武易天， 陳 甫， 馬 勇， 劉建波， 李信鵬

(1.中國(guó)科學(xué)院遙感與數(shù)字地球研究所,北京 100101； 2.中國(guó)科學(xué)院大學(xué),北京 100049)

0 引言

近海水產(chǎn)養(yǎng)殖作為我國(guó)漁業(yè)經(jīng)濟(jì)的重要組成部分，長(zhǎng)期以來(lái)保持著高速增長(zhǎng)勢(shì)頭。根據(jù)聯(lián)合國(guó)糧農(nóng)組織2014年發(fā)布的數(shù)據(jù)，2012年我國(guó)水產(chǎn)品年產(chǎn)量占全球漁業(yè)市場(chǎng)的61.69%，其中藻類海產(chǎn)品總量占全球市場(chǎng)的53.97%[1]。然而，隨著近海水產(chǎn)養(yǎng)殖業(yè)的高速發(fā)展和養(yǎng)殖面積的不斷擴(kuò)大，大規(guī)模養(yǎng)殖浮繩的散亂分布嚴(yán)重影響了海上交通； 加之人工飼養(yǎng)殘留在海水中的飼料會(huì)造成近海岸水體的富營(yíng)養(yǎng)化，嚴(yán)重破壞近海岸區(qū)域的生態(tài)平衡，造成重大損失。因此，為了維護(hù)近海岸區(qū)域的生態(tài)環(huán)境以及當(dāng)?shù)厮a(chǎn)養(yǎng)殖業(yè)的可持續(xù)發(fā)展，促進(jìn)近海資源的合理利用和綜合管理，對(duì)近海岸水產(chǎn)養(yǎng)殖區(qū)域進(jìn)行快速、準(zhǔn)確的監(jiān)測(cè)是很有必要的[2]。

衛(wèi)星遙感技術(shù)以其周期短、重復(fù)觀測(cè)且能夠大面積獲取地物空間信息等特點(diǎn)，已成為地表動(dòng)態(tài)監(jiān)測(cè)的重要手段。利用衛(wèi)星遙感影像能夠快速、準(zhǔn)確地對(duì)近海養(yǎng)殖區(qū)域進(jìn)行動(dòng)態(tài)監(jiān)測(cè)，在近海養(yǎng)殖區(qū)域的科學(xué)規(guī)劃與管理中發(fā)揮重要作用。馬艷娟等[3]基于ASTER衛(wèi)星數(shù)據(jù)，通過(guò)分析影像內(nèi)各波段對(duì)水產(chǎn)的敏感性差異，構(gòu)建了歸一化水產(chǎn)指數(shù)(normalized difference aquaculture index，NDAI)，并結(jié)合深海提取指數(shù)(marine extraction index，MEI)完成了近海水產(chǎn)養(yǎng)殖區(qū)養(yǎng)殖水體與其他水體的區(qū)分； 周小成等[4]通過(guò)構(gòu)建卷積算子，使用鄰域分析法增強(qiáng)水產(chǎn)養(yǎng)殖區(qū)的空間紋理信息，對(duì)ASTER影像中的水產(chǎn)養(yǎng)殖區(qū)域進(jìn)行了提??； 林桂蘭等[5]利用方差法并結(jié)合紋理分析，對(duì)廈門海灣的養(yǎng)殖區(qū)域進(jìn)行提取，得到了養(yǎng)殖專題圖； 孫曉宇等[6]采用面向?qū)ο蟮姆椒?，綜合運(yùn)用養(yǎng)殖區(qū)的光譜、紋理、形狀特征及空間鄰近關(guān)系等信息，并結(jié)合多時(shí)相遙感數(shù)據(jù)，對(duì)珠江口海岸帶地區(qū)水產(chǎn)養(yǎng)殖場(chǎng)的變化情況進(jìn)行了提取。然而，上述方法識(shí)別的都是養(yǎng)殖區(qū)的外部范圍，并未實(shí)現(xiàn)對(duì)養(yǎng)殖區(qū)內(nèi)部的精確提?。?而養(yǎng)殖區(qū)外部往往有許多水域并未進(jìn)行養(yǎng)殖生產(chǎn)，造成了這些方法的結(jié)果都出現(xiàn)了較大誤差，很難滿足監(jiān)控管理的實(shí)際需求。盧業(yè)偉等[7]基于RapidEye高空間分辨率影像，提出了一種基于近海養(yǎng)殖區(qū)的特征指數(shù)并結(jié)合紋理信息的養(yǎng)殖區(qū)自動(dòng)提取方法，對(duì)福建三都澳養(yǎng)殖水域進(jìn)行高精度提取，很好地識(shí)別出養(yǎng)殖水域間的非養(yǎng)殖水域，大大提高了提取精度。

