李亞琦，余宇峰

(河海大學(xué) 計(jì)算機(jī)與信息學(xué)院，江蘇 南京 211100)

0 引 言

隨著遙感技術(shù)的不斷發(fā)展，遙感影像的獲取變得越來(lái)越便捷，而遙感影像水體提取技術(shù)也在水文監(jiān)測(cè)、環(huán)境保護(hù)等方面得到了廣泛的應(yīng)用[1,2]。目前，較為常用的水體提取方法主要包括監(jiān)督方法和非監(jiān)督方法兩種類(lèi)型。監(jiān)督方法主要包括決策樹(shù)算法[3]、支持向量機(jī)(support vector machine,SVM)[4]和深度學(xué)習(xí)方法[5]，監(jiān)督方法主要通過(guò)對(duì)已標(biāo)注樣本的學(xué)習(xí)來(lái)實(shí)現(xiàn)圖像中水體與非水體的分類(lèi)，經(jīng)過(guò)對(duì)足夠多的樣本進(jìn)行學(xué)習(xí)，監(jiān)督方法可以通過(guò)學(xué)習(xí)到的水體特征對(duì)圖像進(jìn)行水體提取。使用監(jiān)督方法進(jìn)行水體提取的效果良好，精度也比較高，但是要使用監(jiān)督法進(jìn)行遙感圖像的水體提取首先就需要獲得足夠多的樣本數(shù)據(jù)進(jìn)行訓(xùn)練，而遙感圖像本身的像輻較大，這就為數(shù)據(jù)樣本的訓(xùn)練帶來(lái)了一些困難，而且在進(jìn)行數(shù)據(jù)樣本標(biāo)注時(shí)往往需要專(zhuān)業(yè)人員對(duì)遙感圖像進(jìn)行目視解譯，這種人工解譯的方法不僅需要大量的人力，也會(huì)花費(fèi)大量的時(shí)間。非監(jiān)督方法主要包括水體指數(shù)法[6,7]、波段閾值法[8,9]和譜間關(guān)系法[10]。非監(jiān)督方法計(jì)算簡(jiǎn)單，運(yùn)算速度快，但是在水體提取時(shí)容易受到水體陰影、植被等的影響，存在一定的誤提取現(xiàn)象，不能很好滿(mǎn)足水體提取的精度需求。

針對(duì)上述水體提取方法存在的一些不足，本文提出一種基于遺傳算法和改進(jìn)Otsu算法的水體信息提取方法，并使用最大連通域算法對(duì)圖像中的水庫(kù)水體信息進(jìn)行提取。

1 相關(guān)方法研究

1.1 NDWI水體指數(shù)法

NDWI水體指數(shù)法主要利用遙感圖像中水體在不同波段間反射率和吸收率的差異來(lái)凸顯水體信息，水體在近紅外波段的吸收率最強(qiáng)[11]，反射率最弱，而在綠光波段的吸收率最弱，反射率最強(qiáng)，植被則恰恰相反，NDWI水體指數(shù)法就利用這種差異，用綠光波段的DN值和近紅外波段的DN值進(jìn)行歸一化差值處理，從而區(qū)分出圖像中的水體與非水體。NDWI水體指數(shù)的計(jì)算公式為

(1)

其中，ρ(Green)表示綠光波段的反射率，ρ(NIR)表示近紅外波段的反射率。NDWI水體指數(shù)能夠有效抑制非水體光譜對(duì)水體提取的影響，使水體信息較明顯的區(qū)別于其它地物信息，有利于后續(xù)對(duì)水體的進(jìn)一步提取。

1.2 Otsu算法

Otsu算法又叫做大津法或最大類(lèi)間方差法，是日本學(xué)者大津(Nobuyuki Otsu)提出的一種求取全局閾值的算法，該算法計(jì)算簡(jiǎn)單且速度快，受到圖像亮度和對(duì)比度的影響較小。

(2)

