基于NDWI分割与面向对象的水体信息提取

童李霞，燕 琴，骆成凤，杜英坤,4

（1.山东科技大学，山东 青岛 266590；2.国家测绘地理信息局，北京100830；

3.中国测绘科学研究院，北京 100830；4.山东农业大学，山东 泰安 271018）

基于NDWI分割与面向对象的水体信息提取

童李霞1,3，燕 琴2，骆成凤3，杜英坤3,4

（1.山东科技大学，山东 青岛 266590；2.国家测绘地理信息局，北京100830；

3.中国测绘科学研究院，北京 100830；4.山东农业大学，山东 泰安 271018）

基于OLI融合影像，运用面向对象的目标提取方法对龙羊峡水体信息进行了提取。先将NDWI作为一个波段叠加到融合后的多波段影像中参与多尺度分割，再结合隶属度函数分类方法，选定NDWI的阈值范围提取水体信息，最后与基于像元的NDWI水体提取方法进行了比较。结果表明，两种方法受冰雪影响均较小，但面向对象的NDWI水体提取方法受山体阴影和薄云的影响较小，能完全消除基于像元的NDWI水体提取方法出现的“零星水体”现象。

NDWI；面向对象；水体提取；OLI影像

基于遥感影像提取水体信息对多尺度分析水资源分布和演变过程具有重要意义[1]。水体信息提取方法主要包括单波段法和多波段法[2]。单波段法虽最简单易行，但提取精度不高，常被作为其他方法的辅助与优化[3]。多波段法包括谱间关系法和水体指数法，杨存建[4]等利用TM影像(TM2+TM3)＞(TM4+TM5)波段特征进行水体提取；Mcfeeters S K[5]利用绿光波段与近红外波段的关系，提出归一化水体指数（NDWI），该方法能在一定程度上抑制植被信息，突出水体信息，得到广泛应用；在此基础上，徐涵秋[6]利用短波红外代替NDWI的近红外波段，提出了归一化差值水体指数（MNDWI），该方法消除了建筑物等的影响，更适用于城镇地区的水体提取。除此之外，近年来还提出了基于纹理特征分类、神经网络分类、模糊分类等方法[7]，但本质上都是基于像元级别的目标提取，难以避免由“同物异谱”“异物同谱”等引起的“椒盐现象”。

面向对象的目标提取方法是将图像分割为由若干个同质像元组成的对象，以对象为处理单元，不仅包含地物的光谱信息，还综合考虑了空间结构信息、纹理信息等，实现了较高层次的目标地物提取[7-9]。因此，本文基于Landsat OLI影像，以青海地区龙羊峡库区为例，将NDWI作为一个波段叠加到原始影像中参与影像分割，增强水体光谱特征，在对象层上进行水体信息提取，并与传统的基于像元的NDWI水体提取方法进行了比较。

1 研究区与数据源

龙羊峡位于青海省境内，是黄河流经青海大草原后，进入黄河峡谷区的龙羊峡水库第一峡口[10]。本文选用的遥感数据为Landsat8 OLI影像，行列号为132/035，成像时间为2014-04-24；7个多光谱波段空间分辨率为30 m，1个全色波段空间分辨率为15 m，本文以龙羊峡库区为研究对象。

面向对象的分类方法，对高分辨率的影像应用较多且效果显著[7-8,10]。为了提高水体提取精度，将多光谱和全色波段进行融合，在保持多光谱信息的基础上，提高空间分辨率。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，且保真效果较好[8,11]。该算法首先从低分辨率的波段中复制一个全色波段；然后对复制的全色波段和多波段进行Gram-Schmidt变换，并以全色波段为第一个波段；再用高分辨率的全色波段替换Gram-Schmidt变换后的第一波段；最后应用Gram-Schmidt反变换得到融合图像[12]。

2 研究方法

2.1 技术流程

根据水体光谱特征，利用NDWI进行水体提取，并将基于像元的NDWI水体提取方法与面向对象的NDWI水体提取方法进行了对比。提取流程如图1所示。

2.2 基于像元的NDWI水体提取方法

水体反射率从可见光到近红外依次降低，在近红外波段反射率几乎为零；而植被在近红外波段反射率很高，用绿光波段和近红外波段反射率反差组成NDWI进行水体提取。该水体指数可以很好地抑制植被，其计算公式为：

图1 NDWI水体提取技术流程图

NDWI=(Green-NIR)/(Green+NIR) (1)式中，Green为绿光波段，Landsat OLI中的第3波段；NIR为近红外波段，Landsat OLI中的第5波段。计算NDWI时，影像的定标系数被约去，可直接用DN值代替反射率。对得到的NDWI影像图进行直方图分析，如图2所示。

图2 NDWI图像灰度直方图

水体直方图呈双峰分布，占比较大的波峰区域为水体，占比较小的波峰区域为背景。本文采用双峰法选取阈值[11]，双峰间的平缓范围在[-0.021,0.072]，该阈值范围内NDWI水体提取易受山体阴影和薄云影响。以0.01为间隔反复对比分析发现，阈值在[-0.021,0.042]时受大量山体阴影影响较大；在(0.042,0.072]时主要受薄云和少量山体阴影影响。本文通过与原影像对比，以提取水体准确率较大为原则，最终确定阈值为0.062。

2.3 面向对象的NDWI水体提取方法

2.3.1 多尺度分割

利用面向对象的方法对影像进行分类时，需先对影像进行分割以提取目标地物。本文采用多尺度分割法，先以某一个像元为一个对象，根据相邻像元间的光谱异质性和对比度异质性设定阈值，对图像进行合并和分割；再用形状异质性对产生的对象进行修正；最后得到具有相同颜色、形状、纹理等特征的多边形[8]。多尺度分割是一个自下而上，内部优化的过程，分割尺度对目标信息的提取至关重要，尺度的选择依赖于影像分辨率和应用目的[2,9]。

