共查询到16条相似文献，搜索用时 156 毫秒
1.
《测绘与空间地理信息》2020,(8)
以邵阳县洪涝灾害为研究对象,采用Landsat8 OLI数据和Sentinel-1 SAR数据,通过NCIWI和SDWI多种指数增大洪灾前后水体和背景差异,利用DEM建模去除SAR数据山体阴影干扰,并采用Otsu法计算最优分割阈值,从而构建精度高、抗干扰性强的Sentinel-1 SAR数据洪水淹没信息提取方法。研究结果表明:1)融合数据提取精度较高; 2) DEM建模去除山体阴影效果良好; 3) GS变换融合法、组合水体指数法结合Otsu分割法,可实现水体精度提取,数据融合对洪水淹没范围与面积监测效果良好。 相似文献
2.
针对全局阈值法在大场景SAR图像水体提取时存在的局限性以及山体阴影对水体提取的干扰,提出一种DEM辅助下基于自适应阈值的SAR影像洪涝水体提取方法.首先结合DEM和SAR卫星轨道参数去除山体阴影产生的辐射失真区域,利用K-means聚类算法得到初始的水体分布图;然后在初始水体信息基础上,通过窗口提取局部区域的水体和非水体,并采用KI算法对局部区域进行自适应阈值的计算,实现自适应阈值水体信息的快速提取.利用湖南省东北部GF-3精细条带2成像模式(FSII)SAR影像进行洪涝水体提取实验,研究表明该方法既保留了水体的细节信息,又能减弱噪声、山体阴影等的影响,F-Measure指数高于全局阈值法,其查准率较全局阈值法提高了7.97％,尤其适用于含山区影像的大范围洪涝水体快速提取. 相似文献
3.
针对山区水体、山体阴影与裸地等地类光谱混淆性,基于高分五号(GF-5)影像数据,结合高光谱特征分析构建了山区水体决策树提取模型. 先对水体和相关干扰地类进行高光谱特征分析实现特征波段选取,应用单波段阈值法、多波段谱间关系法、归一化水指数(NDWI)法进行提取实验. 通过比较以上实验不足之处,提出了单波段阈值法与构建的阴影水体指数(SWI)相结合的决策树水体提取模型,以Google Earth高清影像为参考结合实地采样得到的混淆矩阵进行精度评价. 实验结果表明:单波段阈值法与NDWI法易将山体阴影识别为水体,受裸地影响较小;多波段谱间关系法对山体阴影有一定抑制作用,受小面积裸地影响;决策树提取模型能有效抑制山体阴影和裸地影响提取完整水体. 其总体精度为89.39%,Kappa系数为0.82,显著提升了山区水体提取精度. 相似文献
4.
高分三号影像水体信息提取 总被引：4，自引：0，他引：4
国内外针对陆地水体信息提取、洪涝灾害快速响应方面具有较深入的研究，但是多采用发展较早、图像质量可靠的可见光影像及国外星载SAR影像。中国合成孔径雷达（SAR）卫星高分三号（GF-3）已获取了大量多极化、全极化SAR数据，为了将GF-3影像快速应用到环境保护、水资源管理等行业中，本研究分析了水体与其他目标具有的不同后向散射特性，将阈值分割法与马尔可夫随机场（MRF）相结合，发展了一种检测精度较高、自动化程度强的水体信息提取方法。该方法首先通过直方图统计的方法对不同成像模式、不同极化的GF-3影像进行后向散射强度分析，在阈值分割的研究基础上，比较了最大类间方差法（Otsu）和Kittler and Illingworth（KI）二值化法在水体-非水体分类中的效果。然后结合DEM和GF-3轨道参数排除因阴影现象产生的辐射失真对图像概率分布的影响，得到初始的水体信息分布图，再经过Fisher变换和马尔可夫随机场（MRF）的迭代运算，综合利用GF-3影像的多极化信息和空间上下文信息，以最大后验概率准则输出最终的水体分布图。利用了湖南省东北部不同成像模式的两景GF-3影像进行试验，在成像时间接近的光学影像中随机选择检验样点进行精度评价。实验结果表明，KI方法在GF-3水体提取应用中比Otsu方法具有更强的优势，剔除图像阴影区域后，自动化确定的阈值与目视解译阈值更加接近，通过MRF模型优化以后，实现了对水体信息的连贯提取，对图像噪声具有较强的抑制作用。本研究对水体目标的提取精度均达到了85%以上，实验结果精度优于基于光学影像的水体指数法，整个流程需要很少的人工经验参与，具有自动化程度强、检测精度高的优势。 相似文献
5.
