一種利用TM影像自動提取細小水體的方法

楊樹文,薛重生,劉 濤,李軼鯤

1.中國地質大學地球科學學院,湖北武漢430074;2.蘭州交通大學數理與軟件工程學院,甘肅蘭州730070

一種利用TM影像自動提取細小水體的方法

楊樹文1,2,薛重生1,劉 濤2,李軼鯤2

1.中國地質大學地球科學學院,湖北武漢430074;2.蘭州交通大學數理與軟件工程學院,甘肅蘭州730070

提出一種利用TM影像自動提取山區細小水體的多波段譜間關系改進方法。該方法在典型譜間關系法的基礎上,針對水體與陰影在藍綠光波段亮度值降低速率差異較大的特征,基于差值運算,構建新的多波段譜間關系水體提取模型。首先利用該模型將水體從其他地物及陰影中分離出來,然后基于數學形態學膨脹濾波算法進行空洞填充和短線連接,最后通過圖像細化算法實現目標的細化。經過試驗比較表明,該方法克服了許多水體提取模型只能有效提取較大面積水體的缺點,除了能夠對山區的細小水體進行高精度自動提取外,還能夠有效地去除陰影等干擾信息。

多波段譜間關系法;水體;自動提取;膨脹濾波;圖像細化

1 引 言

從遙感影像中準確、快速地提取水體信息已在水資源調查、監測管理、土地分類、自然災害評估及工程地質調查等方面相繼得到應用。水體遙感提取的研究開展較早,并已取得豐富的研究成果。目前水體提取方法很多,有多波段譜間關系法、水體指數法、決策樹法、圖像分類法、密度分割法、比值法、差值法及閾值法等,其中以多波段譜間關系法、水體指數法及決策樹法研究、應用較多。針對水體在TM、AVHRR等遙感影像上的波譜特性,文獻[1-2]提出水體指數法NDWI;文獻[3-5]在進一步研究的基礎上提出了水體指數法改進模型MNDWI、EWI和NWI;文獻[6-9]利用多波段綜合的優勢基于波段譜間關系提出了水體信息提取的多波段譜間關系法及其改進方法;文獻[10-11]利用決策樹法從SPOT影像上成功地提取了水體信息。另外,文獻[12-13]基于圖像的紋理特征,使用灰度共生矩陣較為有效的提取了水系信息。

上述水體的提取方法大多在針對較大水體(湖泊、干流等)的提取上卓有成效,而針對山區、細小水體(水塘、細小支流)的提取效果并不理想,其原因主要在于山區地形陰影與水體光譜特征相近,造成水體與陰影的分離較為困難,不能有效地去除地形陰影。

通過大量試驗研究,基于TM影像的多波段譜間關系法在山區、地形陰影較多地區提取水體信息更為準確,提取的信息量更多,其原因在于該方法利用更多的波段參與運算。本文在常用的多波段譜間關系法的基礎上,針對陰影與水體在藍綠光波段下降速率差異較大的特征,通過差值運算,構建新的多波段譜間關系模型,以華南山區細小河流為研究對象,成功地提取細小水體,較為理想地去除地形陰影。

2 水體自動提取算法模型

2.1 水體、陰影光譜特性分析

水體的反射率在可見光范圍內總體上比較低,一般為4%～5%,并具有隨波長增大逐漸降低的特征,其反射率在藍綠光波段最高,在近紅外波段最低,幾乎完全吸收,因此水體在影像上呈暗色調,水陸界線相對比較清楚,利用此特性和不同波譜間的水體光譜特征可以將水體提取出來。但同時由于陰影的灰度值與水體比較接近,造成一些陰影同時被誤提取出來。通過對研究區水體、陰影、植被及居民地等地物光譜特征的統計、分析,如表1、圖1所示,從中可發現,在TM影像中水體具有波段2灰度值加波段3灰度值大于波段4加波段5灰度值的典型特點[14],同時在藍綠光波段,水體的亮度值降低較慢、陰影的亮度值下降較快的特點[9]。水體、陰影的這些光譜特性是從影像中分離、提取水體的重要依據和算法設計的基礎。

表1 水體及相關地類的典型光譜值(均值)Tab.1 Water and related land type spectrum typical value(mean)

