一種自適應閾值的水體信息提取方法研究

徐紅偉 董張玉 楊學志

摘要：遙感信息中水體信息提取會受到暗色地物和陰影的影響從而導致精度不佳，同時傳統(tǒng)的全局閾值提取方法也會造成水體細節(jié)信息提取不夠精確?；诖?，論文以Landsat 8多光譜影像為數(shù)據(jù)源，提出一種改進的水體指數(shù)（NIWI）算法，該方法不僅能增強水體信息，同時借助四叉樹圖像分塊算法與改進的OSTU結(jié)合粒子群算法（PSO）高效確定最佳閾值從而得到水體信息。并將文中方法與多波段譜間關(guān)系法、歸一化水體指數(shù)法（NDWI）等傳統(tǒng)方法進行綜合比對。結(jié)果表明：改進的水體指數(shù)應用于綜合改進的OSTU算法能夠高效準確地進行水體信息提取，針對本文實驗區(qū)域水體提取精度分別可達96.8%和97.7%，為水體信息提取、土地利用調(diào)查等提供數(shù)據(jù)參考。

關(guān)鍵詞：水體提??；四叉樹分塊；OSTU；PSO

Water Body Information Extraction Method with Adaptive Threshold

Xu Hong-wei1，2， Dong Zhang-yu1，2， Yang Xue-zhi1，2

1. School of Computer and Information， Hefei University of Technology， Hefei， 230601 2. Key Laboratory of Industrial Safety and Emergency Technology， Hefei 230601， China

Abstract： The information of water extraction in remote sensing information will be affected by dark features and shadows， resulting in poor accuracy. At the same time， traditional global threshold extraction methods will also cause the details of water extraction to be inaccurate. Based on this， this paper uses Landsat 8 multi-spectral imagery as the data source and proposes an improved water body index （NIWI） algorithm. This method can not only enhance water body information， but also use the quad-tree image block algorithm and improved OSTU to combine particle swarm optimization algorithm （PSO） efficiently determines the optimal threshold to obtain water body information. The method is compared with the traditional methods such as multi-band spectral relationship method and normalized water body index method （NDWI）. The results show that the improved water body index applied to the comprehensive and improved OSTU algorithm can efficiently and accurately extract water body information. The water body extraction accuracy for the experimental area in this paper can reach 96.8% and 97.7%， respectively， and provide reference data for water body information extraction and land use survey.

Key words： Water extraction； Quad-tree chunking； OSTU； PSO

地球上絕大部分地區(qū)由水體組成，同時水也是人類社會賴以生存的重要資源。如何高效準確地獲取對應水體信息對于資源普查、防災減災以及環(huán)境保護等方面都有著巨大的意義。伴隨著遙感技術(shù)突飛猛進，衛(wèi)星影像的分辨率也有了質(zhì)的飛躍，借助相關(guān)圖像處理技術(shù)可以較為方便地提取所需要信息。同時，也是因為遙感技術(shù)的快速進步，圖像中所包含的信息量大大增加，傳統(tǒng)的提取方法耗時長、提取準確度不高，故很難滿足現(xiàn)在人們的研究需求。因此，如何高效且準確地提取水體信息是當下關(guān)注的熱點。

目前，國內(nèi)外在水體信息自動提取方面應用的技術(shù)較多，眾多學者針對如何提高水體提取精度和優(yōu)化水體提取方法也進行了大量研究。張德軍采用支持向量機法結(jié)合目視解譯進行水體提取[1]；徐旭利用圖像特征同時整合深度學習技術(shù)自動提取水體信息[2]；提取方式很大程度上取決于不同遙感影像所包含的信息，故針對缺乏近紅外波段信息的影像，戴激光使用基于RGB三通道的區(qū)域增長水體識別算法進行水體信息識別提取[3]；徐涵秋通過替換波段信息改進了NDWI法，提高了水體提取精度[4]；袁欣志基于OSTU進行自適應水體閾值確定提取提高了水體提取的準確性[5]。其中大多數(shù)方法應用于遙感影像普遍具有多波段、低分辨率的典型特征。而Landsat 8遙感影像具有豐富的波段信息和較高分辨率，傳統(tǒng)方法在影像所含信息較多的情況下提取效果并不理想。一方面，隨著遙感圖像包含的信息量越來越大，水體細節(jié)信息提取會受到多種非水體信息干擾導致誤提取，提取過程中的運算量也同時加大，往往會增加實驗時間，降低提取精度與效率；另一方面，傳統(tǒng)的水體提取算法針對遙感圖像進行處理時更多著眼于圖像的全局特征，一定程度上會造成水體細節(jié)信息的丟失。

基于以上研究，本文提出使用改進水體指數(shù)結(jié)合優(yōu)化改進的OSTU算法進行水體信息提取，同時希望得到最佳閾值，所以在基于四叉樹算法分塊圖像中引入全局優(yōu)化算法——粒子群算法（PSO）提高閾值選取的效率和準確性，并對Landsat 8影像處理分析，驗證本文方法。

1.數(shù)據(jù)源介紹與分析

1.1數(shù)據(jù)介紹與處理

Landsat 8遙感衛(wèi)星搭載了針對大陸地物信息獲取的成像儀（OLI）以及針對非可見光信息（即熱紅外信息）進行觀測的傳感器（TIRS）。如表1所示。

本文選取了2處不同時間、不同地點且云量少于3%的Landsat 8影像作為數(shù)據(jù)來源，參數(shù)如表2所示。并對所選區(qū)域進行預處理操作，基本過程為：在ENVI中使用Landsat 8輻射定標函數(shù)進行圖像定標，同時生成符合大氣校正的數(shù)據(jù)；為了較好的保留圖像信息的同時排除原始圖像中的相關(guān)干擾，輸入校正參數(shù)后應用FLAASH模型對定標后的圖像數(shù)據(jù)進行大氣校正；因所取研究區(qū)域較廣，對相應區(qū)域進行圖像裁剪用于實驗。