在有山区的雷达图像上基于合成孔径雷达(SAR)提取地表水体时,由于水体与山体阴影的亮度值易混淆,导致自动提取地表水体较困难。因此,在SAR成像原理的支持下,通过DEM地形建模去除了水体提取过程中被误提为水体的山体阴影,提高了水体提取精度。首先,对SAR图像进滤波、地理编码等基本处理;然后利用面向对象分类法初步提取水体范围;再使用SRTM DEM数据进行地形建模,提取山体阴影;最后利用空间分析功能将地形建模阴影图与面向对象的水体提取结果进行匹配,达到去除山体阴影的效果,实现水体精提取。 相似文献
6.
基于多源遥感数据的水体信息提取研究 总被引：1，自引：0，他引：1
卫星遥感技术已被广泛应用到水体信息提取中,但目前基于遥感技术的水体信息提取多采用单一的遥感数据源,而没有充分利用多源数据的信息复合优势,因此,提取结果经常受天气气候或空间分辨率限制。本文研究了不同尺度、不同平台的多种遥感数据源的水体信息提取方法。首先,基于波谱间关系决策树分类算法对Landsat ETM+图像进行水体提取,利用其分辨率优势较准确地提取出水体范围;其次,在Radarsat SAR图像上利用阈值法粗提取水体信息后,结合DEM剔除阴影得到水体信息;最后,利用灾前Landsat ETM+图像水体信息提取结果和灾中Radarsat SAR图像水体信息提取结果,进行差值处理,得到洪水淹没范围。研究结果可以为洪水灾害监测与评估提供信息依据。 相似文献
7.
研究山区地表水体信息OLI遥感数据去阴影自动提取方法,设计基于数字高程模型与指数提取的决策树分类方法,提高水体自动识别的精度。该方法选取改进的归一化水体指数、归一化植被指数、比值植被指数、主成分分析前3个分量以及波段之间的组合运算,并结合DEM构建决策树分类规则。综合采用单波段阈值、谱间关系、植被指数和水体指数阈值完成山体水体的去阴影识别研究,与计算机自动识别分类方法比较,其精度明显提高。结果表明,决策树分类方法在精度上明显高于常用的计算机自动分类方法,可以很好地被利用于OLI遥感数据水体信息的海量、大范围提取。 相似文献
8.
水体信息的高精度提取是水资源监测、调查与管理等研究领域的关键问题。本文选取国产GF-1卫星影像作为数据源,根据影像中典型地物光谱特征采用归一化水体指数法(NDWI)、多波段谱间关系法对研究区进行了水体提取,并通过结果分析提出了基于主成分分析与多尺度分割技术的综合水体信息提取方法。对以上4种方法进行对比分析,验证结果表明:归一化水体指数法易受阴影信息影响;改进的多波段谱间关系法能较为完整地提取水体信息,但受小范围阴影信息影响;主成分分析综合法总体精度较高;多尺度分割提取法能有效地分离水体信息与非水体信息,水体信息提取的效果最佳。 相似文献
9.
针对GF-2卫星影像数据的特点,利用单波段阈值法、多波段算法、归一化水体指数(NDWI)阈值法、单波段阈值法与阴影水体指数(SWI)相结合的决策树法对刘家峡地区的水体信息进行了提取,同时提出一种单波段阈值法与增强阴影水体指数(ESWI)相结合的决策树分类法,并对以上几种水体提取的效果进行比较分析,发现单波段阈值法与ESWI相结合的决策树分类法能够有效地消除绝大部分阴影的影响,且提取效果较SWI的效果要好,NDWI与多波段算法提取效果次之,单波段阈值法提取效果较差. 相似文献
10.
《国土资源遥感》2017,(1)
大尺度高精度山区河流信息提取是我国干旱区水资源开发利用的关键技术,而利用遥感影像提取水资源信息存在水体与山区阴影难以区分的瓶颈。以GF-1号卫星2 m分辨率全色波段影像和8 m分辨率多光谱影像为数据源,选取新疆特克斯河流域巴喀勒克水库为研究区,提出改进的阴影水体指数法(modified shade water index,MSWI)进行水体信息提取;同时运用单波段阈值法、NDWI法、单波段法与阴影水体指数法(shade water indes,SWI)相结合的决策树分类法(简称SWI)以及单波段法与MSWI相结合的决策树分类法(简称MSWI)分别对研究区水体信息进行提取,并进行了对比分析。研究结果表明,前2种方法与SWI和MSWI法相比,效果稍差;而SWI和MSWI法分类效果较好,其中MSWI比SWI法分类总精度高0.94%,提高了高分辨率遥感影像的解译精度,可为国产高分系列卫星影像在干旱区水资源信息提取中的应用提供技术支持。 相似文献
11.
12.