圖1 水體及相關地類的典型光譜曲線Fig.1 Water and related land type typical spectral curve

2.2 多波段譜間關系算法

文獻[6]在分析 TM影像中水體與其他地物的光譜特性時,發現水體具有波段2灰度值加波段3灰度值大于波段4加波段5灰度值的特點,據此提出的譜間關系算法模型為

文獻[8]在進一步研究的基礎上,發現 TM影像中水體還具有波段4灰度值與波段2灰度值的比值小于0.9的特性,提出了改進的多波段譜間關系模型

文獻[9]在研究喜馬拉雅山南峰地區的水體提取方法時,發現在可見光范圍內水體的亮度值下降較慢,陰影亮度值下降較快的特點,同時在該地區具有波段3中河流的亮度值高于陰影但低于冰雪、沖擊物和冰水沉積物的特點,據此提出了去除陰影和冰雪地貌的譜間關系改進模型

其中,K、M、N分別是根據該地區研究對象光譜反射率經反復試驗設定的閾值。

這些算法模型的研究、應用都較為有效地從TM影像上提取出湖泊、河流等面域較大的水體,并在一定程度上消除地形陰影的干擾。但是上述算法模型在提取河網密布、地形陰影極為發育的華南山區的水體時,不能有效地提取細小水體及去除地形陰影。

2.3 新構建多波段譜間關系模型

筆者經過大量的試驗研究,在現有的多波段譜間關系算法模型的基礎上,依據水體、陰影在藍綠波段所具有的下降幅度差異較大的特征,基于差值運算,構建了新的多波段譜間關系模型,利用該模型可簡單、有效、準確地提取水體及消除了陰影。該算法模型為

其中,N是根據試驗獲取的華南山地地區的經驗性閾值。

新建模型是對譜間關系算法模型和差值運算進行深入分析的基礎上,從中得到啟發后發現的,是對文獻[9]方法的改進。改進方法的優點在于:①文獻[9]基于邏輯“與”運算(AND)構建模型,而新建模型3次利用像元亮度值的差值運算構建了模型,實現水體、陰影等地物光譜值的增益和分離;②新建模型更簡捷、實用。對比、分析提取結果,論文方法具有:①對細小水體的提取更為有效,水體的連續程度更好;②更為有效地消除了地形陰影等的影響。

差值運算是指兩幅同樣行、列數的圖像,對應像元的亮度值相減,相減后的值反映了同一地物光譜反射率之間的差[15]。由于不同地物反射率差值不同,兩波段亮度值相減后,差值大的被突出出來[16]。對于某一像素點 f(x,y),其差值運算的定義為

TM影像中(B2+B3)-(B4+B5)可增大水體與陰影及其他地類間光譜值的差異,計算結果是水體及部分陰影的灰度值為正值,其他地類灰度值為負值,從而可將水體與其他地類及大部分陰影中分離出來;水體與陰影在藍綠光波段的差異性利用差值運算(B1-B2)增益出來;再次利用差值運算,將(B2+B3)-(B4+B5)運算中未分離出來的陰影提取出來,通過試驗設定合適的閾值就可最終實現水體準確、快速地自動提取。

2.4 水體提取后處理

2.4.1 數學形態學的膨脹濾波

利用新建的算法模型可快速、準確地提取水體,但是部分細小水體(如溪流等)由于河床地形復雜、溪水從石縫中穿流及水草發育等原因,提取出來的部分細小水體往往呈斷線狀。筆者對比研究了種子點擴散算法[17]、基于形態學的膨脹濾波等算法[18-19],發現基于數學形態學的膨脹濾波算法可較為有效地解決空洞及細小水體的短線連接問題。

數學形態學是由文獻[20]提出的一種以形態為基礎對圖像進行分析處理的數學模型。基于形態學的濾波算法目前被廣泛應用于圖像處理,其中基于形態學的膨脹濾波算法可填平圖像中小孔和彌合小裂縫[21]。本文采用典型的數學形態學膨脹算法,其定義如下:

