一种用于可见光影像的水体提取方法

1.本发明涉及可见光影像信息提取技术领域，尤其涉及一种用于可见光影像的水体提取方法。


背景技术：

2.水体是地球生态环境的重要组成部分，对地球的环境及人民的生产生活具有重要影响。对水体分布的监测有助于了解各地水资源的分布差异、河湖的水位变化等信息。传统的水体大范围监测主要通过人工野外勘测的手段，该方法耗时长、成本高，且无法监控水体的动态分布变化情况。而随着遥感技术的发展，通过遥感影像进行水体分布特征的研究成为可能，遥感影像中的水体是研究者对水体进行研究的重要信息基础，对遥感影像中的水体进行提取可以帮助研究者更好地开展对水体的研究。
3.传统的遥感影像水体的提取方法为人工目视解译法，随着技术的发展，遥感影像水体的提取方法逐渐转为阈值法(threshold method)、监督分类法(supervised classification)等自动化方法。这些方法可以有效提取遥感影像中的水体，但是这些方法需要用到高光谱的遥感影像，而这些影像往往由于保密原因或价格高昂不易获得，且需要进行预处理后方可使用，不利于研究的开展。随着google earth(谷歌地球)、百度地图、天地图等网络平台的兴起，可见光遥感影像(仅基于红、绿、蓝三个可见光波段的影像)变得相对易于获取。虽然可见光影像具有易于获取且分辨率高于部分传统高光谱卫星遥感影像(如landsat系列卫星)的优点。但是可见光影像缺失了高光谱遥感影像中的部分波段信息，目前的水体提取方法对可见光遥感影像的水体提取精度较低，容易产生漏提取和误提取的情况，其提取结果难以应用在对水体的研究中。


技术实现要素：

4.本发明的目的在于克服现有技术的不足，克服可见光影像缺失高光谱影像中对水体较为敏感的近红外(nir，near infrared)波段以及热红外(tir，thermal infrared)、短波红外(swir，short-wave infrared)等波段的缺点，解决传统水体提取方法在进行可见光影像中的水体提取的过程中遇到的精度低、易产生漏提取、误提取，以及水体的几何特征信息难以完整保存的问题，本发明提供了一种用于可见光影像的水体提取方法，通过对可见光影像进行一系列处理，并构建用于提取可见光影像中水体的指数，突出可见光影像中水体与其它地物的信息的区别，提高可见光影像中水体提取精度，且在操作简便的基础上，能够适应彩色照片、无人机影像、可见光卫星图像等多种可见光影像水体提取的应用场景，便于水体研究的开展，具有较高的应用价值。
5.本发明提供了一种用于可见光影像的水体提取方法，所述方法包括：
6.获取可见光影像，并对所述可见光影像进行预处理，得到预处理后的可见光影像；
7.对所述预处理后的可见光影像进行波段运算，得到可见光水体指数值；
8.通过波段合并和浮点化处理将所述可见光水体指数值赋予所述可见光影像，得到
包含可见光水体指数值的可见光影像；
9.对所述包含可见光水体指数值的可见光影像进行监督分类，从所述包含可见光水体指数值的可见光影像中提取出水体，并对提取结果进行精度计算。
10.进一步的，所述对所述可见光影像进行预处理，得到预处理后的可见光影像包括：
11.对获取到的可见光影像进行几何校正处理，得到几何校正处理后的可见光影像；
12.对所述几何校正处理后的可见光影像进行影像裁剪处理，得到影像裁剪处理后的可见光影像；
13.对所述影像裁剪处理后的可见光影像进行图像镶嵌处理，得到预处理后的可见光影像。
14.进一步的，所述对所述预处理后的可见光影像进行波段运算，得到可见光水体指数值包括：
15.统计所述预处理后的可见光影像中水体与其它地物在红、绿、蓝三个波段的反射率值，得出差异最大波段和差异最小波段，将差异最大波段和差异最小波段两者的反射率值乘以权重，并将加权差异最小波段的反射率值减去差异最大波段的反射率值，计算得到可见光水体指数值vwi，计算公式为：
16.vwi＝0.5r-2g，
