基于PCA和SVM的遥感影像水体提取方法及验证

作者：周婷; 汪炎; 邹俊; 李辰; 崔玉环; 王笑宇; 谢传流; 夏萍^*

来源：水资源保护, 2023, 39(02): 180-189.

• 遥感影像水体提取
• 归一化差分水体指数(NDWI)
• 支持向量机(SVM)
• 主成分分析(PCA)
• 纹理特征向量
• 巢湖

针对内陆湖泊水质及光谱特性空间差异性大、支流水系结构复杂而导致的遥感影像水体提取精度低的问题，提出了结合光谱主成分分析(PCA)及支持向量机(SVM)的PCA-SVM水体提取算法。基于GF-1卫星遥感影像，对原始影像光谱波段特征进行PCA降维，从中优选熵、方差、差异性纹理特征向量，结合原始波段及归一化差分水体指数(NDWI),构建了8维特征向量，并基于SVM算法提取湖泊水体。以巢湖洪水期与非洪水期影像为研究实例，分别采用NDWI法、传统SVM算法及PCA-SVM算法对水体进行提取，并进一步基于PCA-SVM算法对2020年汛期巢湖洪水期淹没演变过程进行反演和跟踪，定量解析特征向量组合及SVM惩罚系数C对水体提取性能的影响。结果表明：PCA-SVM算法提取的湖泊完整、支流连续，显著改善了含蓝藻水体漏提、建筑物误提等问题；洪水期和非洪水期提取结果的F1分数分别为95.08%和97.95%,虚警率分别为5.43%和1.13%,提取精度显著高于NDWI法和SVM算法。

• 单位
  安徽农业大学; 东华工程科技股份有限公司