TM影像水体提取方法研究

遥感影像中水面及水体信息提取方法的研究

遥感影像中水面及水体信息提取方法的研究 胡启中1，祁建勇2 （1.上海佳文比特信息科技有限公司，上海，200135；2.河北建设勘察研究院有限公司，石家庄，050031） 摘要：根据遥感影像中不同光谱波段对不同地物的反射率特征，以西洋河流域2000年春秋两期Landsat7 ETM＋遥感数据为研究对象，结合实地调查数据，利用地理信息系统及遥感数据处理系统软件平台，建立植被覆盖度对不同季节、不同程度的植被覆盖、岩土裸露及水面水体相关的特征关系、对该流域内分布的各类中小型水库塘坝的水面和水体信息的分析和提取方法进行系统的研究和验证。通过结果分析表明：根据不同时相遥感影像的光谱波段组合建立不同的处理方法可以提高季节性变化的水面及水体信息识别和提取的精度和效率。 关键词 ：遥感影像；光谱分析；水体信息；提取方法 水面及水体信息的分析和提取，一直是遥感影像分析处理及解译分类的基础性工作，在水资源调查、水环境监测、水灾害评估等许多方面得到了广泛应用。国内外很多专家学者在大规模区域尺度、高精度空间分辨率及多时相时间分辨率的遥感数据基础上对水体的提取方法做了深入研究，并提出了许多行之有效的方法。 在中小流域尺度范围上，基于中低空间分辨率的卫星遥感影像，对各类中小型水库塘坝的水面及水体信息的分析和提取是困难的，即使单一的借助专业的遥感数据处理系统软件平台进行分类解译，不仅技术性强，步骤繁多，模型构造复杂，也是费工费时费力的。水域范围精度控制和水面水体提取效率的提高一直是遥感解译水面及水体信息方法改进的驱动力。 1 Landsat7 ETM＋遥感波段光谱特征及归一化植被指数应用 遥感数据是在预定的光谱波段（波长）上获得的。美国陆地卫星7号（Landsat-7）携带的增强型专题制图仪（ETM+），包含三个可见光波段兰绿红、一个近红外波段、二个中红外波段，空间分辨率为30米；一个热红外波段，空间分辨率为60米；另加一个空间分辨率为15米的全色波段。尽管空间分辨率不是较高，重采样覆盖周期16天，但其波段设置比较合理，并采集传输回大量的遥感数据，成为陆地资源调查及生态环境监测等诸多领域应用重要的遥感数据源之一。各种地物，尤其是岩石土壤、绿色植被和水面水体在可见光和红外波段附近具有明显的反射率特征。在光谱中，波段3可见光红光主要被植物吸收，同土壤和岩石相比，绿色植物的反射系数相当弱；而在波段4近红外线部分的反射却比多数其它地表覆盖物的反射要强得多[ 1 ]。水面或水体几乎吸收了近红外波段4和中红外波段5或7的全部能量使之反射率很低，同时土壤和植被在这三个波段内的吸收能量较小，而有较高的反射率，这就使得水体在这三个波段上与植被和土壤具有明显的光谱特征差异。因此在假自然色彩波段合成影像（RGB543波段组合）中，水体呈现出深蓝色及蓝色的暗色调，而土壤因其岩类基质特征呈不同浅色调，植被则呈现出相对较亮的深绿色、绿色或浅绿色色调。但由于不规则山体阴影的影响，使得近红外、中红外在阴坡面的反射能量特别低，它们在影像上也呈现出明显的暗色调；规则的铁路线、公路线等基础设施在遥感影像上也同时呈现出明显的暗色调。水面水体与山体阴影、铁路线、公路线等基础设施的光谱特征混淆使得遥感解译的普通分类方法难以准确提取水面水体信息。 归一化植被指数（NDVI），是植被指数的一种通用化指标形式，正是利用了遥感数据中近红外线和红光之间植被、水体及岩石土壤等其它地物的光谱特征，计算两波段之间的差异或比值，使之反映植被覆盖状况。因此，通过遥感数据直接计算的植被指数近一步估算植被覆盖度，在全球植被变化、作物生长状况、

MODIS影像处理流程——ok

1、同时期影像拼接、重投影、转格式（MRT） 黄土高原地区 Projected coordinate system name: Beijing_1954_3_Degree_GK_CM_108E Geographic coordinate system name: GCS_Beijing_1954 Map Projection Name: Transverse Mercator Scale Factor at Central Meridian: 1.000000 Longitude of Central Meridian: 108.000000 Latitude of Projection Origin: 0.000000 False Easting: 500000.000000 False Northing: 0.000000 北京54参考的椭圆： 椭球坐标参数：长半轴a=6378245m；短半轴=6356863.0188m 2、在Erdas中裁剪，得到研究区的原值NDVI -2000~9663 方法：aoi格式文件裁剪：在ERDAS图标面板工具条中单击Data Prep图标，Subset，打开Subset对话框。在Subset对话框中需要设置下列参数： ①输入文件名（input file） ②输出文件名（output file） ③单击aoi选中裁剪文件名：在choose aoi选项中选中文件名 ④其余的我选择默认，然后ok等结果 3、得到范围在-1~1的NDVI 方法：ENVI — Basic Tools — Band Math（波段运算，把负值去掉） 在弹出的对话框Band Math中，Enter an expression： (b1 lt 0)*0+(b1 ge 0)*(b1*0.0001)。 这个公式意思就是：要是值小于0 就乘以0，使其变为0；同时，值大于等于0的话就乘以0.0001

