基于MODIS 數據的海陸識別方法及其應用研究?

解本巨 房 友 于龍振

（青島科技大學信息科學技術學院 青島 266061）

1 引言

MODIS作為一種空間遙感儀器，是對全球數據進行廣泛測量的適用型工具。MODIS 涵蓋的數據范圍大，且因其作為中分辨率光譜儀，分辨率適中，所以這些數據有較高的實用價值，例如對地的綜合研究以及海陸甚至大氣研究方面，這些數據都有極其重要的作用［1］。在大范圍的資源和環境遙感監測方面是MODIS 數據也是及其理想的數據資源。在對海洋和陸地的監測過程中，需要對海洋和陸地區域進行識別。海陸識別獲得的結果可以用于海冰檢測、目標定位、地圖繪制等領域［2］。因此，對于海陸識別技術的研究一直收到許多研究者的關注。首先，由于MODIS 數據的成像原理以及其他因素的影響，海面和陸地的成像結果不理想，邊界模糊，會給后續的海陸識別問題帶來一定干擾［3］。

目前，已有多種海陸識別的方法被提出并應用。主要有下面列出的幾種：邊緣檢測分割算法、區域生長和分裂合并的分割算法、形態學分割法以及聚類分割法等［4］。以上算法各有優缺點，邊緣檢測算法操作較為簡便，結果也較為直觀，但在沒有較好的區域結構時，分割效果不甚理想［5］。區域生長和分裂合并的分割算法分割效果較好，作為一種半自動的分割算法［6］，但對于MODIS這種數據量較大的影像來說分割的處理時間較長。形態學分割法對于結構特征明顯的圖像分割具有獨特的優勢，對不規則的衛星圖像來說則限制了它在工程應用中的實用性［7］。聚類分割法基于對于孤立的點不是很友好，很難識別衛星圖像中海島和離岸群島等小片陸地［8］。

針對上述問題，本文基于MODIS 數據研究了用于海陸識別的多波段閾值法和Otsu算法，并在此基礎上提供了對數據的輸入、輸出和處理結果的可視化顯示。此方法在保證對MODIS 數據處理速度的同時可以獲得較高的識別精度的同時，也可滿足對后續海洋產品的單獨研究的要求，為海洋產品的研究奠定了基礎。

2 資料處理

本文采用MODIS 1B 數據影像為例進行實驗，MODIS 影像海陸識別流程圖如圖1 所示。所示由于遙感圖像在獲取過程中受各種客觀因數的影響，如地球形態、地球自轉以及衛星的飛行速度對探測器的影響等因素，因此直接獲取的衛星影響一般會有幾何畸變［9］的問題；另外也有部分影像會存在輻射不均勻、壞線等輻射問題［10］。所以在對MODIS衛星影像在進行識別操作之前，MODIS衛星影像的預處理操作極為重要，包括空間校正、光譜校正、輻射校正和圖片裁剪等，同時也可以獲得所需要的反射率和輻射率等后續需要用到的數據［11］。

圖1 MODIS影像海陸識別流程圖

本文使用IDL 對遙感影像進行預處理，用地理信息系統引擎組件對預處理的結果進行可視化，以我國的黃渤海海域冬季的MODIS 數據為例，該區域冬季常有海冰，附近小島嶼較多，預處理后圖片如圖2 所示，可以很直觀地看到圖像中的陸地、海水、海冰。

圖2 預處理后的影像示意圖

3 研究方法

3.1 分割原理

海陸識別顧名思義就是將海區與陸地區分開來，以便于海岸線的劃分、地圖測繪和其他研究。MODIS 數據在地理信息系統中可利用不同物體在可見光和紅外波段的反射率和輻射亮溫值存在差異進行檢測［12］。在645nm~400nm 的可見光波段，不同物體的反射率各不相同，但海洋與陸地的反射率差異較小，陸地與海冰反射率相近，難以區分［13］。但是在近紅外波段，海區與陸地之間的反射率差別很大，而海冰和海水的反射率差異很小，因此最理想的區分海區與陸地的定義閾值在反射率很小的近紅外波段［14］。

圖3 典型地物的反射光譜曲線

3.2 海陸識別方案

3.2.1 波段選擇

本文選取了MODIS 數據的以下3 個近紅外波段進行研究，各個波段如表1所示。

表1 MODIS數據識別選取波段以及應用領域

在波段5 處則是海冰和海水反射率都較低，且區分較小，但與陸地的反射率區分較大，是將海冰與陸地區分的主要波段。在波段7 處，海冰和海水的反射率都趨近于0，且與陸地區分度較大，是實現海陸識別的首選波段。波段16 處與波段2 處由于波段范圍相近，作為補充波段，提供更多的反射率數據支持。

3.2.2 粗閾值確定

根據以上分析可知，冬季實現海陸識別主要是將海冰和陸地還有海水和陸地分別識別出來。根據MODIS 數據在結冰海域的特征，本文采用多波段閾值法，在確定的近紅外波段通道來選擇最佳的反射率數值，然后將剩余波段的反射率與所選擇的反射率數值對比，來判斷該像素點是否為陸地區域，然后綜合不同的波段的檢測結果進行或運算，最后得到的海陸識別結果［15］。詳細算法的實現過程如下：

