基于Sentinel-1双极化数据改进水体提取的Otsu算法
1.
2.
3.
Improved Otsu Algorithm for Water Extraction based on Sentinel-1 Dual-polarization Data
1.
2.
3.
通讯作者:
收稿日期: 2021-03-21 修回日期: 2021-08-15
基金资助: |
|
Received: 2021-03-21 Revised: 2021-08-15
作者简介 About authors
冯崎(2000-),男,浙江宁波人,本科生,主要从事测绘工程专业知识学习E⁃mail:
关键词:
Keywords:
本文引用格式
冯崎, 王琦, 黄海兰, 王征强.
Feng Qi, Wang Qi, Huang Hailan, Wang Zhengqiang.
1 引 言
光滑水体表面会导致后向散射较弱,与表面粗糙的其他地物产生明显差异,根据这一特征,阈值分割法能快速对合成孔径雷达(Synthetic Aperture Radar,SAR)图像进行二分化提取所需信息,被广泛用于SAR影像的水体信息提取[2,5-6]。其中,Otsu算法因计算简单、自适应强等优点而常为使用[2-3,5,7-8],但该方法在提取水体目标面积大于整幅图像的30%时效果较好,面积比减小到10%后性能迅速下降[9],且易受相干斑和混合噪声等影响[10-11]。此外,山区由于地形和入射波束角度而产生山体阴影,阈值分割法会将阴影误提取为水体[11]。因此传统Otsu算法对于SAR影像水体信息提取适应性差,不能单独适用于SAR图像[12]。
针对Otsu算法存在的问题,许多学者发展了相关改进算法。景晓军等[13]结合像元空间信息发展出二维Otsu算法,实现了对低对比度和信噪比目标的良好分割。范九伦等[14]基于引入邻域中值特征的三维Otsu算法,在二维Otsu基础上提升了去噪性能。杨金龙等[15]提出了结合二维Otsu算法和二维Fisher准则函数的算法,有效减弱了了噪声影响。李智慧等[16]基于Otsu分割阈值得到的水体目标和背景的权重比,改进了二维最大熵算法,减弱了斑点噪声的影响,较好地实现了水体边界的提取。Niharika等[17]采用对图像进行K均值聚类和中值滤波,再进行Otsu分割和形态学闭合的方法,获得了噪声较少的水体图像。郭拯危等[18]在多阈值Otsu算法基础上,采用模糊C均值算法和连通区域法实现了复杂环境下水陆较好的分割。这些研究有效提升了阈值分割的抗干扰性和有效性,但算法推导和计算复杂性急剧上升,并且未考虑目标面积占比(提取目标面积占提取总面积)的影响,存在一定适用条件,不利于灾害快速相应和大面积长时间序列的影像水体提取。因此,研究基于Otsu算法,以Sentinel-1 SAR双极化影像为数据源构建自然指数函数,优化图像像元直方图分布,进而提高水体的提取精度,并结合DEM去除因山体阴影导致的SAR影像水体误提取,最终提升SAR影像水体提取效率和可靠性。
2 研究区与数据源
研究区位于江西、湖北、安徽三省交界处的环鄱阳湖地区,地理位置介于28.03°—30.32° N, 115.38°—117.26° E之间,区域中心为中国第一大淡水湖——鄱阳湖。该地处亚热带季风气候区,年均降水量约为1 500 mm,发育有大量细小河流、湖泊和水塘。地形主要以山地、平原为主,还夹杂部分丘陵地带。由于地形以及气候的影响,该地区夏季易发生洪涝灾害。在研究区域内选取6个水体占比约为2%、5%、10%、20%、30%、50%的样区,依次记为样区1至样区6(图1)。
图1
Sentinel-1星座由A、B两颗近极地太阳同步轨道卫星组成,分别于2014年4月和2016年4月发射升空,重访周期从单颗卫星的12 d至组网星座的6 d,并提供免费的C波段的SAR数据。选用2020年9月6日的Sentinel-1 A IW模式GRDH双极化数据(VV\VH),空间分辨率5 m×20 m,数据来源于https:∥scihub.copernicus.eu/dhus/。使用欧空局发布的软件SNAP对影像进行轨道校正、去除热噪声、辐射定标、相干斑滤波、地形校正、分贝化等预处理,最后转换得到空间分辨率为10 m×10 m影像数据。
为保证与Sentinel-1 SAR数据的成像时间接近,参考影像选取2020年9月6日同一天的Landsat-8 OLI光学影像,空间分辨率为30 m×30 m,数据来源于https:∥earthexplorer.usgs.gov/。所选影像研究区云层影响较小。该影像经辐射定标、大气校正、投影转换、重采样等预处理,基于波段组合的光学影像(R:SWIR,G:NIR,B:Blue)仔细目视识别,作为后续精度评定的真实水体样本。