但是，由于近海岸水域受懸浮泥沙濃度和葉綠素濃度等的影響，常呈現(xiàn)出不同的反射特性，導(dǎo)致近海養(yǎng)殖區(qū)水域背景復(fù)雜多變； 加之云霧的影響，單一的水產(chǎn)特征指數(shù)在復(fù)雜水色背景下很難取得較好的提取效果。為了解決復(fù)雜背景下水產(chǎn)養(yǎng)殖區(qū)的高精度提取問(wèn)題，本文首先利用基于正交子空間投影的約束能量最小化(orthogonal subspace projection-weighted constrained energy minimization，OWCEM)算法[8]對(duì)水產(chǎn)養(yǎng)殖區(qū)域進(jìn)行增強(qiáng)，消除復(fù)雜背景對(duì)水產(chǎn)養(yǎng)殖區(qū)提取的干擾； 然后提出局部標(biāo)準(zhǔn)差自適應(yīng)分割法(standard deviation adaptive segmentation，SDAS)對(duì)水產(chǎn)養(yǎng)殖區(qū)域進(jìn)行分割； 最后基于分割結(jié)果實(shí)現(xiàn)近海養(yǎng)殖區(qū)的高精度自動(dòng)提取。

1 研究區(qū)概況及數(shù)據(jù)源

1.1 研究區(qū)概況

為了驗(yàn)證算法的適應(yīng)性，本文選取福建寧德三都澳和山東榮成桑溝灣2處近海水域進(jìn)行水產(chǎn)養(yǎng)殖區(qū)提取實(shí)驗(yàn)。這2個(gè)區(qū)域的近海水產(chǎn)養(yǎng)殖區(qū)分布廣泛，養(yǎng)殖密度大且水產(chǎn)品種多樣，是我國(guó)著名的水產(chǎn)養(yǎng)殖模范基地。2個(gè)實(shí)驗(yàn)區(qū)域在氣候和水文條件等因素上有一定的差異，適合用于測(cè)試水產(chǎn)養(yǎng)殖區(qū)提取算法的穩(wěn)定性和可靠性，其分布位置如圖1所示。

(a) 山東桑溝灣養(yǎng)殖區(qū) (b) 福建三都澳養(yǎng)殖區(qū)

圖1實(shí)驗(yàn)區(qū)覆蓋范圍示意圖

Fig.1Sketchmapforcoverageofexperimentalareas

山東桑溝灣水產(chǎn)養(yǎng)殖區(qū)位于山東半島東端，除東面灣口與黃海相連外，其余三面被陸地環(huán)繞，主要養(yǎng)殖水產(chǎn)為貝殼類(箱式養(yǎng)殖)和海帶(浮繩式)。福建三都澳水產(chǎn)養(yǎng)殖區(qū)位于浙江省寧德市，是我國(guó)典型的近封閉型港灣，灣內(nèi)水產(chǎn)養(yǎng)殖區(qū)域眾多，主要養(yǎng)殖種類為紫菜(浮網(wǎng)式)、海帶(浮繩式)和鮑魚貝殼類(網(wǎng)箱式)等。

不同種類的水產(chǎn)養(yǎng)殖方式有一定的差別。如圖2(a)所示，鮑魚和其他貝殼類常放在漁排下懸吊的養(yǎng)殖網(wǎng)箱中，而漁排多由木板和塑料材質(zhì)搭建，其反射特性與水體差異明顯，在遙感影像中最容易提取，因此不是本文探討的重點(diǎn)。不同于鮑魚養(yǎng)殖，紫菜在海水中漂浮時(shí)間過(guò)久便會(huì)腐爛，在落潮后需要進(jìn)行干燥晾曬，所以漁民多利用高度20 m左右的大毛竹結(jié)合浮網(wǎng)在沿海灘涂養(yǎng)殖紫菜(圖2(b))。而圖2(c)和圖2(d)反映的則是海帶的養(yǎng)殖方式，相比于紫菜，海帶在收割前并不需要晾曬，因此多將其系在長(zhǎng)繩上進(jìn)行養(yǎng)殖，而長(zhǎng)繩要等間隔地系有漂浮球，使海帶不會(huì)漂浮到海水較深處，并保證其光合作用的效率。

(a) 鮑魚養(yǎng)殖區(qū) (b) 紫菜養(yǎng)殖區(qū) (c) 海帶養(yǎng)殖區(qū)1 (d) 海帶養(yǎng)殖區(qū)2

