一种基于全色遥感影像的城市水体提取方法

摘要

本发明公开一种基于全色遥感影像的城市水体提取方法，通过遥感影像预处理、最优尺度选取、均变纹理生成和最优阈值分割四个步骤最终获得所需提取的城市地区的水体信息。本发明计算方法简单，运算量较小，并且最终提取结果较为精准，能够应用于城市规划、环境科学、地理信息制图等多个领域。

主权项

一种基于全色遥感影像的城市水体提取方法，其特征在于包括以下步骤：(1)遥感影像预处理：利用中值滤波抑制遥感影像中的噪声；(2)最优尺度选取：在经步骤(1)预处理的图像中，选定最小尺度、最大尺度以及尺度变化步长，依次计算全局平均方差，求得最优空间尺度；(3)均变纹理生成：依据步骤(2)中所得的最优空间尺度，遍历遥感影像中的各个像素，分别计算均变方差，进而生成遥感影像的均变方差纹理图，具体生成方法如下：(31)依据所得的最优空间尺度scale_best，在原始遥感影像上设置一个大小为(2*scale_best+1)×(2*scale_best+1)的窗口；(32)不断移动该窗口，对于像元im(i,j)，窗口中的所有像元光谱值记为im(i‑scale_k:i+scale_k,j‑scale_k:j+scale_k)，每个窗口中的像元总个数记作N＝(2*scale_best+1)*(2*scale_best+1)；然后将其按照列方向排列记作im₁，im₂，…，im_N，将窗口中所有像元的行坐标和列坐标依次记作row_N和col_N；(33)依次对每个窗口中的所有像元的光谱值进行最小二乘平面拟合，拟合方程为：Ax+By+Cz+1＝0，将待拟合的N个像元表示成以下矩阵形式：$\left[\begin{array}{ccc}{\mathrm{row}}_1& {\mathrm{col}}_1& {\mathrm{im}}_1\\ {\mathrm{row}}_2& {\mathrm{col}}_2& {\mathrm{im}}_2\\ .& .& .\\ .& .& .\\ .& .& .\\ {\mathrm{row}}_N& {\mathrm{col}}_N& {\mathrm{im}}_N\end{array}\right]\left[\begin{array}{c}A\\ B\\ C\end{array}\right]=\left[\begin{array}{c}-1\\ -1\\ -1\end{array}\right]$依据最小二乘法则得到平面拟合系数为：$\left[\begin{array}{c}A\\ B\\ C\end{array}\right]={\left[\begin{array}{ccc}\Sigma {\mathrm{row}}_h^2& \Sigma {\mathrm{row}}_h{\mathrm{col}}_h& \Sigma {\mathrm{row}}_{h}im({\mathrm{row}}_h,{\mathrm{col}}_h)\\ \Sigma {\mathrm{col}}_h{\mathrm{row}}_h& \Sigma {\mathrm{col}}_h^2& \Sigma {\mathrm{col}}_{h}im({\mathrm{row}}_h,{\mathrm{col}}_h)\\ \Sigma im({\mathrm{row}}_h,{\mathrm{col}}_h){\mathrm{row}}_h& \Sigma im({\mathrm{row}}_h,{\mathrm{col}}_h){\mathrm{col}}_h& \Sigma im{({\mathrm{row}}_h,{\mathrm{col}}_h)}^2\end{array}\right]}^{-1}\left[\begin{array}{c}\Sigma {\mathrm{row}}_h\\ \Sigma {\mathrm{col}}_h\\ \Sigma im({\mathrm{row}}_h,{\mathrm{col}}_h)\end{array}\right]$上述公式中，h代表N个像元中的第h个像元；(34)计算窗口中所有像元光谱值至拟合平面的距离：$d_h=\frac{abs(A\times {\mathrm{row}}_h+B\times {\mathrm{col}}_h+C\times im({\mathrm{row}}_h,{\mathrm{col}}_h)+1)}{\sqrt{A^2+B^2+C^2}},h=1,2,...,N,$其中abs(*)是绝对值算子；计算该窗口中的各个像元所对应的距离，求得方差d_var$d_{mean}=\frac{\underset{h=1}{\overset{N}{\Sigma }}{d}_h}{N}$$d_{\mathrm{var}}=\frac{\underset{h=1}{\overset{N}{\Sigma }}{(d_h-d_{mean})}^2}{N}$将d_var作为该窗口中心像元的均变方差纹理，遍历所有点，即生成均变方差纹理图im_{var_texture}；遍历所有像素点，搜索均变方差纹理图im_{var_texture}的最大值和最小值，分别记作im_{var_texture}_max和im_{var_texture}_min，对每个像素点作如下操作用于将纹理值拉伸至[0,255]：${\mathrm{im}}_{\mathrm{var}\_texture}(i,j)=255*\frac{\left({\mathrm{im}}_{\mathrm{var}\_texture}\right(i,j)-{\mathrm{im}}_{\mathrm{var}\_texture}\_min)}{({\mathrm{im}}_{\mathrm{var}\_texture}\_max-{\mathrm{im}}_{\mathrm{var}\_texture}\_min)};$(4)最优阈值分割：基于步骤(3)中所得遥感影像的均变方差纹理图，人工选定分割阈值，对方差纹理图进行分割，选取大于给定面积阈值的斑块，进行闭运算，获得最终水体信息。