姜 浩,馮 敏,肖 桐,王昌佐

1．中國(guó)科學(xué)院地理科學(xué)與資源研究所資源與環(huán)境信息系統(tǒng)國(guó)家重點(diǎn)實(shí)驗(yàn)室,北京 100101;2．中國(guó)科學(xué)院大學(xué),北京 100049;3．Global Land Cover Facility,Department of Geographical Sciences,University of Maryland,College Park,Maryland 20742,USA;4．環(huán)境保護(hù)部衛(wèi)星環(huán)境應(yīng)用中心,北京 100094

基于線狀特征增強(qiáng)的TM遙感影像細(xì)小河流提取方法

姜 浩1,2,馮 敏3,肖 桐4,王昌佐4

1．中國(guó)科學(xué)院地理科學(xué)與資源研究所資源與環(huán)境信息系統(tǒng)國(guó)家重點(diǎn)實(shí)驗(yàn)室,北京 100101;2．中國(guó)科學(xué)院大學(xué),北京 100049;3．Global Land Cover Facility,Department of Geographical Sciences,University of Maryland,College Park,Maryland 20742,USA;4．環(huán)境保護(hù)部衛(wèi)星環(huán)境應(yīng)用中心,北京 100094

混合像元效應(yīng)是導(dǎo)致難以從TM影像中提取細(xì)小河流的主要原因。本文提出一種綜合多種數(shù)字圖像處理技術(shù)的細(xì)小河流自動(dòng)識(shí)別方法。首先,利用閾值分割來區(qū)分水體指數(shù)影像中的細(xì)小河流與面狀水體;然后,對(duì)水體指數(shù)進(jìn)行線狀特征增強(qiáng),突出線狀河流信息,并抑制其他地物信息;再利用雙閾值線段追蹤方法,提取影像中的細(xì)小河流;最后通過3種方法分別去除陰影、道路和其他類型噪聲。結(jié)果表明,本文方法能有效地提取細(xì)小河流,同時(shí)排除多種噪聲的干擾,結(jié)果的制圖精度高于82%,用戶精度高于93%,Kappa系數(shù)高于0．993,完整度高于90%。

特征提取;細(xì)小河流;遙感;水體指數(shù)

1 引 言

從遙感影像中提取水體信息,是土地覆被制圖、水域分布數(shù)據(jù)更新、數(shù)字流域構(gòu)建等技術(shù)的關(guān)鍵支撐,并為水資源調(diào)查、河流健康評(píng)價(jià)、災(zāi)害評(píng)估等應(yīng)用提供快捷而準(zhǔn)確的信息[1]。較植被、城鎮(zhèn)等土地覆被類型而言,水體的光譜反射率總體偏低,特征明顯[2]。常見的水體提取方法分為4類:單波段閾值法[3]、多波段譜間關(guān)系法[4]、水體指數(shù)法[5-6]、監(jiān)督/非監(jiān)督分類法[7-8]。然而,單純依賴光譜信息,無法有效識(shí)別寬度接近影像分辨率的細(xì)小河流[1]。原因在于,細(xì)小河流深度總體較淺,其像元可能成為包含水體、懸浮泥沙、河床、河岸等非水體地物的混合像元,易與其他地物類型像元混淆[9]。

河流具有獨(dú)特的空間特征,能夠用以提高其識(shí)別精度[10]。針對(duì)TM/ETM＋影像,文獻(xiàn)[1,11]利用譜間關(guān)系法初步識(shí)別河流,然后利用數(shù)學(xué)形態(tài)學(xué)方法進(jìn)行結(jié)果修整。文獻(xiàn)[12]認(rèn)為,數(shù)學(xué)形態(tài)學(xué)方法適于連接長(zhǎng)度小于等于5個(gè)像元的間斷,否則被連接的河流將發(fā)生變形。文獻(xiàn)[9]將數(shù)字高程模型引入河流識(shí)別過程。文獻(xiàn)[13]針對(duì)SPOT影像,利用DRO(Duda’s road operator)算子結(jié)合啟發(fā)式路徑搜索算法提取河流。文獻(xiàn)[14]針對(duì)高分辨率影像,利用基于空間像素模板的Adaboost方法,有效利用鄰近像素的類別來輔助區(qū)分河流與其他地物。