AVHRR图像上的水体提取

AVHRR图像上的水体提取 ●AVHRR图像上水体表现及特征分析 ●AVHRR图像上的水体识别提取模型 AVHRR图像上水体表现及特征分析 ●AVHRR数据拥有5个通道（CH），CH1（0.58-0.68微米）属橙色可见光范围，对水体中的泥沙 含量十分敏感；CH2（0.725-1.1微米）为近红外通道，为水的强吸收带，水体的反射率很低，水体的边界轮廓十分清晰。 ●为了整体上了解水体空间、时间、水质上的多变性在AVHRR影像上的反映，以及水体与其他易 混地物的区别，采用分地物类别按时间、空间变化的规律对AVHRR数据进行采样分析，分别在2月、5-8月AVHRR图像上对湖泊（太湖、鄱阳湖、洞庭湖、青海湖）、河流（长江、辽河）、海洋（黄海、东海、渤海）、云、云影、城市（上海、无锡、苏州、杭州）的光谱值进行采样分析。 ●该图幅内以平均值的光谱曲线为分界，厚云、薄云五个波段都相对为高值，光谱曲线明显高出 平均曲线；而其它地物明显低于或围绕平均曲线有小的起伏，其中云影在CH3、CH4、CH5又稍高于平均水平。从曲线的走向看，云、云影与河流、积水区一致，因此，要进一步区分水体与云及云影，在原有CH1>CH2的规律下，须加入CH2、CH3的判断条件，利用CH2、CH3的均值分别排除云及云影。 ●图内的河流、湖泊、海洋的3、4、5波段则相对洪水期有增高，表现出高于图幅均值的规律； 而云影在曲线走向和数据大小都与各种水体的规律极为相似，无法再加以区分；反而该时期的城市曲线依然全低于图幅均值，落在平均曲线的下方，虽然在CH1、CH2也满足水的规律，但完全可以利用CH3波段把它剔除掉。 ●上面的采样分析可知，在AVHRR这一特定的传感器上，水体的遥感特性与地面实测相比呈现出 一定程度的变化，表现为：正常情况下水体随空间的变化幅度较小，而随时间的变化幅度较大，而在洪水期间，水体表现大幅度的变化，由平常时期的相对稳定到起伏较大，呈现出特殊的规律。其中由于降水的增加引起水中泥沙含量，水温等异常变化也起到了相当大的作用，而由于时间变化引起水体的变化反映则相当的微弱。但无论水体随时间，空间怎么变化，则其在近红外吸收的特性则始终不变，且表现为CH1>>CH2，CH2<图像的均值；CH3有规律的上升或下降，在正常时期，水体CH3大于整幅图像的平均值，而洪水期间CH3小于整幅图像的均值，这就是水体在光谱多变性条件下，呈现出的统一规律，即光谱特征。 AVHRR图像上的水体提取模型 根据大量的水体光谱样本分析，得出AVHRR数据的水体信息摄取的基本光谱模型： ●CH1》CH2，且CH2<图像平均值； 洪灾期：CH3<图像平均值；非洪水期，且CH3>图像均值； ●随着水面积减小，混浊度增加，水深变浅，水体特征有所改变。CH1相对减小，CH2相对增加， 有向陆地逐渐过渡的趋势，且往往该部分水体是陆地包围的水体或覆盖在陆地上的浅水体。 ●在分析了水体在图像上的空间特征后，在光谱模型上又给出水体的空间模型： –水体相对于陆地或云层等呈现出较为均一的图斑，无明显的纹理特征 –水体图斑的边界相对于云层较稳定，河流的线状特征，湖泊、海洋等的面状特征较明显。 以上的光谱模型和空间模型采用面向对象的思想完成模型建立，可以实现水体的智能化信息提取。 TM图像上的水体提取 ●由于时间分辨率的限制，在洪水期难以获得无云雾的TM图像，因此TM主要用于洪水灾害损失 评估和本底水体的提取。 ●从TM数据中提取水体信息的关键是区分水体与其他地物的阴影，这同样需要进行不同地物各 波段的光谱值分析。 ●水体、阴影的第5波段明显小于第2波段。而其它地物则刚好相反。在第2、3波段上，水体的

关于图像特征提取

关于图像特征提取 特征提取是计算机视觉和图像处理中的一个概念。它指的是使用计算机提取图像信息，决定每个图像的点是否属于一个图像特征。特征提取的结果是把图像上的点分为不同的子集，这些子集往往属于孤立的点、连续的曲线或者连续的区域。 特征的定义 至今为止特征没有万能和精确的定义。特征的精确定义往往由问题或者应用类型决定。特征是一个数字图像中“有趣”的部分，它是许多计算机图像分析算法的起点。因此一个算法是否成功往往由它使用和定义的特征决定。因此特征提取最重要的一个特性是“可重复性”：同一场景的不同图像所提取的特征应该是相同的。 特征提取是图象处理中的一个初级运算，也就是说它是对一个图像进行的第一个运算处理。它检查每个像素来确定该像素是否代表一个特征。假如它是一个更大的算法的一部分，那么这个算法一般只检查图像的特征区域。作为特征提取的一个前提运算，输入图像一般通过高斯模糊核在尺度空间中被平滑。此后通过局部导数运算来计算图像的一个或多个特征。 有时，假如特征提取需要许多的计算时间，而可以使用的时间有限制，一个高层次算法可以用来控制特征提取阶层，这样仅图像的部分被用来寻找特征。 由于许多计算机图像算法使用特征提取作为其初级计算步骤，因此有大量特征提取算法被发展，其提取的特征各种各样，它们的计算复杂性和可重复性也非常不同。 边缘 边缘是组成两个图像区域之间边界（或边缘）的像素。一般一个边缘的形状可以是任意的，还可能包括交叉点。在实践中边缘一般被定义为图像中拥有大的梯度的点组成的子集。一些常用的算法还会把梯度高的点联系起来来构成一个更完善的边缘的描写。这些算法也可能对边缘提出一些限制。 局部地看边缘是一维结构。 角 角是图像中点似的特征，在局部它有两维结构。早期的算法首先进行边缘检测，然后分析边缘的走向来寻找边缘突然转向（角）。后来发展的算法不再需要边缘检测这个步骤，而是可以直接在图像梯度中寻找高度曲率。后来发现这样有时可以在图像中本来没有角的地方发现具有同角一样的特征的区域。 区域 与角不同的是区域描写一个图像中的一个区域性的结构，但是区域也可能仅由一个像素组成，因此许多区域检测也可以用来监测角。一个区域监测器检测图像中一个对于角监测器来说太平滑的区域。区域检测可以被想象为把一张图像缩小，然后在缩小的图像上进行角检测。 脊 长条形的物体被称为脊。在实践中脊可以被看作是代表对称轴的一维曲线，此外局部针对于每个脊像素有一个脊宽度。从灰梯度图像中提取脊要比提取边缘、角和区域困难。在空中摄影中往往使用脊检测来分辨道路，在医学图像中它被用来分辨血管。 特征抽取 特征被检测后它可以从图像中被抽取出来。这个过程可能需要许多图像处理的计算机。其结果被称为特征描述或者特征向量。 常用的图像特征有颜色特征、纹理特征、形状特征、空间关系特征。 一颜色特征 （一）特点：颜色特征是一种全局特征，描述了图像或图像区域所对应的景物的表面性质。一般颜色特征是基于像素点的特征，此时所有属于图像或图像区域的像素都有各自的贡献。由于颜色对图像或图像区域的方向、大小等变化不敏感，所以颜色特征不能很好地捕捉图像中对象的局部特征。另外，仅使用颜色特

