[发明专利]一种基于蚁群算法的水体自动提取方法

说明书

本发明公开了一种融合光谱纹理特征的蚁群水体自动提取方法，其步骤为：步骤S1：确定水体提取规则；通过目视解译，选择水体样本点，确定水体光谱纹理曲线范围，即选择水体特征光谱纹理区间来作为目标水体搜索范围；步骤S2：设置蚁群初始参数；将蚂蚁随机分布在输入图像上；初始化各种变量参数及预定参数；步骤S3：确定信息素更新规则；当所有蚂蚁完成一次循环后，各个像元上的信息素浓度，需要实时更新；步骤S4：确定蚂蚁移动规则；步骤S5：信息素浓度超过给定的阈值，被确定为水体信息。本发明具有原理简单、提取精度高、适用于自动化操作等优点。

技术领域

本发明主要涉及到水体监测技术领域，特指一种融合光谱和纹理特征的蚁群水体自动提取方法。

背景技术

基于像元光谱和目视解译的水体信息提取方法在实际中应用广泛，但是，基于像元光谱的信息提取方法只能够根据光谱信息提取对象，忽略了大量的空间信息；目视解译方法主要利用遥感图像的纹理和结构信息，它要求有丰富的专业经验和充足的野外实地调查资料且效率低下。

随着提取方法的不断改进，通过加入一些规则、构建一些参数已实现了水体信息的自动分类提取，目前单波段阈值法、多波段谱间关系法、水体指数法等水体判别方法以及根据形状信息来进行水体识别和分类的方法相继得到了应用。其中，单波段法原理简单，主要利用水体和其他地物在近红外或中红外波段上光谱特征的差异来提取水体信息，阈值选取的准则直接决定了水体信息提取的准确性。在地物类型丰富、波段灰度值接近的影像上，单波段法具有一定的局限性。多波段谱间关系法、比值法和差值法主要是利用地物在不同波段的光谱特征和光谱差异，通过构造光谱差异关系和水体信息提取模型将水体和其他地物最大化地区分开来。在地形复杂区域，用谱间关系法提取水体信息时，除阴影外，冰雪和冲洪积物等也对水体信息提取产生明显干扰，多波段谱间关系法分析过程复杂、对背景信息抑制较差。水体指数法是基于水体光谱特征分析，选取与水体识别密切相关的波段，通过构建水体指数模型来分析水体与光谱值之间的关系，并给定相应的阈值，实现对水体信息的提取。该指数可以最大程度地抑制植被信息，突出水体信息，但忽视了土壤、建筑和阴影的影响，可以有效地将水体与植被及山体阴影等信息区分开。然而，不同的背景信息对水体提取精确性的影响不同，水体指数不能很好地适合所有的现实状态。

总的来说，以上几种方法存在以下几方面缺点：(1)基于像元光谱的信息提取方法只能够根据光谱信息提取对象，忽略了大量的空间信息；目视解译方法主要利用遥感图像的纹理和结构信息，它要求有丰富的专业经验和充足的野外实地调查资料且效率低下；(2)针对不同遥感卫星数据需要不同的计算模型和阈值，普适性低；(3)方法较为原始，提取精度低。

发明内容

本发明要解决的技术问题就在于：针对现有技术存在的技术问题，本发明提供一种原理简单、提取精度低、适用于自动化操作的基于蚁群算法的水体自动提取方法。

为解决上述技术问题，本发明采用以下技术方案：

一种基于蚁群算法的水体自动提取方法，其步骤为：

步骤S1：确定水体提取规则；通过目视解译，选择水体样本点，确定水体光谱纹理曲线范围，即选择水体特征光谱纹理区间来作为目标水体搜索范围；

步骤S2：设置蚁群初始参数；将蚂蚁随机分布在输入图像上；初始化各种变量参数及预定参数；

步骤S3：确定信息素更新规则；当所有蚂蚁完成一次循环后，各个像元上的信息素浓度，需要实时更新；

步骤S4：确定蚂蚁移动规则；

步骤S5：信息素浓度超过给定的阈值，被确定为水体信息。

作为本发明的进一步改进：在步骤S1中，通过灰度共生矩阵，利用纹理方差这个纹理量，来提取水体信息的纹理特征；通过将遥感图像的所有波段与纹理方差的RGB数据组合起来，作为水体信息提取的基础数据。