基于MNDWI特征空間的水體追蹤識別方法研究

屈慧慧, 裴 亮, 桑學鋒, 王金鑫

(1.遼寧工程技術大學 測繪與地理科學學院，遼寧 阜新 123000；2. 中國水利水電科學研究院，北京 100038)

水是人類與自然聯通的紐帶，一直以來，水的變化備受關注。近年來，隨著遙感技術的發展，對于水的研究有了更加先進的工具和技術方法。遙感技術能夠快速有效地獲取地表的電磁波輻射及反射特征，具有感測范圍大、信息獲取速度快、時間分辨率高及更新時間快等諸多優勢，已成為水體信息提取的重要手段之一[1-3]。 特征空間可以理解為由多個個體的特征維構成的多維空間,比如水體、植被、巖體、裸地等的電磁波輻射具有不同的特征，不同地物的波段及其構成的特征空間被廣泛應用于模型構建研究中。王愛華學者提出的對塔里木河流域遙感波段及重構向量的特征空間分析；劉愛霞學者將改進型土壤調節植被指數、陸地表面溫度、植被覆蓋度等為表征荒漠化指標,并構建特征空間,利用決策樹分類方法進行荒漠化動態監測等研究[4-5]。

早期的水體遙感研究主要是針對國外的遙感影像數據，比如TM、Modis數據等，近期有Landsat8、GF影像數據的水體研究方法。常用的提取方法有單波段法、譜間關系法、歸一化差異水體指數(NDWI)、改進的歸一化差異水體指數(MNDWI)、主成分分析綜合法[6-10]，但是這些方法的研究針對單一水體比較適用，但針對有眾多水體、山體或建筑陰影特征的區域，由于陰影噪聲和水體特征具有相似性，開展區域水體一次性提取效果不佳。針對水體提取的研究方法有很多，比如沈占鋒學者提出采用高斯歸一化水體指數實現遙感影像河流的精確提取，李生生學者提出基于Landsat8-OLI數據的青海湖水體邊界自動提取，駱劍承學者提出分步迭代的多光譜遙感水體信息高精度自動提取，張偉學者提出一種利用多時相GF-4影像的快速水體提取方法等等[11-14]。

本研究提出一種適用于大區域多水體一次性水體提取方法，在水體指數法的基礎上，疊加一種水體追蹤識別方法，根據影像源的波段特性，采取改進的歸一化差異水體指數(MNDWI)+水體追蹤識別的方法，更加精確快速地獲取大區域湖庫水體面積。

1 研究區概況

京津冀位于海河流域，被稱為中國的“首都經濟圈”，位于華北平原，兼跨內蒙古高原，東臨渤海,總面積2.18萬km2。由于經濟發展的需求，該區域內有大量的人工修建水體，比如水庫、景觀水體等。京津冀地區水體種類繁多，包含有眾多的天然湖泊水體、人工修建的大中型水庫、坑塘堤壩、河道等等。

由于京津冀地區地形地貌復雜多樣，水體種類、群體眾多，區域范圍大。普通的水體提取方法難以滿足大區域的湖庫水體一次性提取要求。本文針對該區域特征提出一種新的水體提取方法。

2 數據源和預處理

2.1 數據來源

研究采用2017年10—11月的landsat8-OLI影像作為數據源，landsat8共11個波段，除全色波段空間分辨率為15 m外，其他為30 m、100 m。landsat8-OLI采用推掃式設計代替原有的擺掃式，獲取的圖像質量更好,OLI成像儀獲取的遙感圖像輻射分辨率達到12 bit，圖像的幾何精度和數據的信噪比也更高[15]。為了能夠覆蓋整個地區，下載landsat8圖像共21幅，覆蓋整個京津冀地區。

2.2 數據預處理

以ENVI 5.3版本為處理平臺，進行批量處理。首先進行輻射定標和大氣校正，然后選擇30 m分辨率影像與Landsat8第8波段進行融合，提高影像的分辨率為15 m，主要步驟如圖1所示，處理結果如圖2所示。

