本發(fā)明涉及遙感光譜數(shù)據(jù)處理，尤其是基于衛(wèi)星高光譜遙感數(shù)據(jù)的地表水體提取方法。

背景技術(shù)：

1、水資源是保障人類及其他生物生存和發(fā)展的基本條件。水體提取在水資源調(diào)查、洪水災(zāi)害評估預(yù)測和環(huán)境監(jiān)測中起著重要作用。遙感技術(shù)以其高時空分辨率和低成本等優(yōu)勢，能夠快速提取和監(jiān)測大范圍的水體信息，成為水體提取和水質(zhì)監(jiān)測的重要技術(shù)手段之一。

2、目前，基于遙感影像的水體提取研究方法主要包括單波段閾值法、波段間關(guān)系法和水體指數(shù)法。單波段閾值法相對較簡單，通過設(shè)置閾值來區(qū)分水體和其他地物，基于水體和環(huán)境的反射率差異。波段間關(guān)系法則是通過構(gòu)建波段之間的邏輯關(guān)系式，利用地物的光譜特征來分離水體和背景。水體指數(shù)法則根據(jù)水體在藍綠波段的較高反射率和近紅外波段的較低反射率，利用一些特定的波段構(gòu)造與水體相關(guān)的參數(shù)。總體而言，單波段閾值法和波段間關(guān)系法利用單一或少量波段的信息，無法完全區(qū)分水體和背景，提取效果不理想；而水體指數(shù)法因其簡潔且利用了遙感影像波譜特性，成為一種更有效的方法。

3、目前已有的水體指數(shù)主要針對landsat、高分系列等多光譜遙感數(shù)據(jù)設(shè)計，而對于高光譜數(shù)據(jù)的水體指數(shù)研究較少。高光譜遙感具有圖譜合一的優(yōu)勢，能夠獲取地物在幾十甚至上百個波段的反射率信息，從而可以更準確地利用地物的光譜特征曲線進行識別，有效提升遙感應(yīng)用能力。目前，利用高光譜遙感數(shù)據(jù)進行水體提取還有很大的發(fā)展空間。

技術(shù)實現(xiàn)思路

1、本發(fā)明要解決的技術(shù)問題是克服現(xiàn)有技術(shù)的種種不足，提供一種基于衛(wèi)星高光譜遙感數(shù)據(jù)的地表水體提取方法。

2、為解決上述技術(shù)問題，本發(fā)明所采取的技術(shù)方案如下。

3、一種基于衛(wèi)星高光譜遙感數(shù)據(jù)的地表水體提取方法，該方法包括以下主體主要步驟：

4、步驟1、將獲取的多幅衛(wèi)星高光譜遙感數(shù)據(jù)進行數(shù)據(jù)預(yù)處理；

5、步驟2、在影像上選擇不同地物的特征像元，并構(gòu)建地物光譜特征曲線；

6、步驟3、分析不同類別地物的光譜特征曲線，構(gòu)建新型水體提取模型，并利用新模型對影像進行處理；

7、步驟4、構(gòu)建算法對上述處理過的影像進行水體和其他地物的分離。

8、作為本發(fā)明的一種優(yōu)選技術(shù)方案，在步驟1中，對高光譜遙感影像數(shù)據(jù)進行預(yù)處理具體包括：

9、輻射校正：利用傳感器響應(yīng)函數(shù)將高光譜衛(wèi)星影像中的dn值轉(zhuǎn)化為輻射亮度值，從而消除傳感器本身的誤差，并確定傳感器入口處的準確輻射值；

10、大氣校正：將輻射校正后的影像作為輸入，利用6s模型對輻射校正的結(jié)果進行大氣校正，消除大氣中的固體顆粒、水汽對影像的影響；

11、幾何校正：利用參考影像對大氣校正的結(jié)果影像進行幾何校正，得到具有地理坐標的高光譜輻亮度數(shù)據(jù)。

12、作為本發(fā)明的一種優(yōu)選技術(shù)方案，在步驟2當中，所述特征像元構(gòu)建為某類地物的純凈像元，純凈像元構(gòu)建為當前像元位于某地物類別的非邊緣區(qū)域，且像元內(nèi)只含有一種類型的地物信息；其中，在高光譜遙感影像上選擇不同地物的特征像元，具體包括：確定影像上的地物類別數(shù)量，對每個類別的地物均勻選取一定數(shù)量的純凈像元作為特征像元。

