針對資源三號衛星影像水體提取的譜間關系法

王國華，裴亮，杜全葉，李旋

(1.遼寧工程技術大學 測繪與地理科學學院，遼寧 阜新 123000；2.中國測繪科學研究院，北京 100036；3.江蘇省地質調查研究院，南京 210018)

0 引言

近年，隨著遙感空間技術的發展，水體提取已經成為遙感研究領域里的主要分支之一，為水體識別、土地分類、水資源調查、洪澇災害的監測及淹沒面積的估測等方面提供了重要的技術手段。目前，常用的水體提取方法有Mcfeeters提出的歸一化差分水體指數(normalized difference water index，NDWI)法，是利用綠波段與近紅外波段的歸一化比值指數來提取水體。NDWI法能突出水體信息，抑制植被信息，在植被為主的遙感影像上提取水體效果較好，但是提取水體時也易誤提陰影區域。徐涵秋[1]提出了MNDWI(modified NDWI)法，是利用綠波段與中紅外波段的歸一化比值指數來提取水體。MNDWI法與NDWI法相比，對建筑物區域和陰影區域的噪聲都有良好的去除效果。汪金花等[2]采用譜間關系法對遙感影像的地物進行逆分析，建立遙感模型，經過多次反復實驗獲取最佳閾值提取水體。該方法提取水體總體效果較好，但細小水體提取困難，且陰影區域的去除效果不佳。趙芳等[3]針對山東青島冬季的資源三號衛星影像，采用多種水體提取方法提取水體信息，并進行實驗比對。最終發現相較其他方法，采用譜間關系法結合最佳指數法來提取水體信息的效果是最好的，但是對于大面積水體提取中的冰面部分提取效果不佳。胡衛國等[4]將NDVI與NDWI結合，提出決策樹水體信息提取方法，利用這種方法提取青藏高原龍羊峽庫區范圍內的資源一號衛星影像的水體信息。決策樹法能有效地消除云和冰雪對水體提取的干擾，但是山體陰影對水體提取的精度有一定的影響。這些方法都是基于影像的光譜特性來進行提取的，并且這些水體提取方法的數據源多是Landsat TM、SPOT、MODIS以及SAR圖像等影像數據。其中，研究最廣泛的是Landsat TM影像。Landsat TM影像具有波段多、光譜信息豐富、空間分辨率較低等特點。相較于Landsat TM影像，國產測繪衛星的波段數少，但是空間分辨率有較大的提升。

21世紀以來，我國針對國產測繪衛星影像在水體識別、洪澇災害檢測等方面的需求日益提升，但是國內現階段針對國產測繪衛星數據的水體提取研究較少，因此本文選取幾種常見的水體提取方法，對國產資源三號衛星數據進行實驗；比較各種方法的優點與不足，并提出一種針對國產資源三號衛星數據精度更高的水體提取方法。

1 水體提取方法

1.1 水的光譜特性

水體擁有對近紅外光吸收能力強、反射率最低的特征。在近紅外波段中，水體的灰度值明顯低于其他地物。水體在可見光范圍內反射率最高的是藍綠光，最低的是近紅外光，大部分的光都被吸收，所以在遙感影像中水體大致表現為暗色[5]。在資源三號多光譜衛星影像中，水和陰影在近紅外波段中的灰度值相近，都遠遠低于其他地物。但水和陰影在紅波段的灰度值相差較大，且水在紅波段的灰度值大于近紅外，而陰影和其他地物正好相反。下文提出的新的基于閾值的譜間關系法便是利用水和陰影以及其他地物的這個特性進行水體提取。

1.2 單波段閾值法

根據影像中各類地物的光譜曲線分析可知，水體在近紅外波段中的灰度值遠遠小于其他地物，與陰影的灰度值相近。單波段閾值法原理是利用水體的灰度值低于其他地物和略高于一部分陰影的這個特點，設置2個閾值排除其他地物和陰影的影響從而提取水體。單波段閾值法是水體提取方法中最簡單的方法，雖然大面積的水域和細小的水體都可以提取出來，但是在影像中的陰影有一大部分在近紅外波段中與水體的灰度值相同，因此陰影也會被提取出來，但最終生成的二值影像效果不是很好。這種水體提取方法雖然簡單便于提取，但是精度不能令人滿意。

1.3 NDWI法

NDWI原理是通過在多光譜影像的波段里找到研究地物的最強反射和最弱反射波段進行比值運算，將影像中研究地物的亮度進行增強，而其他大部分地物的亮度則被抑制，達到突出研究地物的目的[6]。在國產資源三號衛星中，綠光波段和近紅外波段分別為第2波段以及第4波段。因為水體在綠光波段中的反射率最強，在近紅外波段的反射率最低，吸收能力最強，利用這種差異可以達到突出水體的目的。并且因為植被在近紅外波段的反射率很強，所以NDWI在一定程度上還可以抑制植被信息。