17.式中，vwi表示可见光水体指数值，r表示预处理后的可见光影像中红波段的反射率值，g表示预处理后的可见光影像中的绿波段的反射率值。
18.进一步的，所述通过波段合并和浮点化处理将所述可见光水体指数值赋予所述可见光影像，得到包含可见光水体指数值的可见光影像包括：
19.将所述可见光水体指数值进行数据导出，得到可见光水体指数值的栅格图层；
20.将所述可见光水体指数值的栅格图层作为第4波段并入所述预处理后的可见光影像，得到波段合并处理后的可见光影像；
21.将所述波段合并处理后的可见光影像的四个波段值转换为浮点型数值，并导出为浮点化处理后的可见光影像。
22.进一步的，所述对所述包含可见光水体指数值的可见光影像进行监督分类，从所述包含可见光水体指数值的可见光影像中提取出水体，并对提取结果进行精度计算包括：
23.从所述包含可见光水体指数值的可见光影像中选取训练样区和检验样区，得到训练样区影像和检验样区影像；
24.结合人工目视解译和实地调研对所述训练样区影像和检验样区影像进行处理，得到所述训练样区影像的标签和检验样区影像的标签；
25.将所述训练样区影像的标签导入监督分类器，并设置所述监督分类器工作参数进行监督训练；
26.训练完成后导出用于提取可见光影像中水体的监督分类器；
27.将所述包含可见光水体指数值的可见光影像输入所述用于提取可见光影像中水体的监督分类器，输出所述包含可见光水体指数值的可见光影像中的水体，得到提取结果；
28.计算所述提取结果的分类精度。
29.进一步的，所述计算所述提取结果的分类精度包括：
30.将所述提取结果与所述检验样区影像的标签进行比对，得到混淆矩阵；
31.通过所述混淆矩阵计算得到所述提取结果的总体精度、kappa系数、精确率、召回率和景观格局精度，并对所述提取结果进行精度分析。
32.本发明通过对获取到的可见光影像进行预处理，使其便于应用于研究当中；对所述预处理后的可见光影像进行波段运算，通过计算可见光影像的水体提取指数值，利用0.5倍红波段的反射率值与2倍绿波段的反射率值的差，区分可见光影像中的水体与其它地物信息，在所述可见光水体指数值的计算结果中，水体呈最高值，其它地物呈较低值，实现突出水体的目的，使后续的水体提取结果能达到更高的提取精度，并使提取出的水体能更大程度的保留其几何特征，使得提取结果可以在一定程度上应用于实际研究中；将通过波段合并和浮点化处理将所述可见光水体指数值赋予所述可见光影像，得到包含可见光水体指数值的可见光影像，使得后续的监督分类器能从可见光影像中获取更多的分类依据，提高提取精度，同时使可见光影像中的四个波段值转换为相同类型的浮点型数值，避免监督分类器运行出错；应用用于可见光影像的水体提取的监督分类器进行水体提取，无需针对具体研究区域进行具体的取值，具有较大的泛用性；对所述用于可见光影像的水体提取的监督分类器的提取结果进行精度分析，可有效地判断提取水体的精度；在操作简便的基础上，提出统一的波段运算公式，能够适应多种可见光影像水体提取的应用场景，便于水体研究的开展，具有较高的应用价值。
附图说明
33.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见的，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
34.图1是本发明实施例中的用于可见光影像的水体提取方法流程图；
35.图2是本发明实施例中的对可见光影像进行预处理的流程图；
36.图3是本发明实施例中的通过波段合并和浮点化处理将所述可见光水体指数值赋予所述可见光影像的流程图；
37.图4是本发明实施例中的应用监督分类器进行水体提取的流程图；
38.图5是本发明实施例中的水体提取区域的图像示意图；
39.图6是本发明实施例中的直接使用可见光影像进行水体提取的提取结果示意图；
40.图7是本发明实施例中的利用可见光水体指数进行水体提取的提取结果示意图。
具体实施方式
41.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
