多時相陰影輪廓差分輔助下的城市水體提取

歐健濱,羅文斐,劉 暢

(華南師范大學地理科學學院，廣東 廣州 510000)

隨著空間遙感技術的發展，利用遙感影像進行快速大范圍的水體信息提取在水資源調查、土地利用/覆蓋情況調查等方面起著很大的作用。目前水體提取主要依靠遙感影像光譜特性進行提取，例如單波段閾值法、譜間關系法、比值法、差值法等提取方法[1-3]。其中比值法和差值法是目前國內較為常用的水體提取方法[4-6]。

由于建筑物所造成的陰影與水體在遙感影像中的光譜信息較為接近[7]，使得在多光譜遙感圖像上運用指數法和差值法在城市地區進行水體信息提取，難免混有大量陰影[8-9]。因此，如何便捷高效地在水體提取中去除建筑物陰影的干擾是學者們研究的一個熱點。文獻[10]在NDWI的基礎上提出了MNDWI指數進行水體提取；文獻[11]提出NDVI指數結合DEM數據的方法來消除陰影的影響；文獻[12]提出集合波段閾值法和SWI指數方法來減少陰影信息；文獻[13]提出改進的譜間算法模型進行水體提取。這些方法都能在一定程度上去除陰影的干擾，但在城市地區中，水體與陰影的光譜信息相似性很大，而較低空間分辨率的DEM數據在城市中的應用意義不大，因此上述方法在城市水體提取上仍存在一定的局限。本文通過分析不同時相圖像下陰影輪廓位置和形狀的差異，提出一種基于多時相陰影輪廓差分的城市水體提取方法，并以廣州市天河區為試驗區進行水體信息提取。這對城市水資源調查與評估、防洪監測等方面具有重要意義。

1 研究區域與研究數據

1.1 研究區域

本文以廣州市天河區為研究區域。天河區是廣州市的城市中心區，其地形呈現北高南低的特征。北部的白云山為九連山脈向西南延伸的支脈，屬嶺南丘陵地形，在遙感圖像上具有因地形起伏形成的陰影；中部和東部則有多所高校及城中村的聚集；南部則是廣州市珠江新城的中心區，沿珠江建設有大型住宅小區、各種交通資源、多個重要的公共設施及大量的商業大樓，在遙感圖像上形成較多的建筑物陰影。

1.2 研究數據

本文的遙感數據為Landsat8 OLI影像和高分一號(GF-1)WFV影像。GF-1為國家高分辨率對地觀測系統重大專項天基系統中的首發星，其配置包括4臺16 m空間分辨率多光譜寬幅相機，重返周期為16 d。Landsat8是USGS最新發射的Landsat系列衛星，其OLI陸地成像儀包含8個30 m空間分辨率的多光譜波段和1個15 m分辨率的全色波段，重返周期為16 d。本文使用的遙感圖像相關參數見表1。經輻射定標與大氣校正后，本文利用OLI圖像對GF-1數據進行幾何校正，校正后圖像精度誤差RSM小于0.5個像元。

表1 遙感影像相關參數

2 原理與方法

2.1 基于光譜信息的城市水體初提取

在可見光范圍內，水體反射率總體較低，一般為4%～5%，而且在可見光到中紅外波段內有隨著波長增大而降低的特性，其中水體在近紅外波段(0.75～2.5 μm)具有強吸收的特點，圖像上總體呈現深色調[12]。因此,這一波長范圍常被用來圈定水體范圍的相關研究。本文先采用歸一化水體指數(NDWI)[14]在GF-1數據進行水體提取，為了盡量避免陰影信息，在OLI圖像上，本文使用改進歸一化水體指數(MNDWI)[7]來進行水體提取。但由于陰影在近紅外波段的反射率明顯低于綠波段反射率，引起NDWI和MNDWI值偏高，因此，單純依靠光譜特征很難避免水體與陰影的混分。

2.2 基于差分處理的陰影信息去除

地物陰影輪廓的長度、形狀、方位與衛星拍攝時刻的太陽高度角及太陽方位角有密切的聯系[15]。即在不同時刻拍攝的遙感圖片，由于太陽高度角和太陽方位角的變化，同一地物的陰影輪廓在兩幅遙感圖像上會有所不同，這是利用差分處理方法來進一步區分水體和陰影信息的基礎。廣義的差分圖像定義為目標場景在時間點k和k+1所成圖像的差別[16]