圖2水產(chǎn)養(yǎng)殖區(qū)不同的養(yǎng)殖方式

Fig.2Differentcultivationmodelsofaquacultureareas

1.2 數(shù)據(jù)源

遙感影像選取美國(guó)Landsat8衛(wèi)星數(shù)據(jù)，通過(guò)美國(guó)地理地質(zhì)調(diào)查局全球數(shù)據(jù)服務(wù)網(wǎng)站(http: //earthexplorer.usgs.gov/)下載，空間分辨率為30 m。結(jié)合水產(chǎn)的養(yǎng)殖周期，選取水產(chǎn)生長(zhǎng)較為茂盛的時(shí)間節(jié)點(diǎn)進(jìn)行水產(chǎn)養(yǎng)殖區(qū)提取實(shí)驗(yàn)，其中山東桑溝灣海域選擇2016年4月15日獲取的數(shù)據(jù)，福建三都澳地區(qū)選擇2014年4月10日獲取的數(shù)據(jù)。而在精度驗(yàn)證中則使用多光譜與全色波段融合后的Landsat8數(shù)據(jù)(15 m空間分辨率)，以及從中國(guó)資源衛(wèi)星中心獲取的2016年06月17日的桑溝灣海域高分二號(hào)(GF-2)數(shù)據(jù)和2014年05月08日的三都澳海域高分一號(hào)(GF-1)數(shù)據(jù)。

2 原理與方法

為實(shí)現(xiàn)復(fù)雜背景下的水產(chǎn)養(yǎng)殖區(qū)提取，本文首先利用OWCEM算法對(duì)水產(chǎn)養(yǎng)殖區(qū)域進(jìn)行增強(qiáng)，然后結(jié)合紋理信息提出SDAS對(duì)水產(chǎn)養(yǎng)殖區(qū)域進(jìn)行分割提取，從而實(shí)現(xiàn)近海養(yǎng)殖區(qū)的高精度自動(dòng)提取。OWCEM- SDAS方法的整體流程如圖3所示。

圖3 水產(chǎn)養(yǎng)殖區(qū)提取方法(OWCEM-SDAS)流程圖Fig.3 Flow char of extraction method(OWCEM-SDAS) for aquaculture areas

2.1 數(shù)據(jù)預(yù)處理

對(duì)獲取的Landsat8原始影像進(jìn)行以下預(yù)處理：

1)大氣校正。首先對(duì)Landsat8影像數(shù)據(jù)進(jìn)行輻射定標(biāo)，然后對(duì)其進(jìn)行FLAASH大氣校正，以消除影像數(shù)據(jù)中輻射亮度的各種失真。

2)幾何糾正。幾何糾正的目的是通過(guò)一定數(shù)量的控制點(diǎn)，進(jìn)行不同影像間的像元插值運(yùn)算和空間變換，以達(dá)到消除遙感影像幾何畸變的目的。本文通過(guò)在遙感影像中均勻布設(shè)控制點(diǎn)，對(duì)遙感影像進(jìn)行幾何精糾正。

3)水陸分離與影像裁剪。在以上基礎(chǔ)上，根據(jù)行政區(qū)邊界和全球30 m空間分辨率地表覆蓋產(chǎn)品[9]對(duì)遙感影像進(jìn)行水陸分離，裁剪出實(shí)驗(yàn)區(qū)域。

2.2 OWCEM算法養(yǎng)殖區(qū)增強(qiáng)

在近海岸水域，海水中葉綠素和懸浮泥沙濃度的分布差異使傳統(tǒng)方法所構(gòu)建的水產(chǎn)特征指數(shù)很難得到水產(chǎn)養(yǎng)殖區(qū)增強(qiáng)的效果，會(huì)顯著影響后續(xù)的紋理分析和水產(chǎn)養(yǎng)殖區(qū)提取過(guò)程，而OWCEM算法能夠?qū)Χ嗑S特征空間進(jìn)行目標(biāo)信號(hào)增強(qiáng)和識(shí)別，并廣泛應(yīng)用于高光譜遙感影像目標(biāo)識(shí)別中[10]。

2.2.1 樣本選擇和波段擴(kuò)展

對(duì)多光譜影像使用OWCEM算法前，需要進(jìn)行波段擴(kuò)展[11]。擴(kuò)展的波段主要來(lái)源有2類： ①與目標(biāo)地物有關(guān)的波段特征信息，在水產(chǎn)養(yǎng)殖區(qū)提取中主要由對(duì)水產(chǎn)較為敏感的波段構(gòu)成； ②通過(guò)計(jì)算影像中其他像元與端元樣本光譜間的相似性所構(gòu)成。

為了突出水和水產(chǎn)養(yǎng)殖區(qū)間的差別，本文在光譜特征空間內(nèi)新擴(kuò)展了3個(gè)水體指數(shù)，分別是改進(jìn)的歸一化差異水體指數(shù)(modification of normalized difference water index，MNDWI)[12]，以及Feyisa等[13]提出的水域自動(dòng)提取指數(shù)(automated water extraction index，AWEI)——AWEInsh和AWEIsh，并增加了葉綠素濃度指數(shù)(chlorophyll-a concentration，CHL)和懸浮泥沙濃度指數(shù)(total suspended matter concentration，TSM)[14]，用以減少水色差異對(duì)水產(chǎn)養(yǎng)殖區(qū)提取過(guò)程的干擾。在相關(guān)性特征空間中，為了計(jì)算端元樣本和其他像元間的相似性，選取光譜角距離SAD，相關(guān)系數(shù)corr，光譜距離s和光譜信息散度SID[15]這4個(gè)特征指數(shù)用于有效區(qū)分影像中的像元點(diǎn)與先驗(yàn)樣本間的差異，提高水產(chǎn)養(yǎng)殖區(qū)提取的精度。上述9個(gè)指數(shù)的表達(dá)式如表1所示，其中，AWEInsh與AWEIsh采用文獻(xiàn)[8]的方法進(jìn)行歸一化。