42.在本发明中，应理解，诸如“包括”或“具有”等的术语旨在指示本说明书中所公开的特征、数字、步骤、行为、部件、部分或其组合的存在，并且不欲排除一个或多个其他特征、数字、步骤、行为、部件、部分或其组合存在或被添加的可能性。
43.另外还需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明。
44.本发明实施例所涉及的一种用于可见光影像的水体提取方法，所述方法包括：获取可见光影像，并对所述可见光影像进行预处理，得到预处理后的可见光影像；对所述预处理后的可见光影像进行波段运算，得到可见光水体指数值；通过波段合并和浮点化处理将所述可见光水体指数值赋予所述可见光影像，得到包含可见光水体指数值的可见光影像；对所述包含可见光水体指数值的可见光影像进行监督分类，从所述包含可见光水体指数值的可见光影像中提取出水体，并对提取结果进行精度计算。
45.现有的技术方案中，包括收集无人机拍摄的可见光影像，对其进行分割，并利用差异植被指数法从分割结果中提取初始水体，根据所述可见光影像中蓝波段的平均值及标准差，从所述初始水体中提取最终水体，这种方法需要用到无人机等设备，并需要实地调查获取，会增加研究工作的时间与金钱成本，且用到的指数仅为可见光差异植被指数，缺乏仅基于可见光三个波段(r、g、b)的水体指数。
46.还包括：收集卫星遥感影像，基于待研究区域的地物反射光谱特征，构建水体指数的表达式；获取所述待研究区域的反射率遥感图像，并基于所述反射率遥感图像和所述水体指数的表达式，确定遥感水体指数图；基于所述遥感水体指数图和所述反射率遥感图像，提取所述遥感水体指数图中的水体区域。其中水体指数的公式如下：
[0047][0048]
式中，rwi表示水体指数，g表示绿光波段的反射率，nir表示近红外波段的反射率，r表示红光波段的反射率，a表示绿光波段的反射率调节系数，b表示近红外波段的反射率调节系数，c表示红光波段的反射率调节系数。反射率调节系数a、b、c须根据研究区域具体光谱影像进行取值。这种方法采用的是高光谱卫星影像，在数据处理中需用到特殊设备，会增加金钱和技术成本，且使用的是传统的高光谱影像，构建的指数是基于可见光近红外波段的水体指数，同样缺乏仅基于可见光三个波段(r、g、b)的水体指数。
[0049]
上述的两种技术方案，均使用阈值法进行水体的提取，需要根据研究者的经验进行反复尝试并判断，具有一定的主观性，且需要根据具体的研究区域设定具体的提取阈值和指数，并需要对收集的影像进行分割与运算，操作较为繁琐，增加研究的工作量，不便于研究的开展。
[0050]
为解决上述现有技术方案存在的问题，本发明提供了一种用于可见光影像的水体提取方法，可以有效区分可见光影像中的水体与其它地物，从而提高从可见光影像中提取水体的精度，同时适用于各类可见光遥感影像，使水体提取变得简单便捷，具有广泛应用价值。
[0051]
在本实施例的一个可选实现方式中，如图1所示，图1示出了本发明实施例中的用于可见光影像的水体提取方法流程图，包括以下步骤：
[0052]
s101、获取可见光影像，并对所述可见光影像进行预处理，得到预处理后的可见光影像；
[0053]
在本实施例的一个可选实现方式中，这里主要是通过google earth(谷歌地球)、百度地图、天地图进行可见光影像的获取。
[0054]
在本实施例的一个可选实现方式中，基于envi软件对所述可见光影像进行预处理。
[0055]
具体的，所述envi软件(the environment for visualizing images)是一个完整的遥感图像处理平台，是目前快速、便捷、准确地从影像中提取信息的首屈一指的软件解决方案，广泛应用于科研、环境保护、气象、石油矿产勘探、农业、林业、医学、国防安全、地球科学、公用设施管理、遥感工程、水利、海洋、测绘勘察和城市与区域规划等领域。在本实施例中用于对获取到的可见光影像进行预处理。