設 f(s,t)是輸入圖像,b(x,y)為結構元素。用結構元素b對輸入圖像f進行灰度膨脹的定義為

其中,Df和Db分別是f和b的定義域。

2.4.2 二值圖像細化

水體經過膨脹算法處理后達到了空洞填充、部分斷線連接的目的,然后需對細小水體(非主干河流)進行細化處理,以提取細小水體的中心線。

圖像細化是在不影響原圖像拓撲連接關系下,將寬度大于一個像素的圖形線條轉變為單像素寬線條的處理過程[22]。目前可用于二值圖像細化的算法有基于形態學的侵蝕算法、Pavlidis算法、Hilditch算法、Rosenfeld算法、OPTA算法和Zhang快速并行細化算法等。其中,Pavlidis細化算法通過并行和串行混合處理來“剝”去不符合模式的邊緣像元[23],該算法具有比“經典“法大大減少了模式比較次數,提高效率的特征,并且該算法細化后的圖像基本保持原圖像的信息,對一些雜質的去除有明顯的作用,沒有細小短枝的產生[24],因此,試驗以 Pavlidis算法為基礎設計了代碼。在程序中2次采用S/L≤A的方法將線狀河流與其他水體分開、非主干河流與主干河流分開,以免出現將面狀河流一并細化的問題,執行細化處理的目標是非主干河流,即細小水體。其中, S是水體面積,L是水體周長,A是閾值。而較寬河流、水塘及湖泊等面狀水體,采用的方法是在提取的柵格影像上利用改進的邊緣追蹤算法實現矢量化和拓撲重建。

另外,圖像細化后會出現一些毛刺,針對毛刺一端為端點,另一端為三叉點或端點,且通常毛刺是很短的特點,采用邊緣追蹤算法(Canny算法)實現毛刺的去除和部分間隔較大斷線的連接。

3 試驗及其結果分析

試驗以甌江上游支流小溪溪谷地區為例,該地區位于浙江省景寧畬族自治縣沙灣鎮附近,山巒疊峰,群峰林立,水系發育,屬典型的華南山地景觀。試驗采用Landsat ETM+1—7波段30 m單波段數據(該圖像獲取于2001-10-21),同時以該地區15 m的全色波段數據作為輔助驗證資料。

水體提取的試驗流程為:①影像預處理,包括對原始Landsat ETM+的1—7波段進行大氣校正處理、圖像融合等;②目標水體信息自動提取;③后處理,包括對提取的水體影像進行形態學膨脹濾波和二值圖像細化等處理。

試驗數據處理及自動提取處理都是在基于ENVI+IDL自主研發的遙感解譯信息系統下進行的。影像預處理為常規處理,文中不再細述。

3.1 水體提取及后處理

基于在研的遙感解譯系統,首先進行水體提取試驗。圖2～圖6是進行局部細小水體自動提取及后處理試驗結果截圖(400×400像素)。其中,圖2是為了對比、驗證提取結果合成的目標區域的ETM+543假彩色圖像(近似真彩色)。圖3是基于目前使用較多的NDWI水體提取指數自動提取的結果,根據試驗比較,給定的經驗閾值≥0.2。該算法對細小支流(圖3左上角、右下角)的提取效果不理想,且對部分地形陰影難以去除(圖3河流下方白色點)。圖4是基于文獻[8]提出的譜間關系改進算法自動提取的結果,給定的經驗閾值≥30和≤0.9,該算法對細小水體的提取效果較好,但提取結果中仍保留了較多的陰影噪聲(圖4中白色孤點),難以去除。圖5是基于文獻[9]提出的改進算法自動提取的結果,給定的經驗閾值是<15。該算法對植被不發育的高山地區水體提取效果較好,但對植被發育、地形復雜、陰影發育的華南山區細小水體的提取效果并不理想,且提取結果中仍存在大量的陰影噪聲難以去除(圖5中白色孤點)。圖6是基于本文新建模型提取的結果,給定的閾值≥17,從提取結果看,該算法既很好地提取了細小水體又基本消除了陰影的影響。

圖2 TM543合成影像Fig.2 TM543 composite images

圖3 NDWI方法提取的水體結果Fig.3 Result of extraction using NDWI

圖4 文獻[8]方法的提取結果Fig.4 Result of extraction using reference[8]

圖5 文獻[9]方法提取結果Fig.5 Result of extraction using reference[9]

