Landsat 8图像以其较短的成像周期,较大探测范围等优势,使得其在国土资源勘探、沙漠化监测等领域具有应用价值。在沙漠化监测中,沙漠化主要发生在沙漠区域边界地区,因此沙漠区域提取是及时监测沙漠化的手段之一。然而由于沙漠区域地物类别的复杂性,与沙漠具有相似光谱特征的地物较多,使得Landsat 8图像沙漠区域有效提取成为难点。针对这一问题,本文基于Landsat 8图像研究沙漠区域提取算法。本文主要工作如下:(1)给出一种基于熵权的改进多光谱沙漠超像素生成算法。已有的沙漠区域提取算法边缘贴合度不高。与像素相比,超像素具有保持局部空间结构的特点,检测结果不具有椒盐效应。因此本文以超像素作为研究基元研究一种沙漠区域提取算法。但是已有的超像素生成算法在对图像中的人工建筑、过渡带等与沙漠具有相似光谱特性的非沙漠地物存在边缘贴合不准的问题。本文首先给出一种波段选择算法,通过改进的相关性度量准则将波段自动分组,引入熵权法给出的沙漠可区分性评价指标和改进波段度量相结合选择适用于沙漠区域提取的波段。将波段选择结果引入到已有的简单线性迭代(Simple liner iterative clustering,SLIC)算法,使得算法的输入检测沙漠有效的波段。然后采用超像素内可靠的像素点计算下一次迭代的中心点特征,并给出一种超像素紧凑性因子自适应算法,通过不同区域的光谱差异自动调节紧凑性因子,保持了超像素形状的紧凑性和规整性,提高了复杂地物区域超像素边缘贴合度。实验数据集采用塔克拉玛干沙漠区域、库姆塔格沙漠区域和库布其沙漠区域图像。实验表明本文算法相对于对比算法在边缘召回率BR提高了 0.14左右,欠分割错误率UE降低了 0.02左右,分割准确度ASA提高了 0.16左右。验证了本文算法在人工建筑、沙漠过渡带等区域边缘贴合度相比于已有算法具有优势。(2)给出了一种基于Landsat 8的沙漠区域提取算法。针对已有沙漠区域提取算法对沙漠周边存在的人工建筑等与沙漠具有相似光谱特征的非沙漠地物无法有效去除的问题,本文首先给出一种基于特征超像素的随机游走算法进行沙漠区域粗提取,根据随机游走的分割特性去除与非沙漠地物。然后本文给出一种空间结构规则的非沙漠地物的去除算法,去除耕地等具有规整空间结构的非沙漠地物。对于沙漠过渡带和戈壁,采用本文给出一种归一化差异沙漠指数(Normalized difference desert index,NDDI)去除。通过使用NDDI对去除了规则结构的地物后的沙漠前景进行逐像素的判断,去除沙漠周边的过渡带和戈壁等不规则地物,从而提高沙漠提取的精度。实验数据采用库姆塔格沙漠区域、塔克拉玛干沙漠区域和库布其沙漠区域图像。实验表明,总体精度OA提高了 3%左右,Kappa系数提高了0.06左右,验证了本章算法在大尺寸图像以及非沙漠地物去除相比已有算法具有优势。