[0056]
在本实施例的一个可选实现方式中，如图2所示，图2示出了本发明实施例中的对可见光影像进行预处理的流程图，包括以下步骤：
[0057]
s201、对获取到的可见光影像进行几何校正处理，得到几何校正处理后的可见光影像；
[0058]
在本实施例的一个可选实现方式中，所述几何校正处理是指对所述可见光影像中的几何变形进行消除处理，消除所述可见光影像中的内部畸变，实现可见光影像与标准地图图像的几何整合。
[0059]
s202、对所述几何校正处理后的可见光影像进行影像裁剪处理，得到影像裁剪处理后的可见光影像；
[0060]
在本实施例的一个可选实现方式中，所述影像裁剪处理是指对所述几何校正处理后的可见光影像的尺寸进行合理的裁剪，使其符合进行水体研究的标准。
[0061]
s203、对所述影像裁剪处理后的可见光影像进行图像镶嵌处理，得到预处理后的可见光影像。
[0062]
在本实施例的一个可选实现方式中，所述图像镶嵌处理指的是对所述影像裁剪处理后的可见光影像最大程度地提取其多源信道中的有利信息，总合成高质量的可见光影像。
[0063]
这里选择采用可见光影像，相较于传统高光谱影像具有预处理简单的优点，无需进行传统高光谱影像所需的辐射定标及大气校正等预处理，只需要进行简单的几何校正、影像裁剪和图像镶嵌处理即可使用于研究中。对可见光影像进行图像预处理，能提高图像信息的利用率，改善解译精度和可靠性，提升可见光影像的空间分辨率和光谱分辨率，利于后续水体的提取，便于水体研究的开展。
[0064]
s102、对所述预处理后的可见光影像进行波段运算，得到可见光水体指数值；
[0065]
在本实施例的一个可选实现方式中，统计所述预处理后的可见光影像中水体与其它地物在红、绿、蓝三个波段的反射率值，得出差异最大波段和差异最小波段，将差异最大波段和差异最小波段两者的反射率值乘以权重，并将加权差异最小波段的反射率值减去差异最大波段的反射率值，计算得到可见光水体指数值vwi，计算公式包括：
[0066]
vwi＝0.5r-2g，
[0067]
式中，vwi表示可见光水体指数值，r表示预处理后的可见光影像中红波段的反射率值，g表示预处理后的可见光影像中的绿波段的反射率值。
[0068]
具体的，目前传统的水体指数一般基于可见光-近红外、热红外、短波红外波段，而可见光影像中缺失了近红外、热红外、短波红外波段，因此无法应用传统的水体指数发进行水体的提取。本方案通过采样、统计、观察并总结在可见光影像中水体及其它地物在r、g、b，
分别对应可见光影像中像素点的红、绿、蓝三个波段上的反射率分布规律，得出反射率值，提出一种适用于可见光影像的水体提取指数vwi(visible-band water index)，即可见光水体指数，通过调整各波段值倍率并作差的方式，突出水体在影像中与其他地物在像元值上的差异，从而提高后续监督分类器对可见光影像中的水体的提取精度。所述可见光水体指数可以抑制可见光影像中其他地物信息的同时增强水体，使得监督分类器可以更加精确地提取出可见光影像中的水体并在一定程度上保留水体的几何特征。
[0069]
具体的，通过在可见光影像中设立各类地物采样点，收集各类地物采样点上各波段的值并进行分析，分析得出水体在红、绿波段上均有相较于其它地物有着低反射的特征，而在蓝波段上该特征不明显，因此在设计所述适用于可见光水体指数值时排除蓝波段的反射率值；另外在红波段上，易于与水体产生混杂的其它地物的反射率相对于在绿波段上要低，因此利用该特性，采取缩小红波段反射率在所述适用于可见光水体指数值中的系数，并扩大绿波段反射率在其中的系数，从而得出所述适用于可见光水体指数值的计算公式。
[0070]
更多的，在本实施例中，利用0.5倍红波段的反射率值与2倍绿波段的反射率值的差，突出可见光影像中的水体与其它地物信息的区别，在所述可见光影像的水体提取指数的计算结果中，水体呈最高值，其它地物呈较低值，实现突出水体的目的，使后续的水体提取结果能达到更高的提取精度，并使提取出的水体能更大程度的保留其几何特征，使得提取结果可以在一定程度上应用于实际研究中。