1）在波段5 處，陸地與海冰、海水的反射率數值差距較小，此時選取反T1 作為其最佳反射率閾值，那么當C5>T1時，則可以判段為陸地區域。

2）在波段7 處，海冰和海水的反射率都趨近于0，陸地具有較大的反射率數值且與海冰海水等物體區分較大，選取反射率閾值為T2，當C7>T2 時，判定為陸地像元。

3）在波段16 處，海冰與陸地的反射率相近區分較小，選取陸地像元閾值為T3，當C16>T3 時，判定為陸地像元。

由于黃河入海口處的泥沙含量較高，對海水的反射率有部分影響，為防止對入海口的泥沙造成誤判［16］，在波段16 處設置C16>T4。同時利用C16>T10來剔除水體。由于水體在所選擇的3個波段反射率一般小于10%，所以設置T5=0.1，可將水體較好的去除。

3.2.3 精確閾值確定

Otsu 法（即最大類間方差算法）是一種確定圖像二值化的分割閾值算法，是日本人大津于1979年提出［17］。Otsu法利用圖像的灰度直方圖，可以將圖像的背景與目標在最佳的閾值分割開來，圖像中背景與目標的之間的類間方差越大，說明其差別越明顯，分割效果越好，則在計算圖像的分割時錯分的概率就會越小［18］。對于MODIS 的海陸影像來說，海洋與陸地界限較為明顯，差距較大，是一種分割效果較好的算法，并且計算簡單，穩定有效。

現假設一幅圖像的灰度范圍為0～L-1，則有灰度i的出現概率為pi=ni/N，其中ni灰=代表灰度為i的像素個數，N代表圖像中所有的像素個數。假設閾值T將圖像灰度分為C0和C1。設灰度區間C0=｛0，1，…，T-1｝，另一區間C1=｛T，…，L-1｝，則C0出現的概率為P0（T），C2出現的概率為P1（T），灰度均值分別為u0和u1。定義類間方差為

上式中：

u為整個圖像的平均灰度，即

最佳閾值T應使方差最大，即

根據傳統的Otsu 法所求得的最佳閾值是使目標類與背景類離圖像中心最遠時所對應的灰度值［19］，但是因為MODIS 獲得的影響數據環境范圍較廣，海陸邊沿線清晰度不高，在這種數據條件下，用傳統的Otsu 算法求得的最佳閾值進行海陸識別得到的分割結果精度不高，達到想要的分割標準。本文采用了付忠良［20］提出的用圖像方差信息來替代傳統方法下均值的改進Otsu 算法，在改進的Otsu 方法下，所得到的最佳閾值T應符合：

其中：

4 檢測結果及精度驗證

實驗表明，灰度值的線性變化（圖像的對比度變化）和平移變化（圖像的亮度變化）對改進的Otsu算法影響較小，證明該改進算法具有較好的魯棒性［21］。應用上文所述的方法對MODIS 影像進行處理即可計算出較為精確的最佳分割閾值。以山東半島和遼東半島的MODIS 影像分割圖為示例，應用本文分割方法，實驗結果如下。

圖4 為原始圖像以及傳統Otsu 方法和本文識別方法的對比圖。圖4（a）中所示為最原始有地理信息系統所處理得到的影像圖。由圖可見，遼東半島南部海域及山東半島北部海域有部分群島聚集，且分布較密，因島嶼面積較小與海水對比較度較小，對識別結果的精確度有一定影響。海陸識別的結果，由圖4（b）和4（c）中的識別結果可以看出，山東半島和遼東半島的海岸線與實際的海岸線情況絕大部分非常貼合，識別結果準確率較高，但是在周邊的小島嶼和海岸線極不規則的部分存在較明顯的差異。由對比圖可見，遼東半島和山東半島周邊海域的小島嶼部分，本文的分割品質明顯優于傳統識別方式。

圖4 海陸識別結果對比圖

為了更準確客觀地描述上述分割算法，本文以陳祥等人提出的分割品質的定義如式（4）所示來描述算法的準確度，對算法的性能進行評估，此定義中綜合了虛警率與漏警率，此公式最佳結果為100%［22］。根據此定義標準，結合表2中實驗數據可知，本文圖4 中（b）圖所示的海陸識別二值圖計算出遼東半島和山東半島分割品質分別為98.53%和98.62%。由于MODIS 影像成像背景復雜［23］，海域面積較大，且分割品質都在98%以上，所以認為本文算法的分割品質獲得了較好的處理精度。

表2 算法精度檢驗表

5 結語

為了將獲取的MODIS 數據進行海陸識別的一體化處理，本文采用的改進Otsu算法在基于IDL語言預處理的MODIS 影像上進行的海陸識別方案，利用IDL 語言將MODIS 衛星數據在地理信息系統上可視化，并進行了圖像海陸識別的預處理，然后利用改進的Otsu算法對圖像進行精確分割識別，并最終得到其二值圖。其實現原理簡單且易于實現，此方法的分割結果可以看出本文的處理方法有較好的處理精度，對后期海岸線的描繪和海產品的研究等都有重要意義。