表1 波段擴(kuò)展中所包含的特征指數(shù)Tab.1 Feature indexes included in band expansion

(續(xù)表)

表1光譜特征中的band1，…，band7分別為L(zhǎng)andsat8多光譜數(shù)據(jù)中的第1波段，…，第7波段； 相關(guān)性特征中的x為先驗(yàn)樣本的特征向量，y為影像中除先驗(yàn)樣本外的所有像元點(diǎn)特征向量；p和q分別為x和y的概率密度分布； 光譜信息散度中的l為第l波段，l=1,2,…,L,L為影像的波段總數(shù)，這里取L=7;xl和yl分別為像元x和y中l(wèi)波段的值，因?yàn)樵跀?shù)據(jù)預(yù)處理中已進(jìn)行了輻射和大氣校正，因此這里的值代表了地物像元在不同波譜范圍上的地表反射率。

完成波段擴(kuò)展后，得到9個(gè)新的特征波段，再加上Landsat8影像原始的7個(gè)波段，總計(jì)16個(gè)波段。這16個(gè)波段不僅包含了水產(chǎn)養(yǎng)殖區(qū)的特征信息，還包含了非養(yǎng)殖水域、懸浮泥沙和葉綠素濃度的信息，綜合分析這些特征信息可以更加容易地區(qū)分水產(chǎn)養(yǎng)殖區(qū)與非養(yǎng)殖水域，提高水產(chǎn)養(yǎng)殖區(qū)提取精度。

2.2.2 OWCEM養(yǎng)殖區(qū)增強(qiáng)

經(jīng)過(guò)波段擴(kuò)展后得到的特征空間并不能夠直接進(jìn)行水產(chǎn)養(yǎng)殖區(qū)提取，還要經(jīng)過(guò)OWCEM增強(qiáng)處理后結(jié)合自適應(yīng)閾值進(jìn)行養(yǎng)殖區(qū)分割和提取。OWCEM算法的數(shù)學(xué)表達(dá)式為

(1)

式中：N為像元總數(shù);xi為影像中每一個(gè)像元的觀測(cè)信號(hào)，xi=(xi1,xi2,…,xiL)T，1≤i≤N;L為影像波段數(shù)(通常情況下L<

(2)

式中P為進(jìn)行正交子空間投影的系數(shù)，即

P=I-dd+,

(3)

式中：I為單位矩陣；d為輸入水產(chǎn)樣本；d+為d的偽逆。

將R帶入式(1)可得

(4)

OWCEM算法的具體求解過(guò)程如圖4所示。

圖4 OWCEM算法流程圖Fig.4 Flow chart of OWCEM algorithm

用OWCEM對(duì)近海水產(chǎn)養(yǎng)殖區(qū)域進(jìn)行增強(qiáng)的步驟如下：

1)首先，由Landsat8影像選取原始水產(chǎn)樣本d，在波段擴(kuò)展后利用式(2)計(jì)算正交投影加權(quán)自相關(guān)矩陣R。

2)其次，在求解出R后，將其帶入到式(3)中即可求得OWCEM能量最小解wOWCEM。

3)最后，將該系數(shù)與波段擴(kuò)展后的影像相乘，便可得到增強(qiáng)后的近海水產(chǎn)養(yǎng)殖區(qū)域圖。

需說(shuō)明的是，增強(qiáng)后的結(jié)果只是歸一化到(0,1)區(qū)間上的灰度影像，而水產(chǎn)養(yǎng)殖區(qū)域的精確提取還需要進(jìn)行自適應(yīng)閾值分割處理。

2.3 SDAS法養(yǎng)殖區(qū)提取

在大范圍水產(chǎn)養(yǎng)殖區(qū)遙感精確提取中，受懸浮泥沙等因素的影響，在全局范圍內(nèi)很多養(yǎng)殖區(qū)與非養(yǎng)殖區(qū)在光譜特征上仍難以區(qū)分，這就需要結(jié)合空間信息進(jìn)行進(jìn)一步分割提取。由于水產(chǎn)養(yǎng)殖區(qū)呈條帶狀間隔分布特征，因此本文在使用OWCEM算法增強(qiáng)養(yǎng)殖區(qū)后，采用SDAS法對(duì)養(yǎng)殖區(qū)進(jìn)行自動(dòng)精確提取。

