地球信息科学学报 ›› 2022, Vol. 24 ›› Issue (5): 940-948.doi: 10.12082/dqxxkx.2022.210095
邱凤婷1,2,3,5(), 过志峰1,3,*(
), 张宗科1,3, 魏显虎1,3, 景睦馨4
收稿日期:
2021-02-24
修回日期:
2021-04-01
出版日期:
2022-05-25
发布日期:
2022-07-25
通讯作者:
* 过志峰(1976— ),男,安徽合肥人,副研究员,主要研究方向为地表参数定量反演及自然灾害遥感。E-mail: guozf@aircas.ac.cn作者简介:
邱凤婷(1994— ),女,江苏宿迁人,硕士生,主要研究方向为资源环境遥感。E-mail: qiuft@aircas.ac.cn
基金资助:
QIU Fengting1,2,3,5(), GUO Zhifeng1,3,*(
), ZHANG Zongke1,3, WEI Xianhu1,3, Jing Muxin4
Received:
2021-02-24
Revised:
2021-04-01
Online:
2022-05-25
Published:
2022-07-25
Supported by:
摘要:
在复杂地表环境下的多云多雨地区,基于合成孔径雷达(SAR)图像提取水体时容易受到其它地物如水田、山体阴影等干扰,传统的灰度阈值法和SVM法未能考虑水体与其它地物在纹理和地形上的差异,因此水体提取结果精度较差。研究首先用Refined Lee滤波对SAR图像进行预处理;其后通过DEM建模和坡度计算提取地形特征,通过计算图像灰度共生矩阵以提取纹理特征(包括均匀性、角二阶矩和熵),并结合SAR图像极化信息以及SDWI指数形成针对水体提取的特征空间,通过融合地形特征和图像纹理特征发展了改进SVM 分类法的水体提取模型。在使用Sentinel-1 SAR数据对所发展模型与SDWI水体指数法、传统SVM法水体提取结果进行比对后发现,改进SVM分类法提取的水体结果较好地剔除了水田和山体阴影,且提取的水体水面比传统的SVM法更加完整;该方法在总体精度、Kappa系数、漏分率和错分率指标上均优于SDWI法和传统的SVM法,总体精度达到98.06%,比SDWI法和传统的SVM法分别提高了23.24%和5.49%,有效提高了复杂环境下地表水体的提取精度。研究最后将所发展模型应用于2018年马哈韦利河流域逐月水体提取与变化分析,有效解决了山体阴影和水田误分问题。本文提出的改进SVM法可以实现复杂地表环境下大范围水体信息准确、完整提取。
邱凤婷, 过志峰, 张宗科, 魏显虎, 景睦馨. 基于改进SVM分类法的SAR图像水体面积提取研究[J]. 地球信息科学学报, 2022, 24(5): 940-948.DOI:10.12082/dqxxkx.2022.210095
QIU Fengting, GUO Zhifeng, ZHANG Zongke, WEI Xianhu, Jing Muxin. Water Body Area Extraction from SAR Image based on Improved SVM Classification Method[J]. Journal of Geo-information Science, 2022, 24(5): 940-948.DOI:10.12082/dqxxkx.2022.210095
[1] | 李丹, 吴保生, 陈博伟, 等. 基于卫星遥感的水体信息提取研究进展与展望[J]. 清华大学学报(自然科学版), 2020, 60(2):147-161. |
[ Li D, Wu B S, Chen B W, et al. Review of water body information extraction based on satellite remote sensing[J]. Journal of Tsinghua University (Science and Technology), 2020, 60(2):147-161. ] DOI: 10.16511/j.cnki.qhdxxb.2019.22.038
doi: 10.16511/j.cnki.qhdxxb.2019.22.038 |
|
[2] | 周鹏, 谢元礼, 蒋广鑫, 等. 遥感影像水体信息提取研究进展[J]. 遥感信息, 2020, 35(5):9-18. |
[ Zhou P, Xie Y L, Jiang G X, et al. Advances on water body information extraction from remote sensing imagery[J]. Remote Sensing Information, 2020, 35(5):9-18. ] DOI: 10.3969/j.issn.1000-3177.2020.05.002
doi: 10.3969/j.issn.1000-3177.2020.05.002 |
|
[3] | 曾玲方, 李霖, 万丽华. 基于Sentinel-1卫星SAR数据的洪水淹没范围快速提取[J]. 地理信息世界, 2015, 22(5):100-103,107. |
[ Zeng L F, Li L, Wan L H. SAR-based fast flood mapping using sentinel-1 imagery[J]. Geomatics World, 2015, 22(5):100-103,107. ] DOI: 1672-1586(2015)05-0100-04
doi: 1672-1586(2015)05-0100-04 |
|
[4] |
Otsu N. A threshold selection method from gray-level histograms[J]. IEEE Transactions on Systems, Man, and Cybernetics, 1979, 9(1):62-66. DOI: 10.1109/TSMC.1979.4310076
doi: 10.1109/TSMC.1979.4310076 |
[5] |
Kiani H, Safabakhsh R, Khadangi E. Fast recursive segmentation algorithm based on Kapur's entropy [C]//2009 2nd International Conference on Computer, Control and Communication. IEEE, 2009:1-6. DOI: 10.1109/IC4.2009.4909269