假設(shè)存在閾值K，這個(gè)閾值K將圖像分為兩部分，即灰度值大于等于K的部分和灰度值小于K的部分，將灰度值在0到K的部分作為A類(lèi)，灰度值在K+1到L-1部分的作為B類(lèi)，則這兩部分出現(xiàn)的概率分別為

(3)

A類(lèi)像素和B類(lèi)像素的灰度均值為

(4)

圖像總體灰度均值為

(5)

類(lèi)A和類(lèi)B的類(lèi)間方差為

σ2=PA(μA-μ)2+PB(μB-μ)2

(6)

Otsu算法的原理就是遍歷所有的灰度值，找出使得σ2最大的灰度值作為K值，即最佳閾值，根據(jù)最佳閾值將圖像分為目標(biāo)像素和背景像素。但是當(dāng)圖像較大時(shí)，需要遍歷的灰度值數(shù)量較多，計(jì)算效率就會(huì)降低，且Otsu算法對(duì)圖像噪聲較為敏感，會(huì)對(duì)最終的結(jié)果產(chǎn)生影響。

2 水庫(kù)水體面積提取方法

2.1 改進(jìn)的Otsu算法

傳統(tǒng)的Otsu算法只考慮了灰度直方圖呈現(xiàn)單峰分布的圖像，當(dāng)圖像的灰度直方圖呈現(xiàn)雙峰或多峰分布時(shí)，閾值分割的效果并不理想。通過(guò)對(duì)遙感圖像光譜特征和NDWI水體指數(shù)的研究，發(fā)現(xiàn)NDWI水體指數(shù)處理后的圖像灰度直方圖多呈現(xiàn)出雙峰分布的特征。為了使得Otsu算法更加適用于遙感圖像水體信息的提取，對(duì)Otsu算法進(jìn)行了改進(jìn)，并使用遺傳算法進(jìn)行優(yōu)化。

為了使得Otsu算法更加適用于遙感圖像水體信息的提取，在計(jì)算最佳閾值時(shí)，設(shè)置最佳閾值的數(shù)量為2，將計(jì)算出的兩個(gè)最佳閾值作為圖像分割的依據(jù)。在進(jìn)行圖像分割時(shí)并不直接利用最佳閾值，而是先采用滑動(dòng)窗口判斷窗口內(nèi)的像素點(diǎn)，若窗口內(nèi)像素點(diǎn)的灰度值位于兩個(gè)最佳閾值之間，則該像素點(diǎn)不使用最佳閾值進(jìn)行分割，而是利用自適應(yīng)閾值分割算法進(jìn)行判斷。自適應(yīng)閾值分割算法更加適用于局部閾值分割，可以根據(jù)鄰域內(nèi)的像素點(diǎn)進(jìn)行分割。

遺傳算法是模擬達(dá)爾文進(jìn)化的一種優(yōu)化算法，采用概率化的參數(shù)尋優(yōu)方法，可以自適應(yīng)進(jìn)行尋優(yōu)操作。使用遺傳算法訓(xùn)練改進(jìn)后的Otsu算法，基本思想就是將Otsu算法的類(lèi)間方差作為遺傳算法的適應(yīng)度函數(shù)，類(lèi)間方差的值越大，適應(yīng)度越高，所取得的結(jié)果也就越好。首先將灰度值進(jìn)行編碼形成種群，再經(jīng)過(guò)選擇、交叉和變異操作，用適應(yīng)度函數(shù)來(lái)表示個(gè)體的優(yōu)劣程度。使用遺傳算法訓(xùn)練改進(jìn)的Otsu算法的具體步驟為：

(1)將原始遙感圖像使用NDWI水體指數(shù)方法進(jìn)行處理，對(duì)處理后的圖像進(jìn)行灰度值計(jì)算，計(jì)算公式為：Grey=0.299*Red+0.587*Green+0.114*Blue， 其中，像素點(diǎn)的顏色由RGB(Red,Green,Blue)組成，Red表示紅色，Green表示綠色，Blue表示藍(lán)色。之后進(jìn)行灰度值編碼和種群初始化，對(duì)灰度值進(jìn)行二進(jìn)制編碼，形成R個(gè)初始種群；計(jì)算適應(yīng)度，將Otsu算法的最大類(lèi)間方差公式作為適應(yīng)度函數(shù)，類(lèi)間方差越大，適應(yīng)度就越好；