3 研究方法
首先对Sentinel-1影像进行预处理,再基于VV和VH极化数据构建函数以优化图像像元直方图,然后利用Otsu算法进行二值化阈值分割,得到水体提取的初步结果,最后利用DEM数据去除山体阴影区域获得水体提取的最终结果。为了验证与Otsu算法水体提取结果的差异,以同一天成像的Landsat 8光学影像提取的真实水体作为参考,对提取结果进行定性和定量评价(图2)。
图2
3.1 Otsu算法
Otsu是一种确定图像分割阈值的算法,基于Otsu算法求得的阈值T进行二值化分割,图像前景与背景类间方差最-大,该方法也称最大类间方差法[19]。设图像像元个数和灰度值分别为N和L,灰度范围为
其中:
从Otsu算法公式可以看出,该方法确定的阈值完全依赖于待分割图像像元的灰度分布情况,因此双峰特性显著和灰度离散点分布少的图像像元直方图是Otsu算法确定出能正确区分目标与背景阈值的前提。
3.2 双极化数据运算方法
在SAR影像中,由于微波频段固有的散射特性,使得水体与非水体的后向散射差异较大,在像元统计图中呈现相对明显的双峰结构,常采用阈值分割法进行水体信息的提取。但SAR影像水体和非水体像元间差异往往不够显著,图像像元直方图中水体和非水体双峰间相对距离过近,双峰间谷底存在大量像元,因而会减弱图像的双峰性质。在山区和城市建筑较多的区域,当倾斜入射的雷达波束与山体坡面相垂直、建筑物墙面和地面间发生各向同性二次散射和多次散射[20],会产生强反射,在SAR影像上呈现高亮区域,这些离散分布的非水体像元,也会影响原始影像像元直方图的灰度分布。因此,SAR影像像元灰度的分布特征极大地影响Otsu算法的水体提取结果,在水体占比较小的情况下尤为严重。
研究提出双极化数据运算方法来优化原始Sentinel-1 SAR数据像元分布特征。通过双极化数据相乘后计算自然指数函数
图3
图3
样区4 VV、VH和双极化运算图像及直方图
Fig.3
The histograms and images of VV、VH and Dual-polarization operation of sample area 4
3.3 基于DEM去除山体阴影
图4
图4
样区4山体阴影去除效果图
Fig.4
The results of removing mountain shadow for sample area 4
3.4 精度评价指标
其中:
4 结果分析
图5
图5
不同方法对应的各样区图像像元直方图
Fig.5
Image histograms of samples corresponding to different methods
图6
图6
不同方法提取的各样区水体结果
Fig.6
Results of water bodies in samples extracted by different methods
对于不同水体占比的影像,双极化数据运算方法均能有效优化影像像元直方图的形态,扩大水体和非水体差异(图5)。由于水体占比较小(小于10%)和受离散非水体像元的影响,样区1、2、3中原始Sentinel-1影像(VV和VH)水体像元灰度分布范围狭窄,图像像元直方图主要呈单峰形态,而双极化运算图像中水体像元灰度分布范围较广,图像像元直方图水体和非水体像元类间差异较明显。样区4、5、6水体占比较大(大于20%),原始图像像元直方图存在明显双峰,但双峰间谷底范围狭窄并存在大量像元,而双极化运算图像像元直方图双峰谷底宽阔且像元数较少,易于区分水体和非水体信息。
样区1、2、3水体占比小于10%,原始Sentinel-1影像直方图双峰特征不明显,Otsu算法误提取的现象非常严重,存在大量植被、裸地等地物被误提取为水体,水体与非水体信息混淆在一起而难以区分(图6)。但本文方法能提取出主要的水体轮廓,也能实现对细小河流和水塘的有效提取,水体提取效果明显优于Otsu算法。样区4、5、6中水体主要为宽阔的河道和大面积的湖泊,也存在一些细小水体,原始Sentinel-1影像双峰形态显著。此时两种方法均能较好的提取出主要水体,但Otsu算法误提取现象相对严重,存在部分农田、裸地被提取为水体,同时离散的噪声点较多,而本文方法提取出的水体信息较为纯净且准确性较高。综上,影像中水体占比较大,Otsu算法能有较好的提取效果。影像中水体占比较小时,直方图主要呈现出单峰形态,双峰特征不显著,Otsu算法不能有效提取出水体。而本文方法均能有效提取出水体信息,在提取出主要水体边界的同时也能较好地抑制噪声。