水体提取方法

水体提取方法简单归纳总结 一、基于MODIS影像的几种提取方法。 最常用的水体提取方法： 波段阈值法、谱间关系法（波段组合法）和多光谱混合分析法 单波段阈值法是提取水体的最简单易行的方法。 基本原理：是利用水体在近红外波段上反射率较低,易与其它地物区分的特点,选取单一的红外波段, 通过反复试验, 确定一个灰度值,作为区分水体与其它地物的阈值即可。 缺点：是无法将水体与山区阴影区分开来,提取的水体往往比实际要多。 有些文献中叙述由于阀值随时间、地点变化的不确定性使得该方法具有局限性,但对于非山区的特定时相和区域里,尤其像MODIS 这样高光谱的遥感数据, 首先应选用阈值法进行试验,因为光谱的细分已经将上述问题大大减弱。若能获得较满意的提取效果,则很容易实现水体的自动提取。 对于用阈值法确实得不到理想效果的,则可以考虑谱间关系法和多光谱混合分析法。 利用谱间关系可建立的模型很多,如对波段进行如下组合运算CH7/CH6 ,CH7/CH5, CH6/CH5, 从而找出组合图像上水陆分界非常明显的影像。以CH7/CH6为例,可以采用如下方法剔除非水体: 在ENVI 软件下输入CH7 及CH6 波段, 运用波段计算功能,将公式CH7/CH6 输入,载入影像, 在放大窗口中,手工裁取明水水域范围, 生成多边形,对各多边形赋予一个感兴趣区( AOI) 文件, 并将其输出为EN-VI 等矢量文件即可。 对波段进行组合运算的目的,是为了增强水陆反差。MODIS 数据的波段1 是红光区( 0. 62 ～0.67um) ,水体的反射率高于植被, 波段2 是近红外区( 0. 841 ～0. 876um) ,植被

图像特征提取总结

图像常见特征提取方法简介 常用的图像特征有颜色特征、纹理特征、形状特征、空间关系特征。 一、颜色特征 （一）特点：颜色特征是一种全局特征,描述了图像或图像区域所对应的景物的表面性质。一般颜色特征是基于像素点的特征，此时所有属于图像或图像区域的像素都有各自的贡献。由于颜色对图像或图像区域的方向、大小等变化不敏感，所以颜色特征不能很好地捕捉图像中对象的局部特征。另外，仅使用颜色特征查询时，如果数据库很大，常会将许多不需要的图像也检索出来。颜色直方图是最常用的表达颜色特征的方法，其优点是不受图像旋转和平移变化的影响，进一步借助归一化还可不受图像尺度变化的影响，基缺点是没有表达出颜色空间分布的信息。 （二）常用的特征提取与匹配方法 （1）颜色直方图 其优点在于：它能简单描述一幅图像中颜色的全局分布，即不同色彩在整幅图像中所占的比例，特别适用于描述那些难以自动分割的图像和不需要考虑物体空间位置的图像。其缺点在于：它无法描述图像中颜色的局部分布及每种色彩所处的空间位置，即无法描述图像中的某一具体的对象或物体。 最常用的颜色空间：RGB颜色空间、HSV颜色空间。 颜色直方图特征匹配方法：直方图相交法、距离法、中心距法、参考颜色表法、累加颜色直方图法。 （2）颜色集 颜色直方图法是一种全局颜色特征提取与匹配方法，无法区分局部颜色信息。颜色集是对颜色直方图的一种近似首先将图像从RGB颜色空间转化成视觉均衡的颜色空间（如HSV 空间），并将颜色空间量化成若干个柄。然后，用色彩自动分割技术将图像分为若干区域，每个区域用量化颜色空间的某个颜色分量来索引，从而将图像表达为一个二进制的颜色索引集。在图像匹配中，比较不同图像颜色集之间的距离和色彩区域的空间关系 （3）颜色矩 这种方法的数学基础在于：图像中任何的颜色分布均可以用它的矩来表示。此外，由于颜色分布信息主要集中在低阶矩中，因此，仅采用颜色的一阶矩（mean）、二阶矩（variance）和三阶矩（skewness）就足以表达图像的颜色分布。 （4）颜色聚合向量 其核心思想是：将属于直方图每一个柄的像素分成两部分，如果该柄内的某些像素所占据的连续区域的面积大于给定的阈值，则该区域内的像素作为聚合像素，否则作为非聚合像素。（5）颜色相关图 二纹理特征 （一）特点：纹理特征也是一种全局特征，它也描述了图像或图像区域所对应景物的表面性质。但由于纹理只是一种物体表面的特性，并不能完全反映出物体的本质属性，所以仅仅利用纹理特征是无法获得高层次图像内容的。与颜色特征不同，纹理特征不是基于像素点的特征，它需要在包含多个像素点的区域中进行统计计算。在模式匹配中，这种区域性的特征具有较大的优越性，不会由于局部的偏差而无法匹配成功。作为一种统计特征，纹理特征常具有旋转不变性，并且对于噪声有较强的抵抗能力。但是，纹理特征也有其缺点，一个很明显的缺点是当图像的分辨率变化的时候，所计算出来的纹理可能会有较大偏差。另外，由于有可能受到光照、反射情况的影响，从2-D图像中反映出来的纹理不一定是3-D物体表面真实

