基于rgbw特征空間圖割算法的遙感圖像水體提取方法、裝置的制造方法
【技術領域】
[0001] 本發(fā)明設及一種基于RGBW特征空間圖割算法的遙感圖像水體提取方法、裝置，屬 于遙感技術與水利技術相交叉的技術領域。
【背景技術】
[0002] 遙感技術具有觀測范圍廣、信息量大、獲取信息快、更新周期短、節(jié)省人力物力等 優(yōu)勢，遙感圖像中水體信息自動提取技術已經(jīng)成為水資源調查、利用、水體動態(tài)變化監(jiān)測、 水利規(guī)劃評估等方面研究的有力手段。水體和陸地、植被等對太陽福射的反射、吸收和透射 特性不同，在遙感影像上的差異較明顯，運種特性有利于我們對遙感圖像中水體信息進行 提取。
[0003] 遙感圖像的水體信息提取方法有很多，常用的可分為兩類:一類是基于波譜分析 的方法，另一類是基于影像分類的方法。
[0004] 基于波譜分析的方法通過分析遙感圖像中地物在不同波段的反射特征的不同，將 水體與其他地物反射特性區(qū)別最大的波段通過數(shù)學運算等方式加大運種差異，從而可W通 過闊值分析等方法提取出水體。在基于波譜分析的方法中，根據(jù)水體在多光譜遙感數(shù)據(jù)上 的波譜特性，常用的是水體指數(shù)法:水體指數(shù)法利用水體在可見光波段吸收少、反射率低、 大量透射，幾乎吸收全部近紅外、短波紅外波的特性抑制植被信息提取水體。例如， McFeeters等人（1996)提出歸一化差異水體指數(shù)NDWI (Normal ize Difference Water Index)(參見[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.]);徐涵秋等人(2005)提出能更好的提取城市水體信息 的改進歸一化差異水體指數(shù)（MNDWI)(參見[徐涵秋.利用改進的歸一化差異水體指數(shù) (MNDWI)提取水體信息的研究[J].遙感學報，2005，9 (5): 589-595.]);沈占鋒等人(2013)在 歸一化差異水指數(shù)(NDWI)計算的基礎上，提出采用高斯歸一化水體指數(shù)(GNDWI)提取河流 水體的模型（參見[沈占鋒，夏列鋼，李均力，等.采用高斯歸一化水體指數(shù)實現(xiàn)遙感影像河 流的精確提取[J].中國圖象圖形學報，2013,18(4) :421-428.]);周藝等人(2014)通過對歸 一化差異水體指數(shù)NDWI中的綠波段修正，提出了不依賴于中紅外波段的偽歸一化差異水體 指數(shù)FNDWI(化Ise NDWI)(參見[周藝，謝光磊，王世新，等.利用偽歸一化差異水體指數(shù)提取 城鎮(zhèn)周邊細小河流信息[J].地球信息科學學報，2014，16( 1): 102-107.]);下建麗(2015)等 人提出單波段闊值法與構建的陰影水體指數(shù)SWI (化adow Water Index)相結合的決策樹水 體信息提取方法(參見[陳文倩，下建麗，李艷華，等.基于國產GF-1遙感影像的水體提取方 法[J].資源科學，2015,37(6): 1166-1172.])。
[0005] 基于影像分類的方法主要是通過分析不同地物在不同波段上表現(xiàn)的反射率波譜 特征，采用監(jiān)督分類或非監(jiān)督分類的方法來對水體與非水體進行分類的方法提取水體。分 類方法通常W特征類內方差最小、類間方差最大為準則來對圖像中的像素進行分類。常用 的基于影像分類方法有最大似然法、IS0DATA聚類法（Iterative Self-organizing Data Analysis Technique Algorithm)、決策樹等。
[0006] 湖泊、水庫、河流等水體邊界像元主要由灘地和水體組成，由于人類活動、浮游生 物生長、季節(jié)性水位波動變化等原因，水體邊界區(qū)域情況復雜多樣，增大了水體提取的難 度。在同一幅影像中，不同水體單元或各自物理化學特征或因周邊環(huán)境影響差異會造成其 成像特征并不一定能保持均衡，水體內部與水體邊緣的水質情況，泥沙含量等差異較大，單 純采用水體指數(shù)法或影像分類的方法對于提取水體的主體部分效果較好，但存在水體指數(shù) 闊值難確定、水體邊界處理效果不理想、將淺灘誤分為水體、誤提取等問題。

