一种基于LSMA-IBAI综合指数的不透水面提取方法

技术领域

本发明属于影像处理技术领域，尤其是涉及一种基于LSMA-IBAI综合指数的不透水面提取方法。

背景技术

不透水面是指由不透水面建筑类材料盖覆的表面，其目的为阻止水分向土层渗透，包括房屋、道路等。然而在线性光谱混合分解提取不透水面时，裸地和不透水面的光谱特征极其相似，二者容易发生误分现象。

目前遥感光谱特征层面的不透水面提取大概有两种，一是影像波段直接构建指数提取；二是影像复合波段构建或指数波段分量构建指数提取(参考：曹勇,陶于祥,邓陆,罗小波.一种抑制裸地的不透水面指数构建[J].国土资源感,2020,32(03):71-79)。虽然以上方法都能在一定条件下有效提取不透水面信息，但因为裸地和不透水面“异物同谱”现象的存在，使得这两类地物在光谱分析过程中非常容易混淆，提取效果差。近些年来，线性光谱混合分解的发展得到了广大的关注，如典型模型V-I-S，假定城市地物由植被、不透水面和土壤按相应的比例成分组合而成，并且成功分离出了不透水面和土壤，但随着不同分量的变化，提取效果会出现不同级别的差异。

综上，针对不透水面与裸地“同谱异物”、不容易分离、提取精度不高等问题，本文发明在LSMA线性光谱分解和BAI裸地提取指数的基础上进行改进，以实现减少裸地误提取的影响，较好的保持不透水面的完整性，提高不透水面提取的精度，为遥感影像数据提取不透水面提供方法。

发明内容

本发明针对LSMA方法提取遥感影像不透水面时，裸地和不透水面光谱特征极其相似，易发生误分的问题，根据遥感影像特点进行波段亮度值的提取与重组，提出基于IBAI指数的裸地提取方法并成功将其引入到LSMA模型，提出构建LSMA-IBAI综合指数不透水面提取方法，解决了不透水面与裸地“异物同谱”很难区分的问题。本发明方法具有识别范围大、操作便捷等特点，可以有效提高提取精度，降低误分现象发生。

为实现上述目的，本发明包括以下步骤：

S1：确定实验区域的空间范围，获取遥感影像数据，对采集的影像进行数据预处理；

S2：将S1中影像图像进行MNF变换后，提取样本点，进行端元集提取，利用LSMA进行初步不透水面提取；

S3：将S1中影像图像进行IBAI指数构建，假设地物由不透水面、裸地、植被、水体四类地物组成，进行不同地物波段亮度值的提取与重组；

S4：根据S2得到的初步不透水面、S3提出的IBAI指数，构建LSMA-IBAI综合指数进行不透水面提取；

S5：根据S4得到不透水面进行阈值选取；

S6：根据S5阈值分类结果得到最终不透水面；

S7：根据S6得到的最终不透水面进行提取结果精度评定。

进一步的，步骤S1中主要包括以下步骤：

(1)从地理空间数据云获取得到空间分辨率为30米的遥感影像信息；

(2)进行辐射定标、大气校正、几何校正、影像融合等预处理，以便获得质量、精度都更加符合应用要求的基础数据。

进一步的，步骤S2包括以下步骤：

(1)将经过预处理的遥感影像进行MNF变换，降低数据噪声；

(2)将MNF变换后的影像进行LSMA计算，提取不透水面时可以忽略地物间的散射，认为光谱是端元光谱与其占像元比例间的线性组合，其公式如下：

式中：R

进一步的，步骤S3包括以下步骤：

(1)参照遥感影像，将不透水面、裸地、植被、水体四类地物选取足够数量的纯净像元作为样本，得到四类地物在各个波段的亮度均值；

(2)通过归一化处理将数据映射到0～1范围之内，首先归一化是为了后面数据处理的方便，其次是保证程序运行时收敛加快。归一化的具体作用是归纳一样本的统计分布性；；

(3)假设不透水面及裸地之外的植被、水体两类地物为其它地物，用不透水面和裸地均值的最小值和其它地物均值的最大值的比值来表示不透水面/裸地与其它地物在不同波段上的可分离性程度，绝对值越大意味着相关地物间的可分离性越高，越容易区分提取。同样，不透水面和裸地的可分离性也能通过它们的差值来反映。因此，提出的IBAI指数的大体思路为：先拉大不透水面/裸地与其它地物的差异来增大不透水面/裸地与其它地物可分离性，再拉大不透水面和裸地的差异，来消除其它地物的影响。最终提出IBAI指数，公式如下：

式中：TM2为影像波段2；TM3为影像波段3；TM4为影像波段4；TM5为影像波段5；TM6为影像波段6。

进一步的，步骤S4中根据S2得到的初步不透水面、S3提出的IBAI指数构建LSMA-IBAI综合指数进行不透水面提取。

进一步的，步骤S5中根据对S4得到的不透水面进行自适应迭代法阈值选取。其主要原理是数学上的逼近思想，首先求出指数影像的最大值记为Z

其次根据初始阈值T将影像分为前半部分和后半部分，再分别求两者的平均值Z

重复计算直至出现最优阈值，能够将不透水面结果提取出来。

进一步的，步骤S6根据S5阈值分类结果得到最终不透水面。

进一步的，步骤S7中S6得到的最终不透水面通过总精度、Kappa系数对提取结果进行精度评定。总精度数值越高提取效果越好，Kappa系数在0.2-1.0之间波动为正常，且数值越接近1.0效果越好。其中总精度为正确分类像元数与总像元数之比，Kappa系数记作K，公式如下：