遥感影像水体提取实验

基于高分一号卫星多时相数据的洪水监测 摘要：本文利用两幅高分一号多光谱影像数据，通过ENVI4.8软件，采用NDVI对黑龙江地区水体进行了提取，并在图像上展示了水体变化区域，计算了水体变化面积。结果表明：9月9日黑龙江水域面积比8月27日增加了226.6822 km。最后又采用了假彩色合成法展示了水体增加区域。结果表明：两种方法对水体变化信息的提取具有一致性。 1 数据介绍 本作业获得了两幅高分一号TIF数据，分别是8月27日，9月9日。每幅影像有4个波段，查阅资料得知：1波段波长为0.45-0.52um，属于蓝、青光，2波段波长为0.52-0.59um，属于黄、绿光，3波段波长为0.63-0.69um，属于红光，4波段为0.77-0.89，属于近红外。 图1 0827影像信息图2 0909影像信息 2 研究区域 由所给数据的经纬度坐标可知，研究区域为抚远县，其地处黑龙江、乌苏里江交汇的三角地带。地理方位是东经133° 40′ 08″至

135° 5′20″,北纬47° 25′30″至48° 27′40″。 图3 研究区域的百度卫星地图 2 水体提取方法选择 单波段：水体在近红外波段的反射率很低，所以可以设置阈值进行提取。 归一化水体指数 )/()(NIR Green NIR Green NDWI ρρρρ+-= 归一化植被指数 )/()(NDVI Re Re d NIR d NIR ρρρρ+-= 但单波段方法中阈值的设置需要反复调整，而高分一号数据的1、2波段不完全是蓝、绿光，而3、4波段完全是红、近红外。所以选择归一化植被指数提取水体。-1=

图像特征提取方法

图像特征提取方法 摘要 特征提取是计算机视觉和图像处理中的一个概念。它指的是使用计算机提取图像信息，决定每个图像的点是否属于一个图像特征。特征提取的结果是把图像上的点分为不同的子集，这些子集往往属于孤立的点、连续的曲线或者连续的区域。 至今为止特征没有万能和精确的图像特征定义。特征的精确定义往往由问题或者应用类型决定。特征是一个数字图像中“有趣”的部分，它是许多计算机图像分析算法的起点。因此一个算法是否成功往往由它使用和定义的特征决定。因此特征提取最重要的一个特性是“可重复性”：同一场景的不同图像所提取的特征应该是相同的。 特征提取是图象处理中的一个初级运算，也就是说它是对一个图像进行的第一个运算处理。它检查每个像素来确定该像素是否代表一个特征。假如它是一个更大的算法的一部分，那么这个算法一般只检查图像的特征区域。作为特征提取的一个前提运算，输入图像一般通过高斯模糊核在尺度空间中被平滑。此后通过局部导数运算来计算图像的一个或多个特征。 常用的图像特征有颜色特征、纹理特征、形状特征、空间关系特征。当光差图像时，常 常看到的是连续的纹理与灰度级相似的区域，他们相结合形成物体。但如果物体的尺寸很小 或者对比度不高，通常要采用较高的分辨率观察：如果物体的尺寸很大或对比度很强，只需 要降低分辨率。如果物体尺寸有大有小，或对比有强有弱的情况下同事存在，这时提取图像 的特征对进行图像研究有优势。 常用的特征提取方法有：Fourier变换法、窗口Fourier变换（Gabor)、小波变换法、最 小二乘法、边界方向直方图法、基于Tamura纹理特征的纹理特征提取等。

设计内容 课程设计的内容与要求（包括原始数据、技术参数、条件、设计要求等）：一、课程设计的内容 本设计采用边界方向直方图法、基于PCA的图像数据特征提取、基于Tamura纹理特征的纹理特征提取、颜色直方图提取颜色特征等等四种方法设计。 （1）边界方向直方图法 由于单一特征不足以准确地描述图像特征,提出了一种结合颜色特征和边界方向特征的图像检索方法.针对传统颜色直方图中图像对所有像素具有相同重要性的问题进行了改进,提出了像素加权的改进颜色直方图方法;然后采用非分割图像的边界方向直方图方法提取图像的形状特征,该方法相对分割方法具有简单、有效等特点,并对图像的缩放、旋转以及视角具有不变性.为进一步提高图像检索的质量引入相关反馈机制,动态调整两幅图像相似度中颜色特征和方向特征的权值系数,并给出了相应的权值调整算法.实验结果表明,上述方法明显地优于其它方法.小波理论和几个其他课题相关。所有小波变换可以视为时域频域的形式，所以和调和分析相关。所有实际有用的离散小波变换使用包含有限脉冲响应滤波器的滤波器段(filterbank)。构成CWT的小波受海森堡的测不准原理制约，或者说，离散小波基可以在测不准原理的其他形式的上下文中考虑。 通过边缘检测，把图像分为边缘区域和非边缘区域，然后在边缘区域内进行边缘定位．根据局部区域内边缘的直线特性，求得小邻域内直线段的高精度位置；再根据边缘区域内边缘的全局直线特性，用线段的中点来拟合整个直线边缘，得到亚像素精度的图像边缘．在拟合的过程中，根据直线段转角的变化剔除了噪声点，提高了定位精度．并且，根据角度和距离区分出不同直线和它们的交点，给出了图像精确的矢量化结果 图像的边界是指其周围像素灰度有阶跃变化或屋顶变化的那些像素的集合，边界广泛的存在于物体和背 景之间、物体和物体之间，它是图像分割所依赖的重要特征．边界方向直方图具有尺度不变性，能够比较好的 描述图像的大体形状．边界直方图一般是通过边界算子提取边界，得到边界信息后，需要表征这些图像的边 界，对于每一个边界点，根据图像中该点的梯度方向计算出该边界点处法向量的方向角，将空间量化为M级， 计算每个边界点处法向量的方向角落在M级中的频率，这样便得到了边界方向直方图． 图像中像素的梯度向量可以表示为[ ( ，)，)，( ，)，)] ，其中Gx( ，)，)，G ( ，)，)可以用下面的