通過(guò)對(duì)OWCEM算法增強(qiáng)后的影像進(jìn)行分析，發(fā)現(xiàn)水產(chǎn)養(yǎng)殖區(qū)呈固定寬度的條帶狀分布，其寬度在Landsat8影像中多為3個(gè)像元，而且相鄰養(yǎng)殖區(qū)域間被非養(yǎng)殖水域隔開。基于這種紋理特征，本文采用5像元×5像元的窗口對(duì)增強(qiáng)后的影像進(jìn)行分割，并計(jì)算各小窗口內(nèi)部像元灰度分布的標(biāo)準(zhǔn)差。由于所選窗口寬度大于單條養(yǎng)殖區(qū)域，因此各窗口內(nèi)像元分布只可能有養(yǎng)殖區(qū)域與非養(yǎng)殖區(qū)交錯(cuò)分布或者該窗口內(nèi)部不存在養(yǎng)殖區(qū)域2種情況。在養(yǎng)殖區(qū)與非養(yǎng)殖區(qū)交錯(cuò)分布的情況下，分割窗口的標(biāo)準(zhǔn)差較大； 而在不包含養(yǎng)殖區(qū)域的情況下，局部窗口標(biāo)準(zhǔn)差則較小。因此，可以使用OWCEM處理中選取的樣本所在局部窗口的標(biāo)準(zhǔn)差作為閾值，剔除不包含養(yǎng)殖區(qū)的小窗口。對(duì)剩余的包含水產(chǎn)養(yǎng)殖區(qū)的局部窗口，使用最大類間方差分割法Otsu[16]進(jìn)行水產(chǎn)養(yǎng)殖區(qū)的精確提取。

Otsu法是一種自適應(yīng)的閾值選擇方法，通過(guò)使影像目標(biāo)類和背景類二者的類間方差最大化，自動(dòng)求得閾值，對(duì)影像中的目標(biāo)和背景進(jìn)行分割。在影像分割時(shí)，假設(shè)目標(biāo)像元占影像總像元比例為w1，且目標(biāo)像元類別的平均灰度為u1； 對(duì)應(yīng)地，影像中背景像元所占影像總像元個(gè)數(shù)比例為w2，其類別平均灰度為u2，則影像的總平均灰度u為

u=w1u1+w2u2。

(5)

由此得到目標(biāo)和背景二者的類別間方差g的數(shù)學(xué)表達(dá)為

g=w1(u1-u)2+w2(u2-u)2,

(6)

進(jìn)而可求得

g=w1w2(u1-u2)2。

(7)

通過(guò)選擇分割閾值T，使g最大，即

(8)

式中DNmax為影像的最大灰度值。

在局部標(biāo)準(zhǔn)差濾波后的窗口內(nèi)自動(dòng)選取閾值，對(duì)養(yǎng)殖區(qū)與非養(yǎng)殖區(qū)進(jìn)行分割，可以得到近海養(yǎng)殖區(qū)的精確提取結(jié)果。相對(duì)于僅通過(guò)全局閾值提取近海養(yǎng)殖區(qū)的面向?qū)ο筇崛》?，局部?biāo)準(zhǔn)差自適應(yīng)分割法能夠充分利用養(yǎng)殖區(qū)局部的空間分布特性，根據(jù)不同子區(qū)域自動(dòng)求得分割閾值，從而很好地減少了懸浮泥沙和葉綠素濃度對(duì)分割閾值選擇的干擾，提高了近海水產(chǎn)養(yǎng)殖區(qū)的提取精度。

3 實(shí)驗(yàn)結(jié)果與精度檢驗(yàn)

3.1 對(duì)比實(shí)驗(yàn)的選擇

由于現(xiàn)有的提取算法鮮有基于Landsat8數(shù)據(jù)進(jìn)行近海水產(chǎn)養(yǎng)殖區(qū)精確提取的，為了保證實(shí)驗(yàn)的可靠性，本文根據(jù)Landsat8的數(shù)據(jù)特征，參考已有的其他衛(wèi)星數(shù)據(jù)的水產(chǎn)養(yǎng)殖區(qū)提取方法，在2個(gè)實(shí)驗(yàn)區(qū)進(jìn)行了面向?qū)ο笏a(chǎn)養(yǎng)殖區(qū)提取實(shí)驗(yàn)，并與本文實(shí)驗(yàn)進(jìn)行對(duì)比分析。為了進(jìn)一步提升面向?qū)ο蠓椒ǖ奶崛【?，在設(shè)置提取閾值時(shí)，本文在預(yù)設(shè)閾值的左右再進(jìn)行10步(步長(zhǎng)為0.02)搜索，以選取整體提取精度最好的閾值作為提取參數(shù)。