doi: 10.1109/IC4.2009.4909269 |
[6] | 崔倩, 毛旭东, 陈德清, 等. 基于高分三号卫星数据的水体自动提取及应用[J]. 中国农业信息, 2019, 31(5):57-65. |
[ Cui Q, Mao X D, Chen D Q, et al. Research on automation and operationality in water extraction based on GF-3[J]. China Agricultural Informatics, 2019, 31(5):57-65. ] DOI: 10.12105/j.issn.1672-0423.20190506
doi: 10.12105/j.issn.1672-0423.20190506 |
|
[7] | 李景刚, 黄诗峰, 李纪人. ENVISAT卫星先进合成孔径雷达数据水体提取研究——改进的最大类间方差阈值法[J]. 自然灾害学报, 2010, 19(3):139-145. |
[ Li J G, Huang S F, Li J R. Research on extraction of water body from ENVISAT ASAR images: A modified Otsu threshold method[J]. Journal of Natural Disasters, 2010, 19(3):139-145. ] DOI: 10.13577/j.jnd.2010.0323
doi: 10.13577/j.jnd.2010.0323 |
|
[8] | 陈媛媛, 郑加柱, 魏浩翰, 等. 基于Sentinel-1A数据的南京市水体信息提取[J]. 地理空间信息, 2020, 18(9):62-65,7. |
[ Chen Y Y, Zheng J Z, Wei H H, et al. Water information extraction of Nanjing city based on sentinel-1A data[J]. Geospatial Information, 2020, 18(9):62-65,7. ] DOI: 10.3969/j.issn.1672-4623.2020.09.014
doi: 10.3969/j.issn.1672-4623.2020.09.014 |
|
[9] | 湛南渝, 李小涛, 路京选, 等. 基于SLIC的哨兵1号雷达数据水体信息提取[J]. 人民长江, 2020, 51(4):213-217,225. |
[ Zhan N Y, Li X T, Lu J X, et al. Water body information extraction by Sentinel-1 radar data based on SLIC[J]. Yangtze River, 2020, 51(4):213-217,225. ] DOI: 10.16232/j.cnki.1001-4179.2020.04.036
doi: 10.16232/j.cnki.1001-4179.2020.04.036 |
|
[10] | 贾诗超, 薛东剑, 李成绕, 等. 基于Sentinel-1数据的水体信息提取方法研究[J]. 人民长江, 2019, 50(2):213-217. |
[ Jia S C, Xue D J, Li C R, et al. Study on new method for water area information extraction based on Sentinel-1 data[J]. Yangtze River, 2019, 50(2):213-217. ] DOI: 10.16232/j.cnki.1001-4179.2019.02.038
doi: 10.16232/j.cnki.1001-4179.2019.02.038 |
|
[11] | 巩钰, 杨雨晴. 基于Sentinel-1 SAR影像的洪水淹没范围快速提取与变化分析[A]. 江苏省测绘地理信息学会.江苏省测绘地理信息学会2020年学术年会论文集[C]. 江苏省测绘地理信息学会:《现代测绘》编辑部, 2020: 4. |
[ Gong Y, Yang Y Q. Rapid extraction and change analysis of flood inundation range based on sentinel-1 SAR image[A]. Jiangsu society of Surveying and mapping geographic information. Proceedings of the 2020 academic annual meeting of Jiangsu society of Surveying and mapping geographic information[C]. Jiangsu society of Surveying and mapping geographic information: Editorial Department of modern surveying and mapping, 2020: 4. ] DOI: 10.26914/c.cnkihy.2020.037980
doi: 10.26914/c.cnkihy.2020.037980 |
|
[12] | 骆剑承, 周成虎, 梁怡, 等. 支撑向量机及其遥感影像空间特征提取和分类的应用研究[J]. 遥感学报, 2002, 6(1):50-55. |
[ Luo J C, Zhou C H, Liang Y, et al. Support Vector Machine for Spatial Feature Extraction andClassification of Remotely Sensed Imagery[J]. Journal of Remote Sensing, 2002, 6(1):50-55. ] DOI: 1007-4619(2002)01-0050-07
doi: 1007-4619(2002)01-0050-07 |
|
[13] |
Vohra R, Tiwari K C. Comparative analysis of SVM and ANN classifiers using multilevel fusion of multi-sensor data in urban land classification[J]. Sensing and Imaging, 2020, 21(1):1-21. DOI: 10.1007/s11220-020-00280-9