本文提出一種利用改進(jìn)的歸一化差異水體指數(shù)(modified normalized difference water index, MNDWI)[6]結(jié)合多種數(shù)字圖像處理技術(shù)的細(xì)小河流提取方法。以TM遙感影像作為數(shù)據(jù)源,通過在我國(guó)北方4省中研究區(qū)的試驗(yàn)結(jié)果認(rèn)為,該方法能夠提取到90%以上的河流,具有較高的普適性。

2 完整水系的提取策略

本文定義的細(xì)小河流其寬度小于等于3個(gè)像元。因?yàn)閷?duì)于更寬的河流,其中心像元一般為水體純像元,具有面狀水體的光譜特征,可以通過閾值法進(jìn)行提取。

本文采用區(qū)域劃分的方法以獲取完整的水系分布(如圖1):對(duì)于面狀水體,利用全局閾值進(jìn)行提取,并利用局部閾值確定其邊緣,具體方法在2．1節(jié)介紹;對(duì)剩余區(qū)域,利用圖2中描述的方法提取細(xì)小河流,具體方法在2．2至2．4節(jié)介紹。這兩種方法相互補(bǔ)充,通過合并得到最終結(jié)果,如圖1。

2．1 閾值分割

本文采用MNDWI表達(dá)水體信息,MNDWI的計(jì)算公式如下[6]

式中,ρgreen與ρswir分別對(duì)應(yīng)TM影像的第2和第5波段。經(jīng)過試驗(yàn)認(rèn)為:取0．3這個(gè)較高的閾值能有效識(shí)別面狀水體,且避免絕大多數(shù)陰影、城鎮(zhèn)的干擾,只是在水陸交界處會(huì)漏分部分像元。因此,在已提取像元鄰域中,補(bǔ)充滿足MNDWI≥0的像元作為水體邊緣(圖1)。之后,對(duì)面狀水體以外的區(qū)域(圖1),利用接下來介紹的方法提取細(xì)小河流(圖2)。

圖1 提取完整水系分布的流程Fig．1 Flow chart of water extraction

圖2 細(xì)小河流提取流程Fig．2 Flow chart of narrow river extraction

2．2 線狀特征增強(qiáng)

線狀特征增強(qiáng)能夠突出影像中的線狀地物特征,同時(shí)抑制其他形狀地物特征。河流形狀較為復(fù)雜,可能筆直(人工河道)也可能蜿蜒曲折(河流源頭),為提高普適性,本文對(duì)DRO算子進(jìn)行了修改:①只考慮中心像元值大于左右兩側(cè)像元值的像元,避免了DRO算子在階梯狀邊緣產(chǎn)生響應(yīng)的缺陷;②只考慮3個(gè)像元,相比考慮9個(gè)像元DRO算子,對(duì)于蜿蜒曲折的自然河流效果更好。

該算子包含4個(gè)方向算子(圖3),計(jì)算方法為:對(duì)每個(gè)方向算子利用式(2)求得方向性線狀增強(qiáng)結(jié)果LFEi,并且取LFEi的最大值為線狀特征增強(qiáng)結(jié)果

式中,i代表4個(gè)方向算子的序號(hào);而a、b和c分別對(duì)應(yīng)各方向算子中相應(yīng)位置的像元值(圖3)。這里將本步驟的濾波結(jié)果簡(jiǎn)稱為L(zhǎng)FE(linear feature enhancement)。

圖3 線狀特征增強(qiáng)算子Fig．3 Linear feature enhancement operator

2．3 利用雙閾值線段追蹤方法提取河流

Canny算法是數(shù)字圖像邊緣檢測(cè)的經(jīng)典方法[15]。該方法用高閾值篩選強(qiáng)邊緣,然后用低閾值追蹤與強(qiáng)邊緣相連的弱邊緣。本文借鑒該方法:利用雙閾值進(jìn)行河流線段追蹤。具體方法為:首先,把所有滿足高閾值(公式(3))的像元標(biāo)記為河流;再將剩余像元中與河流相連接,且滿足低閾值(公式(4))的像元標(biāo)記為河流。