3.2 實(shí)驗(yàn)結(jié)果分析

3.2.1 山東桑溝灣提取結(jié)果

圖5示出山東桑溝灣水產(chǎn)養(yǎng)殖區(qū)提取結(jié)果。圖5(a)是山東桑溝灣水域Landsat8影像的B4(R)，B3(G)，B2(B)波段合成影像； 圖5(b)是圖5(a)中所標(biāo)注的3個(gè)局部矩形區(qū)域A，B，C的放大顯示圖； 圖5(c)是使用面向?qū)ο筇崛》椒▽?duì)山東桑溝灣海域進(jìn)行水產(chǎn)養(yǎng)殖區(qū)提取后的結(jié)果，圖中黃色區(qū)域?yàn)閿?shù)據(jù)預(yù)處理中通過(guò)掩模運(yùn)算去掉的陸地區(qū)域，黑色區(qū)域?yàn)榉丘B(yǎng)殖水域，白色條紋狀區(qū)域是水產(chǎn)養(yǎng)殖區(qū)。圖5(c)選擇了圖5(a)中同樣的3個(gè)矩形框，對(duì)局部區(qū)域進(jìn)行放大，如圖5(d)所示。而圖5(e)則是用本文所提方法在山東桑溝灣水域提取的水產(chǎn)養(yǎng)殖分布結(jié)果，圖中同樣選了3個(gè)區(qū)域放大(圖5(f))，以便進(jìn)行對(duì)比分析。

從圖5顯示的結(jié)果來(lái)看，影像中對(duì)應(yīng)的3個(gè)區(qū)域A，B，C都有一定程度的懸浮泥沙干擾。其中區(qū)域A范圍較大，受懸浮泥沙影響最大，右側(cè)的部分條狀養(yǎng)殖區(qū)幾乎不可見，僅能看到模糊的輪廓； 區(qū)域B中的水產(chǎn)紋理較為密集受葉綠素濃度差異的影響，左下角灰度差異較為明顯； 而區(qū)域C雖然也有懸浮泥沙的影響，但該區(qū)域內(nèi)懸浮泥沙濃度分布較為均一，對(duì)水產(chǎn)養(yǎng)殖區(qū)提取的影響相對(duì)較少。從目視效果上看，本文方法的提取結(jié)果(圖5(e)和(f))紋理較清晰，水產(chǎn)養(yǎng)殖區(qū)內(nèi)部間隔的非養(yǎng)殖區(qū)水域也能夠被有效地剔除； 而面向?qū)ο蟮奶崛〗Y(jié)果(圖5(c)和(d))則出現(xiàn)了較高的誤判率，其中在區(qū)域A中右側(cè)被懸浮泥沙影響的水產(chǎn)養(yǎng)殖區(qū)幾乎沒(méi)有提取出來(lái)，區(qū)域B中的結(jié)果中存在大量相連的區(qū)域，區(qū)域C中因全局閾值的影響，提取出的區(qū)域也相對(duì)有限。需要說(shuō)明的是，受Landsat8影像空間分辨率的影響，矩形度等特征指數(shù)在面向?qū)ο筇崛∵^(guò)程中所起到的作用相對(duì)有限，這也增加了面向?qū)ο筇崛∷a(chǎn)養(yǎng)殖區(qū)域的難度。

(a) Landsat8影像 (b) (a) 中3個(gè)區(qū)域放大顯示

(c) 面向?qū)ο筇崛〗Y(jié)果 (d) (c) 中3個(gè)區(qū)域放大顯示

(e) 本文方法提取結(jié)果 (f) (e) 中3個(gè)區(qū)域放大顯示

圖5山東桑溝灣水產(chǎn)養(yǎng)殖區(qū)提取結(jié)果

Fig.5AquacultutreareaextractionresultinSanggouBay,Shandong

3.2.2 福建三都澳提取結(jié)果

福建三都澳地區(qū)的水產(chǎn)養(yǎng)殖區(qū)域提取結(jié)果如圖6所示。圖6中各子圖的位置與圖5類似，圖6(a)，(c)和(e)分別是福建三都澳水域的Landsat8影像、面向?qū)ο筇崛〗Y(jié)果和本文方法所提取的結(jié)果，圖6(b),(d)和(f)分別是圖6(a),(c)和(e)中3個(gè)矩形區(qū)域的放大圖。從影像中可以看出，福建三都澳海域受懸浮泥沙濃度的影響要比山東桑溝灣地區(qū)的小，但該景影像中有部分薄云的干擾，導(dǎo)致部分區(qū)域反射率升高，而左側(cè)的區(qū)域B未受云影響，水產(chǎn)和非水產(chǎn)養(yǎng)殖區(qū)的整體反射率較低。在提取結(jié)果中，面向?qū)ο蟮乃a(chǎn)養(yǎng)殖區(qū)提取出現(xiàn)了很多錯(cuò)分的情況，其主要原因在于大范圍區(qū)域內(nèi)的某些非養(yǎng)殖水域反射率和部分養(yǎng)殖區(qū)反射率重疊，因此在設(shè)置水產(chǎn)養(yǎng)殖區(qū)提取的閾值時(shí)很難通過(guò)一個(gè)全局的閾值對(duì)大范圍水產(chǎn)養(yǎng)殖區(qū)進(jìn)行提取。而本文方法在使用OWCEM進(jìn)行目標(biāo)信息增強(qiáng)后，在分割提取時(shí)采用2層不同尺度的提取，從目視效果上看獲得了較好的結(jié)果。

