英语原文共 10 页，剩余内容已隐藏，支付完成后下载完整资料
《在遥感图像上使用改进的归一化水体指数以增强开阔水体要素的提取》
摘要：通过利用中红外波段（比如Landsat TM5）来代替归一化水体指数NDWI中所使用的近红外波段来改进McFeeters1996年提出的归一化水体指数。即使在抑制甚至是消除建设用地的噪音、植被和土壤的噪音方面，改进的归一化水体指数也可以增强水体要素的提取。
由于NDWI经常会将建筑用地的噪音和所要提取的水体信息混合在一起，因此使用NDWI得到的增强水体信息是估计过高的。相应的，因为MNDWI在减少甚至是消除建筑用地噪音方面优于NDWI，所以在一个有着建筑用地的水域内增强和提取水体信息MNDWI更适合。
- 介绍
在水资源的评价以及海岸带管理上已经使用遥感图像很长一段时间了。这些应用涉及到使用专题信息提取技术来描绘开放水体的边界。使用遥感图像提取水体信息有多种方法，根据所使用的波段的序号，一般分为两个种类：单波段方法和多波段方法。单波段方法通常是从一个多光谱图像上选择一个波段来提取开放水体信息（Rundquist 1987）。然后通过这个波段的阈值将水体从地面提取出来。然而，阈值的主观选择可能会导致对水体的高估或者低估，并且提取的水体信息经常和阴影混在一起。多波段方法利用了包含的每个波段的反射差异。利用多波段方法提取水体信息有两种方式。一种方式是通过分析每个地面目标在不同光谱波段的鲜明特征，基于分析找出水体和其他地物的显著区别，然后使用一个如果-然后-否则的逻辑树将水体和陆地区分开来。（Yu在1998年，Xu在2002年）。另一种方式是使用两个多光谱波段的波段比值法。用可见光波段的反射率比上近红外波段的反射率。结果是（在遥感图像上）植被和陆地目标被抑制，水体信息则被增强。然而，这个方式只能压缩非水体信息但不能消除非水体信息，因此，Mcfeeters在1996年提出了均一化水体指数NDWI来达到这个目的。虽然如此，NDWI不能有效地抑制建筑用地的信号，所以增强或者提取的水体信息中仍然混杂着建筑用地的噪音。因此改进这个指数是必要的，而且在这里就要改进NDWI来解决这个问题。
- NDWI和MNDWI
NDWI的公式如下（McFeeters在1996年提出）
NDWI=(GREEN-NIR)/(GREEN NIR)
GREEN是绿光波段（比如TM2）
NIR是近红外波段（比如TM4）
设计这个指数的目的是：
- 通过使用绿光波段使水体的反射率最大化
- 将水体在NIR波段的低反射率最小化
- 利用植被和土壤在NIR波段的高反射率
结果是水体信息有着正值而被增强了，且植被和土壤通常是零值或赋值而被压缩了。可是，当把NDWI运用在有建筑物的水域时就不能达到其理想的目标了。在这些区域的水体信息中还混有建筑物的噪声。这意味着许多建筑物在NDWI的图像中也是正值。
为了消除建筑物的影响，需要调查它的显著特征。图像1描绘了三种土地覆盖类型的光谱反射率图形：水体、植被和建筑物，数据来自于本次研究的测试区域之一。建筑物在绿波段TM2和近红外波段TM4的反射率和水体的很相似，它们都是反射绿光比反射近红外光更强。因此，建筑物和水体一样计算出来的NDWI也是正值。这就是为什么在NDWI图像中增强的水体里也混合着建筑物的噪声。可是，细致的研究这个图的特征会发现TM5波段的平均数值（代表中红外波段MIR的辐射）和TM2（绿波段）相比效果更好。因此，如果在NDWI中使用中红外波段代替近红外波段，建筑物就会是负值。基于这个假设，用MIR波段代替NIR波段来改进NDWI。改进的归一化水体指数的公式如下：
MNDWI=(GREEN-MIR)/(GREEN MIR)
MIR是中红外波段（比如TM5）
通过计算MNDWI可以达到三个结果：
- 因为水体吸收中红外光比近红外光更强烈，所以水体会比在NDWI图像中的
正值更大；
- 建筑物会是负值；
- 因为土壤反射中红外光比近红外光强烈，植物同土壤一样，所以植被和土壤仍然具有负值；
结果是和NDWI相比，由于增加了水体信息的值、把建筑物的值从正值减小到负值，水体
和建筑物之间的差别在MNDWI图像中会大大的增加。在MNDWI图像中由于水体信息的
极大增强，所以不光水体的特征会提取的更准确，而且植被、土壤和建筑物都会是负值，