2．4 噪聲消除

在提取細(xì)小河流的過程中,容易混淆的噪聲主要有3種類別,其成因和特點(diǎn)如表1所示。

表1 3種噪聲的特點(diǎn)和去除方法Tab．1 Characters of 3 types of noises and removal methods

(1)山體陰影:由于現(xiàn)有的ASTER DEM數(shù)據(jù)在水體區(qū)域質(zhì)量不高[16],不利于采用地形校正方法去除陰影[17]。文獻(xiàn)[18]認(rèn)為,陰影和水體在TM綠光波段中灰度值差異最大。因此,以綠光波段灰度值小于Tshadow的像元作為陰影。而如果影像地形平坦,則設(shè)置0忽略此功能

(2)道路:道路的MNDWI值接近于裸地、城鎮(zhèn),而高于植被。以植被為背景的道路作為線狀信息也會(huì)被增強(qiáng)。而在短波紅外波段,道路的反射率高于植被,而水體的反射率低于植被。因此,如果該像元滿足公式(6),則作為道路而排除

(3)其他類型:產(chǎn)生原因較多,如呈線狀分布的空地,或者機(jī)場(chǎng)、煤場(chǎng)等人工設(shè)施;之前消噪步驟殘留的像元。這些噪聲的共同特點(diǎn)是長(zhǎng)度短。因此,判斷其像元數(shù)量(公式(7)),刪除較小斑塊

Count(number of pixels)＜60(7) 3 試驗(yàn)結(jié)果與分析

3．1 試驗(yàn)基本情況

本文根據(jù)不同的土地覆被類型,挑選我國(guó)北方地區(qū)的四景TM影像進(jìn)行試驗(yàn),其基本情況見表2。通過人工解譯得到參考結(jié)果,利用以下4個(gè)指標(biāo)來評(píng)價(jià)提取效果:制圖精度(producer’s accuracy)、用戶精度(user’s accuracy)、Kappa系數(shù)(kappa coefficient)、完整度(completeness)[19-20],結(jié)果見表3。其中,前3個(gè)指標(biāo)基于逐像元的對(duì)比,而完整度基于河流的長(zhǎng)度,公式如下

式中,Lref、Lt分別為參考、正確提取的細(xì)小河流長(zhǎng)度。但優(yōu)爾曲只能提取到一些微小片段,如圖5(f)。而利用本文方法可以提取黃河和優(yōu)爾曲的干流,如圖5(l)。

表2 影像基本情況與試驗(yàn)參數(shù)Tab．2 Descriptions of the images and experimental parameters

表3 精度比較Tab．3 Accuracy comparison

3．2 試驗(yàn)結(jié)果評(píng)價(jià)

試驗(yàn)1展示了本文方法主要步驟的中間結(jié)果。圖4(a)為TM 543波段組合影像,其中較大城鎮(zhèn)為漠河縣城。其中4條河流分別是額木爾河(圖4(e)中標(biāo)注為1)、大林河(3)、老槽河(2)和古蓮河(4)。圖4(c)是閾值法提取結(jié)果,其中額木爾河和大林河的提取結(jié)果較完整,而老槽河、古蓮河幾乎完全無法提取到,制圖精度極低。而對(duì)比圖4(d)和圖4(b)可以看出,經(jīng)過線狀特征增強(qiáng)后,河流和道路在影像中十分突出。圖4(e)為利用雙閾值線段追蹤方法的初步提取結(jié)果,4條河流被完整提取,且相互連接無間斷,但其中混合有河灘和道路等噪聲,最明顯的是4段道路,圖中均標(biāo)以星號(hào)。而圖4(f)顯示了去噪后的結(jié)果,不足之處是老槽河有一處間斷,此處的河寬經(jīng)Google Earth測(cè)算小于15 m。

試驗(yàn)2的影像中山體陰影較多,閾值法的用戶精度在4個(gè)試驗(yàn)中最低,因?yàn)榻Y(jié)果混有大片的陰影和城鎮(zhèn),如圖5(d)所示。而利用本文方法,用戶精度顯著提升,可以提取影像中兩條河流的主要部分,然而其中也存在3處明顯間斷,其中河寬最寬處為20 m。

