论文部分内容阅读
遥感影像数据中普遍存在的“异物同谱”和“同物异谱”的缺陷会随着影像数据分辨率的增加而更加的尖锐,严重影响了水体信息提取的精度。为了快速响应精确灾害监测与水域信息管理,该文重点研究国内外不同数据源下的水体信息提取方法,并对上述问题提出相应的算法,丰富了高分辨率光学数据在水体信息提取方面的方法,其思路如下:(1)为了丰富高分辨率光学影像在水体信息提取方面的方法以及解决水体信息提取过程中水体与阴影(尤其是高大建筑物)以及暗色地物不易区分的问题,提出一种新综合水体指数法(New Comprehensive Water Index Method,NCWI)来增强水域信息,并引入智能仿生算法中的鸡群算法(Chicken Swarm optimization algorithm,CSO)优化最大类间方差法(OSTU)而自动获取最佳分割阈值,程序自动化程度以及运行效率大大增加。(2)一般方法在信息提取过程中仅考虑地物之间的光谱差异而忽略了其特征空间差异,在地物出现“异物同谱”时不易区分,边界丢失严重以及OSTU算法的局限性,使用最优超平面MWI融合原始数据参与面向对象的水体信息提取,充分利用了影像中的丰富特征且减少了形态学处理的人工参数调节过程。最后,使用高分二号(GF-2)卫星遥感影像数据对该文所提出的算法进行实验并采用实地考察和评价指标相结合的方法对结果进行评价。评价结果表明,该文中提出的算法不受区域和特定时间限制且都能达到较好的精度标准,无论是目视还是指标评价效果都比较突出;此外该文中第二种方法比第一种方法提取结果更加精确和实用,自动化效果较好。