式中：N为像元总数；X

由上，本发明针对LSMA方法提取遥感影像不透水面时，裸地和不透水面易发生误分的问题，根据遥感影像特点进行波段亮度值的提取与重组，提出基于IBAI指数的裸地提取方法并成功将其引入到LSMA模型，提出构建LSMA-IBAI综合指数不透水面提取方法，解决了不透水面与裸地“异物同谱”很难区分的问题，有效地提高了不透水面提取精度，降低误分现象发生。

附图说明

图1为本发明一种基于LSMA-IBAI综合指数的不透水面提取方法流程图；

图2为LSMA初步不透水面提取结果图；

图3为IBAI指数裸地提取结果图；

图4为LSMA-IBAI不透水面提取结果图；

具体实施方式

按图1所示步骤，对本发明一种基于LSMA-IBAI综合指数的不透水面提取方法进行详细说明。

步骤1：确定实验区域的空间范围，获取遥感影像数据。包括以下具体步骤：

(1)从地理空间数据云获取得到空间分辨率为30米的遥感影像信息；

(2)进行辐射定标、大气校正、几何校正、影像融合等预处理，以便获得质量、精度都更加符合应用要求的基础数据。

步骤2：LSMA初步不透水面提取处理主要包括以下具体步骤：

(1)将经过预处理的遥感影像进行MNF变换，降低数据噪声；

(2)将MNF变换后的影像进行LSMA计算，提取不透水面时可以忽略地物间的散射，认为光谱是端元光谱与其占像元比例间的线性组合，其公式如下：

式中：R

(3)将获取的初步不透水面(如图2所示)划分为不透水面、透水面。

步骤3：IBAI指数构建主要包括以下具体步骤：

(1)参照遥感影像，将不透水面、裸地、植被、水体四类地物选取足够数量的纯净像元作为样本，得到四类地物在各个波段的亮度均值(如表1所示)；

表1

(2)通过归一化处理将数据映射到0～1范围之内，首先归一化是为了后面数据处理的方便，其次是保证程序运行时收敛加快。归一化的具体作用是归纳一样本的统计分布性；；

(3)假设不透水面及裸地之外的植被、水体两类地物为其它地物，用不透水面和裸地均值的最小值和其它地物均值的最大值的比值来表示不透水面/裸地与其它地物在不同波段上的可分离性程度，绝对值越大意味着相关地物间的可分离性越高，越容易区分提取。同样，不透水面和裸地的可分离性也能通过它们的差值来反映(如表2所示)。因此，提出的IBAI指数的大体思路为：先拉大不透水面/裸地与其它地物的差异来增大不透水面/裸地与其它地物可分离性，再拉大不透水面和裸地的差异，来消除其它地物的影响。最终提出IBAI指数，并提取出裸地信息(如图3所示)公式如下：

式中：TM2为影像波段2；TM3为影像波段3；TM4为影像波段4；TM5为影像波段5；TM6为影像波段6。

表2

a为“MIN(不透水面，裸地)－MAX(其它地物)；b为“裸地－不透水面”。

步骤4：根据步骤2得到的初步不透水面、步骤3提出的IBAI指数，构建LSMA-IBAI综合指数进行不透水面提取(如图4所示)。

步骤5：根据步骤4得到不透水面进行阈值选取，首先求出指数影像的最大值记为Z

其次根据初始阈值T将影像分为前半部分和后半部分，再分别求两者的平均值Z

重复计算直至出现最优阈值，能够将不透水面结果提取出来。

步骤6：根据步骤5阈值分类结果得到最终不透水面。

步骤7：根据步骤S6将得到的最终不透水面通过总精度、Kappa系数对提取结果进行精度评定。总精度数值越高提取效果越好，Kappa系数在0.2-1.0之间波动为正常，且数值越接近1.0效果越好。其中总精度为正确分类像元数与总像元数之比，Kappa系数记作K，公式如下：

式中：N为像元总数；X

经计算，总精度为85.85％，Kappa系数为0.71。对比初步不透水面提取结果发现，总精度提升了4.86％，Kappa系数提升了0.09。

本发明一种基于LSMA-IBAI综合指数的不透水面提取方法，针对LSMA方法提取遥感影像不透水面时，裸地和不透水面光谱特征极其相似，易发生误分的问题，根据遥感影像特点进行波段亮度值的提取与重组，提出基于IBAI指数的裸地提取方法并成功将其引入到LSMA模型，提出构建LSMA-IBAI综合指数不透水面提取方法，解决了不透水面与裸地“异物同谱”很难区分的问题。可以有效提高不透水面提取精度，为遥感影像数据提取不透水面提供了理论借鉴。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。