ETM图像水体信息提取

ETM图像水体信息提取 仇大海1，田淑芳1，吴亚玲2 1中国地质大学（北京）遥感教研室北京市（100083） 2北京鼎峰同惠工业技术有限公司北京市（100098） E-mail：qdh12011@https://www.wendangku.net/doc/8812243537.html, 摘要：本文应用云南省南部地区的ETM遥感影像图，对该区域内的水体信息进行提取。以G48C004002为典型示范区，结合交互式矢量化和野外验证成果对各种方法进行分析选优，最后提出了一种水体提取的新方法：缨帽变换湿度分量法，经验证该方法满足提取要求。本文还对去除影响因素进行了深入的探讨，例如对于阴影的去除和混合像元影响的去除。关键词：信息提取，缨帽变换，遥感，阈值 中图分类号：K909 1. 引言 本论文基于中国地质调查局2005年项目《中国陆域边界云南瑞丽江—大盈江中下游地区基础地质遥感调查》。工作区北部与青藏高原相连，南到中缅、中老、中越边界，东西横跨1200km，南北纵跨800km，地理坐标位于东径97°30′—106°10′，北纬21°00′—28°00′，总面积约400000km2，涉及1∶25万比例尺地形图34幅。该工作区属于我国西南多云多雨地区，气候湿润，雨量充沛，植被茂盛，水量丰富。工作所采用的ETM数据共25幅。本文以1：25万标准分幅G48C004002为例（如图1），讨论遥感方法在提取水体中的实用性。 图1 G48C004002 ETM（742）彩色合成示意图 随着人类活动规模的增强，人类影响环境能力越来越显著，生态地质环境也快速地发生着变化，主要表现在干旱、洪涝、泥沙淤积河道、水土流失和滑坡、泥石流地质灾害时有发生等。这些变化直接威胁着该地区的经济发展，同时也影响着邻国的环境变化，容易引起国际纠纷，不利于和平稳定的周边环境。因此该区域内的水体信息调查尤为重要，水体信息调查为环境评估和地质灾害的预防和治理提供依据。 该区域面积较大、环境复杂，用传统的工作方法很难满足要求，而遥感技术以其大面积、同步观测的优势发挥了在该区域内水体调查的优势，因此如何采用最优的遥感方法结合GIS 等多种技术提取水体信息就成了本文论述的重点。研究过程中使用了1999年和2001年的ETM遥感数据、当地的地形图、地质资料、气象资料等等。主要的工作思路如下图：

静态图像人体轮廓提取方法的研究

静态图像人体轮廓提取方法的研究 静态图像人体轮廓提取是指从静态图像中将人体轮廓分割出来,它在计算机视觉中的人体行为识别、背景分割与替换等多个方面都有着广泛的应用。静态图像人体轮廓提取面临着巨大的挑战,包括人体姿态的多样性,衣着的各异性,光线的变化以及复杂的背景等多个方面。 近年来,随着深度学习的快速发展,图像处理领域中基于传统特征提取的方法逐渐被深度学习所取代,而卷积神经网络在图像特征提取方面体现出了很大的优势。因此,采用卷积神经网络进行人体轮廓提取具有重要意义。 本文的主要研究内容如下:1.针对传统特征提取无法精准分割人体轮廓的问题,采用一种基于深度学习的人体轮廓提取方法。该方法设计了特定的卷积神经网络结构,在模型中引入了全卷积神经网络,反卷积与网络中网络的相关技术,实现了对静态图像在像素级别的人体轮廓提取。 2.为了提高模型的性能,在本文所构建卷积神经网络的基础上提出了一种改进方法,将原始图像经过Gabor滤波器进行预处理后再传入卷积神经网络,利用Gabor特征与卷积神经网络相结合实现了更精确的人体轮廓提取。 3.分别借助VOC2012数据集和百度人体分割数据集来验证本文所提出方法的有效性。 并将改进后的模型应用于具有隐私保护功能的视频监控系统,选择CAVIAR 视频监控数据集中的视频进行测试,并对结果进行分析。实验结果表明:(1)基于卷积神经网络的人体轮廓提取方法实现了对人体轮廓的快速有效分割,体现了利用深度学习进行实验的可行性;(2)改进后的模型在VOC2012数据集上的吻合度测试结果比原始模型提高了 10.96%;(3)在百度数据集上的测试结果表明该改进方法相比于其他现有方法,在准确度和处理速度等方面都能体现出合理性和有效

