湖泊水体遥感提取方法比较研究

湖泊水体遥感提取方法比较研究

徐蓉1，张增祥2，赵春哲1

(1.重庆三峡学院 计算机科学与工程学院，重庆 404000；2.中国科学院 遥感与数字地球研究所，北京 100094)

摘要：本文以位于我国不同地区的10个湖泊为研究区域，对波段差值模型、FAI模型以及NDWI和近红外波段模型等3种水体提取模型进行了比较，分析其在MODIS数据湖泊水体识别方面的效果。模型中的阈值分别采用大津法和迭代法计算。结果表明，波段差值模型在西部地区湖泊的应用效果较好，而NDWI和近红外波段模型在东部地区湖泊的应用效果较好，两者总体上比FAI模型更为准确地提取了湖泊水体信息。此外，大多数情况下大津法和迭代法得到的阈值是相近的。

关键词：MODIS数据；水体提取；NDWI；波段差值；自动阈值

doi:10.3969/j.issn.1000-3177.2015.01.019

中图分类号：TP79文献标识码：A

Different Models Used in Extraction of Lake Water Body

Based on MODIS Data

XU Rong1，ZHANG Zeng-xiang2，ZHAO Chun-zhe1

(1.SchoolofComputerScienceandEngineering，ChongqingThreeGorgesUniversity，Chongqing404000；

2.InstituteofRemotesensingandDigitalEarth，CAS，Beijing100094)

Abstract：In this paper，three common water extraction models are studied，including the combined model of NDWI and NIR，the band difference model and the FAI model.These models are compared in identifying water bodies of 10 lakes located in different regions of China based on the MODIS data.All the thresholds in these models are determined by the Otsu and iteration method automatically.It is shown that the band difference model leads to the best results for the lakes in the western region.For the lakes in the eastern region，the best results are obtained based on the combined model of NDWI and NIR.In most cases，the thresholds calculated by iteration method and the Otsu are close.

Key words：MODIS data；water body extraction；NDWI；band difference；automatic threshold

1引言

湖泊是陆地水圈的重要组成部分，参与自然界的水分循环，对区域的水量平衡发挥着重要作用。它不仅为人类的生活和生产提供了资源，而且具有巨大的环境功能和生态效益。湖泊的形成与消失、扩张与收缩，都会直接影响湖泊的各种功能，甚至诱发区域生态环境演变。近几十年来，受全球气候变化和人类活动的共同影响，湖泊萎缩已成为人类目前面临的主要环境问题之一[1]。因此，精确迅速地监测湖泊水域，对揭示自然因素及人类活动对湖泊水域的影响规律，以及合理开发、利用和保护湖泊水资源都具有极其重要的意义[2]。

遥感技术的诞生，将人类对地球表层的理解推进到一个新的阶段，同时也给大范围的、全面深入的湖泊调查带来便利[3-4]。与传统的调查方法相比，遥感技术具有覆盖面广、宏观性强、快速、多时相、丰富的综合信息等特点，它能及时快速地识别湖泊水体，监测湖泊动态变化，已成为湖泊研究的重要手段之一[5]。在众多遥感数据中，MODIS数据以其空间分辨率中等、光谱分辨率良好、时间分辨率较高以及单幅影像覆盖范围广阔等优点，广泛用于区域大中尺度的湖泊水资源状况快速调查[6]。