(3)迭代操作，進(jìn)行多次迭代，直到適應(yīng)度滿(mǎn)足設(shè)定的最優(yōu)解；選擇最佳閾值，將滿(mǎn)足最優(yōu)解的兩個(gè)個(gè)體作為最優(yōu)個(gè)體，解碼兩個(gè)最優(yōu)個(gè)體求出對(duì)應(yīng)的灰度值K1和K2(K1

(4)閾值分割，經(jīng)過(guò)NDWI水體指數(shù)處理過(guò)的圖像已經(jīng)能夠強(qiáng)化一部分水體特征，因此，灰度值小于K1或者灰度值大于K2的像素點(diǎn)可以直接進(jìn)行閾值分割。但是灰度值的K1和K2之間像素點(diǎn)可能會(huì)存在陰影和水體混雜在一起的情況，此時(shí)直接進(jìn)行閾值分割無(wú)法準(zhǔn)確的將水體和陰影區(qū)分開(kāi)，因此，引入滑動(dòng)窗口和自適應(yīng)閾值算法進(jìn)行判斷；

(5)設(shè)置M×M窗口的大小(本文設(shè)置M=3，即判斷該像素點(diǎn)周?chē)?個(gè)像素點(diǎn))，若窗口內(nèi)的像素點(diǎn)均為水體像素點(diǎn)或非水體像素點(diǎn)，則將該像素點(diǎn)也判斷為水體像素點(diǎn)或非水體像素點(diǎn)。其它情況則保持像素點(diǎn)的灰度值不變，采用自適應(yīng)閾值算法進(jìn)行局部閾值判斷。自適應(yīng)閾值算法通過(guò)計(jì)算鄰域內(nèi)的高斯濾波確定閾值，可以根據(jù)圖像不同區(qū)域的特征進(jìn)行局部的閾值計(jì)算，更加適用于水體邊界的提取。

遙感圖像的水體指數(shù)直方圖大多呈現(xiàn)雙峰分布，因此使用遺傳算法和最大類(lèi)間方差公式計(jì)算出的兩個(gè)閾值能夠更好體現(xiàn)出圖像中的水體特征，之后使用滑動(dòng)窗口遍歷圖像，進(jìn)一步區(qū)分水體和陰影，能夠很好改善誤提取和漏提取現(xiàn)象。最后使用自適應(yīng)閾值算法進(jìn)行局部閾值判斷，可以使水體邊界更加明顯。經(jīng)過(guò)改進(jìn)后的Otsu算法，考慮到了遙感影像中水體的光譜特征，更加適用于遙感圖像的水體信息提取，能夠更好區(qū)分水體和其它地物。經(jīng)過(guò)改進(jìn)后的Otsu算法，考慮到了遙感圖像中水體的光譜特征，更加適用于遙感圖像的水體信息提取，能夠更好區(qū)分水體和其它地物。

2.2 水庫(kù)水體面積提取方法

在一幅遙感影像中會(huì)包含很多的水體信息，如河流、塘壩等，如果要對(duì)水庫(kù)水體進(jìn)行面積提取，即使對(duì)水庫(kù)部分進(jìn)行截取，也會(huì)有很多其它的水體存在，為了能夠更加方便地研究水庫(kù)水體信息的變化，并且計(jì)算水庫(kù)水體面積提取的精度，本文采用最大連通域算法進(jìn)行水庫(kù)的水體提取。最大連通域算法是對(duì)二值圖像中的連通域進(jìn)行標(biāo)記的算法，將圖像中的水體信息作為目標(biāo)像素，把相鄰像素中具有相同像素值的像素點(diǎn)作為一個(gè)連通區(qū)域，每找到一個(gè)連通區(qū)域就對(duì)此連通區(qū)域賦予唯一的標(biāo)識(shí)，最后對(duì)比所有連通區(qū)域中包含的像素個(gè)數(shù)，找出最大的連通區(qū)域，即為水庫(kù)的水體信息。最大連通域算法處理圖像的具體過(guò)程如圖1所示，算法具體步驟為：