試驗(yàn)3的影像中有黃河和4條人工河道。其中,對(duì)于黃河等面狀水體,兩種方法提取效果差別不大,如圖5(e)和圖5(k)。但閾值法識(shí)別人工河道的效果不佳。而利用本文方法時(shí),4條人工河大部分被提取,右側(cè)一條水渠發(fā)生斷裂,經(jīng)測(cè)算其河床寬度25 m左右。

試驗(yàn)4的影像位于青海省果洛州優(yōu)云鄉(xiāng),黃河與優(yōu)爾曲的交匯處。由于靠近黃河源頭,此處的河流蜿蜒曲折,分支交錯(cuò),河流寬度變化大。黃河寬度大于40 m,而優(yōu)爾曲的寬度在3 m至15 m不等。結(jié)果顯示,利用閾值法可以提取黃河干流,

圖4 試驗(yàn)1中原始影像和主要步驟結(jié)果(白色區(qū)域表示提取結(jié)果)Fig．4 Experiment 1,comparison of original image and results of the main steps(white pixels indicate the extraction results)

4 結(jié) 論

混合像元效應(yīng)是導(dǎo)致難以從TM影像中提取細(xì)小河流的主要原因。本文提出一種細(xì)小河流提取方法:①首先利用閾值分割,識(shí)別面狀水體;②對(duì)水體指數(shù)進(jìn)行線狀特征增強(qiáng);③利用雙閾值線段追蹤方法,提取影像中的細(xì)小河流;④去除山體陰影、道路和其他這3類噪聲。通過我國(guó)北方4省試驗(yàn)區(qū)的結(jié)果顯示,針對(duì)寬度小于等于3個(gè)像元的細(xì)小河流,該方法對(duì)比閾值法有明顯改善,提取結(jié)果的制圖精度高于82%,用戶精度高于93%,Kappa系數(shù)高于0．993,完整度高于90%。

本研究的不足之處在于:①當(dāng)河流寬度小于像元寬度時(shí),其水體指數(shù)值接近于背景而難以提取,因此,關(guān)于算法能夠提取的河流寬度,存在一個(gè)下限,本文根據(jù)試驗(yàn)認(rèn)為,對(duì)于寬度小于等于25 m的河流,提取效果將會(huì)不穩(wěn)定,但這一結(jié)論缺乏定量化的描述,本文只是根據(jù)試驗(yàn)結(jié)果作出簡(jiǎn)單估計(jì);②文中的雙閾值線段追蹤方法依賴于給定的閾值,在拐彎、淤塞或者陰影處,往往因?yàn)閭€(gè)別像元難以識(shí)別而發(fā)生間斷,如何利用啟發(fā)式方法來自動(dòng)連接間斷,成為今后的研究?jī)?nèi)容。

圖5 試驗(yàn)2—4,對(duì)比原始影像和提取結(jié)果(白色像元)Fig．5 Experiment 2 to 4,comparison of original images and extraction results(white pixels)

[1] YANG Shuwen,XUE Chongsheng,LIU Tao,et al．A Method of Small Water Information Automatic Extraction from TM Remote Sensing Image[J]．Acta Geodaetica et Cartographica Sinica,2010,39(6):611-617．(楊樹文,薛重生,劉濤,等．一種利用TM影像自動(dòng)提取細(xì)小水體的方法[J]．測(cè)繪學(xué)報(bào),2010,39(6):611-617．)

[2] ZHAO Yingshi．The Principle and Method of Analysis of Remote Sensing Application[M]．Beijing:Science Press, 2003．(趙英時(shí)．遙感應(yīng)用分析原理與方法[M]．北京:科學(xué)出版社,2003．)

[3] BI Haiyun,WANG Siyuan,ZENG Jiangyuan,et al．Com parison and Analysis of Several Common Water Extraction Methods Based on TM Image[J]．Remote Sensing Information,2012,27(5):77-82．(畢海蕓,王思遠(yuǎn),曾江源,等．基于TM影像的幾種常用水體提取方法的比較和分析[J]．遙感信息,2012,27(5):77-82．)

[4] ZHOU Chenghu,LUO Jiancheng,YANG Xiaomei,et al．Geo-understanding and Analysis in Remote Sensing Image [M]．Beijing:Science Press,2003．(周成虎,駱劍承,楊曉梅,等．遙感影像地學(xué)理解與分析[M]．北京:科學(xué)出版社,2003．)