本文方法以及基于VV和VH极化Otsu算法的P、R和F1指标如表1所示,可以看出,对于Otsu算法,采用VH极化影像结果要优于VV极化影像,而本文方法在查准率和综合性能上均优于传统Otsu算法。对于水体占比小于10%的样区1、2、3,本文方法查准率和综合指标分别高于Otsu算法29.07%—61.55%、15.52%—56.33%,水体占比约2%的样区1综合精度提升最为显著,较Otsu算法提升约56%;随着水体占比增加导致二分难度下降,Otsu算法提取精度迅速提高,对于水体占比大于20%的样区4、5、6,本文方法查准率和综合指标仍分别高于Otsu算法1.92%—21.84%、0.25%—10.12%。
表1 不同方法提取的水体精度评价表
Table1
样区 | P/%P | R/% | F1/% | |||||||||
---|---|---|---|---|---|---|---|---|---|---|---|---|
本文方法 | Otsu | 本文方法 | Otsu | 本文方法 | Otsu | |||||||
VV | VH | VV | VH | VV | VH | |||||||
样区1 | 68.47 | 6.92 | 7.24 | 70.12 | 92.12 | 87.57 | 69.28 | 12.95 | 13.37 | |||
样区2 | 87.75 | 17.35 | 51.91 | 75.45 | 88.88 | 84.70 | 81.14 | 29.04 | 64.37 | |||
样区3 | 82.05 | 46.11 | 52.98 | 81.44 | 87.00 | 88.28 | 81.74 | 60.28 | 66.22 | |||
样区4 | 90.24 | 68.40 | 85.25 | 84.50 | 88.49 | 88.30 | 87.28 | 77.16 | 86.75 | |||
样区5 | 94.73 | 90.57 | 88.72 | 90.80 | 91.95 | 94.20 | 92.72 | 91.25 | 91.37 | |||
样区6 | 97.80 | 95.88 | 95.88 | 95.44 | 96.25 | 96.83 | 96.60 | 96.07 | 96.35 |
不同样区Otsu算法查全率始终较高,这是因为对于双极化影像Otsu算法误提取现象相对严重,对真实水体进行了过饱和覆盖,也导致相对较低的查准率,特别在水体占比小于10%的样区1、2、3,双极化影像查全率与查准率之差均大于30%,最大高达85.2%,表明在水体占比较小情况下,Otsu算法存在大量非水体地物被提取为水体的现象,难以提取出真实水体,准确性较低。本文方法较Otsu算法在水体占比较小时水体提取精度提升显著;水体占比较大时也有明显提升,且提取精度受水体占比影响较小,均能有效提取出水体信息。
5 结 论
研究基于Otsu算法,提出了一种适用于Sentinel-1 SAR的双极化数据的水体提取新方法,结合时间接近的光学影像进行精度评定得出主要结论:
(1)双极化数据运算方法能扩大水体和非水体像元间的类间差异、压缩离散非水体像元灰度范围,优化影像像元分布特征,相比于采用单一VV或VH极化影像,更有助于Otsu算法获得更准确的水体分割阈值,适用性强。
(2)由于交叉极化以体散射为主,水体类内方差较小,直方图双峰特征相对显著,应用Otsu算法,VH极化影像结果优于VV极化影像。
(3)基于光学参考影像的分析,本文方法水体提取结果优于传统Otsu算法,适用性强并表现出较好的噪声抑制特性。
由于C波段雷达信号固有的散射特性,水体表面船只等高反射目标、部分浅水渗透的地物以及水田会影响水体信息提取的精度,在今后的研究中应结合更多相关图像特征信息,实现水体信息的连续和高精度提取。
参考文献
Advances on water body information extraction from remote sensing imagery
[J]. ,
遥感影像水体信息提取研究进展
[J]. ,
SAR image water extraction based on scattering characteristics
[J]. ,
基于水体散射特性的SAR图像水体检测
[J]. ,
The downstream flood monitoring application of myanmar irrawaddy river based on sentinel-1A SAR
[J]. ,
Sentinel-1A SAR数据在缅甸伊洛瓦底江下游区洪水监测中的应用
[J]. ,
A review of remote sensing image water extraction
[J]. ,
遥感影像水体提取研究综述
[J]. ,
