Please wait a minute...
浙江大学学报(工学版)
浙江大学学报(工学版)  2022, Vol. 56 Issue (4): 764-774    DOI: 10.3785/j.issn.1008-973X.2022.04.016
计算机技术、信息工程     
基于无人机遥感影像的水体提取方法
卞艳(),宫雨生*(),马国鹏,王昶
辽宁科技大学 土木工程学院，辽宁 鞍山 114051
Water extraction from unmanned aerial vehicle remote sensing images
Yan BIAN(),Yu-sheng GONG*(),Guo-peng MA,Chang WANG
School of Civil Engineering, University of Science and Technology Liaoning, Anshan 114051, China
 全文: PDF(1839 KB)   HTML
摘要：

针对无人机（UAV）影像水体提取出现的噪声干扰、光谱混淆、分割尺度难把握、无法使用水体指数等问题，提出边缘检测算法结合面向对象方法的新水体提取方法（AUCSN）. 采用各向扩散滤波算法对影像去噪；采用Canny边缘检测算子对去噪后影像进行边缘提取，提取结果与去噪后影像进行波段重组，利用改进的邻域绝对均值差分方差比法对重组影像选取最优分割尺度，开展多尺度分割. 结合水体对象的光谱、形态、纹理特征建立模型，对分割后影像实现水体粗提取. 将粗提取结果利用形态学闭运算填充孔洞，实现水体提取. 实验结果表明，采用AUCSN方法进行水体提取，不仅提高了提取效率，而且提取精度能够达到96%.
关键词： 无人机影像;  去噪;  Canny;  多尺度分割;  特征提取;  形态学    
Abstract:

A new method named automatic segmentation (AUCSN), which combines edge detection algorithm with the object-oriented method, was proposed in order to solve the problems such as noise interference, spectral confusion, segmentation scale error, and water index unavailable which happen in water extraction from unmanned aerial vehicle (UAV) images. An anisotropic diffusion filtering algorithm was used to denoise the image. The Canny edge detection operator was used to extract the edge of the denoised image, and the extraction results were reconstructed with the denoised image. Then an improved absolute mean difference variance ratio method was used to select the optimal segmentation scale for the reconstructed image to conduct multi-scale segmentation. A model combined with the spectral, morphological, and texture feature of the water object was established in order to coarsely extract water objects from the segmented image. The morphological closed operation was used to fill the holes of the coarse extraction results, realizing water extraction. Results show that the AUCSN method can improve the extraction efficiency and the extraction accuracy can reach 96%.
Key words: unmanned aerial vehicle image    denoising    Canny    multi-scale segmentation    feature extraction    morphology
收稿日期: 2021-05-09 出版日期: 2022-04-24
CLC:  TP 75  
基金资助: 国家自然科学基金青年科学基金资助项目(41801294)；武汉大学测绘遥感信息工程国家重点实验室珞珈一号特别开放研究基金资助项目(18T07)
通讯作者: 宫雨生     E-mail: 997166041@qq.com;38642709@qq.com
作者简介: 卞艳（1994—），女，硕士生，从事遥感图像处理的研究. orcid.org/0000-0002-9466-9156. E-mail： 997166041@qq.com
服务　　
把本文推荐给朋友
加入引用管理器
E-mail Alert
作者相关文章　　
卞艳
宫雨生
马国鹏
王昶

引用本文:

卞艳,宫雨生,马国鹏,王昶. 基于无人机遥感影像的水体提取方法[J]. 浙江大学学报(工学版), 2022, 56(4): 764-774.

Yan BIAN,Yu-sheng GONG,Guo-peng MA,Chang WANG. Water extraction from unmanned aerial vehicle remote sensing images. Journal of ZheJiang University (Engineering Science), 2022, 56(4): 764-774.