圖1 影像預處理

圖2 預處理對比圖

3 研究方法

研究采用改進的歸一化差異水體指數(MNDWI)+水體追蹤識別的方法對研究區進行水體提取。其中，改進的歸一化差異水體指數法是徐秋涵在2005年基于歸一化差異水體指數方法的基礎上提出[16]。

改進的歸一化差異水體指數(MNDWI)+水體追蹤識別提取：在水體指數法的基礎上，繼續水體的追蹤識別排除山體陰影、云等噪聲的干擾。水體追蹤識別提取，在MNDWI提取后的影像中自主搜尋種子點，再基于種子點的4-鄰域追蹤水體區域，對區域進行標記，以分別不同區域的水體對應的湖庫面積，從而實現大尺度綜合一體化湖庫水面提取，克服單個水體遙感反演提取的局限性，創新提出區域大尺度所有規模以上水體一次性智能化水體提取方法(規模以上水體的意義是:單個水體面積大于等于1 km2以上的區域所有水體)。主要方法流程如下：

從影像中的左上角開始掃描，假如掃描到A點(Xi，Yi) ，使用A點的光譜信息(R0，G0，B0)來判斷該點是否屬于水體，其R、G、B分別對應影像的近紅外波段、紅波段、綠波段。將掃描到符合要求的像素點當作種子點，采取4-鄰域法，對種子點的周圍的像素進行追蹤，并對該區域進行標記，標簽lable從2開始。算法選擇影像的光譜信息作為特征量，來分類水體與非水體[17]。

(1)

當F為真時,表示該點為種子點。然后依次對這4個點F(Xi-1,Yi),F(Xi,Yi-1),F(Xi+1,Yi),F(Xi,Yi-1)進行判斷。將種子點的鄰域判斷結束后,確定該點和4鄰域的連通性。連通是指種子點像素值與周圍某一點的像素值相等,則說明種子點與該點具有連通性。假如:

F(Xi,Yi)∩F(Xi-1,Yi)={1},

則該種子點與上一行的像素點連通。

F(Xi,Yi)∩F(Xi,Yi-1)=φ,

則該種子點與前一列的像素點并不連通。

水體追蹤識別提取算法的具體步驟如下：

1)從第二行第二列的像素開始掃描，掃描到當前像素A(x，y)，如果A(x，y)=1，對其鄰域進行判斷。

2)在其4-鄰域之內，通過條件判斷其性質是否與A(x，y)相同，相同就記錄下該點的坐標，并存入棧中。

3)在把A(x，y)的4個鄰域判斷結束后，根據棧的后進先出的原則，將棧中最后一個存入的數拿出來，重復2)中的步驟，直至棧空，一個連通區域被提出。

4)棧空后繼續掃描A(x，y)的下一個像素，如果A(x，y)=1，且沒有被標記，則重復2)到3)的步驟。如果被標記過，則跳過，對下一個像素進行掃描。

5)在將圖像遍歷一遍后，將所有的連通區域按冒泡排序法排列，根據閾值，提出水體，去除噪聲。

該方法避免了不連通水域的遺失和周圍噪聲的干擾，歷時短、精度高。

4 實驗結果與分析

4.1 基于多種水體提取方法的結果比較

研究區選用京津冀區域2017年10月份landsat8衛星遙感影像(水庫和湖泊水面面積在10—11月份受雨季和旱季的影響最小，面積相對其他月份比較穩定)，由于研究區域范圍大，在與MNDWI、NDWI方法進行比較研究時選擇以同時存在山區和城市(以北京市為例)、僅城市、僅山區3種不同選區做為對比區域，進行3種方法的對比評估。

1)歸一化差異水體指數(NDWI)法:歸一化差分水體指數(NDWI)是Mcfeeters在1996年提出的，基于綠波段與近紅外波段的歸一化比值指數。其表達式為：

(2)