[5] MCFEETERS S K．The Use of Normalized Difference Water Index(NDWI)in the Delineation of Open Water Features [J]．International Journal of Remote Sensing,1996,17 (7):1425-1432．

[6] XU Hanqiu．A Study on Information Extraction of Water Body with the Modified Normalized Difference Water Index(MNDWI)[J]．Journal of Remote Sensing,2005,9 (5):589-595．(徐涵秋．利用改進(jìn)的歸一化差異水體指數(shù)(MNDWI)提取水體信息的研究[J]．遙感學(xué)報(bào),2005,9 (5):589-595．)

[7] FRAZIER S P,PAGE J K．Water Body Detection and Delineation with Landsat TM Data[J]．Journal of Photogrammetric Engineering&Remote Sensing,2000,66 (12):1461-1467．

[8] DENG Jingsong,WANG Ke,LI Jun,et al．Study on the Automatic Extraction of Water Body Information from SPOT-5 Images Using Decision Tree[J]．Journal of Zhejiang University,2005,31(2):171-174．(鄧勁松,王珂,李君,等．決策樹方法從SPOT-5衛(wèi)星影像中自動(dòng)提取水體信息研究[J]．浙江大學(xué)學(xué)報(bào):農(nóng)業(yè)與生命科學(xué)版, 2005,31(2):171-174．)

[9] ZHU Changming,LUO Jiancheng,SHEN Zhanfeng,et al．The River Linear Water the Adaptive Auto-extraction on Remote Sensing Image Aided by DEM[J]．Acta Geodaetica et Cartographica Sinica,2013,42(2):277-283．(朱長(zhǎng)明,駱劍承,沈占鋒,等．DEM輔助下的河道細(xì)小線性水體自適應(yīng)迭代提取[J]．測(cè)繪學(xué)報(bào),2013,42(2):277-283．)

[10] LUO Jiancheng,SHENG Yongwei,SHEN Zhanfeng,et al．Automatic and High-precise Extraction for Water Information from Multispectral Images with the Step-bystep Iterative Transformation Mechanism[J]．Journal of Remote Sensing,2009,13(4),610-615．(駱劍承,盛永偉,沈占鋒,等．分步迭代的多光譜遙感水體信息高精度自動(dòng)提取[J]．遙感學(xué)報(bào),2009,13(4):610-615．)

[11] LI Hui,DAI Zhenyong,ZHANG Lihua,et al．Mathematical Morphology Based Drainage Line Extraction from Remote Sensing Image[J]．Geomatics and Information Science of Wuhan University,2011,36(8):956-959．(李輝,代偵勇,張利華,等．利用數(shù)學(xué)形態(tài)學(xué)的遙感影像水系提取方法[J]．武漢大學(xué)學(xué)報(bào):信息科學(xué)版,2011,36(8):956-959．)

[12] ZH ANG Y．A Method for Continuous Extraction of Multispectrally Classified Urban Rivers[J]．Photogrammetric Engineering and Remote Sensing,2000,66(8): 991-999．

[13] DILLABAUGH C R,NIEMANN O K,RICHARDSON D E．Semi-automated Extraction of Rivers from Digital Imagery[J]．GeoInformatica,2002,6(3):263-284．

[14] SHEN Li,TANG Hong,WANG Shidong,et al．River Extraction from the High Resolution Remote Sensing Image Based on Spatially Correlated Pixels Template and Adaboost Algorithm[J]．Acta Geodaetica et Cartographica Sinica,2013,42(3):344-350．(慎利,唐宏,王世東,等．結(jié)合空間像素模板和Adaboost算法的高分辨率遙感影像河流提取[J]．測(cè)繪學(xué)報(bào),2013,42(3):344-350．)

[15] CANNY J．A Computational Approach to Edge Detection [J]．IEEE Transactions on Pattern Analysis and Machine Intelligence,1986,8:679-698．

[16] ZHAO Guosong,DU Yun,LING Feng,et al．Analysis of Influencing Factors on Height Differences between ASTER GDEM and SRTM3[J]．Science of Surveying and Mapping,2012,37(4):167-170．(趙國(guó)松,杜耘,凌峰,等．ASTER GDEM與SRTM3高程差異影響因素分析[J]．測(cè)繪科學(xué),2012,37(4):167-170．)