(1)輸入二值圖像F={fij},fij表示像素點(diǎn)(i,j)的灰度值，設(shè)置初始COMP=1，COMP表示連通域的唯一標(biāo)識(shí)，初始COMP=1表示圖像有一個(gè)初始連通域即圖像本身。假設(shè)目標(biāo)像素的灰度值為1，且初始圖像僅由灰度值為0或1的像素點(diǎn)組成；

(2)對(duì)圖像中的像素點(diǎn)逐一掃描，當(dāng)fij=1時(shí)，令COMP+1并令fij=COMP，對(duì)像素點(diǎn)(i,j)的8鄰域進(jìn)行順時(shí)針掃描，若有非0像素，則令該像素點(diǎn)的灰度值等于COMP，再以此像素點(diǎn)為中心進(jìn)行8鄰域掃描，即進(jìn)行深度優(yōu)先遍歷。當(dāng)一次深度優(yōu)先遍歷結(jié)束時(shí)，該連通域的所有像素點(diǎn)的灰度值均為此時(shí)的COMP，即第COMP-1個(gè)連通域；當(dāng)fij=0時(shí)，則跳過(guò)該像素點(diǎn)，繼續(xù)掃描下一像素點(diǎn)；

(3)當(dāng)一個(gè)連通域遍歷結(jié)束后，回到初始的像素點(diǎn)(i,j)的下一個(gè)像素點(diǎn)即(i,j+1)，繼續(xù)重復(fù)第(2)步的操作，直到所有的像素點(diǎn)都被遍歷到，即fij>1或fij=0；

(4)當(dāng)找到所有的連通域后，計(jì)算每個(gè)連通域中像素點(diǎn)的個(gè)數(shù)，即為連通域的大小，找到最大的連通域并進(jìn)行標(biāo)記，將非最大連通域內(nèi)的像素點(diǎn)的灰度值置0。

圖1 最大連通域算法處理圖像的具體過(guò)程

通過(guò)遍歷圖像中所有的像素點(diǎn)，將每一個(gè)水體區(qū)域都進(jìn)行連通域的標(biāo)識(shí)，最后找到連通域最大的水體區(qū)域，即為需要的目標(biāo)水庫(kù)的水體區(qū)域。

2.3 水庫(kù)面積計(jì)算方法

圖像水庫(kù)水體面積的計(jì)算方法主要是利用圖像中水體的像元數(shù)量和圖像的空間分辨率得到，首先對(duì)提取水體后的圖像進(jìn)行二值化處理，采用自適應(yīng)閾值算法計(jì)算圖像閾值，若像素點(diǎn)的灰度值大于閾值，則將其設(shè)為255，若小于閾值，則將其設(shè)為0，即使得圖像中像素點(diǎn)的灰度值僅包含0和255，其中0表示非水體像素點(diǎn)，255表示水體像素點(diǎn)。對(duì)圖像進(jìn)行遍歷，統(tǒng)計(jì)水體像素點(diǎn)的個(gè)數(shù)，記為t，則圖像中水體的面積計(jì)算公式為

s=t·r2

(7)