链接本文:

https://www.zjujournals.com/eng/CN/10.3785/j.issn.1008-973X.2022.04.016    或    https://www.zjujournals.com/eng/CN/Y2022/V56/I4/764

图 1  无人机遥感影像实验数据
图 2  研究区水体矢量信息参考影像
图 3  AUCSN水体提取方法的流程图
图 4  M-SS多尺度分割方法的流程图
图 5  实验数据的去噪效果局部放大影像图
去噪方法 SSIM
人工湖 万水河 南沙河
中值滤波 0.863 0.795 0.758
均值滤波 0.754 0.731 0.715
P-M滤波 0.976 0.953 0.981
表 1  3种去噪方法去噪前、后影像的SSIM
去噪方法 PSNR/dB
人工湖 万水河 南沙河
中值滤波 36.258 35.976 35.683
均值滤波 33.684 35.976 35.541
P-M滤波 38.419 39.186 39.232
表 2  3种去噪方法去噪前、后影像的PSNR
图 6  边缘检测结果与手绘边界矢量叠加影像及局部放大影像
图 7  有、无Canny参与的分割效果图
图 8  辅以Canny层不同权重参与的分割效果图
方法 t/s
人工湖 万水河 南沙河
有Canny参与 54.28 9.73 16.76
无Canny参与 95.36 16.06 27.17
表 3  有、无Canny参与多尺度分割的时耗
实验区域 M n r μ
人工湖 ≤930 ≥580 ≥2 ≤50
万水河 ≤840 ≥760 ≥15 ≤45
南沙河 ≤820 ≥660 ≥9 ≤41
表 4  AUCSN方法的阈值设定
图 9  研究区水体粗提取的结果
图 10  研究区闭运算处理的结果
图 11  各方法的水体提取结果
实验区域 实验方法 P/% Q/% R/% t/s
人工湖 AUCSN方法 96.34 3.66 2.31 87.32
人工湖 无Canny-AUCSN方法 90.46 9.54 11.98 120.67
人工湖 K-Mean方法 85.46 14.54 18.32 53.13
人工湖 文献[12]方法 90.12 9.88 6.43 150.76
万水河 AUCSN方法 97.62 2.38 1.02 39.43
万水河 无Canny-AUCSN方法 89.03 10.97 9.65 59.31
万水河 K-Mean方法 86.62 13.38 26.85 30.11
万水河 文献[12]方法 88.86 11.14 7.85 80.19
南沙河 AUCSN方法 97.47 2.53 1.84 49.65
南沙河 无Canny-AUCSN方法 86.91 4.87 5.89 68.83
南沙河 K-Mean方法 85.73 14.27 9.01 38.74
南沙河 文献[12]方法 87.66 12.34 8.98 95.66
表 5  水体提取精度及运行效率统计表
1 JIA K, JIANG W, LI J Spectral matching based on discrete particle swarm optimization: a new method for terrestrial water body extraction using multi-temporal Landsat 8 images[J]. Remote Sensing of Environment, 2018, 209: 1- 18
doi: 10.1016/j.rse.2018.02.012
2 STABLER L B Management regimes affect woody plant productivity and water use efficiency in an urban desert ecosystem[J]. Urban Ecosystems, 2008, 11 (2): 197- 211
doi: 10.1007/s11252-008-0050-2
3 YANG F, GUO J H, TAN H Automated extraction of urban water bodies from ZY-3 multi-spectral imagery[J]. Water, 2017, 9 (2): 144
doi: 10.3390/w9020144
4 徐涵秋 利用改进的归一化差异水体指数( MNDWI) 提取水体信息的研究[J]. 遥感学报, 2005, 9 (5): 589- 595
XU Han-qiu By using the improved normalized difference water index (MNDWI) to extract water body information research[J]. Remote Sensing, 2005, 9 (5): 589- 595
5 LIRA J. Segmentation and morphology of open water bodies from multispectral images [J]. International Journal of Remote Sensing. 2006, 27(18): 4015-4038.
6 GAUTAM V K, GAURAV P K, MURUGAN P, et al Assessment of surface water dynamics in Bangalore using WRI, NDWI, MNDWI, supervised classification and K-T transformation[J]. Aquatic Procedia, 2015, 4: 739- 746
doi: 10.1016/j.aqpro.2015.02.095
7 BRYANT R G, RAINEY M P. Investigation of flood inundation on playas within the zone of Chotts, using a time-series of AVHRR [J]. Remote Sensing of Environment. 2002, 82(2/3): 360–375.
