基于NDWI分割與面向對象的水體信息提取

童李霞，燕 琴，駱成鳳，杜英坤,4

（1.山東科技大學，山東 青島 266590；2.國家測繪地理信息局，北京100830；

3.中國測繪科學研究院，北京 100830；4.山東農業大學，山東 泰安 271018）

基于NDWI分割與面向對象的水體信息提取

童李霞1,3，燕 琴2，駱成鳳3，杜英坤3,4

（1.山東科技大學，山東 青島 266590；2.國家測繪地理信息局，北京100830；

3.中國測繪科學研究院，北京 100830；4.山東農業大學，山東 泰安 271018）

基于OLI融合影像，運用面向對象的目標提取方法對龍羊峽水體信息進行了提取。先將NDWI作為一個波段疊加到融合后的多波段影像中參與多尺度分割，再結合隸屬度函數分類方法，選定NDWI的閾值范圍提取水體信息，最后與基于像元的NDWI水體提取方法進行了比較。結果表明，兩種方法受冰雪影響均較小，但面向對象的NDWI水體提取方法受山體陰影和薄云的影響較小，能完全消除基于像元的NDWI水體提取方法出現的“零星水體”現象。

NDWI；面向對象；水體提取；OLI影像

基于遙感影像提取水體信息對多尺度分析水資源分布和演變過程具有重要意義[1]。水體信息提取方法主要包括單波段法和多波段法[2]。單波段法雖最簡單易行，但提取精度不高，常被作為其他方法的輔助與優化[3]。多波段法包括譜間關系法和水體指數法，楊存建[4]等利用TM影像(TM2+TM3)＞(TM4+TM5)波段特征進行水體提取；Mcfeeters S K[5]利用綠光波段與近紅外波段的關系，提出歸一化水體指數（NDWI），該方法能在一定程度上抑制植被信息，突出水體信息，得到廣泛應用；在此基礎上，徐涵秋[6]利用短波紅外代替NDWI的近紅外波段，提出了歸一化差值水體指數（MNDWI），該方法消除了建筑物等的影響，更適用于城鎮地區的水體提取。除此之外，近年來還提出了基于紋理特征分類、神經網絡分類、模糊分類等方法[7]，但本質上都是基于像元級別的目標提取，難以避免由“同物異譜”“異物同譜”等引起的“椒鹽現象”。

面向對象的目標提取方法是將圖像分割為由若干個同質像元組成的對象，以對象為處理單元，不僅包含地物的光譜信息，還綜合考慮了空間結構信息、紋理信息等，實現了較高層次的目標地物提取[7-9]。因此，本文基于Landsat OLI影像，以青海地區龍羊峽庫區為例，將NDWI作為一個波段疊加到原始影像中參與影像分割，增強水體光譜特征，在對象層上進行水體信息提取，并與傳統的基于像元的NDWI水體提取方法進行了比較。

1 研究區與數據源

龍羊峽位于青海省境內，是黃河流經青海大草原后，進入黃河峽谷區的龍羊峽水庫第一峽口[10]。本文選用的遙感數據為Landsat8 OLI影像，行列號為132/035，成像時間為2014-04-24；7個多光譜波段空間分辨率為30 m，1個全色波段空間分辨率為15 m，本文以龍羊峽庫區為研究對象。

面向對象的分類方法，對高分辨率的影像應用較多且效果顯著[7-8,10]。為了提高水體提取精度，將多光譜和全色波段進行融合，在保持多光譜信息的基礎上，提高空間分辨率。ENVI中常用的融合算法有HSV、Brovey、PC、CN、SFIM、Gram-Schmidt等，其中Gram-Schmidt算法常被用于Landsat系列影像融合，且保真效果較好[8,11]。該算法首先從低分辨率的波段中復制一個全色波段；然后對復制的全色波段和多波段進行Gram-Schmidt變換，并以全色波段為第一個波段；再用高分辨率的全色波段替換Gram-Schmidt變換后的第一波段；最后應用Gram-Schmidt反變換得到融合圖像[12]。