圖6 本文算法的提取結果Fig.6 Result of extraction using the method of this paper

進一步的試驗包括對已提取的水體進行形態學膨脹濾波和二值圖像細化等處理。圖7是對圖6提取的結果進行數學形態學膨脹處理,采用的是5×5的算子,初始半徑為3,迭代半徑為6。圖8是對圖7的膨脹處理結果進行細化后的結果。其中,膨脹濾波和細化算法都要進行交叉迭代處理,文中試驗為3次迭代。

3.2 提取結果驗證

為了檢驗算法提取的結果,將提取結果轉為矢量數據后疊加在合成的彩色影像上,進行對比試驗,可清楚檢測水體提取效果。圖9是將圖8細化后的細小水體(線狀)疊加在ETM+543合成影像上,可發現提取結果與影像水體地圖基本吻合,但在部分尖銳彎角處有取直現象,對比圖6,該問題出在膨脹和細化處理算法上。圖10是將較大支流(面狀)疊加在ETM+543+8融合影像上(融合后圖像空間分辨率為15 m),可檢測出河流的提取情況,部分河段河面呈畸形面狀,應是將含水豐富的河床沉積物誤提所致。另外,提取結果中仍保留極小量散點,通過對比分析,這些散點源是陰影和地物。

圖7 形態學的膨脹算法處理結果Fig.7 Result of the expansion of morphological algorithms

圖8 細化處理后的結果Fig.8 Result of the thinning algorithm

圖9 細小線狀河流疊加驗證效果Fig.9 Extraction result of small rivers and original image superposition

圖10 面狀支流疊加驗證效果Fig.10 Extraction result of wide branch and original image superposition

圖11、圖12分別是試驗區全景影像和全景水體提取結果。在缺乏實測數據情況下,通過分析目前的量化統計方法的實用性缺陷,論文對全景圖像水體提取結果進行了目視匹配檢驗,檢驗結果認為吻合度高,誤提、漏提水體信息少,優于其他方法提取結果,達到了軟件設計的要求。

圖11 ETM全景影像Fig.11 ETM panoramic image

圖12 全景影像水體信息提取結果Fig.12 Extraction result of water of panoramic image

4 結論與建議

針對山區陰影發育、細小水體提取較難的問題,論文提出了一種多波段譜間關系法的改進模型,并以TM影像為數據源,通過試驗驗證,成功地提取了華南山區的細小水體。該算法模型簡單易操作,在實際應用中只需根據研究地區的光譜差異設定一個經驗性閾值(N)。

本研究的不足之處在于,一是水體提取試驗中閾值的確定是通過分類地物光譜值的統計獲取的,有待研究閾值自動計算方法,如人工智能、機器自學習等方法;二是試驗中采用的形態學膨脹濾波算法和二值圖像細化算法都是常用的典型算法,雖然具有較高的處理效率和較好的處理效果,但缺乏針對性,因此處理的結果在細小水系密布、水體間歇斷續等局部不理想,對這些算法有待進一步改進;三是對提取結果的驗證量化不足,有待在目前利用混淆矩陣等量化計算的基礎上研究針對性更強、實用性更好的驗證統計方法。

[1] 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.

[2] LUO Jiancheng,SHENG Yongwei,SHEN Zhanfeng,et al.Step Iterative Multi-spectral Remote Sensing Information on High-precision Automatic Extraction of Water[J]. Journal of Remote Sensing,2009,13(4):610-615.(駱劍承,盛永偉,沈占鋒,等.分步迭代的多光譜遙感水體信息高精度自動提取[J].遙感學報,2009,13(4):610-615.)

[3] XU Hanqiu.A Study on Information Extraction of Water Body with the Modified Normalized Difference Water Index (MNDWI)[J].Journal of Remote Sensing,2005,9(5): 589-595.(徐涵秋.利用改進的歸一化差異水體指數(MNDWI)提取水體信息的研究[J].遙感學報,2005,9 (5):589-595.)