其中，s表示水庫(kù)水體面積，t為圖像中水體像元的個(gè)數(shù)，r表示所用遙感圖像的空間分辨率。

3 實(shí)驗(yàn)過(guò)程與結(jié)果分析

3.1 數(shù)據(jù)獲取與數(shù)據(jù)預(yù)處理

實(shí)驗(yàn)數(shù)據(jù)使用Landsat-8OLI遙感影像，Landsat-8是Landsat系列的第八顆衛(wèi)星，其攜帶的OLI陸地成像儀含有9個(gè)波段，能獲取豐富的遙感圖像信息。其中Band 5 NIR(近紅外波段)的波長(zhǎng)范圍為0.845 μm～0.885 μm，Band 4 Red(紅波段)，波長(zhǎng)范圍為0.630 μm～0.680 μm，Band 3 Green(綠波段)波長(zhǎng)范圍為0.525 μm～0.600 μm，本文使用ENVI5.3軟件將這3個(gè)波段進(jìn)行融合，得到標(biāo)準(zhǔn)假彩色圖像。標(biāo)準(zhǔn)假彩色圖像能夠更好區(qū)分出植被和水體，更加有利于水體信息的提取。之后使用ENVI5.3軟件對(duì)圖像進(jìn)行輻射定標(biāo)和大氣校正處理，輻射定標(biāo)用來(lái)將遙感影像的DN值轉(zhuǎn)換為反射率，大氣校正是為了消除或減小大氣分子和氣溶膠的散射與吸收對(duì)地物反射率的影響。使用NDWI水體指數(shù)對(duì)圖像進(jìn)行初始水體提取，水體指數(shù)處理后的圖像水體與地物的區(qū)分更加明顯，更加有利于后續(xù)算法的處理。初始遙感圖像處理的基本流程如圖2所示。

圖2 遙感圖像處理過(guò)程

本文共進(jìn)行兩組實(shí)驗(yàn)，分別選取石梁河水庫(kù)和小塔山水庫(kù)2018年8月的遙感影像，石梁河水庫(kù)總庫(kù)容5.31億m3，最大庫(kù)面積92 km2，是江蘇省內(nèi)最大的人工水庫(kù)，小塔山水庫(kù)始建于1958年，庫(kù)容量3億m3，興利水位時(shí)的水域面積約為24 km2，是蘇北地區(qū)第二大人工湖。將遙感影像中包含的水庫(kù)的部分單獨(dú)截取出來(lái)，進(jìn)行水體提取，圖像中包含水庫(kù)的全貌和其它的一些地物信息，這樣進(jìn)行水體提取時(shí)能夠更好獲得水庫(kù)的水體信息。

3.2 實(shí)驗(yàn)結(jié)果分析

對(duì)實(shí)驗(yàn)數(shù)據(jù)分別使用NDWI水體指數(shù)法、譜間關(guān)系法、直方圖法、Otsu算法和基于遺傳算法的改進(jìn)Otsu算法(即本文方法)進(jìn)行水體提取，第一組實(shí)驗(yàn)使用石梁河水庫(kù)的遙感影像，水體提取結(jié)果對(duì)比如圖3所示，圖3(a)為使用ENVI軟件處理后的原始圖像，圖3(b)為使用NDWI水體指數(shù)法提取水體的結(jié)果，從圖中可看出，NDWI水體指數(shù)對(duì)大范圍的水體提取效果較好，但是細(xì)小的水體提取不夠準(zhǔn)確。圖3(c)為譜間關(guān)系法水體提取結(jié)果，圖中黑色部分為水體，此方法提取的水體邊界信息較為模糊，不能很好突出邊界信息，且結(jié)果中存在大量的噪聲。圖3(d)為直方圖法的水體提取結(jié)果，此方法在處理細(xì)小水體和水體陰影時(shí)效果不好。圖3(e)為Otsu算法水體提取結(jié)果，從圖中可以明顯看出，Otsu算法存在誤提取現(xiàn)象，無(wú)法將陰影和水體準(zhǔn)確的區(qū)分開(kāi)來(lái)；圖3(f)為本文方法水體提取結(jié)果，從圖中可以看出，本文方法不僅可以準(zhǔn)確提取出水體信息，在水體邊緣的提取上要比其它兩種方法準(zhǔn)確，陰影和水體的區(qū)分也更加明確。從圖3中可看出，本文方法在水體提取上能夠取得良好的效果，在提取細(xì)節(jié)上要優(yōu)于其它幾種方法的提取效果，水體邊界的處理也更加精確，誤提取的現(xiàn)象也得到了明顯的改善。