13、作為本發(fā)明的一種優(yōu)選技術(shù)方案，在步驟2當中，所述地物光譜特征曲線的構(gòu)建步驟包括：

14、步驟2.1、計算不同地物類別直接的j-m距離，用以表征不同類別的地物之間的可分離性；

15、步驟2.2、對每一類地物的所有特征像元的反射率進行統(tǒng)計，取平均值以表征該類地物的光譜特征曲線；

16、步驟2.3、對所有類別的地物進行上述處理，得到所有類別地物的光譜特征曲線。

17、作為本發(fā)明的一種優(yōu)選技術(shù)方案，在步驟3中，分析不同類別地物光譜特征曲線的方法為：將所有類別地物的光譜特征曲線匯總到一起，分析不同類別地物的光譜曲線的特點，找出區(qū)分水和其他地物的波段。

18、作為本發(fā)明的一種優(yōu)選技術(shù)方案，在步驟3中，構(gòu)建新型水體提取模型并利用新模型對影像進行處理，具體的，對經(jīng)過預(yù)處理的衛(wèi)星高光譜遙感數(shù)據(jù)，依據(jù)光譜分階進行區(qū)間段的光譜反射率函數(shù)定積分，光譜分階依照光譜的物理參值進行區(qū)分，一般采用波長λ時，其積分區(qū)間段的端點由指定的波長數(shù)值進行表征；然后基于恒定區(qū)間內(nèi)所得定積分的差分對光譜的一階驅(qū)動導(dǎo)數(shù)和/或高階驅(qū)動導(dǎo)數(shù)進行表征，并將所得任一階驅(qū)動導(dǎo)數(shù)的表征參值或其組合構(gòu)建為地表水體指數(shù)，經(jīng)過數(shù)據(jù)的分層聚類后處理實現(xiàn)對衛(wèi)星高光譜遙感數(shù)據(jù)中的地表水體進行分離和提??；其中，當構(gòu)建差值的區(qū)間長度恒定時，差分對區(qū)間內(nèi)連續(xù)導(dǎo)數(shù)的平均值進行了表征；當考察對象為區(qū)間導(dǎo)數(shù)均值時，這一對數(shù)據(jù)起到驅(qū)動作用的一階導(dǎo)數(shù)可以由恒定區(qū)間長度下兩組定積分的差值進行表征；進一步，對于由區(qū)間差分表征的一階均值導(dǎo)數(shù)，當這一光譜數(shù)據(jù)的表層驅(qū)動因素不能良好的區(qū)分光譜對象時，應(yīng)當采用具有更精細數(shù)據(jù)內(nèi)涵的高階驅(qū)動因素，或者高低階驅(qū)動因素的組合；為此，構(gòu)建面向分離目標并結(jié)合分離效果的多階層驅(qū)動導(dǎo)數(shù)參值化模型；在多階層驅(qū)動導(dǎo)數(shù)參值化模型中，高階驅(qū)動導(dǎo)數(shù)基于一階驅(qū)動導(dǎo)數(shù)通過如下的迭代方式獲?。簩τ诙A驅(qū)動導(dǎo)數(shù)，其在恒定區(qū)間長度上的差值由臨近的兩個一階驅(qū)動導(dǎo)數(shù)相減獲取；這樣二階驅(qū)動導(dǎo)數(shù)包含了兩個一階驅(qū)動導(dǎo)數(shù)的內(nèi)涵信息，由臨近差值的差值進行構(gòu)建，其對應(yīng)恒定區(qū)間長度下三組定積分之間的交互信息；對于三階驅(qū)動導(dǎo)數(shù)，其在恒定區(qū)間長度上的差值由臨近的兩個二階驅(qū)動導(dǎo)數(shù)相減獲??；以此類推進行迭代；對于任一階的驅(qū)動導(dǎo)數(shù)，由于采用恒定的區(qū)間長度，故上一階的驅(qū)動導(dǎo)數(shù)差分對于下一階的驅(qū)動導(dǎo)數(shù)進行直接表征。

19、作為本發(fā)明的一種優(yōu)選技術(shù)方案，在步驟4中，構(gòu)建算法將輸入影像分成水體和其他地物兩個類別，首先將輸入數(shù)據(jù)分為n組，則隨機選取n個對象作為初始的子數(shù)據(jù)中心，然后計算每個對象與各個子數(shù)據(jù)中心之間的距離，把每個對象分配給距離它最近的數(shù)據(jù)中心；數(shù)據(jù)中心以及分配給它們的對象構(gòu)建為一個子數(shù)據(jù)組并進行標號標記；每分配一個樣本對象，數(shù)據(jù)中心返回對包含有子數(shù)據(jù)組信息的全部現(xiàn)有對象進行重新計算；此數(shù)據(jù)過程迭代至遍歷全部數(shù)據(jù)。