[0071]
s103、通过波段合并和浮点化处理将所述可见光水体指数值赋予所述可见光影像，得到包含可见光水体指数值的可见光影像；
[0072]
在本实施例的一个可选实现方式中，如图3所示，图3示出了本发明实施例中的通过波段合并和浮点化处理将所述可见光水体指数值赋予所述可见光影像的流程图，包括以下步骤：
[0073]
s301、将所述可见光水体指数值进行数据导出，得到可见光水体指数值的栅格图层；
[0074]
具体的，对所述可见光水体指数值vwi进行数据导出，得到可见光水体指数值的栅格图层。
[0075]
s302、将所述可见光水体指数值的栅格图层作为第4波段并入所述预处理后的可见光影像，得到波段合并处理后的可见光影像；
[0076]
在本实施例的一个可选实现方式中，将所述可见光水体指数值的栅格图层并入所述预处理后的可见光影像中，得到波段合并处理后的可见光影像。
[0077]
具体的，将所述可见光水体指数值的栅格图层作为一个新的波段，即除红、绿、蓝波段外的第4波段加入到预处理后的可见光影像中，使得波段合并处理后的可见光影像成为类似于传统的高光谱影像，具有4个波段(其余3个波段分别为红、绿、蓝)的栅格图层。
[0078]
这里进行波段合并处理，使得后续监督分类器能从可见光影像中获取更多的分类依据，提高提取精度。
[0079]
s303、将所述波段合并处理后的可见光影像的四个波段值转换为浮点型数值，并导出为浮点化处理后的可见光影像。
[0080]
在本实施例的一个可选实现方式中，将所述波段合并处理后的可见光影像中四个波段的波段值转换为浮点型数值，并重新导出为浮点化处理后的可见光影像。
[0081]
具体的，在步骤s102中，对所述预处理后的可见光影像进行波段运算，运算得到的波段运算处理结果为浮点型数值，而原可见光影像中的红、绿、蓝波段的反射率值的数据类型均为整型数据，若直接将波段合并处理后的可见光影像直接应用到监督分类器的训练中会导致运行出错，因此需要将所述波段合并处理后的可见光影像中四个波段的波段值转换为浮点型数值，并重新导出为浮点化处理后的可见光影像，从而避免后续监督分类器运行出错。
[0082]
s104、对所述包含可见光水体指数值的可见光影像进行监督分类，从所述包含可见光水体指数值的可见光影像中提取出水体，并对提取结果进行精度计算。
[0083]
在本实施例的一个可选实现方式中，如图4所示，图4示出了本发明实施例中的应用监督分类器进行水体提取的流程图，包括以下步骤：
[0084]
s401、从所述包含可见光水体指数值的可见光影像中选取训练样区和检验样区，得到训练样区影像和检验样区影像；
[0085]
在本实施例的一个可选实现方式中，这里将步骤s103得到的包含可见光水体指数值的可见光影像中按照比例随机选取训练样区和检验样区。
[0086]
s402、结合人工目视解译和实地调研对所述训练样区影像和检验样区影像进行处理，得到所述训练样区影像的标签和检验样区影像的标签；
[0087]
在本实施例的一个可选实现方式中，通过人工目视解译法和实地调研，得到所述训练样区影像的标签和检验样区影像的标签。
[0088]
s403、将所述训练样区影像的标签导入监督分类器，并设置所述监督分类器工作参数进行监督训练；
[0089]
具体的，将所述训练样区影像的标签导入初始化处理后的监督分类器中，设置相关工作参数，进行监督分类器的训练。
[0090]
具体的，监督分类法(supervised classification)又称又称训练场地法、训练分类法，是以建立统计识别函数为理论基础、依据典型样本训练方法进行分类的技术，即根据已知训练区提供的样本，通过选择特征参数，求出特征参数作为决策规则，建立判别函数以对各待分类影像进行的图像分类，是模式识别的一种方法。要求训练区域具有典型性和代表性。判别准则若满足分类精度要求，则此准则成立；反之，需重新建立分类的决策规则，直至满足分类精度要求为止。