水体样本提取的方法

水体样本提取的方法 手提 （细菌细胞直径约0.5um，长度约0.5~5um） 将300-500ml水样通过0.45um或者0.22um的滤膜 如果水样中不可溶解的颗粒较多，需要使用2-5um孔径的滤膜将不可溶解的颗粒杂质滤去，滤膜孔径大于水体微生物细胞直径。 用于水体微生物富集的滤膜的选择： 常用的滤膜孔径大小有45mm和22mm两种，孔径太小滤膜容易阻塞，45mm的孔径大小透水性较好，提样的时候可根据客户的需要，选择45mm或22mm孔径的滤膜。 滤膜材质有很多种，常用的三种为聚苯醚砜滤膜、混合纤维素酯薄膜、氧化铝薄膜。 聚苯醚砜滤膜（Polyethersulfone）：最结实的滤膜之一，可以过滤比其它滤膜更多的水样。使用真空泵可快速抽干，易于折叠不易撕破。能抵受真空泵长时间高压力的滤过。若需要过滤大量低微生物含量的清亮水样，0.22mm滤膜的更合适。在提取核酸时，得率可与PowerWater? DNA 和RNA Isolation Kits中自带的混合纤维素酯滤膜相媲美。 混合纤维素酯滤膜（膜醋酸纤维素、硝酸纤维素）: 0.45μm孔径最合适材质。如果水样浑浊，使用0.22μm滤膜过滤缓慢容易堵塞时，建议使用0.45μm孔径的滤膜。纤维素滤膜吸水性强，不好处理。有文献显示杀虫剂和除草剂很容易吸附到纤维素滤膜上。若样品含有杀虫剂和除草剂，最好避免使用这类滤膜。 聚碳酸酯滤膜（Polycarbonate）: 这种滤膜很薄且容易起褶皱，所以不太好用。通常用0.45μm孔径的滤膜来预防过滤时发生阻塞。不像聚醚砜膜（PES）和混纤膜（MCE），水样中微生物会停留在滤膜表面。使得滤膜很容易阻塞，本该滤过的小颗粒也会截留下来。实验证明，珠磨研磨破碎强度越小，获得DNA分子量越大。如果样品只是用来做PCR，可以采用强力的研磨方法提高得率，暂时忽略片段破碎。 样品富集之后按照以下方法进行提取： 1. 滤膜剪碎，溶于500ul水中，液氮反复冻融（或用超低温冰箱）（从-70℃拿出来后在65℃水中冻融，小心操作，防止管子炸裂）【裂解细胞】 2. 将水样于13000rpm下离心，10min，收集沉淀 3. 沉淀溶于100ul 1×TE，重悬

遥感ENVI水体信息提取实验

遥感ENVI水体信息提取实验

实习一：水体信息提取姓名：XXxx 学号：!!!!!!!!!!!!!!!!!!! 专业：地理信息科学 教师：XXXXX 成绩：

环境与规划学院 二〇一六年四月 实验报告 一实验目的 学习水体光谱的征曲线，掌握应用遥感图像处理软件进行水体波普的差异性分析。 掌握水体提取的常用方法；能够使用ENVI 软件进行水体信息提取。 二实验内容 遥感探测的水体波谱信息：水可以吸收也可以散射通过水汽界面的波谱辐射能量（Ed），但水的散射会增加天空辐射能量（Eu），而水的吸

收则会同时减少Ed和Eu。 遥感影像记录了地表物体的反射信息及其自身向外的辐射信息。相对于其他地物而言，水体在整个光谱范围内都呈现出较弱的反射率。 在近红外、中红外及短波红外部分，水体几乎吸收了去不得入射能量，因此水体在这些的反射率特别低，而土壤、植被、建筑物等在这些波段吸收能量较小，具有较高的反射率，是的水体与他们具有明显的区别。 水体信息提取有助于确定水体边界、了解水域面积变化、水文水资源要素，提取结果可用于水资源信息统计及相关的辅助决策 三实验方案 单波段法（阈值）； 多波段法（谱间关系法、比值法、归一化差异水体指数（NDWI）、改进的归一化差异水体指数（MNDWI） 1．图像预处理 （1）辐射定标：将DN值转成辐亮度

File--->open image file--->。。。。MTL.txt--->spectral--->Preprocessing--->C alibration Utilities--->Landsat Calibration--->（选择文件），OK--Radiance，File，choose（选择保存地址并命名），Ok （2）BSQ转成BIL Basic Tools-->Convert data （BSQ、BIL、BIP）-->-BIL，choose（选择保存地址并命名），Ok （3）Flaash大气校正 Spectral--->Preprocessing--->Calibr ation Utilities--->Flaash —>

ASTER遥感影像水体信息提取方法研究

收稿日期:2008206204;修订日期:2008208225 基金项目:安徽省教育厅自然科学基金资助项目(K J 2007B219);安徽省教育厅教学研究项目(2007J YXM208)。 作者简介:黄海波(1982-)男,硕士研究生,主要从事遥感图像处理、土地利用/覆盖变化研究。E 2mail :hhb1001@https://www.wendangku.net/doc/8812243537.html, 。 ASTER 遥感影像水体信息提取方法研究 黄海波1,2,赵　萍1,2,陈志英1,郭　伟1,2 (1.安徽师范大学国土资源与旅游学院,安徽芜湖　241000; 2.安徽师范大学GIS 重点实验室,安徽芜湖　241000) 摘要:以安徽省芜湖市为试验区,首先对试验区水体和其它各类地物的光谱特征进行分析,探讨水体在ASTER 遥感影像各个波段与其它地物之间的可分性,然后经过反复实验和分析,构建了基于波段阈值和谱间关系的水体提取模型:B2>B3,B1+B6<127,B3+B4<54和B3<24,最后将该方法提取结果与非监督分类、监督分类和植被指数法提取结果进行评价和比较。实验结果表明该方法可较好地提取研究区各类水体,分类精度明显优于传统提取方法,且简单实用,但在对光谱特征分析过程中样本点选取要求较高。 关　键　词:ASTER ;水体信息提取;谱间关系 中图分类号:TP 79 文献标志码:A 文章编号:100420323(2008)0520525204 1　引　言 水资源分布的调查与监测是控制水污染和生态 保护的前提,而卫星数据具有监测范围广、获取周期 短、地物信息丰富的特点,对调查与监测水资源分布 起着重要的作用。国内外众多学者对水体遥感专题 信息的提取进行了研究,如Bartolucci [1]等通过对 Landsat MSS 数据的研究,指出MSS 波段中近红外 波段为提取水体的最佳波段;秦其明[2]等通过像素 的重组,在区域分割和边界跟踪的基础上,对卫星图 像进行水体形状特征的抽取与描述,实现不同水体 类型的识别;陈华芳[3]等对Landsat ETM +影像,分 别采用了阈值法、差值法和阈值法的结合运用、多 波段谱间关系法和阈值法的结合这3种方法对湿 地进行识别;王志辉,易善祯[4]通过对5种不同水体提取模型(RV I ,NDV I ,NDWI ,MNDWI ,NDSI )原理分析,结合具体实例(洞庭湖水域)进行水体遥感提取来说明5种方法提取水体的差异,从而确定在不同时期和不同用途时所采用最佳的水体提取模型。本文从水体的遥感信息光谱特征入手,分析各地物类型在ASTER 数据各个波段所记录的波谱信息情况差异,探讨水体与其它地物的区分方法。ASTER 是搭载在Terra 卫星上的星载热量散发和反辐射仪,于1999年12月18日发射升空,由日本国际贸易和工业部制造。ASTER 通过从可见光到热红外14个频道获取整个地表的高分辨解析图像数据-黑白立体照片,为多个相关的地球环境资源研究领域提供科学、实用的卫星数据。其主要参数如表1[5]。 表1　ASTER 卫星主要参数表 T able 1　Main parameters table of ASTER satellite 波段 B1B2B3N B4B5B6B7B8B9B10B11B12B13B14波长(um )0.52 0.630.76 1.6 2.145 2.185 2.235 2.295 2.368.1258.4758.92510.2510.950.630.69 0.86 1.7 2.185 2.225 2.285 2.365 2.438.4758.8259.27510.9511.65分辨率(m )15 15153030303030309090909090第23卷　第5期2008年10月遥　感　技　术　与　应　用REMOTE SENSIN G TECHNOLOGY AND APPLICATION V ol.23　N o.5 Oct.2008