20、作為本發(fā)明的一種優(yōu)選技術(shù)方案，本發(fā)明還包括步驟5：利用混淆矩陣或其他算法對水體提取結(jié)果進行精度評價；在步驟5中，以混淆矩陣的每一列代表預(yù)測類別，每一列的總數(shù)表示預(yù)測為該類別的數(shù)據(jù)的數(shù)目；混淆矩陣的每一行代表數(shù)據(jù)的真實歸屬類別，每一行的數(shù)據(jù)總數(shù)表示該類別的數(shù)據(jù)實例的數(shù)目；根據(jù)混淆矩陣計算總體精度和kappa系數(shù)用以評價分類精度。

21、采用上述技術(shù)方案所產(chǎn)生的有益效果在于：本發(fā)明提出了適配多種不同光譜數(shù)據(jù)環(huán)境的多重水體指數(shù)構(gòu)建算法，基于此可以準確地提取水體信息；同時相對于傳統(tǒng)方法設(shè)置單一的閾值進行水體和非水體的分離，本發(fā)明進一步引入了基于數(shù)據(jù)均值化中心的數(shù)據(jù)分組算法進行水體和非水體的分離，提高了遙感水體提取的精度；在十米分辨率的遙感數(shù)據(jù)上實現(xiàn)了90％以上的水體提取精度，大幅提升了水體遙感識別的精度和效率，具有重要的科研和實用價值。

技術(shù)特征：

1.基于衛(wèi)星高光譜遙感數(shù)據(jù)的地表水體提取方法，其特征在于：該方法包括以下主體主要步驟：

2.根據(jù)權(quán)利要求1所述的基于衛(wèi)星高光譜遙感數(shù)據(jù)的地表水體提取方法，其特征在于：在步驟1中，對高光譜遙感影像數(shù)據(jù)進行預(yù)處理具體包括：

3.根據(jù)權(quán)利要求1所述的基于衛(wèi)星高光譜遙感數(shù)據(jù)的地表水體提取方法，其特征在于：在步驟2當中，所述特征像元構(gòu)建為某類地物的純凈像元，純凈像元構(gòu)建為當前像元位于某地物類別的非邊緣區(qū)域，且像元內(nèi)只含有一種類型的地物信息；其中，在高光譜遙感影像上選擇不同地物的特征像元，具體包括：確定影像上的地物類別數(shù)量，對每個類別的地物均勻選取一定數(shù)量的純凈像元作為特征像元。

4.根據(jù)權(quán)利要求1所述的基于衛(wèi)星高光譜遙感數(shù)據(jù)的地表水體提取方法，其特征在于：在步驟2當中，所述地物光譜特征曲線的構(gòu)建步驟包括：

5.根據(jù)權(quán)利要求1所述的基于衛(wèi)星高光譜遙感數(shù)據(jù)的地表水體提取方法，其特征在于：在步驟3中，分析不同類別地物光譜特征曲線的方法為：將所有類別地物的光譜特征曲線匯總到一起，分析不同類別地物的光譜曲線的特點，找出區(qū)分水和其他地物的波段。