[4] YAN Pei,ZHANG Youjing,ZHANG Yuan.A Study on Information Extraction of WaterSystem in Semi-arid Regions with the Enhanced Water Index(EWI)and GIS Based Noise RemoveTechniques[J].Remote Sensing Information,2007(6):62-67.(閆霈,張友靜,張元.利用增強型水體指數(EWI)和 GIS去噪音技術提取半干旱地區水體信息的研究[J].遙感信息,2007(6):62-67.)

[5] DING Feng.A New Method for Fast Information Extraction of Water Bodies Using Remotely Sensed Data[J]. Remote Sensing Technology and Application,2009,24(2): 167-171.(丁鳳.一種基于遙感數據快速提取水體信息的新方法[J].遙感技術與應用,2009,24(2):167-171.)

[6] DU Yunyan,ZHOU Chenghu.Automatically Extracting Remote Sensing Information for Water Bodies[J].Journal of Remote Sensing,1998,2(4):264-269.(杜云艷,周成虎.水體的遙感信息自動提取方法[J].遙感學報,1998, 2(4):264-269.)

[7] YANG Cunjian,XU Mei.Study on the Water-body Extraction Methods of Remote Sensing Information Mechanism[J].Geographic Research,1998,17(S):86-89.(楊存建,徐美.遙感信息機理的水體提取方法的探討[J].地理研究,1998,17(S):86-89.)

[8] WANG Jinghua,ZHANG Yongbin,KONG Gaihong. Application of Water Feature Extraction with Model of Spectal Relationship[J].Mine Surveying,2002(4):30-32.(汪金花,張永彬,孔改紅.譜間關系法在水體特征提取中的應用[J].礦山測量,2002(4):30-32.)

[9] ZHANG Minghua.Extracting Water-body Information with Improved Model of Spectal Relationship in a Higher Mountain Area[J]. Geography and Geo-Information Science,2008,24(2):14-16.(張明華.用改進的譜間關系模型提取極高山地區水體信息[J].地理與地理信息科學,2008,24(2):14-16.)

[10] DENGJinsong,W ANG Ke,LIJu,et al.Study on the Automatic Extraction of Water Body Information from SPOT-5 Images Using Decision Tree Algorithm[J].Journal of Zhejiang University:Agric&Life Sci,2005,31(2):171-174.(鄧勁松,王坷,李君,等.決策樹方法從SPOT-5衛星影像中自動提取水體信息研究[J].浙江大學學報:農業與生命科學版,2005,31(2):171-174.)

[11] FU June,WANG Jizhou,LI Jiren.Study on the Automatic Extraction of Water Body from TM Image Using Decision Tree Algorithm[C]∥Proceedings of the SPIE: International Symposium on Photoelectronic Detection and Imaging 2007:Related Technologies and Applications. Beijing:SPIE,2008:1-9.

[12] HUANG Chunlong,XING Lixin,HAN Dong.Extracting the Information of Water System Based on Texture Features[J].Journal of Jilin University:Earth Science Edition,2008,11(38):226-250.(黃春龍,邢立新,韓冬.基于紋理特征的水系信息提取[J].吉林大學學報:地球科學版,2008,11(38):226-250.)

[13] ZHOU Liguo,FENG Xuezhi,XIAO Pengfeng,et al.An Investigation of Urban Water Automatic Extraction Based on Texture and Imaging Knowledge from High Resolution SAR Images[C]∥Proceedings of IEEE Conferences:2009 Joint Urban Remote Sensing Event.Shanghai:IEEE: 1570-1575.

[14] ZHOU Chenghu,LUO Jiancheng,YANG Xiaomei,et al. Geo-understanding and Analysis in Remote Sensing Image [M].Beijing:Science Press,2003.(周成虎,駱劍承,楊曉梅,等.遙感影像地學理解與分析[M].北京:科學出版社,2003.)

[15] CHEN Huafang,WANG Jinliang,CHEN Zhong,et al. Comparison of Water Extraction Methods in Mountainous Plateau Region from TM Image[J].Remote Sensing Technology and Application,2004,19(6):479-484.(陳華芳,王金亮,陳忠,等.山地高原地區TM影像水體信息提取方法比較——以香格里拉縣部分地區為例[J].遙感技術與應用,2004,19(6):479-484.)