【發(fā)明內容】

[0007] 本發(fā)明所要解決的技術問題在于克服現(xiàn)有技術不足，提供一種基于RGBW特征空間 圖割算法的遙感圖像水體提取方法、裝置，可實現(xiàn)高分辨率遙感圖像中復雜背景下水體信 息的精確提取，對水體邊界的識別更準確，且整個提取過程可實現(xiàn)完全智能化，不需要人為 干預。
[0008] 本發(fā)明具體采用W下技術方案解決上述技術問題：
[0009] 基于RGBW特征空間圖割算法的遙感圖像水體提取方法，包括W下步驟：
[0010] 步驟1、利用水體指數(shù)法對遙感圖像進行水體的初步提取，并W初步提取的水體中 的最大連通區(qū)域作為水體主體；
[0011] 步驟2、對于遙感圖像的每一像素，W其在標準假彩色遙感圖像中的R、G、B^個顏 色通道值W及該像素的歸一化差異水體指數(shù)NDWI值作為該像素的RGBW特征，從而構造出遙 感圖像的RGBW特征空間；
[0012] 步驟3、在RGBW特征空間中，W步驟1所得到的水體主體的外接矩形內、外部分別作 為初始的目標和背景，利用圖割算法對遙感圖像進行圖像分割;并根據(jù)圖像分割的多次迭 代結果，將每次迭代中均被判為目標的像素作為水體像素，從而提取出更精細的水體主體；
[0013] 步驟4、對步驟3所提取的水體主體的邊界區(qū)域進行精細化處理，具體如下:對所述 邊界區(qū)域中的每個像素，判斷其NDWI值是否大于NDWI闊值，并判斷將標準假彩色遙感圖像 轉換至CIE Lab顏色空間后該像素的b通道值是否小于0;將同時滿足上述兩個條件的像素 判定為水體像素。
[0014] 基于RGBW特征空間圖割算法的遙感圖像水體提取裝置，該裝置包括：
[0015] 初步水體主體提取單元，用于水體指數(shù)法對遙感圖像進行水體的初步提取，并W 初步提取的水體中的最大連通區(qū)域作為水體主體；
[0016] RGBW特征提取單元，用于對于遙感圖像的每一像素，W其在標準假彩色遙感圖像 中的R、G、BS個顏色通道值W及該像素的歸一化差異水體指數(shù)NDWI值作為該像素的RGBW特 征，從而構造出遙感圖像的RGBW特征空間；
[0017] 圖像分割單元，用于在RGBW特征空間中，W初步水體主體提取單元所輸出的水體 主體的外接矩形內、外部分別作為初始的目標和背景，利用圖割算法對遙感圖像進行圖像 分割;并根據(jù)圖像分割的多次迭代結果，將每次迭代中均被判為目標的像素作為水體像素， 從而提取出更精細的水體主體；
[0018] 精細化處理單元，用于對圖像分割單元所提取的水體主體的邊界區(qū)域進行精細化 處理，具體如下:對所述邊界區(qū)域中的每個像素，判斷其NDWI值是否大于NDWI闊值，并判斷 將標準假彩色遙感圖像轉換至CIE Lab顏色空間后該像素的b通道值是否小于0;將同時滿 足上述兩個條件的像素判定為水體像素。
[0019] 相比現(xiàn)有技術，本發(fā)明具有W下有益效果：
[0020] 本發(fā)明能夠實現(xiàn)對周邊環(huán)境復雜的水體信息進行精確提取并且對水體邊界的提 取效果良好;此外，本發(fā)明的水體提取過程中不需要人為干設，可實現(xiàn)全自動、全智能化，更 有利于大量遙感圖像數(shù)據(jù)的自動批量化處理。
【附圖說明】
[0021] 圖1為本發(fā)明基于RGBW特征空間圖割算法的遙感圖像水體提取裝置的結構示意 圖；
[0022] 圖2為水體提取效果對比圖。
【具體實施方式】
[0023] 本發(fā)明針對現(xiàn)有技術不足，提出一種基于RGBW特征空間圖割算法的遙感圖像水體 提取方法，其基本原理是:將水體指數(shù)法和影像分類法相結合，先利用水體指數(shù)法進行水體 的初步提取，然后W初步提取的水體主體作為圖割(Gra地Cut)算法的初始目標，在本發(fā)明 所構建的RGBW特征空間中，利用圖割算法進行水體的精細提取;最后再根