2 研究方法

2.1 技術流程

根據水體光譜特征，利用NDWI進行水體提取，并將基于像元的NDWI水體提取方法與面向對象的NDWI水體提取方法進行了對比。提取流程如圖1所示。

2.2 基于像元的NDWI水體提取方法

水體反射率從可見光到近紅外依次降低，在近紅外波段反射率幾乎為零；而植被在近紅外波段反射率很高，用綠光波段和近紅外波段反射率反差組成NDWI進行水體提取。該水體指數可以很好地抑制植被，其計算公式為：

圖1 NDWI水體提取技術流程圖

NDWI=(Green-NIR)/(Green+NIR) (1)式中，Green為綠光波段，Landsat OLI中的第3波段；NIR為近紅外波段，Landsat OLI中的第5波段。計算NDWI時，影像的定標系數被約去，可直接用DN值代替反射率。對得到的NDWI影像圖進行直方圖分析，如圖2所示。

圖2 NDWI圖像灰度直方圖

水體直方圖呈雙峰分布，占比較大的波峰區域為水體，占比較小的波峰區域為背景。本文采用雙峰法選取閾值[11]，雙峰間的平緩范圍在[-0.021,0.072]，該閾值范圍內NDWI水體提取易受山體陰影和薄云影響。以0.01為間隔反復對比分析發現，閾值在[-0.021,0.042]時受大量山體陰影影響較大；在(0.042,0.072]時主要受薄云和少量山體陰影影響。本文通過與原影像對比，以提取水體準確率較大為原則，最終確定閾值為0.062。

2.3 面向對象的NDWI水體提取方法

2.3.1 多尺度分割

利用面向對象的方法對影像進行分類時，需先對影像進行分割以提取目標地物。本文采用多尺度分割法，先以某一個像元為一個對象，根據相鄰像元間的光譜異質性和對比度異質性設定閾值，對圖像進行合并和分割；再用形狀異質性對產生的對象進行修正；最后得到具有相同顏色、形狀、紋理等特征的多邊形[8]。多尺度分割是一個自下而上，內部優化的過程，分割尺度對目標信息的提取至關重要，尺度的選擇依賴于影像分辨率和應用目的[2,9]。

在ENVI5.1中，利用Layer Stacking將融合后的影像與NDWI影像進行疊加，再加載到eCognition8.7中進行分割與提取。為提高水體與非水體間的分類精度，將NDWI的權重設置為2。根據實驗區的實際情況，對分割尺度進行不斷試驗，選擇分割尺度為300、500、700進行比較，效果見圖3～5。分割尺度為300時，雖然在極大程度上能將水體和山體陰影分割開，但大的水體和其他植被裸地等過于破碎；分割尺度為700時，雖然大的水體和支流都較為完整，但水體和山體陰影存在較多混合。因此，本文綜合考慮選擇500作為最優分割尺度，形狀權重為0.1，緊湊度和光滑度均為0.5。

圖3 分割尺度為300的影像分割效果圖

圖4 分割尺度為500的影像分割效果圖

圖5 分割尺度為700的影像分割效果圖

2.3.2 面向對象的水體提取

eCognition中常用的面向對象分類方法有閾值分類法、多條件描述分類法、模糊分類方法（隸屬度函數）以及監督分類法（最鄰近分類法）等。本文采用NDWI層構造隸屬度函數的方法提取水體信息。通過目視和先驗知識得出，NDWI均值大于0.070均為水體，小于0.048均為非水體，介于二者之間的根據隸屬值進行判斷。