对于湖泊水体信息遥感识别，国内外已有很多研究成果。目前，基于光学遥感数据的水体识别方法主要有单波段阈值法、谱间关系法、多波段运算法、混合像元分解法等。单波段阈值法是利用水体在近红外波段反射率较低，易与其他地物区分的特点，通过在近红外波段设定阈值来区分水体与其它地物，该方法简单易行，但存在较多混淆信息，识别精度相对较低[7-8]。谱间关系法又称波段组合法，通过对波段进行组合运算来增强水陆反差，从而找出组合图像上水陆分界明显的影像，由于综合利用了其他波段的信息，因此比单波段阈值法的解译效果好，应用也广泛[9-10]。多波段运算法包括比值法、差值法、水体指数法等，它通过对波段进行算术运算来构建水体识别的数学模型，由阈值法直接实现水体信息的提取[11-14]。混合像元分解法根据每一像元在各个波段的像元值来估算像元内各典型地物的比例，将水体信息的提取逐渐由像元过渡到亚像元，提高了分类精度[2，15]。上述4种方法中，多波段运算法中的差值模型和水体指数模型是最受关注的水体提取方法，已广泛应用于MODIS数据湖泊水体识别[16-18]。以往研究表明，不同方法判别水体的效果并不相同，但这些研究大多针对单个区域内的水体[6，18-19]，对各方法在不同地区的有效性的研究较少。为此，本文选取位于我国不同地区的10个湖泊作为研究区域，对NDWI和近红外波段模型、FAI模型和波段差值模型等3种常用的水体提取模型进行比较，分析其在MODIS数据湖泊水体识别方面的效果及在不同地区湖泊的适用性。

2研究区域与数据

我国湖泊众多，分布广泛，从东部沿海的坦荡平原到世界屋脊的青藏高原，从广袤无垠的东北三江平原到西南边陲的云贵高原，都有湖泊分布[20]。为了比较不同方法在湖泊水体提取中的适用性，本文选取了以下10个湖泊：青海湖、纳木错、玛旁雍错、阿雅克库木湖、艾比湖、乌梁素海、呼伦湖、太湖、鄱阳湖、和滇池。湖泊选取主要遵循以下3个原则：①湖泊分布于全国不同地区，从地域分布上保证湖泊的代表性；②所选湖泊兼顾主要湖泊类型；③湖泊具有一定湖面面积，以保证MODIS影像能够较为准确地监测到水体。

MOD09是MODIS的地表反射率数据，它经过严格的大气分子散射、臭氧、气溶胶及云处理，对MODIS 7个波段的数据均进行了大气双向反射和太阳高度校正。本文采用了250m分辨率的一波段和二波段，以及500m分辨率的四波段和五波段，并对数据进行了拼接、裁剪、重采样、格式和投影转换等预处理。

为了验证MOD09数据提取的湖泊水体信息的精度，本文还采用了Landsat TM/ETM+影像，并对各影像进行几何精纠正，影像投影与MOD09数据一致，均为Albers投影。

3湖泊水体信息提取方法

通过分析已有的水体提取方法，并结合MOD09数据的特点[17，21-22]，选取以下三种模型进行试验，验证各模型在不同区域湖泊的适用性。

3.1NDWI和近红外波段模型

NDWI是归一化差异水体指数，它根据近红外波段和绿光波段的反射率计算，计算方法如下[23]：

NDWI=(Green-NIR)/(Green+NIR)

(1)

其中，Green、NIR分别代表绿光波段、近红外波段的反射率，对应于MOD09数据的四波段、二波段。

NDWI和近红外波段模型中，水体提取规则是：

NDWI>th1 &NIR

(2)

其中，th1、th2为阈值。随着波长的增加，水体的反射从可见光到中红外波段逐渐减弱，在近红外和中红外波长范围内吸收性最强，几乎无反射[24]。而植被在近红外波段的反射率一般最强，两者在绿光波段和近红外波段的波谱特征具有明显差异，所以用绿光波段和近红外波段的反差构成NDWI，可以最大程度地抑制植被信息，而突出水体特征。然而，在NDWI指数中，部分建筑物/土壤也呈正值，容易和水体混淆，形成噪音[25-26]。考虑到水体在近红外波段的反射率远低于建筑物/土壤，因此，加入NIR

3.2FAI模型

FAI(Floating Algae Index)是Hu于2009年提出的一个指数，最初用于太湖蓝藻监测[27]。2012年，Feng等基于MODIS数据计算了FAI，并利用梯度方法设定了FAI的阈值，完成了对鄱阳湖2000年到2010年水体信息的提取。为评价信息提取精度，将两景HJ-1A/1B CCD数据提取的水体信息与同时相的MODIS数据提取的结果进行了比较，结果表明：相对于HJ-1A/1B CCD数据提取的结果，两期MODIS数据提取的水面面积误差分别为5.3%和0.9%[17]。