其中，p(green)代表綠色波段;p(NIR)代表近紅外波段。本文根據NDWI的方法提取的同時存在山區和城市(以北京市為例)、僅山區、僅城市的湖庫水域面積如圖3、圖4、圖5中(b)所示。NDWI 的計算，抑制了陸地植被等信息而突出了水體信息，但是該方法在城市建筑較多的背景區域，提取效果不佳。

2)改進的歸一化差異水體指數(MNDWI)法：文獻[16]對Mcfeeters提出的歸一化差異水體指數(NDWI)分析的基礎上,對構成該指數的波長組合進行了修改,于是提出了改進的歸一化差異水體指數MNDWI(Modified NDWI)，其表達式為：

(3)

其中,p(Green) 代表綠色波段;p(MIR)代表中紅外波段。本文根據MNDWI的方法提取的同時存在山區和城市(以北京市為例)、僅山區、僅城市的湖庫水域面積如圖3、圖4、圖5(c)所示。該方法一定程度上緩解了混有較多建筑物的水體識別問題，并且在消除陰影方面取得了較好的效果。但是該方法在大區域進行湖庫水域的一次性提取時，山體陰影、云等噪聲干擾的誤差仍舊大量存在，且一次性提取效果不佳。

3)改進的歸一化差異水體指數(MNDWI)+追蹤識別方法：在文獻[16]提出的MNDWI的基礎上，進行水體的二次跟蹤識別，能夠很好的去掉偽水體的干擾，獲取規模以上的湖庫水體信息。解決了大區域一次性提取的難題，實現了在多種地貌、地形、大量山體、城市建筑等條件下的大區域湖庫水體的一次性提取。該方法提取的北京市、城市、山區的湖庫水體面積如圖3、圖4、圖5(d)所示。京津冀整體區域的湖庫水體面積如圖6所示。

4.2 結果精度評定

采用同時期的Google earth的2 m分辨率影像作為輔助數據，共下載18幅10—11月的高精度影像，每一個典型斑塊和典型區各3幅。通過多人多次目視解譯獲得典型斑塊、典型區域的湖庫面積，以此作為實際結果進行精度評定。分別選取3個典型斑塊和3個典型區域進行評價。由表1典型斑塊和表2典型區域提取結果可以看出，利用本文研究方法提取的湖庫和區域面積的精度達到97.5%以上，驗證了本文研究結果的可靠性。

圖3 選取湖庫水域提取對比(b、c、d中黑色為提取水體)

圖4 不同提取方法針對城市的提取結果對比(注：綠色為影像水體、白色為提取水體)

圖5 不同提取方法針對山區的提取結果對比(注：綠色為影像水體、白色為提取水體)

圖6 京津冀整體大中型湖庫水庫提取結果(圖中右側黑色為提取湖庫水體)

表1 典型斑塊水體提取精度對比

表2 典型區域水體提取精度對比

5 結論與分析

本文以Lansat8的2017年影像為數據源。以改進歸一化差異水體指數( MNDWI)基礎，疊加水體追蹤識別方法，進行水體的二次追蹤識別。與NDWI和MNDWI的水體提取結果做比較，得出以下結論：

1)通過3種方法的實驗結果對比，發現MNDWI+水體追蹤識別的湖庫水體效果最好，無論是小區域的北京市、山區、城市密集區，還是京津冀大區域的湖庫水體一次性提取，都得到了較好的結果，有效的排除了大區域內山體陰影、裸地、城市建筑、小型坑塘等不符合條件的噪聲干擾。

2)本方法針對目標水體—湖庫水域等水體效果較好，但是該方法對線狀河流提取，尤其是對山區細小河流、極小面積坑塘的水體提取仍達不到大區域一次性提取的效果，算法有待進一步改進，以達到細小河流、坑塘的水體提取。