672-4623（2017）05-0057-03

10.3969/j.issn.1672-4623.2017.0051.8

童李霞，碩士研究生，主要研究方向?yàn)橘Y源與環(huán)境遙感。

2016-08-23。

項(xiàng)目來源：中國測繪科學(xué)研究院基本科研業(yè)務(wù)資助項(xiàng)目（7771512）。