[17] HANTSON S,CHUVIECO E．Evaluation of Different Topographic Correction Methods for Landsat Imagery[J]．International Journal of Applied Earth Observation and Geoinformation,2011,13(5):691-700．

[18] FEYISA G L,MEILBY H,FENSHOLT R,et al．Automated Water Extraction Index:A New Technique for Surface Water Mapping Using Landsat Imagery[J]．Remote Sensing of Environment,2014,140:23-35．

[19] ZHOU Shaoguang,XU Yong．To Extract Roads with No Clear and Continuous Boundaries in RS Images[J]．Acta Geodaetica et Cartographica Sinica,2008,37(3):301-307．(周紹光,徐勇．在高分辨率遙感影像中提取無清晰連續(xù)邊緣線的道路[J]．測(cè)繪學(xué)報(bào),2008,37(3):301-307．)

[20] LI Yijing,HU Xiangyun,ZHANG Jianqing,et al．Automatic Road Extraction in Complex Scenes Based on Information Fusion from LiDAR Data and Remote Sensing Imagery [J]．Acta Geodaetica et Cartographica Sinica,2012,41 (6):870-876．(李怡靜,胡翔云,張劍清,等．影像與LiDAR數(shù)據(jù)信息融合復(fù)雜場(chǎng)景下的道路自動(dòng)提取[J]．測(cè)繪學(xué)報(bào),2012,41(6):870-876．)

(責(zé)任編輯:宋啟凡)

A Narrow River Extraction Method Based on Linear Feature Enhancement in TM Image

JIANG Hao1,2,FENG Min3,XIAO Tong4,WANG Changzuo4
1．State Key Laboratory of Resources and Environmental Information System,Institute of Geographic Sciences and Natural Resources Research,Chinese Academy of Sciences,Beijing 100101,China;2．University of Chinese Academy of Sciences, Beijing 100049,China;3．Global Land Cover Facility,Department of Geographical Sciences,University of Maryland, College Park,Maryland 20742,USA;4．Satellite Environment Center,Ministry of Environmental Protection,Beijing 100094,China．

Extraction of narrow rivers from TMimages is challenging due to mixed-pixel effects．This paper presents an automatic approach for narrow river extraction by integrating multiple digital image processing techniques．Firstly,the threshold segmentation was applied on water-index images to separate from planar water bodies and narrow rivers．Secondly,a linear feature enhancement algorithm is adopted to highlight river information and suppress other information．Thirdly,narrow rivers are extracted using dual-threshold line tracking method．Finally,three methods are selected to remove shadow,roads and other noises．Experimental results show the approach can effectively extract narrow rivers with the producer’s accuracy higher than 82%,user’s accuracy higher than 93%,Kappa coefficient higher than 0．993,and completeness higher than 90%,and avoid impact from multiple kinds of noise．

feature extraction;narrow river;remote sensing;water index

JIANGHao(1984—),male,PhD candidate, majors in remote sensing image processing,land cover change detection．

P237

A

1001-1595(2014)07-0705-06

2013-07-18

姜浩(1984—),男,博士生,主要研究方向?yàn)檫b感圖像處理、土地覆被變化檢測(cè)。

E-mail:Jiangh＠lreis．a(chǎn)c．cn

JIANG Hao,FENG Min,XIAO Tong,et al．A Narrow River Extraction Method Based on Linear Feature Enhancement in TM Image[J]．Acta Geodaetica et Cartographica Sinica,2014,43(7):705-710．(姜浩,馮敏,肖桐,等．基于線狀特征增強(qiáng)的TM遙感影像細(xì)小河流提取方法[J]．測(cè)繪學(xué)報(bào),2014,43(7):705-710．)

10．13485/j．cnki．11-2089．2014．0114

國(guó)家自然科學(xué)基金青年科學(xué)基金(41101364);全球變化研究國(guó)家重大科學(xué)研究計(jì)劃(2010CB950901);資源與環(huán)境信息系統(tǒng)國(guó)家重點(diǎn)實(shí)驗(yàn)室自主部署創(chuàng)新研究計(jì)劃資助項(xiàng)目(O88RA900KA)

修回日期:2014-04-10