圖3 石梁河水庫(kù)水體提取效果對(duì)比

第二組實(shí)驗(yàn)采用小塔山水庫(kù)2018年8月的遙感影像，提取結(jié)果對(duì)比如圖4所示，圖4(a)為小塔山水庫(kù)使用ENVI軟件處理后的原始遙感影像，相比于石梁河水庫(kù)的水體，小塔山水庫(kù)的水體與其它地物之間的光譜差異更小，提取難度也較大。圖4(b)為小塔山水庫(kù)NDWI水體指數(shù)的提取結(jié)果，從圖中可看出，NDWI水體指數(shù)法存在著陰影和水體模糊不清的情況，在水體邊界的提取上精度不高；圖4(c)為譜間關(guān)系法水體提取結(jié)果，其中黑色部分為水體，圖4(d)為直方圖法水體提取結(jié)果，從圖中可以看出，兩種方法都存在著誤提取現(xiàn)象，在細(xì)小水體和水體陰影的區(qū)分上不夠精確。圖4(e)為Otsu算法的提取結(jié)果，從圖中可看出，Otsu算法在水體邊界的提取上比NDWI水體指數(shù)法要更準(zhǔn)確更清晰，但是卻存在著一定的誤提取現(xiàn)象，將一些光譜特征近似水體的陰影部分也當(dāng)作水體提取出來(lái)；圖4(f)為本文方法提取結(jié)果，從圖中可看出，在水體邊界的提取上比其它幾種方法都要好，能夠區(qū)分出光譜特征近似于水體的其它地物，提取的準(zhǔn)確度好于其它幾個(gè)算法。

通過(guò)以上兩組實(shí)驗(yàn)可以看出本文提出的水體提取方法能夠滿(mǎn)足不同光譜特征的遙感影像，能夠適用于具有不同特征的水庫(kù)，且提取的效果較好，可以滿(mǎn)足水庫(kù)的面積監(jiān)測(cè)、水體信息管理等方面的需求。

圖4 小塔山水庫(kù)水體提取效果對(duì)比

對(duì)兩組實(shí)驗(yàn)中本文方法提取的水體結(jié)果圖進(jìn)行水庫(kù)水體面積提取，使用本文2.2中的水庫(kù)水體面積提取方法提取水庫(kù)水體信息，使用最大連通域算法找出圖像中最大的連通域，此連通域即為水庫(kù)的水體面積，提取結(jié)果如圖5所示，從圖中可以看出，使用此方法進(jìn)行水庫(kù)水體面積提取的效果良好，能夠很好的將非水庫(kù)水體去除，清晰展現(xiàn)出水庫(kù)的水體邊界和水體面積信息，可以很方便的對(duì)水庫(kù)的水體面積和邊界的變化進(jìn)行比較分析。當(dāng)需要進(jìn)一步計(jì)算水庫(kù)的水體面積時(shí)，可直接對(duì)水庫(kù)的水體像元數(shù)量進(jìn)行統(tǒng)計(jì)。

圖5 水庫(kù)水體提取結(jié)果

對(duì)第一組實(shí)驗(yàn)石梁河水庫(kù)進(jìn)行水庫(kù)水體的面積計(jì)算，根據(jù)選用的遙感影像的成像時(shí)間，查閱石梁河水庫(kù)的水位數(shù)據(jù)，得到所用遙感圖像成像時(shí)石梁河水庫(kù)的平均水位為23.97 m，再根據(jù)石梁河水庫(kù)的庫(kù)容曲線(xiàn)和對(duì)應(yīng)水庫(kù)面積的關(guān)系，計(jì)算出水庫(kù)的水體面積約為45.61 km2，將此面積作為水庫(kù)的實(shí)測(cè)面積，進(jìn)行實(shí)驗(yàn)對(duì)比和誤差計(jì)算。