NDWI法最主要的作用是可以突出水體抑制植被信息，對于以植被為主的影像區域提取水體的效果會很好。但是使用NDWI法提取水體對于去除陰影區域效果不好，并且裸露的土壤和建筑物的NDWI值與水體相近，容易混淆，形成噪聲[7]。

1.4 支持向量機法

支持向量機法(support vector machine，SVM)是一種基于樣本的面向對象分類方法，它通過影像的空間特征和光譜特征對研究對象進行分類[8]。SVM法具有小樣本學習、抗噪性強、學習效率高等優點。SVM法的最大特點是用有限的樣本集得到較小誤差的提取結果，可以在缺少先驗知識或只具備少量先驗知識時達到較高的水體提取精度。

使用SVM法提取水體是一種半人工的水體提取方法，需要水體在不同區域情況下的樣本，通常在分類時，需要人工選取大量的樣本，過程比較繁瑣復雜。SVM水體提取結果精度較高，但是存在一定程度上的誤提，尤其是與水體相近的結冰處和河床上的一部分裸露水體，易在分類過程中辨識為水體。

1.5 基于閾值的新譜間關系法

本文提出的基于閾值的新譜間關系法其本質是比值法，基本原理是通過分析影像中的地物光譜曲線，將不同的波段進行比值運算，擴大水體與其他地物的亮度差距，進而提取水體[9]。傳統比值法提取水體較常用的方法是NDWI法。NDWI法并不能剔除除植被外對提取水體有影響的因素，比如裸露的土地、建筑物等地物[10]。

本文以黃河流域范圍內的資源三號衛星影像為例，使用基于閾值的新譜間關系法提取水體。該方法考慮到植被、建筑物以及裸露的土地等對提取水體有影響的地物，可以減少NDWI法提取水體時出現的誤提和漏提部分。根據地物的光譜曲線分析(圖1，其中，b1為藍波段，b2為綠波段，b3為紅波段，b4為近紅外波段)，水體和陰影在近紅外波段的灰度值遠遠低于其他地物，水體在紅波段的灰度值大于在近紅外波段的灰度值，并且非水體地物在紅波段的灰度值小于在近紅外波段的灰度值。以地物的光譜曲線知識為基礎，以紅波段的灰度值與近紅外波段的灰度值的比值作為水體提取的判別依據，通過反復實驗研究發現，水體在紅波段和近紅外波段的比值一般大于1，而非水體地物的波段比值一般要小于1，但是這樣提取水體仍會有部分誤提區域，因為陰影和裸露土地在這2個波段的比值與水體接近[11]。所以，在排除其他地物的干擾后，仍需要對提取結果進行剔除陰影和裸露土地的優化操作。比值法粗略提取水體的數學模型如式(1)所示。

圖1 光譜曲線圖

Red/NIR>A

(1)

式中：A為閾值；Red是第3波段紅光波段的灰度值；NIR是第4波段近紅外波段的灰度值。但是該數學模型并不完善，還存在一部分河岸陰影會被誤提。為了剔除分類時陰影的影響，本文發現，陰影在第1波段的灰度值大于第3波段，而水體相反，因此可以得到提取陰影的數學模型，如式(2)所示。

Red/Blue

(2)

式中：B為閾值；Blue是第1波段藍光波段的灰度值。通過反復實驗選取提取水體的最佳閾值時發現，水體在紅波段和近紅外波段的比值接近于1，當大于等于0.93時，能保留最多的水體信息以及細小水體信息和剔除最多的非水體信息。以0.93為閾值，將式(1)提取出的水體影像二值化，可以得到最佳的粗提取水體的二值影像。紅波段和藍波段的比值接近于0.8時，為陰影區域，其值小于0.76時，能獲得最佳的影像陰影區域[12]。以0.76為閾值，對式(2)提取出的陰影影像進行二值化，可以得到影響提取水體地物的二值影像。這2幅影像重合區域就是粗提取水體二值影像中誤提部分。將2幅二值影像進行影像相減[13]，影像灰度值會出現3個值分別是：大于0、等于0和小于0。其中，灰度值大于0區域為水體區域；灰度值等于0和小于0的區域都是非水體地物。將相減后的影像以0為閾值二值化，最終會得到剔除了陰影和非水體地物影響的水體二值圖像。