Otsu threshold comparison and SAR water segmentation result analysis
[J]. ,
典型Otsu算法阈值比较及其SAR图像水域分割性能分析
[J]. ,
An object-oriented water extraction method based on texture and polarimetric decomposition feature
[J]. ,
结合纹理与极化分解的面向对象极化SAR水体提取方法
[J]. ,
Floodinundation monitoring in Ningxiang of Hunan province based on Sentinel-1A SAR
[J]. ,
基于Sentinel-1A SAR的湖南省宁乡市洪水淹没监测
[J]. ,
Research on quick extraction model of flood inundation range
[J]. ,
洪水淹没范围快速提取模型研究
[J]. ,
A comparative performance study of several global thresholding techniques for segmentation
[J]. ,
Improved 2D Otsu algorithm for SAR images
[J]. ,
一种适用于SAR图像的2维Otsu改进算法
[J]. ,
Extracting the flood extent from SAR imagery on basis of DEM
[J]. ,
基于DEM的SAR图像洪水水体的提取
[J]. ,
Waterbody extraction from SAR imagery based on improved speckle reducing anisotropic diffusion and maximum between-cluster variance
[J].,
结合改进的降斑各向异性扩散和最大类间方差的SAR图像水体提取
[J].,
Image segmentation based on 2D maximum between-cluster variance
[J]. ,
一种基于二维最大类间方差的图像分割算法
[J]. ,
Recursive algorithm for three-dimensional Otsu's thresholding segmentation method
[J]. ,
三维Otsu阈值分割方法的递推算法
[J]. ,
Study of image segmentation algorithm based on two-dimensional histogram
[J]. ,
基于二维直方图的图像分割算法研究
[J]. ,
A hybrid thresholding method for water extraction in envisat image
[J]. ,
基于混合阈值法的Envisat影像水体提取
[J]. ,
K-means based noisy SAR image segmentation using median filtering and otsu method
[C]∥
SAR image land and water segmentation algorithm based on hybrid fuzzy
[J]. ,
基于混合模糊的SAR图像水陆分割算法
[J]. ,
Advanced methods for building height extraction from high resolution SAR images
[D].
基于高分辨率SAR影像提取建筑物高度的研究
[D].
Remote sensing monitoring of flood and disaster analysis in Shouguang in 2018 from Sentinel-1B SAR data
[J]. ,
基于Sentinel-1B SAR数据的2018年寿光洪水遥感监测及灾害分析
[J]. ,
Flood inundation region extraction method based on Sentinel-1 SAR data
[J]. ,
基于Sentinel-1 SAR数据洪水淹没提取方法研究
[J]. ,
Comparsions of image cloud detection effect based on Sentinel-2 bands/products
[J]. ,
基于Sentinel-2波段/产品的图像云检测效果对比研究
[J]. ,
/
〈 | 〉 |