从而影响被显著地压缩甚至是消除。
值得提及的是在1996年高也为遥感图像的植被液态水命名了一个NDWI指数，但是
使用的是不同的波段组合：
NDWI(GAO)=(NIR-MIR)/(NIR MIR)
Wilson在2002年提出了一个归一化湿度指数NDMI，这个指数和GAO的NDWI指数使用
了完全相同的波段组合。无论是GAO的NDWI还是Wilson的NDMI都是为了探测植被液
态水，因此和McFeeters的NDWI都是不同的。为了表达更清楚并且避免混淆Gao的NDWI
和McFeeters的NDWI，前者可能会用“Wilson的NDMI指数”这种格式来命名。
- MNDWI的验证方法
用三种主要的水体类型来测试MNDWI:海洋、湖泊和河流。两幅Landsat的图像被用来进行有效性测试。一幅是TM影像，获得于1989年6月15号，包括了城市厦门；
另一幅是一个ETM 的图景，日期是2000年5月4号，包括了城市福州。这两个城市都坐落于福建省，中国的东南方。从这两幅影像中进一步提取可以代表以上三种水体类型的子影像。
使用方程（1）和（2）对这三幅子影像进行处理，得到NDWI和MNDWI的图像。使用下式比较NDWI和MNDWI的区别以得到数量化评价的结果。
C是一个对比值，F是前景目标的平均值，这里指示在指数推导图像中水体的平均值；
B 是背景目标的平均值，这里指的是图像中非水体目标的平均值。
除此之外，一旦确定指数的阈值了，通过对预测图像和参考图像像元到像元的比较而产生
的混淆矩阵也可以用来评价结果。
- 结果和讨论
4.1湖水增强
在ETM 图像上选出八一湖，也是福州的水库作为检测样本。子影像的背景有建筑物和植被（图像2（a））。增强之后，子影像（图像2（b-c））的MNDWI和NDWI都能清晰的显示出开阔水体。不过通过目视可以发现NDWI影像中的建筑用地仍然是中灰色调（图像2（b）），意味着值是正的。这些建筑用地可以看做是与水体信息混在一起的噪音。然而，MNDWI影像中的建筑用地是黑色并且和水体对比明显（图像2（c）），说明噪音被明显的压缩甚至是消除了。
表格1列出了子影像的统计结果。最明显的特征就是建筑用地在NDWI图像上是正值（0.15），这是因为它像水体一样反射绿光比近红外光多（图像1）。因此也就是说其在波段2的平均值（89.61）比其在波段4的平均值（65.71）多，导致使用方程（1）计算出来的（建筑用地的）NDWI的平均值是正值。所以建筑物和水体的值只相差0.27。正是因为（建筑用地的NDWI的）正的平均值以及和水体的低差异直接导致了建筑物成为了NDWI图像上的噪音。
然而在MNDWI图像上，由于建筑物的值是负值（-0.08）所以建筑物的噪音被显著地压缩了。由于建筑物在波段5的值更高（103.89），在波段2的值更低（89.61），建筑物在中红外波段有高反射率这个显著的特点（图像1），所以在MNDWI图像上是负值。
建筑物的平均值从NDWI图像上的0.15降低到MNDWI图像上的-0.08，水体的平均值从
NDWI图像上的0.42上升到MNDWI图像上的0.44，这就导致了两者之间的差值也就是
C的值扩大为0.52，几乎是NDWI图像上0.27这个值的二倍。对比度的增加致使建筑物
的影像被极大压缩。
使用阈值0可以进一步同时从NDWI和MNDWI图像中提取出水体。因为没有建筑用地的信息和增强的水体的信息混杂在一起，所以MNDWI图像上提取出来的水体可以得到总体99.85%的精度以及0.9927的KAPPA值。对水域的低估程度只有1.29%。然而，从NDWI图像上提取出来的小块水体中混有很多建筑物。导致对水体信息的高估以及77.25%的低精确度。将NDWI影像中的阈值手动调整到0.243可以获得更高的全面精度以及KAPPA值，但是会导致对水体区域低估21%。
4.2海水增强
从Landsat影像上选出厦门的沿海区域进行测试（图像2（f））。沿海区域在NDWI和MNDWI图像上被强调出来（图像2（g-h））。同样，许多建筑用地在NDWI图像是灰色，形成噪音，特别是在西岛（图像2（g））。但是在MNDWI图像上建筑物的噪音就大大的减少了（图像2（h））。这很大程度上是由于建筑物的平均值由NDWI影像上的正值降低到了负值，而水体的平均值由在MNDWI影像上是增加了（表格1）。这明显的导致了水体和建筑物对比的增强。对于MNDWI影像，0.09的阈值可以得到最好的水体提取结果，对水体高估0.43%。在NDWI影响上，0.337的阈值可以得到最好的提取效果，但是和MNDWI影像相比会导致更多的水体和非水体地类混淆在一起。
