[发明专利]中低分辨率遥感图像亚像元级水体自动提取方法和系统

权利要求书

1.一种中低分辨率遥感图像亚像元级水体自动提取方法，其特征在于，包括：

对于给定的中低分辨率遥感图像进行辐射定标和大气校正，生成地表反射率图像；

对地表反射率图像进行波段运算，提取水体指数并进行拉伸处理，并基于拉伸图像构建拉伸水体指数图像直方图；

使用高斯混合模型描述构建的拉伸水体指数图像直方图，并运用EM算法估算得到水体与陆地参数；

根据水体与陆地参数，求取水体与陆地的高斯密度函数交集，并将求取的高斯密度函数交集确定为水陆分离阈值；

根据水体与陆地参数、以及水陆分离阈值，提取得到水陆混合像元；

对提取得到的水陆混合像元进行水体丰度解算，得到亚像元级水体提取结果；

其中：

使用高斯混合模型描述构建的拉伸水体指数图像直方图，并运用EM算法估算得到水体与陆地参数，包括：使用高斯混合模型描述构建的拉伸水体指数图像直方图，通过EM迭代算法求取最优化水体与陆地的均值和标准差参数，具体包括：

(3.1)高斯混合模型由两个高斯概率密度分布混合而成，分别表示陆地和水体的像元分布，数学表达式为：

其中，Θ＝{a_k,μ_k,σ_k}是一组混合模型的参数，a_k表示第k个高斯成分权重，μ_k和σ_k表示第k个高斯成分的均值和标准差，f(x|μ_k,σ_k)表示第k个高斯成分的正态分布概率密度函数；

a_k满足：

0≤a_k≤1…(6)

k＝1，2；

f(x|μ_k,σ_k)表达式为：

(3.2)使用EM算法，通过迭代方式求解参数；EM算法包括两部分：E-Step和M-Step，E-Step计算参数的期望值和最大化高斯混合模型似然函数，M-Step重新估计并计算参数，并返回前一步迭代计算，直到满足条件停止；

(3.3)经过EM算法迭代后提取的μ₁,σ₁和μ₂,σ₂值即分别为陆地和水体的均值与标准差；

根据水体与陆地参数，求取水体与陆地的高斯密度函数交集，并将求取的高斯密度函数交集确定为水陆分离阈值，包括：

得到高斯混合模型参数后，通过计算水体与非水体正态分布概率密度函数的交点，获取水陆分离阈值t，即：

f(t|μ₁,σ₁)＝f(t|μ₂,σ₂)…(9)

其中，求解的t值介于μ₁和μ₂之间。

2.根据权利要求1所述的中低分辨率遥感图像亚像元级水体自动提取方法，其特征在于，对于给定的中低分辨率遥感图像进行辐射定标和大气校正，生成地表反射率图像，包括：

根据传感器的增益和偏置信息，将给定的中低分辨率遥感图像各波段观测的DN值转换为传感器入瞳处的光谱辐亮度；

根据图像获取时间和太阳天顶角，将光谱辐亮度转换为大气顶层表观反射率，完成图像的辐射定标；

使用大气校正模型，将光谱辐亮度或大气顶层表观反射率转换为地表反射率，完成图像的大气校正，并最终生成地表反射率图像。

3.根据权利要求1所述的中低分辨率遥感图像亚像元级水体自动提取方法，其特征在于，对地表反射率图像进行波段运算，提取水体指数并进行拉伸处理，并基于拉伸图像构建拉伸水体指数图像直方图，包括：

对地表反射率图像进行波段运算，使用绿光谱段和短波红外谱段生成归一化差异水体指数MNDWI；

将归一化差异水体指数MNDWI线性拉伸到[0,255]范围，并重新定义为线性差异水体指数SMNDWI；

对线性差异水体指数SMNDWI构建直方图，得到伸水体指数图像直方图。