(a) Landsat8影像 (b) (a) 中3個(gè)區(qū)域放大顯示

(c) 面向?qū)ο筇崛〗Y(jié)果 (d) (c) 中3個(gè)區(qū)域放大顯示

(e) 本文方法提取結(jié)果 (f) (e) 中3個(gè)區(qū)域放大顯示

圖6福建三都澳水產(chǎn)養(yǎng)殖區(qū)提取結(jié)果

Fig.6AquacultutreareaextractionresultinSanduaoBay,Fujian

比較圖5和圖6可以看出，與面向?qū)ο筇崛》ㄏ啾龋疚姆椒ㄝ^好地利用了近海水產(chǎn)養(yǎng)殖區(qū)的光譜-空間信息。但本文方法在圖6的區(qū)域B中也存在部分錯(cuò)分現(xiàn)象，并非所有養(yǎng)殖水域間的間隔(非養(yǎng)殖水域)都能很好地被提取出來(lái)。從整體而言，面向?qū)ο蠓椒ㄓ捎谑苋珠撝档挠绊?，其整體分類結(jié)果較為一般； 而本文提出的分類方法提取的水產(chǎn)養(yǎng)殖區(qū)紋理清晰，精度較高，具有較高的實(shí)用價(jià)值。

3.3 精度驗(yàn)證

驗(yàn)證數(shù)據(jù)都使用ENVI軟件進(jìn)行預(yù)處理。數(shù)據(jù)與處理算法精度的驗(yàn)證是通過(guò)在每個(gè)實(shí)驗(yàn)區(qū)內(nèi)隨機(jī)生成一定數(shù)量的驗(yàn)證樣本，然后結(jié)合同一地區(qū)的高空間分辨率影像數(shù)據(jù)(融合后的Landsat8和GF-1/2影像)，對(duì)隨機(jī)生成的驗(yàn)證樣本點(diǎn)進(jìn)行目視解譯和分類。在進(jìn)行目視解譯前，對(duì)GF數(shù)據(jù)進(jìn)行了輻射和大氣校正，且與Landsat8數(shù)據(jù)進(jìn)行了幾何配準(zhǔn)。最后利用驗(yàn)證樣本點(diǎn)與近海養(yǎng)殖區(qū)提取結(jié)果構(gòu)建混淆矩陣，得到提取后的總體分類精度和Kappa系數(shù)以及水產(chǎn)養(yǎng)殖區(qū)的制圖精度和用戶精度。驗(yàn)證點(diǎn)的選取和目視解譯參考影像如圖7所示。圖7(a)為山東桑溝灣的近海養(yǎng)殖區(qū)域圖，圖中綠點(diǎn)為非養(yǎng)殖水域的驗(yàn)證樣本點(diǎn)，紅點(diǎn)為水產(chǎn)養(yǎng)殖區(qū)的驗(yàn)證樣本點(diǎn)。圖7(b)為結(jié)合GF-2數(shù)據(jù)對(duì)圖7(a)中驗(yàn)證樣本點(diǎn)進(jìn)行目視解譯和分類的結(jié)果。同理，圖7(c)為福建三都澳水域的近海養(yǎng)殖區(qū)域圖，圖中綠點(diǎn)為非養(yǎng)殖水域的驗(yàn)證樣本點(diǎn)，紅點(diǎn)為水產(chǎn)養(yǎng)殖區(qū)的驗(yàn)證樣本點(diǎn)，而圖7(d)為圖7(c)中驗(yàn)證樣本點(diǎn)在對(duì)應(yīng)區(qū)域GF-2數(shù)據(jù)上的展示?？梢钥闯鲈摼癎F-2數(shù)據(jù)受水色和云霧影響，雖然可以作為參考數(shù)據(jù)對(duì)Landsat8的驗(yàn)證樣本點(diǎn)進(jìn)行目視解譯，但較難直接用作水產(chǎn)養(yǎng)殖區(qū)的精確提取。在對(duì)2個(gè)實(shí)驗(yàn)區(qū)驗(yàn)證樣本點(diǎn)目視解譯后，對(duì)水產(chǎn)養(yǎng)殖區(qū)提取結(jié)果計(jì)算混淆矩陣，其結(jié)果分別如表2和表3所示。

(a) 山東桑溝灣養(yǎng)殖區(qū)影像(b) 山東桑溝灣養(yǎng)殖區(qū)部分驗(yàn)證樣本點(diǎn)

(c) 福建三都澳養(yǎng)殖區(qū)影像(d) 福建三都澳養(yǎng)殖區(qū)部分驗(yàn)證樣本點(diǎn)