1.2光譜特征分析

各地物在各波段的光譜信息存在差異，其中水體在可見光波段的反射率處于低水平表達，但在近紅外波段幾近被完全吸納，同時影像中的陰影等部分會與水體混淆不易區(qū)分，通過本文所使用的四叉樹分割結(jié)合綜合OSTU技術(shù)可以將全局閾值分解為各分塊局部最優(yōu)閾值，進而相對較好地區(qū)分水體與非水體目標。

2.水體提取建模

為了更好地進行目標信息提取，本文有針對性地構(gòu)建了水體提取流程。首先，采用四叉樹算法分割實驗區(qū)域同時使用NIWI增強水體目標；其次使用PSO配合改進的OSTU對水體目標高效自匹配式的進行提取。具體流程如圖1所示。

2.1分割提取局部區(qū)域

我們一般采用對一整幅遙感圖像進行分析和處理的方式進行信息增強和提取，因此難免在增強圖像信息和提取所需信息的時候由于圖像包含信息量較大、地物信息較為復雜等原因?qū)е绿崛【群托什桓叩葐栴}的出現(xiàn)。故本文采用四叉樹圖像分塊算法對所研究遙感圖像進行分塊，從而在各分塊局部內(nèi)實現(xiàn)對水體信息的增強與地物信息的自適應提取，提高水體信息提取的精度和效率。

為了完成對于水體信息密度大的區(qū)域進行較密的圖像分割，密度小的區(qū)域進行較稀疏的圖像分割，采用四叉樹法能夠?qū)崿F(xiàn)，即：

（1）設定四叉樹最大深度Dmax限制四叉樹最大劃分深度；（2）對各個遙感圖像分塊內(nèi)部設置匹配點閾值T0；（3）匹配點大于閾值T0值則對當前塊進行劃分，否則不劃分，認為劃分完成。

將遙感圖像進行四叉樹分塊操作為后續(xù)水體指數(shù)增強信息和自適應水體信息提取過程提供有效樣本，同時一定程度上提高了水體信息提取的準確度和效率，也避免了選取全局閾值所引起的水體信息提取誤差的出現(xiàn)。

2.2新型水體指數(shù)構(gòu)建

鑒于地物信息與波段信息在光譜和反射能力方面的聯(lián)系與區(qū)別，通過對不同波段進行改進型運算可以突出水體并抑制非水體部分。本文通過參考歸一化水體指數(shù)（NDWI）以及與之相關(guān)的歸一化植被指數(shù)（NDVI）[6- 8]，在Landsat 8提供的多種波段信息中選取紅波段、近紅外波段及短紅外波段構(gòu)建NIWI，即：

算法步驟：

①初始化位置；②計算每只鳥的適應度；③找到每只鳥自己的極值，以及整個鳥群的極值；④計算位置變化量，改變位置；⑤盡可能多地重復步驟②～④使其值趨于穩(wěn)定，即可獲得最優(yōu)解。

3.實驗結(jié)果與分析

3.1實驗結(jié)果

文中使用了若干Landsat 8衛(wèi)星影像進行水體自動提取，以規(guī)避地物及成像條件的單調(diào)性對全局目標提取效果產(chǎn)生影響[11-12]。針對不同的地物環(huán)境，采用本文方法對實驗區(qū)域1佛子嶺區(qū)域和實驗區(qū)域2巢湖區(qū)域進行實驗，進一步驗證本文方法對于不同水體提取的優(yōu)越性和適應性，同時分別與譜間關(guān)系法和NDWI法形成對比，為后續(xù)水體信息提取工作作出參考。

（1）實驗區(qū)域1（佛子嶺區(qū)域）為非城鎮(zhèn)區(qū)域，陰影部分較少。譜間關(guān)系法的提取效果不佳，NDWI法對于細小支流提取不夠明確。本文方法能夠較好提取水體細節(jié)信息，同時將水體和非水體信息較準確地辨識出來，如圖2所示。

（2）實驗區(qū)域2（巢湖區(qū)域）為城鎮(zhèn)區(qū)域，有較多陰影。譜間關(guān)系法所提取的水體目標內(nèi)容較不完整，NDWI法誤提情況表現(xiàn)較多，造成一定程度上非水體目標的錯誤識別。本文方法一方面較完整地識別出相應水體信息，另一方面并未對其他信息造成誤讀，如圖3所示。

通過實驗不難發(fā)現(xiàn)，不同方法的提取效果不同。傳統(tǒng)方法主要表現(xiàn)為兩個方面的問題：①提取的地物信息摻雜了較多非水體信息導致提取精度不高，誤提取情況出現(xiàn)；②導致水體信息提取過程中的有用信息的缺失，即無法較好地提取區(qū)域面積較小的水體部分。但通過本文中的改進OSTU算法結(jié)合PSO算法自適應地確定最佳分割閾值提取實驗區(qū)域內(nèi)的水體并對實驗區(qū)域內(nèi)水體密集的區(qū)域進行模塊化分割，大大降低了誤提率同時也很好的保留小面積水域以及支流信息，一定程度上降低了非水體目標的表達，提高水體信息提取的精度和效率。