面向对象水体提取方法：原理、应用与挑战

面向对象的分类方法是一种针对高分辨率遥感影像的分析方法，其主要特点在于利用地物在遥感影像中的'纹理信息'。该方法的主要手段是按照特定尺度对遥感数据进行分割处理，以获得目标体的特定信息。近年来，学者们提出了一系列基于面向对象的水体提取方法，包括基于经验模态和分形结合的方法、基于规则的面向对象方法、案例推理的方法、矢量约束的方法和追踪识别算法。这些方法都具有较高的精度和利用价值，但需要对分割尺度进行实验，同时，对于开展较大区域的水体提取或中低分辨率的遥感影像，仍有一定的局限性。因此，在实际应用中，需要结合先验知识，综合考虑多种方法，以提高水体提取的准确性和可靠性。

面向对象的分类方法主要集中于高分辨率的遥感影像，其主要手段是对于特定的目标体，按照其特定尺度对遥感数据进行分割处理，该方法最显著的特点是利用了地物在遥感影像中的'纹理信息'。

2014 年，周林滔针对辽宁西北部地区进行了基于经验模态（EMD）和分形结合的方法进行水体提取[20]。2016 年，黄帅利用分形网络进化算法，借助 ESP 尺度分割工具对水体选取了最优分割尺度，进而开展基于规则的面向对象的方法获取高精度高分辨率的水体信息[21]。2017 年，徐军利用案例推理的方法，对 WorldView 数据进行处理，通过遥感影像上水体的光谱信息和'纹理信息'作为基础构建推理的数据知识库，进而采用归一化的相似度计算方法和对应的匹配方法进行特征匹配，完毕后利用形态学方法进行闭运算等后处理，最终获取水体信息[22]。2018 年，崔齐利用矢量约束的方法进行高分辨率遥感影像的提取，通过硬边界的约束先对遥感影像进行分割，然后利用分割后的图层与矢量数据层建立出对应的空间关系，通过矢量数据与遥感数据差异化的知识来提取遥感影像中的真实水体[23]。2019 年，戴激光利用追踪识别算法进行水体提取 [24]，龚林松在改进的 SLIC 和 OSTU 两种方法结合的基础上对沙河水库地区的高分一号数据进行处理，提取水体信息精度较高[25]。

面向对象的水体提取方法具有较高精度，对于高分辨率遥感影像具有较好的利用价值，但对于分割尺度的把握需要进行实验，同时，部分分类规则需要具有一定的先验知识。这对于开展较大区域的水体提取，或者是部分中低分辨率的遥感影像来说具有一定的局限性。