[16] ZHA Yong,NI Shaoxiang,YANG Shan.An Effective Method of a Automatic Extraction of Urban Land Use Information from TM Images[J].Journal of Remote Sensing,2003,7(1):37-40.(查勇,倪紹祥,楊山.一種利用TM圖像自動提取城鎮用地信息的有效方法[J].遙感學報,2003,7(1):37-40.)

[17] LEI Xiaoqi,WANG Weixing,LAI Jun.A Method of Road Extraction from High-resolution Remote Sensing Images Based on Shape Features[J].Acta Geodaetica et Cartographica Sinica,2009,38(5):457-465.(雷小奇,王衛星,賴均.一種基于形狀特征進行高分辨率遙感影像道路提取方法[J].測繪學報,2009,38(5):457-465.)

[18] GUPTA A,KHANDELW AL V,GUPTA A,et al.Image Processing Methods for the Restoration of Digitized Paintings[J].Thammasat Int J Sc Tech,2008,13(3):66-72.

[19] ZHANG Dakun.Extended Closing Operation in Morphology and Its Application in Image Processing[C]∥Proceedings of the 2009 International Conference on Information Technology and Computer Science:1.Washington,DC:IEEE Computer Society,2009:83-87.

[20] MARAGOS P,SCHAFER R W.Morphological Filter Part I:Their Set-Theoretic Analysis and Relation to Liner Shift Invariant Filter[J].IEEE Trans ASSP,1987,35 (8):1153-1169.

[21] CUI Yi.Analysis of Remote Sensing Image-mathematical Morphology and Its Application[M].Beijing:Science Press,2002.(崔屹.圖像處理與分析:數學形態學方法及應用[M].北京:科學出版社,2002.)

[22] LI Su,TAN Yonglong.Image Fully Thinning Algorithm Based on Spanning Tree[J].Computer Engineering and Design,2006,27(21):4006-4007.(李更生,譚永龍.基于生成樹的圖像完全細化算法[J].計算機工程與設計, 2006,27(21):4006-4007.)

[23] PAVLIDIS T.Algorithms for Graphics and Image Processing[J].Rockville:Computer Science Press,1982.

[24] MA Lei,QI Xingguang.Applications of Several Stroke-Thining Algorithms for Digital Image Processing of Paper Fiber Inspection and a Comparison among Them[J]. Journal of Shandong Institute of Light Industry,2008,22 (4):49-51.(馬磊,綦星光.常用細化算法在紙漿纖維圖像處理中的應用與比較[J].山東輕工業學院學報, 2008,22(4):49-51.)

(責任編輯:叢樹平)

A Method of Small Water Information Automatic Extraction from TM Remote Sensing Images

Y ANG Shuwen1,2,XUE Chongsheng1,LIU Tao2,LI Y ikun2
1.Faculty of Earth Science,Geosciences University of China,Wuhan 430074,China;2.School of Mathematics,Physics and Software Engineering,Lanzhou Jiaotong University,Lanzhou 730070,China

Since the decrease rate of bright values of water body and shadow in blue-green bands are significantly different,the proposed approach build a novel water body extraction model of multi-band spectral relationship based on difference operation.Firstly,the approach utilizes the new model to extract water body among various ground objects and shadows.Secondly,the approach fills empty holes and connects short lines based on dilation filtering algorithm of mathematical morphology.Thirdly,the approach utilizes binary image thinning algorithm to thin the extracted water bodies.The analysis and comparison of experimental results show that the proposed approach overcomes the major shortcoming of many water body extraction approaches,which are only able to extract large water bodies.In summary,the approach is able to automatically extract small water bodies of hilly area with high precision.Moreover,it is able to effectively remove interference information such as shadows.

model of multi-band spectral relationship;water bodies;automatic extraction;fill filter;mage thinning

YANG Shuwen(1975—),male,PhD candidate,majors in remote sensing images processing, target detection/extraction.

E-mail:yangshuwen@mail.lzjtu.cn;ysw040966@163. com

1001-1595(2010)06-0611-07

P237

A

國家自然科學基金(40871208);中鐵第四勘察設計院集團有限公司基金(2009D-1)

2010-02-08

2010-04-06

楊樹文(1975—),男,博士生,主要研究方向為遙感數字圖像處理和遙感信息檢測及提取。