(完整版)图像特征特点及常用的特征提取与匹配方法

图像特征特点及常用的特征提取与匹配方法 常用的图像特征有颜色特征、纹理特征、形状特征、空间关系特征。 一颜色特征 （一）特点：颜色特征是一种全局特征,描述了图像或图像区域所对应的景物的表面性质。一般颜色特征是基于像素点的特征，此时所有属于图像或图像区域的像素都有各自的贡献。由于颜色对图像或图像区域的方向、大小等变化不敏感，所以颜色特征不能很好地捕捉图像中对象的局部特征。另外，仅使用颜色特征查询时，如果数据库很大，常会将许多不需要的图像也检索出来。颜色直方图是最常用的表达颜色特征的方法，其优点是不受图像旋转和平移变化的影响，进一步借助归一化还可不受图像尺度变化的影响，基缺点是没有表达出颜色空间分布的信息。 （二）常用的特征提取与匹配方法 （1） 颜色直方图 其优点在于：它能简单描述一幅图像中颜色的全局分布，即不同色彩在整幅图像中所占的比例，特别适用于描述那些难以自动分割的图像和不需要考虑物体空间位置的图像。其缺点在于：它无法描述图像中颜色的局部分布及每种色彩所处的空间位置，即无法描述图像中的某一具体的对象或物体。 最常用的颜色空间：RGB颜色空间、HSV颜色空间。 颜色直方图特征匹配方法：直方图相交法、距离法、中心距法、参考颜色表法、累加颜色直方图法。 （2） 颜色集 颜色直方图法是一种全局颜色特征提取与匹配方法，无法区分局部颜色信息。颜色集是对颜色直方图的一种近似首先将图像从RGB颜色空间转化成视觉均衡 的颜色空间（如HSV 空间），并将颜色空间量化成若干个柄。然后，用色彩自动分割技术将图像分为若干区域，每个区域用量化颜色空间的某个颜色分量来索引，从而将图像表达为一个二进制的颜色索引集。在图像匹配中，比较不同图像颜色集之间的距离和色彩区域的空间关系 （3） 颜色矩

遥感ENVI水体信息提取实验

实习一：水体信息提取姓名：XXxx 学号：!!!!!!!!!!!!!!!!!!! 专业：地理信息科学 教师：XXXXX 成绩： 环境与规划学院 二〇一六年四月

实验报告 一实验目的 学习水体光谱的征曲线，掌握应用遥感图像处理软件进行水体波普的差异性分析。 掌握水体提取的常用方法；能够使用ENVI软件进行水体信息提取。 二实验内容 遥感探测的水体波谱信息：水可以吸收也可以散射通过水汽界面的波谱辐射能量（Ed），但水的散射会增加天空辐射能量（Eu），而水的吸收则会同时减少Ed和Eu。 遥感影像记录了地表物体的反射信息及其自身向外的辐射信息。相对于其他地物而言，水体在整个光谱范围内都呈现出较弱的反射率。 在近红外、中红外及短波红外部分，水体几乎吸收了去不得入射能量，因此水体在这些的反射率特别低，而土壤、植被、建筑物等在这些波段吸收能量较小，具有较高的反射率，是的水体与他们具有明显的区别。 水体信息提取有助于确定水体边界、了解水域面积变化、水文水资源要素，提取结果可用于水资源信息统计及相关的辅助决策 三实验方案 单波段法（阈值）； 多波段法（谱间关系法、比值法、归一化差异水体指数（NDWI）、改进的归一化差异水体指数（MNDWI） 1．图像预处理 （1）辐射定标：将DN值转成辐亮度 File--->open image file--->。。。。MTL.txt--->spectral--->Preprocessing--->Calibration Utilities--->Landsat Calibration--->（选择文件），OK--Radiance，File，choose（选择保存地址并命名），Ok （2）BSQ转成BIL Basic Tools-->Convert data （BSQ、BIL、BIP）-->-BIL，choose（选择保存地址并命名），Ok （3）Flaash大气校正 Spectral--->Preprocessing--->Calibration Utilities--->Flaash—>