[0091]
s404、训练完成后导出用于提取可见光影像中水体的监督分类器；
[0092]
在本实施例的一个可选实现方式中，在步骤s403中的训练完成后，导出用于提取可见光影像中水体的监督分类器。
[0093]
这里应用用于提取可见光影像中水体的监督分类器，无需针对具体研究区域进行具体的取值，具有较大的泛用性。
[0094]
s405、将所述包含可见光水体指数值的可见光影像输入所述用于提取可见光影像中水体的监督分类器，输出所述包含可见光水体指数值的可见光影像中的水体，得到提取结果；
[0095]
在本实施例的一个可选实现方式中，将所述包含可见光水体指数值的可见光影像输入在步骤s404中导出的用于提取可见光影像中水体的监督分类器中，输出所述包含可见光水体指数值的可见光影像中的水体的提取结果。
[0096]
s406、计算所述提取结果的分类精度。
[0097]
在本实施例的一个可选实现方式中，将所述提取结果与所述检验样区影像的标签进行比对，得到混淆矩阵；通过所述混淆矩阵计算得到所述提取结果的总体精度、kappa系数、精确率、召回率和景观格局精度，并对所述提取结果进行精度分析。
[0098]
具体的，使用总体精度oa进行精度分析，计算公式包括：
[0099][0100]
式中，oa表示方法提取的正确数量与检验样区影像的标签总数之比；tp为混淆矩阵中的真正类，表示检验样区影像的标签是正类别，并且方法提取结果也是正类；tn为混淆矩阵中的真负类，表示检验样区影像的标签是负类别，并且方法提取结果也是负类；fp为混淆矩阵中的假正类，表示检验样区影像的标签是负类别，但是方法提取结果是正类；fn为混淆矩阵中的假负类，表示检验样区影像的标签是正类别，但是方法提取结果是负类。
[0101]
更多的，使用kappa系数进行精度分析。
[0102]
具体的，所述kappa系数用于一致性检验，是一种衡量分类精度的指标，其计算基于混淆矩阵进行，计算公式如下：
[0103][0104]
式中，po表示总体精度，其值即为总体精度oa；pe表示检验样区影像的标签中的真类别乘以方法提取结果的总和，除以检验样区影像的标签数的平方，计算公式如下：
[0105][0106]
kappa系数的计算结果为-1～1，通常落在0～1间，可分为五组来表示不同级别的一致性：0.0～0.20极低的一致性(slight)、0.21～0.40一般的一致性(fair)、0.41～0.60中等的一致性(moderate)、0.61～0.80高度的一致性(substantial)和0.81～1几乎完全一致(almost perfect)。
[0107]
更多的，使用精确率precision、召回率recall和f1分值进行精度分析。
[0108]
具体的，精确率表示方法提取结果为正类的正确率；召回率表示在检验样区影像的标签的正类别当中，方法提取结果是正类的比例；f1分值综合了精确率和召回率的结果。计算公式包括：
[0109][0110][0111][0112]
式中，tp为混淆矩阵中的真正类，表示检验样区影像的标签是正类别，并且方法提取结果也是正类；tn为混淆矩阵中的真负类，表示检验样区影像的标签是负类别，并且方法提取结果也是负类；fp为混淆矩阵中的假正类，表示检验样区影像的标签是负类别，但是方法提取结果是正类；fn为混淆矩阵中的假负类，表示检验样区影像的标签是正类别，但是方法提取结果是负类。
access memory)、磁盘或光盘等。
[0124]
另外，以上对本发明实施例进行了详细介绍，本文中采用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

技术特征：