圖7 驗(yàn)證樣本點(diǎn)在實(shí)驗(yàn)區(qū)參考影像中的分布Fig.7 Vertification samples of test regions distributed in reference images表2 山東桑溝灣區(qū)域提取結(jié)果混淆矩陣Tab.2 Confusion matrix of aquaculture area extraction result in Sanggou Bay, Shandong

表3 福建三都澳區(qū)域提取結(jié)果混淆矩陣Tab.3 Confusion matrix of aquaculture area extraction result in Sanduao Bay, Fujian

由表2和表3可以看出，面向?qū)ο蠓椒ㄔ谔崛r(shí)將大量的非養(yǎng)殖水域像元誤提取為水產(chǎn)養(yǎng)殖區(qū)，而本文方法誤檢的像元個(gè)數(shù)相對(duì)較少； 在非養(yǎng)殖水域的識(shí)別上，2類方法表現(xiàn)都較好，誤檢像元較少。

2個(gè)實(shí)驗(yàn)區(qū)2種提取方法的整體提取精度結(jié)果如表4所示。

表4 面向?qū)ο蠛捅疚姆椒ㄌ崛【葘?duì)比Tab.4 comparison of extraction accuracy using obeject-oritented method and proposed method (%)

從表4可以看出，在山東桑溝灣的水產(chǎn)養(yǎng)殖區(qū)提取過(guò)程中，面向?qū)ο蠓椒ㄓ脩艟冗_(dá)到88.78%，但其制圖精度很低，Kappa系數(shù)僅為57.03%，總體精度僅為69.69%； 本文方法提取精度較高，總體精度達(dá)到了94.86%。在福建三都澳實(shí)驗(yàn)區(qū)，面向?qū)ο筇崛【扔兴岣撸傮w精度仍未達(dá)到80%； 而本文方法雖然精度相比山東桑溝灣實(shí)驗(yàn)區(qū)有所下降，但Kappa系數(shù)仍在90%以上，總體精度也比面向?qū)ο蠓椒ǜ叱?5%。

綜上所述，在山東桑溝灣和福建三都澳水產(chǎn)養(yǎng)殖區(qū)提取實(shí)驗(yàn)中，面向?qū)ο筇崛∷惴傮w精度不足80%，而本文算法總體精度維持在93%以上。證明本文方法能夠在復(fù)雜水色背景下，對(duì)水產(chǎn)養(yǎng)殖區(qū)進(jìn)行精確提取。

4 結(jié)論

利用遙感技術(shù)進(jìn)行近海養(yǎng)殖區(qū)的提取已經(jīng)廣泛地應(yīng)用于生產(chǎn)實(shí)踐，但目前傳統(tǒng)的提取方法在海域水色較復(fù)雜的情況下提取養(yǎng)殖區(qū)的精度較低，遠(yuǎn)遠(yuǎn)不能滿足實(shí)際應(yīng)用的需求。本文在充分利用了近海養(yǎng)殖區(qū)的光譜和空間信息的基礎(chǔ)上，利用正交子空間投影的約束能量最小化(OWCEM)方法，對(duì)復(fù)雜海域下的水產(chǎn)養(yǎng)殖區(qū)進(jìn)行增強(qiáng)； 并通過(guò)局部標(biāo)準(zhǔn)差自適應(yīng)分割(SDAS)算法實(shí)現(xiàn)了養(yǎng)殖區(qū)的自動(dòng)分割和提取，大大提高了養(yǎng)殖區(qū)提取結(jié)果的精度。與現(xiàn)有的近海養(yǎng)殖區(qū)提取方法相比，本文方法具有以下優(yōu)點(diǎn)：

1)充分利用了影像中所有的波段信息，能夠在復(fù)雜水色背景下有效增強(qiáng)近海水產(chǎn)養(yǎng)殖區(qū)，降低復(fù)雜背景對(duì)提取的影響。

2)自動(dòng)化程度高。除算法初期需要輸入少量樣本點(diǎn)(不超過(guò)10個(gè))外，整個(gè)處理流程完全自動(dòng)進(jìn)行，大大減少了提取的工作量，也降低了方法使用難度。

3)基于局部標(biāo)準(zhǔn)差自適應(yīng)分割方法自動(dòng)調(diào)整每個(gè)子區(qū)域的分割閾值，解決了全局分割閾值不能精確提取水產(chǎn)養(yǎng)殖區(qū)的問(wèn)題。

但本文方法還存在某些不足，在水產(chǎn)養(yǎng)殖區(qū)提取過(guò)程中未考慮水產(chǎn)生長(zhǎng)情況對(duì)提取的影響，導(dǎo)致部分區(qū)域出現(xiàn)了一些錯(cuò)分的現(xiàn)象，這也是下一步進(jìn)行深入研究的目標(biāo)，即結(jié)合多時(shí)相遙感數(shù)據(jù)更有效地對(duì)近海養(yǎng)殖區(qū)進(jìn)行提取并監(jiān)控水產(chǎn)的生長(zhǎng)情況。