8 范亚洲, 张珂, 刘林鑫, 等 水库水体的最大类间方差迭代遥感提取方法[J]. 水资源保护, 2021, 37 (3): 50- 55
FAN Ya-zhou, ZHANG Ke, LIU Lin-xin, et al Maximum inter-class variance iterative remote sensing extraction method for reservoir water bodies[J]. Water Resources Protection, 2021, 37 (3): 50- 55
9 孙芳 遥感图像水体识别方法的比较与改进[J]. 遥感技术, 2012, 33: 6854- 6875
SUN Fang Comparison and improvement of water body recognition methods in remote sensing images[J]. Remote Sensing Technology, 2012, 33: 6854- 6875
10 CHEN Y, FAN R, YANG X, et al Extraction of urban water bodies from high-resolution remote-sensing imagery using deep learning[J]. Water, 2018, 10 (5): 585
doi: 10.3390/w10050585
11 何红术, 黄晓霞, 李红旮 基于改进U-Net网络的高分遥感影像水体提取[J]. 地球信息科学学报, 2020, 22 (10): 2010- 2022
HE Hong-shu, HUANG Xiao-xia, LI Hong-ga High resolution remote sensing image water extraction based on improved U-Net network[J]. Journal of Geo-information Science, 2020, 22 (10): 2010- 2022
12 秦慧杰, 高磊, 梁文广, 等 面向对象的无人机影像水体变化监测方法[J]. 水土保持通报, 2018, 36 (4): 67- 71
QIN Hui-jie, GAO Lei, LIANG Wen-guang, et al Object-oriented method for monitoring water body change in UAV image[J]. Bulletin of Soil and Water Conservation, 2018, 36 (4): 67- 71
13 周晓明 基于特征于规则的河流水系信息提取研究[J]. 长江科学院院报, 2018, 35 (8): 128- 131
ZHOU Xiao-ming Research on river system information extraction based on feature rules[J]. Journal of Changjiang River Scientific Research Institute, 2018, 35 (8): 128- 131
doi: 10.11988/ckyyb.20180441
14 PERONA P, MALIK J Scale-space and edge detection using anisotropic diffusion[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 1990, 12 (7): 629- 639
15 李艳华. 基于国产高分一号影像的新疆山区河流及桥梁信息提取技术研究 [D]. 乌鲁木齐: 新疆大学, 2015.
LI Yan-hua. Research on information extraction technology of rivers and bridges in xinjiang mountainous area based on GF-1 image [D]. Urumqi: Xinjiang University, 2015.
16 STEELE M K, HEFFERNAN J B Morphological characteristics of urban water bodies: mechanisms of change and implications for ecosystem function[J]. Ecological Applications, 2014, 24 (5): 1070- 1084
17 杨博雄, 陈颖, 于杰. 卫星遥感影像分水岭分割与边缘检测的海岸线提取 [J]. 电子技术与软件工程, 2020(11): 170-171.
YANG Bo-xiong, CHEN Ying, YU Jie. Coastline extraction based on watershed segmentation and edge detection of satellite remote sensing images [J], Electronics and Software Engineering, 2020(11): 170-171.
18 丁月平, 史玉峰 高空间分辨率遥感影像分类最优分割尺度[J]. 辽宁工程技术大学学报:自然科学版, 2014, 33 (1): 56- 61
DING Yue-ping, SHI Yu-feng Optimal segmentation scale for high spatial resolution remote sensing image classification[J]. Journal of Liaoning Technical University: Natural Science, 2014, 33 (1): 56- 61