圖像水庫(kù)水體面積的計(jì)算方法主要是利用圖像中水體的像元數(shù)量乘以圖像分辨率，Landsat-8的遙感影像分辨率為30 m，則一個(gè)像素點(diǎn)所表示的面積為900 m2，統(tǒng)計(jì)出圖像中水體像元的個(gè)數(shù)，就可以得出圖像中的水庫(kù)水體面積，其結(jié)果對(duì)比見(jiàn)表1。從表1中可以看出，5種方法算得的面積的絕對(duì)誤差都在2 km2以?xún)?nèi)，NDWI水體指數(shù)方法所提取的水庫(kù)面積的相對(duì)誤差為3.19%，譜間關(guān)系法和直方圖法所提取的水庫(kù)水體面積的相對(duì)誤差分別為1.2%和3.65%，Otsu算法提取的水庫(kù)水體面積的相對(duì)誤差為1.4%，本文方法提取的水庫(kù)水體面積的相對(duì)誤差僅為0.39%，相較于前幾種方法水庫(kù)水體面積計(jì)算的精度有明顯的提升。

表1 石梁河水庫(kù)水體面積計(jì)算結(jié)果對(duì)比

對(duì)第二組實(shí)驗(yàn)小塔山水庫(kù)進(jìn)行水庫(kù)水體面積計(jì)算，小塔山水庫(kù)的實(shí)測(cè)面積通過(guò)使用原始遙感影像進(jìn)行目視解譯獲取，使用ENVI軟件獲得水庫(kù)水體的面積約為21.69 km2，將此面積值作為水庫(kù)的實(shí)測(cè)面積。5種方法得出的面積值見(jiàn)表2，從表2中可看出，5種方法計(jì)算出的面積絕對(duì)誤差都在2 km2以?xún)?nèi)，能夠滿(mǎn)足實(shí)際的需要，NDWI水體指數(shù)法計(jì)算出的面積值得相對(duì)誤差為5.98%，譜間關(guān)系法和直方圖法所提取的水庫(kù)水體面積的相對(duì)誤差分別為8.23%和7.46%，Otsu算法計(jì)算出的面積值相對(duì)誤差為3.12%，本文方法計(jì)算出的面積值相對(duì)誤差僅為0.36%，因此，本文方法在計(jì)算面積的準(zhǔn)確度上比其它幾種方法有較明顯的提升，能夠滿(mǎn)足實(shí)際應(yīng)用的需求。

表2 小塔山水庫(kù)水體面積計(jì)算結(jié)果對(duì)比

4 結(jié)束語(yǔ)

本文通過(guò)對(duì)遙感影像的光譜特征進(jìn)行分析，提出一種基于遺傳算法和改進(jìn)Otsu算法的水體提取方法，并使用最大連通域算法提取水庫(kù)的水體信息。利用ENVI軟件對(duì)遙感影像進(jìn)行波段融合和預(yù)處理，使用NDWI水體指數(shù)對(duì)圖像進(jìn)行初始水體提取，然后用遺傳算法優(yōu)化改進(jìn)Otsu算法，首先利用遺傳算法根據(jù)最大類(lèi)間方差公式計(jì)算出兩個(gè)最佳閾值，之后根據(jù)最佳閾值采用滑動(dòng)窗口遍歷圖像像素點(diǎn)進(jìn)行閾值判斷，再利用自適應(yīng)閾值算法進(jìn)行局部閾值分割，進(jìn)一步細(xì)化水體信息，最后采用最大連通域算法進(jìn)一步提取水庫(kù)水體信息，根據(jù)計(jì)算出的水庫(kù)面積判斷水庫(kù)水體提取精度。本文方法在水體邊界提取和去除陰影方面相比于水體指數(shù)法、譜間關(guān)系法、直方圖法和傳統(tǒng)的Otsu算法有很大的改善，能夠在很大程度上反應(yīng)出水庫(kù)的面積變化和邊界特征，并且無(wú)需進(jìn)行人工標(biāo)注，在提取精度和提取速度上都有很好的表現(xiàn)。