6.根據(jù)權(quán)利要求1所述的基于衛(wèi)星高光譜遙感數(shù)據(jù)的地表水體提取方法，其特征在于：在步驟3中，構(gòu)建新型水體提取模型并利用新模型對影像進行處理，具體的，對經(jīng)過預(yù)處理的衛(wèi)星高光譜遙感數(shù)據(jù)，依據(jù)光譜分階進行區(qū)間段的光譜反射率函數(shù)定積分，光譜分階依照光譜的物理參值進行區(qū)分，一般采用波長λ時，其積分區(qū)間段的端點由指定的波長數(shù)值進行表征；然后基于恒定區(qū)間內(nèi)所得定積分的差分對光譜的一階驅(qū)動導(dǎo)數(shù)和/或高階驅(qū)動導(dǎo)數(shù)進行表征，并將所得任一階驅(qū)動導(dǎo)數(shù)的表征參值或其組合構(gòu)建為地表水體指數(shù)，經(jīng)過數(shù)據(jù)的分層聚類后處理實現(xiàn)對衛(wèi)星高光譜遙感數(shù)據(jù)中的地表水體進行分離和提??；其中，當構(gòu)建差值的區(qū)間長度恒定時，差分對區(qū)間內(nèi)連續(xù)導(dǎo)數(shù)的平均值進行了表征；當考察對象為區(qū)間導(dǎo)數(shù)均值時，這一對數(shù)據(jù)起到驅(qū)動作用的一階導(dǎo)數(shù)可以由恒定區(qū)間長度下兩組定積分的差值進行表征；進一步，對于由區(qū)間差分表征的一階均值導(dǎo)數(shù)，當這一光譜數(shù)據(jù)的表層驅(qū)動因素不能良好的區(qū)分光譜對象時，應(yīng)當采用具有更精細數(shù)據(jù)內(nèi)涵的高階驅(qū)動因素，或者高低階驅(qū)動因素的組合；為此，構(gòu)建面向分離目標并結(jié)合分離效果的多階層驅(qū)動導(dǎo)數(shù)參值化模型；在多階層驅(qū)動導(dǎo)數(shù)參值化模型中，高階驅(qū)動導(dǎo)數(shù)基于一階驅(qū)動導(dǎo)數(shù)通過如下的迭代方式獲?。簩τ诙A驅(qū)動導(dǎo)數(shù)，其在恒定區(qū)間長度上的差值由臨近的兩個一階驅(qū)動導(dǎo)數(shù)相減獲??；這樣二階驅(qū)動導(dǎo)數(shù)包含了兩個一階驅(qū)動導(dǎo)數(shù)的內(nèi)涵信息，由臨近差值的差值進行構(gòu)建，其對應(yīng)恒定區(qū)間長度下三組定積分之間的交互信息；對于三階驅(qū)動導(dǎo)數(shù)，其在恒定區(qū)間長度上的差值由臨近的兩個二階驅(qū)動導(dǎo)數(shù)相減獲??；以此類推進行迭代；對于任一階的驅(qū)動導(dǎo)數(shù)，由于采用恒定的區(qū)間長度，故上一階的驅(qū)動導(dǎo)數(shù)差分對于下一階的驅(qū)動導(dǎo)數(shù)進行直接表征。

7.根據(jù)權(quán)利要求1所述的基于衛(wèi)星高光譜遙感數(shù)據(jù)的地表水體提取方法，其特征在于：在步驟4中，構(gòu)建算法將輸入影像分成水體和其他地物兩個類別，首先將輸入數(shù)據(jù)分為n組，則隨機選取n個對象作為初始的子數(shù)據(jù)中心，然后計算每個對象與各個子數(shù)據(jù)中心之間的距離，把每個對象分配給距離它最近的數(shù)據(jù)中心；數(shù)據(jù)中心以及分配給它們的對象構(gòu)建為一個子數(shù)據(jù)組并進行標號標記；每分配一個樣本對象，數(shù)據(jù)中心返回對包含有子數(shù)據(jù)組信息的全部現(xiàn)有對象進行重新計算；此數(shù)據(jù)過程迭代至遍歷全部數(shù)據(jù)。

8.根據(jù)權(quán)利要求1所述的基于衛(wèi)星高光譜遙感數(shù)據(jù)的地表水體提取方法，其特征在于：本發(fā)明還包括步驟5：利用混淆矩陣或其他算法對水體提取結(jié)果進行精度評價；在步驟5中，以混淆矩陣的每一列代表預(yù)測類別，每一列的總數(shù)表示預(yù)測為該類別的數(shù)據(jù)的數(shù)目；混淆矩陣的每一行代表數(shù)據(jù)的真實歸屬類別，每一行的數(shù)據(jù)總數(shù)表示該類別的數(shù)據(jù)實例的數(shù)目；根據(jù)混淆矩陣計算總體精度和kappa系數(shù)用以評價分類精度。

技術(shù)總結(jié)
本發(fā)明公開了一種基于衛(wèi)星高光譜遙感數(shù)據(jù)的地表水體提取方法，該方法包括以下主體主要步驟：步驟1、將獲取的多幅衛(wèi)星高光譜遙感數(shù)據(jù)進行數(shù)據(jù)預(yù)處理；步驟2、在影像上選擇不同地物的特征像元，并構(gòu)建地物光譜特征曲線；步驟3、分析不同類別地物的光譜特征曲線，構(gòu)建新型水體提取模型，并利用新模型對影像進行處理；步驟4、構(gòu)建算法對上述處理過的影像進行水體和其他地物的分離。本發(fā)明提出了適配多種不同光譜數(shù)據(jù)環(huán)境的多重水體指數(shù)構(gòu)建算法，基于此可以準確地提取水體信息。

技術(shù)研發(fā)人員：孫姝娟,李麗,劉璐璐
受保護的技術(shù)使用者：成都大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2024/10/10