遥感卫星影像数据信息提取

北京揽宇方圆信息技术有限公司 、 遥感卫星影像数据信息提取 北京揽宇方圆信息技术有限公司中科院企业,卫星影像数据服务全国领先。业 务包括 遥感数据获取与分发、遥感数据产品深加工与处理。按照遥感卫星数据一 星多用、多星组 网、多网协同的发展思路,根据观测任务的技术特征和用户需求特 征,重点发展光学卫星 影像、雷达卫星影像、历史卫星影像三个系列,构建由 26个 星座及三类专题卫星组成的 遥感卫星系统,逐步形成高、中、低空间分辨率合理配 置、多种观测技术优化组合的综合 高效全球观测和数据获取能力形成卫星遥感数 据全球接收与全球服务能力。 (1光学卫星影像系列。 面向国土资源、环境保护、防灾减灾、水利、农业、林业、统计、地震、测 绘、交 通、住房城乡建设、卫生等行业以及市场应用对中、高空间分辨率遥感数 据的需求,提供 worldview1、worldview2、worldview3、worldview4、quickbird、 geoeye、 ikonos、pleiades、spot1、spot2、spot3、spot4、spot5、spot6、spot7、 landsat5(tm、 landsat(etm、 rapideye、alos、Kompsat 卫星、北京二号、资源三 号、高分一号、高分二号等高分辨率光学观测星座。围绕行业及市场应用对基础地 理信 息、土地利用、植被覆盖、矿产开发、精细农业、城镇建设、交通运输、水 利设施、生态 建设、环境保护、水土保持、灾害评估以及热点区域应急等高精 度、高重访观测业务需 求,发展极轨高分辨率光学卫星星座,实现全球范围内精细化 观测的数据获取能力。像国 产的中分辨率光学观测星座。围绕资源调查、环境监 测、防灾减灾、碳源碳汇调查、地质 调查、水资源管理、农情监测等对大幅宽、 快速覆盖和综合观测需求,建设高、低轨道合 理配置的中分辨率光学卫星星座,实现 全球范围天级快速动态观测以及全国范围小时级观 测。 (2雷达卫星影像系列 合成孔径雷达(SAR 观测星座。errasar-x、radarsat-2、alos、高分三号卫星围绕 行 业及市场应用对自然灾害监测、资源监测、环境监测、农情监测、桥隧形变监 测、地面沉 降、基础地理信息、全球变化信息获取等全天候、全天时、多尺度观 测,以及高精度形变 观测业务需求,发挥 SAR 卫星在复杂气象条件下的观测优势,与 光学观测手段相互配 合,建设高低轨道合理配置、多种观测频段相结合的卫星星座, 形成多频段、多模式综合 观测能力 (3历史卫星影像系例 锁眼卫星影像 1960年至 1980年代的影像,高分辨率 0.6 米,已在中国各个行业 得 到广泛应用。 北京揽宇方圆信息技术有限公司公司为北京市创新企业,通过了严格国际质量 体系认 证,产品和服务质量均有着优良的保证,曾独立提供国家重大遥感图像工程项 目和遥感图 像处理项目,经过多年在遥感行业的积累,在遥感影像数据供应方面形成 了一整套解决方 案,公司还拥有一支利用专业遥感信息处理软件进行航空、航天遥感数据处理 的队伍,熟 练进行遥感影像 DOM 生产、DEM 提取、遥感动态监测、专题图制作、 雷达卫星变形监 测、虚拟现实三维建模、地形图矢量化等处理工作,开展遥感处理 技术培训与咨询服务, 可解决各种行业针对空间遥感信息数据处理的业务化需求。 近年来,参与并完成了国土变 更调查、第二次全国湿地资源调查、矿区变化信息提 取等多个遥感数据工程项目。 1 引 言 水体信息的提取对于环境监测、水资源调查以及合理的规划利用等起着十分重 要的作用。利用遥 感影像提取水体的研究已有许多成果。如,徐涵秋对 Mcfeeters 的 归一化差异水体指数 (NormalizedDifference Water Index , NDWI [1] 进行改进得到的改进归一化差异水体指数 (ModifiedNDWI , MNDWI, 该方法能 有效地避免水体与阴影的混淆 [2] ;杨树文等针对细小水体的提取 提出了多波段谱间关系的改进方法,也得到了很 好的效果 [3]。但这些研究多针对中低分辨率的遥感影 像,且都需要影像具有较高的 光谱分辨率。近年来,由于高分辨率卫星影像应用越来越广泛,相对于 中低分辨率影 像,这类影像的空间信息更加丰富、地物的几何和纹理信息更为清晰。采用传统基 于像 素的方法处理这类影像时,会因为粒度过小、过多地关注地物的局部细节而难 以提取地物的整体信 息。许多研究从分类精度、准确度等方面比较了基于像素与 面向对象的影像分析方法。其中, Thomas 等比较了监督分类、非监督分类和面向对 象分类三种方法的分类精度 [4]。 Yu 等 [5]和苏伟 [6] 等研究结果表 明:OBIA 不仅可以有效克服传统基于像素方法中的“椒盐”噪声, 且能有效提高分类的精度。 针对不同的研究对象和数据集特点,应该使用不同的影像分析方法。本文的研 究对象是区域内的 详细水体信息,包含大水体 (湖泊、干流 以及细小水体 (坑塘、细 小支流 ,同时数据源为分辨率为 0.712米的高分辨率遥感影像。因此,采用 OBIA 较 为适宜。本文使用 OBIA 对 QuickBird 高分辨率遥感影像 进行水体信息提取与分 类。在对影像进行多尺度分割的基础上,利用影像对象的光谱、纹理、颜色和 对象 间关系等特征建立规则,实现了水体信息的提取;并与基于像素的提取结果进行了对 比,分析了 OBIA 提取结果的精度。 2研究区域与数据源 本文所用数据为采集于 2004年 5月 5 日 10 时 28分 18 秒上海地区的 QuickBird 影像 (即图 1 中较大 的黑色边框区域 ,包括空间分辨率为 0.717m 的全色 数据和 2.87m 的多光谱数据,其中多光谱影像包 含 4个波段 (红、绿、蓝和近红外 信息。并以上海市浦东新区作为研究区域 (图 1 中较小的黑色边框区 域 。该区域 内河流、湖泊纵横交错,且有大小坑塘零星分布。土地利用类型以农田、水体以及 居民地 为主。研究区域对应的全色影像大小为 13900像素×13900 像素,多光谱影像 为 3475 像素×3475 像 素,其代表地面大小约为 10KM ×10KM 。 图 4Level1中 NDWI 阈值分析图 图 5Level2中 NDWI 阈值 分析图 本文中初步分类还利用了对象间的关系特征,具体过程如下:第一步:在 父对象层 (Level1中,按 NDWI 分类阈值 0.33 提取水体对象;第二步:将 Level1的提 取结果利用父对象与子对象间的隶属关系 传递到 Level2中;第三步:在子对象层 (Level2中也利用 NDWI 提取水体对象。经过以上三步 (图 6 就 完成了水体对象的 初步提取。 与仅从某一层次提取结果相比,该方法可以将所有水体对象完整地提取出来。 如图 7(a是仅在 Level1 中提取的结果,虽然可以防止大水体对象支离破碎 (如图 7(a 中 A 、 B 区域 ,但是会遗漏小水体 对象 (如图 7(a中 C 区域 ;图 7(b是仅在 Level2 中提取的结果,虽然可以防止遗漏小水体对象 (如图 8(b中 C 区域 ,但是会使大