遥感影像的自适应阈值法水陆分割研究

摘 要：本文研究了遥感影像自适应阈值法的水陆分割。利用影像中的近红外波段数据，先建立影像像元的直方图统计，然后分析直方图特征，通过阈值的自适应算法确定一个理想阈值，再对整幅影像进行水陆分割处理，最终生成水陆分割二值化图。结果表明，此方法具有一定的可行性，数据结果可以应用于更深层次的研究。

关键词：遥感影像 近红外 自适应 水陆分割

中图分类号：TP7 文献标识码：A 文章编号：1672-3791（2013）02（b）-0042-02

遥感影像的水陆分割在海洋水深反演，船舶导航，海洋测绘等领域有着重要的意义。相比于以船只为平台的声纳现场探测技术，卫星遥感探测技术具有连续不间断、不受地理空间限制和探测范围大等优点。卫星遥感技术在获取海洋地理信息方面具有巨大的潜能和优势，能够作为特殊海域地形的有效探测手段，补充和加强海洋测绘能力，对国家安全和经济发展有着重要的意义。水陆分割是进行浅海水深反演的重要部分，水陆分割的精度直接影响了反演结果的准确性。遥感影像分割是对图像进行深一步分析、处理和应用的基础，作为数字图像处理领域的关键技术之一，己经广泛应用于遥感影像研究。

1 实验数据及数据分析

本文以IKONOS的遥感影像作为数据源进行近红外波段的自适应阈值法的水陆分割研究。可见光的红光波段可测量植物绿色素的吸收率，能够区分不同地物类型与陆地植物，可用于提取与植被相连接的砂质海岸和小面积淤泥质海岸；蓝光波段、绿光波段都对水体有透射能力，适合于探测淤泥质海岸的悬浮泥沙，可用于计算无明显解译标志的大面积淤泥质海岸线，是研究水深和水底特征的最有效波段；近红外波段对海水和陆地的反射率差别很大，能准确的提取人工岸线与基岩岸线[1]，是进行自适应阈值水陆分割的数据来源。

2 自适应阈值算法原理

2.1 理论依据

水体的光谱图特征主要由水本身的物质决定，同时又受到各种状态的影响[2]。图1为水体、植被和土壤三种典型地物的波谱曲线。

从图3可知，在可见光范围内，水体（这指清水）的反射率总体上比较低，不超过10%。在蓝绿光波段反射率一般在4%～5%，通常采用蓝绿波段的数据进行水深反演研究。水体在近红外、短波红外波段的入射能量几乎全部吸收，因此近红外及以后波段的遥感影像上，清澈水体几乎成黑色。这一特征与植被和土壤的光谱有着很明显的差异，所以选用近红外波段进行水陆分割研究。

2.2 自适应阈值算法

自适应阈值算法基于影像DN值的直方图统计特征，是一种比较简便快捷的方法。若直方图满足双峰分布，在直方图最大波峰之后选取有效的最小波谷对应的DN值作为阈值，把小于等于阈值的部分判定为白色水体，大于阈值的部分判定为黑色陆地，从而得到水陆分割二值化图（见图2）。

3 实例分析

为验证自适应阈值法水陆分割的有效性，下面选取了IKONOS高分辨卫星进行水陆分割。区别于基于水体光谱特征曲线的水陆分离方法，自适应阈值法更加简洁有效，最主要的是水体光谱曲线水陆分割需要对原图像有一定认识，从而调整水体谱带范围，无法迅速适应各种不同图像。自适应阈值法唯一的输入条件就是图像的近红外波段数据，只要有了图像的近红外波段数据，就能快速得到图像的水陆分割二值化图。阈值的计算完全由计算机完成，无需人工介入。相比于水体光谱特征曲线水陆分离方法，自适应阈值法阈值适用性更广。

3.1 IKONOS影像

图3是一幅IKONOS某海岸红绿蓝合成影像。此影像包含红，绿，蓝和近红外四个波段数据。根据直方图，由自适应阈值算法得到最佳阈值。然后采用自适应阈值法对近红外波段进行水陆分割，再经过二值图像的形态学处理，起到消除毛刺和去除噪声的作用，最后得到水陆分割的二值图像，如图4所示，白色表示水体，黑色表示陆地。

参考文献

[1] 马小峰，赵冬至，张丰收，等.海岸线卫星遥感提取方法研究进展[J].遥感技术与应用，2007，22（4）：575-580.

[2] 吕黎光.捷鸟卫星影像应用于垦丁岛浅海水深之测绘分析[J].航测及遥感学刊，2004，9（2）：23-42.

[3] 熊显名，尧雪娟，滕惠忠，等.基于遥感图像光谱特征的水陆分界线提取[A].2007’仪表，自动化及先进集成技术大会论文集（一）[C].中国重庆，2007.

[4] 韩培友.可视化交互数据语言[D].西北工业大学，2006.

[5] 荆浩，陈学佺，顾志伟.一种基于边缘特征的海岸线检测方法[J].计算机仿真，2006，23（8）：89-93.

[6] 尧雪娟.基于波谱特征曲线法的遥感图像海岸线提取[J].广东广播电视大学学报，2009，18（6）：104-107.

[7] 王岳环，唐为林，王军.面向对象的遥感图像水陆场景快速分类[J].华中科技大学学报（自然科学版），2011，39（11）：113-115.