基于MODIS数据的水体提取研究

基于MODIS数据的水体提取研究 马丹 福建农林大学资源与环境学院，福建福州（350002） 摘要：通过分析遥感图像各类地物的光谱特征和水体在中等分辨率的EOS/MODIS上的波谱特征，确定水体最为明显的波段组合，研究如何从不同时期(枯水期、丰水期)的中等分辨率MODIS遥感影像提取水体的方法。实验表明：遥感图像经空间变换后再利用相同的方法提取的水体更容易区分水体和阴影，产生的噪声也少，提取的水体范围更准确、计算的水域面积精度更高，重点以武汉市的梁子湖为例对水体提取范围和精度进行了比较和分析。 关键词：MODIS影像；水体；阈值；色彩变换 1 引言 MODIS是被动式成像分光辐射计，是Terra和Aqua卫星上都装载有的重要的传感器，MODIS数据廉价实用，数据涉及的波段范围广，这些数据对地球科学的综合研究和对陆地、大气、海洋进行分门别类的研究有较高的使用价值[1]。MODIS数据有36个通道，覆盖了从可见光、近红外到热红外的光谱区间。利用水体在可见光波段、近红外波段的特殊光谱性可以提取有关水体信息。 水资源是一种非常重要的资源，它也是一个独立的环境因子，被人们格外的重视。水体的面积监测是调查水资源的一个重要的方面，也是洪水灾害检测的重要内容。因此利用遥感影像的波谱特征和水体在影像上的特性，研究自动化的提取水体的方法，获取它的范围甚至其它的特征，是十分有意义的工作。 2 水体的光谱特征 从宏观的角度看，陆地上水体主要表现为湖泊、河流、沟渠、水库、池塘和沼泽地等，可分为面状水体和带状、线状水体。在卫星遥感影像上，湖泊、水库、池塘大致表现为一块面状的等值区域，河流、沟渠表现为线形结构。 在MODIS图像上，对于水体来说，水体几乎全部吸收了近红外和中红外波段内的全部入射能量，所以水体在近红外和中红外波段的反射能量很少，而植物、土壤在这两个波段内的吸收能量较少，而且又较高的反射特性，这就使得水体在这两个波段上与植被、土壤有明显的区别。水体在这两个波段上呈现出暗色调，而土壤、植被则呈现出较亮的色调。在可见光绿波段内，图像上记载的反射信息主要有来自水面、水中悬浮物质和水体底部物质的反射，由于水体在绿波段的反射率较高而呈现浅灰色色调，在该波段水体与周边的植被较难区分。关于水体的吸收和辐射特性，不仅与其本身的性质有关，而且还与其所含物质的类型和大小有关。一般地，进入清澈水体的大部分阳光在水下2 米内被吸收，吸收的程度取决与波长。近红外波段在水体1/10 米深处就被吸收，使得在近红外影像上，即使是浅水也是暗的影像色调。可见光波段的吸收会因为研究水体的特征变化而变化。从透过水体拍摄水底的详细程度来看，透射力最好的是在0.48-0.60 微米之间的绿波段。 3 水体信息的提取 3.1图像预处理 原始图像为MODIS数据，存在不同程度、不同性质的几何形态畸变和辐射量的失真等

图像特征特点及其常用的特征提取与匹配方法

图像特征特点及其常用的特征提取与匹配方法 [ 2006-9-22 15:53:00 | By: 天若有情 ] 常用的图像特征有颜色特征、纹理特征、形状特征、空间关系特征。 一颜色特征 （一）特点：颜色特征是一种全局特征,描述了图像或图像区域所对应的景物的表面性质。一般颜色特征是基于像素点的特征，此时所有属于图像或图像区域的像素都有各自的贡献。由于颜色对图像或图像区域的方向、大小等变化不敏感，所以颜色特征不能很好地捕捉图像中对象的局部特征。另外，仅使用颜色特征查询时，如果数据库很大，常会将许多不需要的图像也检索出来。颜色直方图是最常用的表达颜色特征的方法，其优点是不受图像旋转和平移变化的影响，进一步借助归一化还可不受图像尺度变化的影响，基缺点是没有表达出颜色空间分布的信息。 （二）常用的特征提取与匹配方法 （1）颜色直方图 其优点在于：它能简单描述一幅图像中颜色的全局分布，即不同色彩在整幅图像中所占的比例，特别适用于描述那些难以自动分割的图像和不需要考虑物体空间位置的图像。其缺点在于：它无法描述图像中颜色的局部分布及每种色彩所处的空间位置，即无法描述图像中的某一具体的对象或物体。 最常用的颜色空间：RGB颜色空间、HSV颜色空间。 颜色直方图特征匹配方法：直方图相交法、距离法、中心距法、参考颜色表法、累加颜色直方图法。 （2）颜色集 颜色直方图法是一种全局颜色特征提取与匹配方法，无法区分局部颜色信息。颜色集是对颜色直方图的一种近似首先将图像从RGB颜色空间转化成视觉均衡的颜色空间（如HSV 空间），并将颜色空间量化成若干个柄。然后，用色彩自动分割技术将图像分为若干区域，每个区域用量化颜色空间的某个颜色分量来索引，从而将图像表达为一个二进制的颜色索引集。在图像匹配中，比较不同图像颜色集之间的距离和色彩区域的空间关系 （3）颜色矩 这种方法的数学基础在于：图像中任何的颜色分布均可以用它的矩来表示。此外，由于颜色分布信息主要集中在低阶矩中，因此，仅采用颜色的一阶矩（m ean）、二阶矩（variance）和三阶矩（skewness）就足以表达图像的颜色分布。（4）颜色聚合向量 其核心思想是：将属于直方图每一个柄的像素分成两部分，如果该柄内的某些像素所占据的连续区域的面积大于给定的阈值，则该区域内的像素作为聚合像素，否则作为非聚合像素。 （5）颜色相关图 二纹理特征 （一）特点：纹理特征也是一种全局特征，它也描述了图像或图像区域所对应景物的表面性质。但由于纹理只是一种物体表面的特性，并不能完全反映出物体的本质属性，所以仅仅利用纹理特征是无法获得高层次图像内容的。与颜色特征不同，纹理特征不是基于像素点的特征，它需要在包含多个像素点的区域中进行统计计算。在模式匹配中，这种区域性的特征具有较大的优越性，不会由于局