Δxk=xk+1-xk

(1)

式中，xk、xk+1分別為k和k+1時刻的陰影與水體提取結果圖像。

由于陰影的輪廓隨時間變化而變化，因此通過對不同時間拍攝的兩幅圖像的陰影與水體的提取結果求差，獲取其差分圖像，即可識別并剔除大部分陰影信息。如圖1所示，假設圖中灰色區域為建筑物的正射圖像，黑色區域為建筑物分別在兩幅不同圖像上所形成的陰影，由于不同影像上陰影的位置和形狀有所差異，因此經過兩個提取結果的求差后，A1和A2的陰影區域即可去除，只剩下較小的A3陰影區域的信息。而該部分陰影區域所占的像元數量不多，因此通過分類后處理即可進一步去除，從而獲得較好的水體提取結果。

2.3 高反射率地物混分信息去除

在水體初步提取結果中，混有高反射率地物的信息。本文對高反射率地物和水體樣本點進行光譜信息統計，如圖2所示。統計結果發現，高反射率地物在紅外波段上的反射率明顯高于水體的反射率，因此可以結合指數提取方法，在紅外波段利用閾值分割方法去除高反射率地物的混分信息。

綜合上述分析，可得出提取模型去除高反射率地物混分信息為

(2)

式中，Greeno為綠光波段，分別對應GF-1數據和OIL圖像的第2波段；NIR為近紅外波段，對應GF-1數據第4波段；MIR為中紅外波段，對應OIL圖像的第5波段；H1、H2、H3、H4分別代表兩幅圖像中提取工作的閾值，H1和H3的大小決定水體提取的結果，H2和H4的大小代表高反射率建筑物的去除效果。

2.4 水體信息提取總流程

本文基于多時相陰影差異特征，提出了一種基于多時相陰影輪廓差分的城市水體提取方法。該方法主要步驟如下：①先獲取相近時間但成像時刻太陽高度角及太陽方位角具有較大差異的兩幅遙感圖像，并對其進行預處理，以獲得真實地表反射率，以利于光譜分析；②結合圖像特征，運用合適的基于光譜特征的水體提取模型進行水體提取，形成兩幅圖像的提取結果圖像，提取時首先應注意盡量保留水體邊界、面積等水體信息的完整性；③通過設置兩幅圖像的近紅外波段閾值，去除高反射率建筑物的影響；④利用決策樹方法，將兩者所提取的水體信息進行求差，獲取差分圖像。再利用陰影輪廓在不同時刻遙感圖像上的差異性來區分陰影與水體，以達到去除陰影的效果。

3 結果分析與驗證

為驗證本文的WMSD模型提取城市水體信息的效果，本文對試驗區分別運用NDWI、MNDWI和SWI 3種水體指數進行水體提取。如圖3所示，3種水體指數算法都能提取到水體的大致范圍，但其結果混淆較多的建筑物陰影和高反射率地物信息。而基于WMSD法的水體提取結果，能較好提取到水體的大致范圍，同時明顯能夠去除大部分的建筑物陰影。

經計算，WMSD模型的提取結果總體精度相比NDWI、MNDWI和SWI這3種水體指數方法提取結果分別提高了8.50%、4.67%及9.50%，說明本文方法在解決城市建筑物陰影與水體信息混淆方面具有明顯優勢，能較好地在城市地區提取高精度水體信息，見表2。

表2 4種水體提取方法精度檢驗結果對比

4 結 語

本文利用陰影輪廓在不同太陽角高度、太陽方位角下在遙感圖像上的差異，在傳統單一指數水體提取的基礎上，提出了一種基于多時相陰影輪廓差分的城市水體提取方法(WMSD)。通過不同方法的對比試驗與精度分析，驗證了WMSD法能夠更好地保留水體信息，區分并抑制陰影信息，具有較高的城市地區水體提取精度。

本文所提出的WMSD方法一方面簡化了水體與陰影信息的區分過程，避免了復雜的波段運算及專家經驗知識限制，使人們能較為便捷地獲得城市地區高精度水體提取結果；另一方面，該方法也為解決陰影與水體混分問題從光譜特征關系之外提供了一種創新思路。此外，這種基于幾何特征的去除陰影方法，對于山體陰影的去除，以及在傳統相機獲取的遙感圖像上進行陰影去除，也具有一定的應用潛力。