论文部分内容阅读
近年来如何利用遥感技术快速而又准确地提取水体信息已成环境监测、水资源调查、洪涝灾害分析的关键问题,将遥感数据转化为应用信息或者决策知识的自动化处理技术需求迫切。目前,遥感水体信息提取的主要方法有：阈值分割、类植被指数法、水体指数法、谱间关系法等。但大量研究表明,这些方法较适合于地形起伏不大的地区,而对于山区地形,由于水体和阴影光谱范围有重叠,山体阴影易被误判成水体。因此,如何在常规方法的基础上研究出更好的针对山区地区的水体信息自动化提取技术就显得尤为重要。针对经典的MNDWI结合阈值法提取山区地形遥感水体信息时存在山体阴影误判的缺陷,本文通过对遥感图像光谱分析,利用RGB到HIS空间的变换、LBV变换、主成分分析和独立成分分析这四种特征提取算法完成样本空间到特征空间的转换,提高水体和其它地物特征之间的可区分性,并在其特征提取后使用决策树和BP神经网络来提取山区地形遥感水体信息,获得了比较好的效果,最后利用误差矩阵等对水体信息提取的结果进行了精度对比和误差分析。研究结果表明,经典的MNDWI结合阈值法单模式下的水体分类精度达到99.08%,它的多分误差为38.8%,大量阴影被误判为水体；HIS变换结合决策树法在达到与MNDWI相同的水体分类精度后还能基本将阴影去除,它的多分误差为2%；KL变换结合BP神经网络比HIS变换结合决策树法提取水体效果要好,其水体分类精度达到99.17%,多分误差为1.5%；LBV结合BP神经网络的水体分类精度达到了99.25%,多分误差为1.9%；ICA结合BP神经网络水体分类精度99.3%,多分误差为1.2%；KL融合ICA结合BP神经网络法的水体分类精度达到了99.42%,多分误差为1.1%,比单独的使用KL和ICA方法具有更好的效果。从上面数据可以看出,使用光谱变换能将原始遥感图像重新分布为一种有用的形式,找到比原始图像更优的特征空间,基本排除阴影的干扰,能够有效的提取水体信息。