doi: 10.1007/s11220-020-00280-9 |
[14] |
Chang C C, Lin C J. Libsvm[J]. ACM Transactions on Intelligent Systems and Technology, 2011, 2(3):1-27. DOI: 10.1145/1961189.1961199
doi: 10.1145/1961189.1961199 |
[15] |
Haralick R M, Shanmugam K, Dinstein I. Textural features for image classification[J]. IEEE Transactions on Systems, Man, and Cybernetics, 1973, SMC- 3(6):610-621. DOI: 10.1109/TSMC.1973.4309314
doi: 10.1109/TSMC.1973.4309314 |
[16] | 安智晖, 余洁, 刘利敏. 结合纹理信息的极化SAR影像分类研究[J]. 地理空间信息, 2016, 14(2):41-43,8. |
[ An Z H, Yu J, Liu L M. Polarimetric SAR images classification research combined with texture information[J]. Geospatial Information, 2016, 14(2):41-43,8. ] DOI: 10.3969/j.issn.1672-4623.2016.02.015
doi: 10.3969/j.issn.1672-4623.2016.02.015 |
|
[17] |
Gorelick N, Hancher M, Dixon M, et al. Google Earth Engine: Planetary-scale geospatial analysis for everyone[J]. Remote Sensing of Environment, 2017, 202:18-27. DOI: 10.1016/j.rse.2017.06.031
doi: 10.1016/j.rse.2017.06.031 |
[18] | 程贇. 基于Sentinel-1的南极冰盖冻融探测方法研究[D]. 西安:西安科技大学, 2019. |
[ Cheng Y. Study of Antarctic snowmelt detection methods using Sentinel-1 data[D]. Xian An University of Science and Technology, 2019. ] | |
[19] | Minas K P, Frank G D, Edward M H. Bridging the rice yield gap in Asia-Pacific region[R]. Rome: FAO Regional Office for Asia and the Pacific, 2000:135-145. |
[1] | 姚锦一, 王卷乐, 严欣荣, 魏海硕, Altansukh Ochir, Davaadorj Davaasuren. 基于深度神经网络的蒙古国色楞格河流域水体信息提取[J]. 地球信息科学学报, 2022, 24(5): 1009-1017. |
[2] | 林偲蔚, 陈楠, 刘奇祺, 贺卓文. 基于DEM小流域复杂网络的黄土高原地貌自动识别研究[J]. 地球信息科学学报, 2022, 24(4): 657-672. |
[3] | 李志红, 李旺平, 王玉, 陈璐, 郁林, 周兆叶, 郝君明, 吴晓东, 李传华. 基于离散粒子群算法的2种新型水体提取方法的对比与验证[J]. 地球信息科学学报, 2021, 23(6): 1106-1117. |
[4] | 蒋圣, 汤国安, 杨昕, 熊礼阳, 钱程扬. 基于DEM的黄土高原地形纹理概念模型[J]. 地球信息科学学报, 2021, 23(6): 959-968. |
[5] | 乔丹玉, 郑进辉, 鲁晗, 邓磊. 面向不同环境背景的Landsat影像水体提取方法适用性研究[J]. 地球信息科学学报, 2021, 23(4): 710-722. |
[6] | 黄楠, 杨昕, 刘海龙. 基于等高线空间关系的鞍部点提取方法[J]. 地球信息科学学报, 2020, 22(3): 410-421. |
[7] | 曹泽涛, 方子东, 姚瑾, 熊礼阳. 基于随机森林的黄土地貌分类研究[J]. 地球信息科学学报, 2020, 22(3): 452-463. |
[8] | 何红术, 黄晓霞, 李红旮, 倪凌佳, 王新歌, 陈崇, 柳泽. 基于改进U-Net网络的高分遥感影像水体提取[J]. 地球信息科学学报, 2020, 22(10): 2010-2022. |
[9] | 方莉娜, 黄志文, 罗海峰, 陈崇成. 结合SVM与图匹配的车载激光点云道路标线识别[J]. 地球信息科学学报, 2019, 21(7): 994-1008. |
[10] | 李玉, 杨蕴, 赵泉华. 结合改进的降斑各向异性扩散和最大类间方差的SAR图像水体提取[J]. 地球信息科学学报, 2019, 21(6): 907-917. |
[11] | 李健锋, 叶虎平, 张宗科, 孔金玲, 魏显虎, Somasundaram Deepakrishna, 王法溧. 基于Landsat影像的斯里兰卡内陆湖库水体时空变化分析[J]. 地球信息科学学报, 2019, 21(5): 781-788. |
[12] | 杨浩, 孟娜, 王婧, 郑燕, 赵莉. 基于支持向量机的京津冀城市群热环境时空形态模拟[J]. 地球信息科学学报, 2019, 21(2): 190-200. |
[13] | 周岩, 董金玮. 陆表水体遥感监测研究进展[J]. 地球信息科学学报, 2019, 21(11): 1768-1778. |
[14] | 张沁雨,李哲,夏朝宗,陈健,彭道黎. 高分六号遥感卫星新增波段下的树种分类精度分析[J]. 地球信息科学学报, 2019, 21(10): 1619-1628. |
[15] | 王雪峰, 冯雪, 苏奋振, 张宇, 王武霞, 蒋会平. 基于纹理和空间特征的中分辨率影像滨海水产养殖用地提取研究[J]. 地球信息科学学报, 2018, 20(5): 694-702. |
|