19 谭衢霖, 刘正军, 沈伟 一种面向对象的遥感影像多尺度分割方法[J]. 北京交通大学学报, 2007, (4): 111- 114
TAN Qu-lin, LIU Zheng-jun, SHEN Wei An object-oriented multi-scale segmentation method for remote sensing image[J]. Journal of Beijing Jiaotong University, 2007, (4): 111- 114
20 王昶, 张永生, 韩世静. 基于频域显著性方法和ELM的遥感影像变化检测 [J]. 华中科技大学学报: 自然科学版, 2020, 48(5): 19-24.
WANG Chang, ZHANG Yong-sheng, HAN Shi-jing. Remote sensing image change detection based on frequency domain saliency method and ELM [J]. Journal of Huazhong University of Science and Technology: Natural Science Edition, 2020, 48(5): 19-24.
21 林荣清, 王延正, 刘晓恒. 基于 eCognition 的水体提取研究 [J]. 科技与创新, 2020(19): 17-20.
LIN Rong-qing, WANG Yan-zheng, LIU Xiao-heng. Research on water extraction based on eCognition [J]. Technology and Innovation, 2020(19): 17-20.
22 詹福雷. 基于面向对象的高分辨率遥感影像信息提取[D]. 长春: 吉林大学, 2014.
ZHAN Fu-lei. High resolution remote sensing image information extraction based on object-oriented [D]. Changchun: Jilin University, 2014.
23 邹橙. 基于GF-2遥感影像的水体信息提取方法研究 [D]. 合肥: 合肥工业大学, 2019.
ZOU Cheng. Research on water body information extraction method based on GF-2 remote sensing image [D]. Hefei: Hefei University of Technology, 2019.
24 WANG Z, BOVIK A C, SHEIKH H R Image quality assessment: from error visibility to structural similarity[J]. IEEE Transactions on Image Processing, 2004, 13 (4): 600- 612
doi: 10.1109/TIP.2003.819861
[1] 程训,余建波. 基于机器视觉的加工刀具磨损监测方法[J]. 浙江大学学报(工学版), 2021, 55(5): 896-904.
[2] 刘芳,汪震,刘睿迪,王锴. 基于组合损失函数的BP神经网络风力发电短期预测方法[J]. 浙江大学学报(工学版), 2021, 55(3): 594-600.
[3] 常京新,高贤君,杨元维,李少华,王萍. 面向对象轮廓约束GGVF Snake的建筑物边界优化方法[J]. 浙江大学学报(工学版), 2021, 55(10): 1847-1855.
[4] 贾真,董文德,徐贵力,朱士鹏. 基于马尔科夫专家场的泊松噪声图像去噪方法[J]. 浙江大学学报(工学版), 2020, 54(6): 1164-1169.
[5] 冯毅雄,李康杰,高一聪,郑浩,谭建荣. 基于特征与形貌重构的轴件表面缺陷检测方法[J]. 浙江大学学报(工学版), 2020, 54(3): 427-434.
[6] 乔美英,汤夏夏,闫书豪,史建柯. 基于改进稀疏滤波与深度网络融合的轴承故障诊断[J]. 浙江大学学报(工学版), 2020, 54(12): 2301-2309.
[7] 赵小虎,尹良飞,赵成龙. 基于全局?局部特征和自适应注意力机制的图像语义描述算法[J]. 浙江大学学报(工学版), 2020, 54(1): 126-134.
[8] 赫贵然,李奇,冯华君,徐之海,陈跃庭. 基于CNN特征提取的双焦相机连续数字变焦[J]. 浙江大学学报(工学版), 2019, 53(6): 1182-1189.
[9] 董月,冯华君,徐之海,陈跃庭,李奇. Attention Res-Unet: 一种高效阴影检测算法[J]. 浙江大学学报(工学版), 2019, 53(2): 373-381.
[10] 赵祥龙,陈捷,洪荣晶,王华,李媛媛. 基于Wavelet leader和优化的等距映射算法的回转支承自适应特征提取[J]. 浙江大学学报(工学版), 2019, 53(11): 2092-2101.
[11] 张承志, 冯华君, 徐之海, 李奇, 陈跃庭. 图像噪声方差分段估计法[J]. 浙江大学学报(工学版), 2018, 52(9): 1804-1810.
[12] 童水光, 张依东, 徐剑, 从飞云. 频带多尺度复合模糊熵及其在轴承故障诊断中的应用[J]. 浙江大学学报(工学版), 2018, 52(8): 1509-1516.
[13] 于勇, 周阳, 曹鹏, 赵罡. 基于MBD模型的工序模型构建方法[J]. 浙江大学学报(工学版), 2018, 52(6): 1025-1034.
[14] 谭海龙, 刘康玲, 金鑫, 石向荣, 梁军. 基于μσ-DWC特征和树结构M-SVM的多维时间序列分类[J]. 浙江大学学报(工学版), 2015, 49(6): 1061-1069.
[15] 白帆, 郑慧峰, 沈平平, 王成, 喻桑桑. 基于花朵特征编码归类的植物种类识别方法[J]. 浙江大学学报(工学版), 2015, 49(10): 1902-1908.