2 實驗

2.1 研究區數據源概述

資源三號衛星是中國第一顆自主的民用高分辨率立體測繪衛星。資源三號衛星的前視相機和后視相機的空間分辨率約為3.5 m，下視相機的空間分辨率約為2.1 m，通過立體觀測，可以測制1∶5萬比例尺地形圖，為國土資源、農業、林業等領域提供服務。衛星可對地球南北緯84°以內地區實現無縫影像覆蓋，回歸周期為59 d，重訪周期為5 d。

本次實驗數據選取冬季的陜西省與山西省交界處黃河流域的資源三號衛星影像數據，主要由河流和山區組成，在河流沿岸有建筑物區域，主要地物包括河流、山地、陰影、建筑物和冰雪。該影像為冬季影像，黃河正處在枯水期，河流水位低于正常期和汛期的水位，河岸以及岸邊的山地與建筑物遠高于河流水位。成像時間為下午，太陽斜射，因此會在河流主干以及支流上產生大面積的河岸陰影，細小支流的大部分處于干涸狀態，并且水面上也會出現一部分結冰區域，是多地物種類的衛星影像數據。

2.2 實驗結果

本文裁出資源三號衛星影像上具有標志性的2塊區域分成2組進行實驗。2塊實驗數據包含了該影像上的全部地物，且以水體為主。以水體為主的實驗區域影像效果更加清晰便于觀察。對實驗區分別利用單波段閾值法、NDWI法、SVM法和新的基于閾值的譜間關系法進行水體提取。通過影像直方圖和反復實驗來確定分類的最佳閾值。將分類后影像二值化[14]，基于閾值的2種方法提取出的水體為白色，其他地物為黑色；SVM法提取出的水體為紅色，其他地物為白色。

第1組實驗采用影像1為實驗對象。影像1具有河岸附近陰影少、細小水體多、城鎮建筑用地少、裸露土地多等特點。圖2為影像1的原始影像，圖3為影像1的人工解譯水體結果，圖4、圖5、圖6、圖7為其他水體提取方法的實驗提取結果。通過提取結果與人工解譯結果的比對，可以發現本文提出的新譜間關系法提取結果的精度要優于單波段閾值法、NDWI法和SVM法的提取結果精度。

圖2 影像1原始影像

圖3 影像1人工解譯水體結果

圖4 影像1新譜間關系法提取結果

圖5 影像1單波段閾值法提取結果

圖6 影像1 NDWI法提取結果

圖7 影像1 SVM法提取結果

第2組實驗采用影像2為實驗對象。影像2中有大量的河岸陰影區域，并且河流主干中有多處結冰區域和礁石。圖8為影像2的原始影像，圖9為影像2的人工解譯水體結果，圖10、圖11、圖12、圖13為其他水體提取方法的實驗提取結果。通過提取結果與人工解譯結果的比對，可以發現新譜間關系法提取結果在細小水體提取和陰影剔除方面要優于其他的3種方法。

圖8 影像2原始影像

圖9 影像2人工解譯水體結果

圖10 影像2新譜間關系法提取結果

圖11 影像2單波段閾值法提取結果

圖12 影像2 NDWI法提取結果

圖13 影像2 SVM法提取結果

2.3 實驗結果分析

本文使用ArcGIS軟件對2個實驗區影像進行人工解譯，作為水體真值，如圖3、圖9所示。利用不同提取水體方法的提取結果與水體真值進行精度評價，如表1所示。

表1 實驗結果精度評價

根據實驗結果精度評價可知，單波段閾值法的精度最低，陰影區域與水體相混淆，細小水體提取不完全；NDWI法提取的精度不夠，能提出大部分水體，但有陰影區域以及一部分的建筑物和土壤作為噪聲降低了水體提取的精度；SVM法提取水體，大部分水體都能提取出來，但是存在一定的誤提現象，這是因為基于影像分割算法提取出的邊緣存在問題，無法將水體和一部分冰雪、裸露土地分割出來；本文提出的基于閾值的新譜間關系法，比前面3種方法提取水體精度有了進一步提高，并且改善了單波段閾值法的陰影問題、NDWI法對細小水體有漏提問題和SVM法的誤提問題。

3 結束語

本文利用冬季黃河流域的資源三號衛星影像進行水體提取，采用單波段閾值法、NDWI法、SVM法，及本文提出新的譜間關系法進行實驗。本文提出的新譜間關系法提取水體的精度超過單波段閾值法、NDWI法、SVM法，不僅能的提取出細小水體，而且對陰影等難剔除的影響因素有較好的剔除效果。但是新譜間關系法的2個數學模型的閾值選擇依賴大量實驗確定，需要耗費大量時間。如何減少確定閾值的時間是下一步研究的重點。