4.3河流增强
从Landsat ETM 图像中选出闽江的中游用于验证（图像2（k））。子景像的背景主要包括植被以及少量的建筑用地。因此通过目视解译几乎观察不出NDWI和MNDWI图像的区别，除了一条小路因为拥有正值在NDWI图像中仍然可见。但是，表格2的混淆矩阵仍然可以表明MNDWI相对于NDWI 有着更好的提取效果。
McFeeters在1996年指出NDWI可以被用于测试水的浑浊度。本次研究也证明了这点但是发现MNDWI能更清晰的测试水体的，而这一点对于检测水体细微的变化方面是非常有用的。图像2（i）和2（j）是从Landsat ETM 影像推导的表现罗源湾浑浊度的NDWI和MNDWI影像。可是，MNDWI影像能够比NDWI影像表现更多的细节。此外，MNDWI影像也表现了罗源湾湖中心的一些细微的水体细节，而这些细节在NDWI影响上是看不到的。
接下来有三个原因可以辅助来解释这个现象：
- MNDWI图像标准差更大因此包含更多的信息
- 水体的MNDWI值更高、和背景目标的对比更强烈，这导致了它可以更有效的增强以及表现水体更多的细节。
- 根据图3可知，水体的光谱响应在中红外波段比在近红外波段更敏感，这就有助于在使用中红外波段计算出来的MNDWI图像中可以显示更多微细的水体信息
另外，由于使用了归一化算法，MNDWI可以减少阴影的影响而不必使用复杂的算法，否则阴影的噪音是很难消除的。
- 结论
使用中红外波段替代近红外波段来改进NDWI指数可以有效地改善开放水体的增强。他可以快速准确地将水体和非水体区分开来。如果背景里有很多建筑用地，那么MNDWI相对于NDWI更适合用来增强水体，因为它可以有效地减少甚至是消除建筑物噪音。在MNDWI图像中用来得到最佳水体提取效果的阈值比在NDWI图像中小，表明使用0作为默认阈值可以产生更好的水体提取精度，这对MNDWI实现自动化是非常有益的。而且，MNDWI可以比NDWI表现开放水体的更多细节。这对于水体质量的细微不同的探测是非常有帮助的。
References
GAO,B.C.,1996,(NDWI—a normalized difference water index for remote sensing of
vegetation liquid water from space. Remote Sensing of Environment, 58, pp. 257–266.
JENSEN,J.R.,2004,Introductory digital image processing: A remote sensing perspective, 3rd edition (NJ: Prentice Hall Logicon Geodynamics, Inc).
M C F EETERS , S.K., 1996, The use of normalized difference water index (NDWI) in
the delineation of open water features. International Journal of Remote Sensing, 17, pp.1425–1432.
R UNDQUIST , D., L AWSON , M., Q UEEN , L. and C ERVENY , R., 1987, The Relationship between the Timing of Summer-Season Rainfall Events and Lake-Surface Area. Water
Resources B
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[26687]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