1.一种用于可见光影像的水体提取方法，其特征在于，所述方法包括：获取可见光影像，并对所述可见光影像进行预处理，得到预处理后的可见光影像；对所述预处理后的可见光影像进行波段运算，得到可见光水体指数值；通过波段合并和浮点化处理将所述可见光水体指数值赋予所述可见光影像，得到包含可见光水体指数值的可见光影像；对所述包含可见光水体指数值的可见光影像进行监督分类，从所述包含可见光水体指数值的可见光影像中提取出水体，并对提取结果进行精度计算。2.如权利要求1所述的用于可见光影像的水体提取方法，其特征在于，所述对所述可见光影像进行预处理，得到预处理后的可见光影像包括：对获取到的可见光影像进行几何校正处理，得到几何校正处理后的可见光影像；对所述几何校正处理后的可见光影像进行影像裁剪处理，得到影像裁剪处理后的可见光影像；对所述影像裁剪处理后的可见光影像进行图像镶嵌处理，得到预处理后的可见光影像。3.如权利要求1所述的用于可见光影像的水体提取方法，其特征在于，所述对所述预处理后的可见光影像进行波段运算，得到可见光水体指数值包括：统计所述预处理后的可见光影像中水体与其它地物在红、绿、蓝三个波段的反射率值，得出差异最大波段和差异最小波段，将差异最大波段和差异最小波段两者的反射率值乘以权重，并将加权差异最小波段的反射率值减去差异最大波段的反射率值，计算得到可见光水体指数值vwi，计算公式为：vwi＝0.5-2g，式中，vwi表示可见光水体指数值，r表示预处理后的可见光影像中红波段的反射率值，g表示预处理后的可见光影像中的绿波段的反射率值。4.如权利要求1所述的用于可见光影像的水体提取方法，其特征在于，所述通过波段合并和浮点化处理将所述可见光水体指数值赋予所述可见光影像，得到包含可见光水体指数值的可见光影像包括：将所述可见光水体指数值进行数据导出，得到可见光水体指数值的栅格图层；将所述可见光水体指数值的栅格图层作为第4波段并入所述预处理后的可见光影像，得到波段合并处理后的可见光影像；将所述波段合并处理后的可见光影像的四个波段值转换为浮点型数值，并导出为浮点化处理后的可见光影像。5.如权利要求1所述的用于可见光影像的水体提取方法，其特征在于，所述对所述包含可见光水体指数值的可见光影像进行监督分类，从所述包含可见光水体指数值的可见光影像中提取出水体，并对提取结果进行精度计算包括：从所述包含可见光水体指数值的可见光影像中选取训练样区和检验样区，得到训练样区影像和检验样区影像；结合人工目视解译和实地调研对所述训练样区影像和检验样区影像进行处理，得到所述训练样区影像的标签和检验样区影像的标签；将所述训练样区影像的标签导入监督分类器，并设置所述监督分类器工作参数进行监
督训练；训练完成后导出用于提取可见光影像中水体的监督分类器；将所述包含可见光水体指数值的可见光影像输入所述用于提取可见光影像中水体的监督分类器，输出所述包含可见光水体指数值的可见光影像中的水体，得到提取结果；计算所述提取结果的分类精度。6.如权利要求5所述的用于可见光影像的水体提取方法，其特征在于，所述计算所述提取结果的分类精度包括：将所述提取结果与所述检验样区影像的标签进行比对，得到混淆矩阵；通过所述混淆矩阵计算得到所述提取结果的总体精度、kappa系数、精确率、召回率和景观格局精度，并对所述提取结果进行精度分析。

技术总结
本发明公开了一种用于可见光影像的水体提取方法，其方法包括：获取可见光影像，并对所述可见光影像进行预处理，得到预处理后的可见光影像；对所述预处理后的可见光影像进行波段运算，得到可见光水体指数值；通过波段合并和浮点化处理将所述可见光水体指数值赋予所述可见光影像，得到包含可见光水体指数值的可见光影像；对所述包含可见光水体指数值的可见光影像进行监督分类，从所述包含可见光水体指数值的可见光影像中提取出水体，并对提取结果进行精度计算。本发明可以有效区分可见光影像中的水体与其它地物，从而提高从可见光影像中提取水体的精度，同时适用于各类可见光遥感影像，使水体提取变得简单便捷，具有广泛应用价值。值。值。


技术研发人员：周晋皓 李竣鹏 刘光盛 张藐月 林佳
受保护的技术使用者：华南农业大学
技术研发日：2023.04.11
技术公布日：2023/7/22