2.4 精度評價

分別利用基于像元的NDWI水體提取方法和面向對象的NDWI水體提取方法對水體信息進行提取，得到結果如圖6所示。本文以人工解譯的結果為標準，從目視判讀和定量統計兩個方面對提取結果進行精度評價。通過比較發現，面向對象的NDWI水體提取方法整體效果優于基于像元的NDWI水體提取方法，兩 種方法對輪廓線提取的效果較好，幾乎未受冰雪的影響。基于像元的NDWI水體提取方法，在水體東側受山體陰影影響較大，出現水體過提和“零星水體”等現象；在水體南部受薄云影響，存在水體漏提現象；而面向對象的NDWI水體提取方法基本消除了薄云和山體陰影影響（見表1）。

圖6 水體提取結果

表1 水體提取細節比較

以誤提率來定量判斷兩種方法提取的精度，包括過提率和漏提率，其中過提率是實際為非水體被錯提為水體的像元數與水體真實像元總數的比值；漏提率是實際為水體被分為非水體的像元數與水體真實像元總數的比值[11]。由于水體大小并非定值，隨季節變化等因素變化，因此本文以人工解譯的水體像元個數為水體真實像元總數，計算得到兩種提取方法的精度如表2所示。基于像元的NDWI水體提取方法受山體陰影和薄云的影響，其漏提率和過提率要高于面向對象的NDWI水體提取方法。

表2 水體信息提取精度/%

3 結 語

1）本文基于OLI影像，利用基于像元和面向對象的NDWI水體提取方法進行水體提取，并對提取效果進行了比較。

2）分析水體提取結果發現，面向對象的NDWI水體提取方法的整體提取效果優于基于像元的NDWI水體提取方法。基于像元的NDWI水體提取方法受山體陰影與薄云影響較大，而面向對象的NDWI水體提取方法能有效去除這兩種因素的影響，避免了“零星水體”的出現。

3）將NDWI作為一個波段疊加到OLI融合后的多光譜波段中參與分割，可作為水體光譜特征的補充。選擇合適的分割尺度，利用面向對象的分類方法提取水體信息，簡單易行，對水體提取的適用性較強。

[1] 栗敏光,范洪冬,鄧喀中.基于LBV變換的TM數據水體提取新方法[J].測繪科學,2010,35(3)：138-139

[2] 周文鑫,何隆華,馬榮華,等.基于面向對象的TM_LBV變換水體信息提取[J].中國科學院大學學報,2012(6)：775-779 [3] 畢海蕓,王思遠,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] 楊存建,徐梅.遙感信息原理的水體提取方法的探討[J].地理研究,1998(17)：86-89

[5] Mcfeeters S K. The Use of the Normalized Difference Water Index (NDWI) in the Delineation of Open Water Features[J]. International Journal of Remote Sensing,1996,17(7)：1 425-1 432

[6] 徐涵秋.利用改進的歸一化差異水體指數(MNDWI)提取水體信息的研究[J].遙感學報,2005,9(5)：589-595

[7] 曹凱,江南,呂恒,等.面向對象的SPOT 5影像城區水體信息提取研究[J].國土資源遙感,2007(2)：27-30

[8] 殷亞秋,李家國,余濤,等.基于高分辨率遙感影像的面向對象水體提取方法研究[J].測繪通報,2015(1)：81-85

[9] 張繼平,劉林山,張鐿鋰,等.面向對象的極高海拔區水體及冰川信息提取：以珠穆朗瑪峰國家級自然保護區核心區為例[J].地球信息科學學報,2010,12(4)：517-523

[10] 胡衛國,孟令奎,張東映,等.資源一號02 C星圖像水體信息提取方法[J].國土資源遙感,2014(2)：43-47

[11] 楊麗萍,夏敦勝,陳發虎.Landsat 7 ETM+全色與多光譜數據融合算法的比較[J].蘭州大學學報(自然科學版),2007, 43(4)：7-11,17

[12] 趙英時.遙感應用分析原理與方法[M].北京：科學出版社,2013

P237

B

1672-4623（2017）05-0057-03

10.3969/j.issn.1672-4623.2017.0051.8

童李霞，碩士研究生，主要研究方向為資源與環境遙感。

2016-08-23。

項目來源：中國測繪科學研究院基本科研業務資助項目（7771512）。