在ENVI5.1中，利用Layer Stacking将融合后的影像与NDWI影像进行叠加，再加载到eCognition8.7中进行分割与提取。为提高水体与非水体间的分类精度，将NDWI的权重设置为2。根据实验区的实际情况，对分割尺度进行不断试验，选择分割尺度为300、500、700进行比较，效果见图3～5。分割尺度为300时，虽然在极大程度上能将水体和山体阴影分割开，但大的水体和其他植被裸地等过于破碎；分割尺度为700时，虽然大的水体和支流都较为完整，但水体和山体阴影存在较多混合。因此，本文综合考虑选择500作为最优分割尺度，形状权重为0.1，紧凑度和光滑度均为0.5。

图3 分割尺度为300的影像分割效果图

图4 分割尺度为500的影像分割效果图

图5 分割尺度为700的影像分割效果图

2.3.2 面向对象的水体提取

eCognition中常用的面向对象分类方法有阈值分类法、多条件描述分类法、模糊分类方法（隶属度函数）以及监督分类法（最邻近分类法）等。本文采用NDWI层构造隶属度函数的方法提取水体信息。通过目视和先验知识得出，NDWI均值大于0.070均为水体，小于0.048均为非水体，介于二者之间的根据隶属值进行判断。

2.4 精度评价

分别利用基于像元的NDWI水体提取方法和面向对象的NDWI水体提取方法对水体信息进行提取，得到结果如图6所示。本文以人工解译的结果为标准，从目视判读和定量统计两个方面对提取结果进行精度评价。通过比较发现，面向对象的NDWI水体提取方法整体效果优于基于像元的NDWI水体提取方法，两 种方法对轮廓线提取的效果较好，几乎未受冰雪的影响。基于像元的NDWI水体提取方法，在水体东侧受山体阴影影响较大，出现水体过提和“零星水体”等现象；在水体南部受薄云影响，存在水体漏提现象；而面向对象的NDWI水体提取方法基本消除了薄云和山体阴影影响（见表1）。

图6 水体提取结果

表1 水体提取细节比较

以误提率来定量判断两种方法提取的精度，包括过提率和漏提率，其中过提率是实际为非水体被错提为水体的像元数与水体真实像元总数的比值；漏提率是实际为水体被分为非水体的像元数与水体真实像元总数的比值[11]。由于水体大小并非定值，随季节变化等因素变化，因此本文以人工解译的水体像元个数为水体真实像元总数，计算得到两种提取方法的精度如表2所示。基于像元的NDWI水体提取方法受山体阴影和薄云的影响，其漏提率和过提率要高于面向对象的NDWI水体提取方法。

表2 水体信息提取精度/%

3 结 语

1）本文基于OLI影像，利用基于像元和面向对象的NDWI水体提取方法进行水体提取，并对提取效果进行了比较。

2）分析水体提取结果发现，面向对象的NDWI水体提取方法的整体提取效果优于基于像元的NDWI水体提取方法。基于像元的NDWI水体提取方法受山体阴影与薄云影响较大，而面向对象的NDWI水体提取方法能有效去除这两种因素的影响，避免了“零星水体”的出现。

3）将NDWI作为一个波段叠加到OLI融合后的多光谱波段中参与分割，可作为水体光谱特征的补充。选择合适的分割尺度，利用面向对象的分类方法提取水体信息，简单易行，对水体提取的适用性较强。

[1] 栗敏光,范洪冬,邓喀中.基于LBV变换的TM数据水体提取新方法[J].测绘科学,2010,35(3)：138-139

[2] 周文鑫,何隆华,马荣华,等.基于面向对象的TM_LBV变换水体信息提取[J].中国科学院大学学报,2012(6)：775-779 [3] 毕海芸,王思远,曾江源,等.基于TM影像的几种常用水体提取方法的比较和分析[J].遥感信息,2012,27(5)：77-82

[4] 杨存建,徐梅.遥感信息原理的水体提取方法的探讨[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.利用改进的归一化差异水体指数(MNDWI)提取水体信息的研究[J].遥感学报,2005,9(5)：589-595

[7] 曹凯,江南,吕恒,等.面向对象的SPOT 5影像城区水体信息提取研究[J].国土资源遥感,2007(2)：27-30

[8] 殷亚秋,李家国,余涛,等.基于高分辨率遥感影像的面向对象水体提取方法研究[J].测绘通报,2015(1)：81-85

[9] 张继平,刘林山,张镱锂,等.面向对象的极高海拔区水体及冰川信息提取：以珠穆朗玛峰国家级自然保护区核心区为例[J].地球信息科学学报,2010,12(4)：517-523

[10] 胡卫国,孟令奎,张东映,等.资源一号02 C星图像水体信息提取方法[J].国土资源遥感,2014(2)：43-47

[11] 杨丽萍,夏敦胜,陈发虎.Landsat 7 ETM+全色与多光谱数据融合算法的比较[J].兰州大学学报(自然科学版),2007, 43(4)：7-11,17

[12] 赵英时.遥感应用分析原理与方法[M].北京：科学出版社,2013

P237

B

1672-4623（2017）05-0057-03

10.3969/j.issn.1672-4623.2017.0051.8

童李霞，硕士研究生，主要研究方向为资源与环境遥感。

2016-08-23。

项目来源：中国测绘科学研究院基本科研业务资助项目（7771512）。