灾害发生以后,悬浮物质、波浪和水深等"同物异谱"会导致水体信息提取不完整,而阴影、沥青路面、浓密植被等"异物同谱"也会降低水体信息提取精度。针对此问题,提出一种特征知识引导的灾后水体信息提取方法。首先,分析水体遥感图像特征(光谱特征、几何特征、纹理特征、空间关系特征),构建灾后水体信息提取知识决策树;其次,对遥感图像进行面向对象分割,获取对象基元,并计算特征参数;然后,在知识决策树的支持下提取灾后水体信息;最后,对水体信息提取结果进行后处理,以去除噪声和填充孔洞。选取"5·12汶川地震"遥感图像开展验证实验,结果表明,水体信息提取结果位置准确,边界清晰,生产者精度和用户精度分别为0.85和0.94,该方法能够有效提取复杂背景下的灾后水体信息。 相似文献
13.
以国产GF-1卫星影像为数据源，选取皇甫川流域内山区细小河流密集的上游1421 km2作为研究区域，针对因山区河流河道狭窄、形态复杂等导致的河流边界提取难度大、精度差、河宽无法自动提取的难题，首先利用改进的变异系数法筛选水体指数，再采用改进的决策树法结合DEM河网精确获取河流边界，最后通过自动化河宽提取算法实现对山区细小河流及其河宽的自动提取。结果表明，本文方法对山区河流判别的总体精度为89.5%，有效地排除了山体阴影等地物的干扰。对河宽为0~10 m的极细河流，本文方法提取河宽的误差为18.54%；10~30 m的细小河流，提取误差为12.07%。 相似文献
14.
稀少控制的多平台星载SAR联合几何定标方法 总被引：3，自引：3，他引：0
几何定标采用地面控制点获取距离-多普勒模型中的精确几何参数,用于完成星载SAR影像高精度几何定位。但在广域范围内,特别是高山地区域,控制点极难获取。此外,传统定标方法仅面向单一平台SAR影像,尚不能实现多平台影像的联合几何定标。针对上述问题,本文提出一种基于稀少控制的多平台星载SAR联合几何定标方法。该方法从包含实测控制点的主影像出发,使用点位追踪算法获取主影像与从影像之间的连接点,并以连接点为桥梁逐级完成从影像的几何定标。本文采用京津冀地区南北向分布共计235 km的3景TerraSAR-X、3景TanDEM-X、5景高分三号影像进行联合几何定标试验,仅使用5个控制点即完成了所有影像的几何定标,并利用SF-3050星站差分GNSS接收机采集实测GPS点进行精度评价。结果表明使用稀少控制点定标后的TSX/TDX影像的几何定位精度优于3 m,GF-3影像的几何定位精度优于7.5 m,验证了该方法的有效性和正确性。 相似文献
15.
合成孔径雷达SAR（Synthetic Aperture Radar）是开展城市建筑区信息获取与动态监测的重要数据源。本文建立了一个面向深度学习建筑区提取的中高分辨率SAR建筑区数据集SARBuD1.0 （SAR BUilding Dataset）。该数据集包含了覆盖中国不同区域的27景高分三号（GF-3）精细模式SAR图像,并从中获取了建筑区共计60000个SAR样本数据,结合光学图像与专家解译,制作了与样本数据对应的标签图像。SARBuD1.0数据集包含了不同地形场景类型、不同分布类型、不同区域的建筑区。该数据集可支持研究者对建筑区进行图像特征分析、辅助图像理解,并可对当前热点深度学习方法提供训练、测试数据支持。本文以山区建筑为例,使用传统纹理特征与深度学习特征对建筑区进行了特征分析与比较,相比于传统的人工设计的纹理特征,卷积神经网络具有更深、更多的特征,利用网络模型浅层的不同卷积核采样可得到各种纹理特征,在网络的深层卷积结构中可获取代表着类别的深层语义特征,使得分类器能更好地检测并提取图像中指定的目标。基于本数据集利用深度学习方法对不同地形区域的建筑区进行提取实验。实验结果表明基于本数据集训练的深度学习模型,对建筑区提取可以取得良好的结果,说明该数据集可以很好支持面向大数据的深度学习方法。其他学者可以基于SARBuD1.0数据集开展建筑区图像特征分析与语义分割提取等方面的研究。 相似文献
16.
针对GF-2卫星影像数据的特点，选取了临夏回族自治州境内两个不同研究区域，分别采用单波段阈值法、归一化差分植被指数法（NDVI）及其他3种水体提取指数法（NDWI、SWI、MSWI）对两个研究区进行水体提取试验。通过分析比较各水体指数模型中阈值对水体提取精度和稳定性的影响，发现研究区1（城区）中单波段阈值法提取效果最高达到71.29，且稳定性较好。研究区2（山区）中MSWI方法提取精度最高为95.76，稳定性较单波段法次之。本文试验为GF-2影像在不同区域进行水体提取时选择不同模型及阈值时提供可靠的参考依据。 相似文献