基于天绘一号卫星影像的水体信息提取对比研究

《基于天绘一号卫星影像的水体信息提取对比研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、1引言　　自1999年美国发射第一颗商业高分辨率卫星IKONOS以来，高分辨率遥感卫星因其所带来的巨大军事和经济效益，引起了全球民用与军事领域的重视，各国政府和科研机构竞相研究高分辨率遥感卫星及其应用技术[1]。我国在商业高分辨率卫星领域起步稍晚于美国、欧洲和日本等国，从2003年起先后发射了CBERS-02B、资源三号、天绘一号、高分一号等搭载高分辨率相机的数颗卫星，满足了国内军事和商业应用方面的需求。其中天绘一号卫星是我国第一颗军民共用的传输型立体测绘卫星，搭载着三线阵全色传感器(分辨率5m)、高分辨率全色传感器(分辨率2m)及4波段多光

2、谱传感器(分辨率10m)，可同时获取同一地区的三线阵、多光谱影像。基于天绘一号高分影像的遥感技术目前已经在西安测绘研究所、核工业北京地质研究所得到相关应用，在影像的几何精纠正和矿物识别领域取得了一定成果，而目前针对天绘影像进行特定地物目标信息提取的研究工作并不多见。　　水体信息提取方法主要依据水体的光谱特性，利用单个波段或多个波段组合运算，设置阈值，在影像中提取水体的范围。单波段法利用了水体在近红外波段强吸收性以及植被和干土壤在此波长范围内反射率较高的特性，但在提取过程中易混淆水体和阴影[2]。多波段法包括谱间关系法、归一化水体指数(Norm

3、alDifferentialWaterIndex,NDWI)以及改进的归一化差异水体指数(ModifiedNormalDifferentialWaterIndex,MNDWI)等[2-5]。考虑到高分影像光谱信息较少，为充分利用其高分辨率的特点，本文采用面向对象分类方法提取怀柔水库区域的水体信息，同时为客观地评价天绘影像的图像质量和应用价值，本文选取了SPOT和RapidEye两幅国外高分影像进行对比研究，评价三种影像在水体信息提取上的不同表现，为天绘一号卫星影像数据处理和应用研究提供了一定的科学参考[6,7]。2研究区概况和数据准备　　研究

4、区为北京市怀柔地区，位于燕山南麓，北京市北部，地处北纬40°17′14.02″—40°20′43.13″，东经116°33′33.00″—116°39′04.04″，除东南部为华北平原北缘的平原区外，其余均为山地。本文的主要提取目标怀柔水库位于怀柔区城西侧，潮白河支流、怀河山峡出口、怀九河与怀沙河交汇处，属海河流域潮白河水系。　　本文用到的天绘一号卫星1A级影像数据，经过辐射校正处理，SPOT和RapidEye影像均经过几何校正。虽然成像时间不同，不过根据历史资料和实地调查得知,怀柔水库近几年没有对水库的边界进行大规模改动。三幅影像成像质量良

5、好，故可用来进行对比研究[8-11]。具体参数如表1和表2：表1三种影像波段范围单位：μmTable1ThebandrangeofthreeimagesUnit:μm表2天绘、SPOT5、RapidEye实验影像参数Table2theimageparameterofMappingSatellite-1,SPOT5andRapidEye　　1A级天绘影像不含坐标信息，我们以SPOT影像为基准图选取控制点，对天绘影像反复校正后以达到与另两幅影像的坐标一致。三幅影像选取相同区域，其中RapidEye影像因原始影像范围限制，裁剪后区域右上角缺少实际像

6、素，但不影响其水体信息的提取。预处理后影像如图1，天绘影像的山体阴影和城区建筑阴影都更加明显，阴影和水体的光谱信息十分接近，使水体信息提取时容易混淆;颜色上来看，Rapideye假彩色图像色彩饱和度最高，天绘和SPOT影像次之。图1预处理后影像(从左至右为天绘，SPOT，RapidEye)Fig.1TheimageriesafterPretreatment(fromlefttoright:MappingSatellite-1,SPOT5andRapidEye)3研究方法　　由于受空间分辨率的制约，传统的遥感影像水体信息提取只能依靠影像的光谱信

7、息，且是在像素层次上的分类;而高空间分辨率影像虽然结构、纹理等信息非常突出，但光谱信息不足(波段较少)，所以仅仅依靠像素的光谱信息进行分类，着眼于局部像素而忽略邻近整片图班的纹理、结构等信息，必然会造成分类精度的降低[11-13]。面向对象的分析过程是通过将影像中的象元分割为影像对象再来表达空间的地理对象，主要有图像分割和对象分类两个过程构成，水体信息提取过程的技术路线如下图所示[14]：图2水体提取技术路线图Fig.2Thetechnologyroadmapaboutwaterbodyextraction3.1多尺度影像分割　　多尺度影像分

8、割(Multiresolutionsegmentation)从任一象元开始，采用自底向上的区域合并算法形成对象。区域合并算法可达到分割后影像对象的权重异质性最小化，