受生物视觉“图形–背景”分辨机制启发的遥感影像水体信息提取方法

蝇类昆虫–果蝇复眼视觉系统的高适应性和高可靠性是一种自然特性，对于视觉杂乱场景中感兴趣目标/区域(统称“图形”)的分辨和飞行追踪过程，在本质上却是良态和适定的。本文针对遥感影像水体信息提取所涉及的图像分割和“图形–背景(figure-backgrounds, FB)”分辨这一逆问题求解存在的病态的(不适定的)本质性困难，基于昆虫生理学研究的新发现，分析果蝇复眼视觉信息加工的神经过程，模拟其无需背景建模、先验信息以及不依赖于样本数据训练隐式模型，所具有的视觉杂乱背景且噪声干扰下“图形–背景”分辨的功能优势，提出一种仿蝇视觉“图形–背景”分辨的遥感影像水体提取方法，通过多组仿真实验，并与标准的归一化差异水体指数NDWI、改进的NDWI (MNDWI)、决策树模型以及SVM分类等方法做了分析对比，验证了新方法的优越性。

卫星遥感具有大范围探测、实时性高、信息丰富等优点，已经成为提取江河湖库等水体的位置、面积、轮廓(边界)及水位的一种有效手段。

利用卫星遥感数据进行水体信息提取的数据源主要包含雷达遥感数据、光学遥感数据以及两者结合的数据。在可见光范围内，水体的反射率总体上比较低，不超过10%， 一般为4%~5%，并随着波长的增大逐渐降低。在红外波谱段，水体吸收了近红外及短波红外谱段内绝大部分的入射能量，反射能量很少；而其它地物所吸收的能量较小，具有较高的反射率，这使得水体在红外波波谱段与植被、土壤、城市建筑等地物有明显区别，遥感影像水体提取正是利用目标地物在不同波谱段表现出不同的反射或辐射特性来确定水体的位置、面积和边界等。水体信息提取采用了低、中、高不同分辨率的卫星遥感手段，中低分辨率遥感具有良好的现势性和宏观性，高分辨率遥感影像解译质量高，但高分影像获取周期长、时间分辨率较低，低分影像可以监测到水体每日的变化情况，时间分辨率较高，不同分辨率影像能够在空间、时间上互补。

在基于光学的多光谱、高光谱遥感水体提取研究方面，目前应用最多的水体提取方法包括基于像元分类的阈值法、基于目标/区域分类的分类器法和不同方法的集成法三类。阈值法多应用于中、低分辨率影像，包括单波段法，多波段法的谱间关系法、比值法、水体指数法等[1] [2] [3] [4]。分类器法更适用于地物细节信息丰富的中、高分辨率影像的水体提取，主要包括支持向量机、决策树、面向对象的方法， 以及基于浅层学习和基于深度学习的方法[2] [3] [4] [5]。集成法融合了阈值法、分类器法，以克服采用统