FAI根据MODIS数据的红光波段、近红外波段和短波红外波段的反射率计算[17]，计算方法如下：

(859-645)/(1240-645)

(3)

其中，R645、R859、R1240分别是红光波段、近红外波段和短波红外波段的反射率，对应于MOD09数据的一波段、二波段和五波段。由于在645nm到1240nm的波长范围内，气溶胶对反射率的影响与波长近似于线性关系，因此FAI计算中的基线减法是一种有效的大气校正，这使得即使在不同的大气条件和观测条件下FAI指数也是相对稳定的，便于设定分割水体和陆地的阈值[17]。

FAI模型中，水体提取规则是：

FAI

(4)

其中，th为阈值。其原理是：水体在近红外波段的强烈吸收，使得R859的值以及FAI的数值都小于陆地，因此可以通过对FAI设定阈值来提取水体。

3.3波段差值模型

利用水体在近红外波段和红光波段反射率的差异可构建如下水体提取模型：

Red-NIR>th3 &NIR

(5)

其中，Red、NIR分别代表红光波段、近红外波段的反射率，对应于MOD09数据的一波段、二波段；th3、th4为阈值。研究表明，从可见光到近红外波段(400nm～2500nm)，水体的反射率都很低，且随着波长的增大，其反射率逐渐降低，在波长大于2400nm以后，其反射率降到最低，接近于零[16]。与此相反，土壤和植被在近红外和中红外波段反射率较高，水体满足Red>NIR的条件，而对于土壤和植被，Red

以上三种水体提取模型都属于阈值法模型，需要设定适当的阈值来提取水体。一般来说，采用阈值法模型提取水体时，模型中的参数会随着自然环境以及影像成像时的大气条件和观测条件而有所变化，因此为了提高水体判别的精度，对于不同地区和季节的影像，需要采用不同的阈值。在目前的大多数研究中，阈值都是基于经验通过人机交互反复检验确定而来的，这种方法的优点是简单快速，但同时也相对主观，而且要人工逐一确定每幅影像的阈值并不可取。自动阈值法由计算机自动获取图像分割的阈值，包括直方图波谷法、大津法、最大熵方法、迭代法、双峰法和梯度统计法等[28-29]，它能较为准确地获取水体提取的阈值[7，17，30]。为此，本文采用大津法和迭代法来进行试验。

在IDL平台上，对以上三种水体提取模型和两种阈值算法进行实现。为了比较大津法和迭代法计算的阈值，各模型中的阈值用两种阈值算法确定，因此对于每个湖泊所在的MOD09影像，共有6个水体提取结果。

4湖泊水体信息提取结果及评价

为了比较和验证不同水体提取方法和阈值算法得到的结果，针对每一湖泊，首先选用与各MOD09数据同一时相的Landsat TM/ETM+影像作为验证数据(表1)，然后在ArcGIS中对其进行目视解译得到湖泊水体信息，最后与MOD09数据提取的结果进行对比。

Landsat TM/ETM+数据的空间分辨率为30m，且各数据的获取时间与对应MOD09数据的获取时间基本一致，相隔不超过1天。

4.1湖泊水体信息提取结果

在ArcGIS平台上统计基于Landsat TM/ETM+数据的湖面面积，同时利用ENVI软件计算基于MOD09数据的湖泊面积(表2)。其中，模型1指NDWI与近红外波段模型，模型2指FAI模型，模型3指波段差值模型。

表1　各湖泊MOD09试验数据与Landsat TM/ETM+验证数据

表2　不同方法提取的各湖泊湖面面积/km 2

4.1.1青海湖提取结果

对比ETM+影像目视解译的结果(图1)可以看出，采用大津法计算阈值时，NDWI与近红外波段模型会漏提部分水体，而采用迭代法计算阈值时，得到的结果比较理想。通过查看MOD09数据计算的NDWI指数，发现极少部分像元的NDWI值出现了异常，考虑到大津法对噪声较敏感[31]，推测是这部分噪声导致阈值出现了偏差，而迭代法由于采用图像灰度值的均值作为初始阈值因此避免了这一点，且其运算速度较大津法快。FAI模型提取的湖面面积偏大，主要错提了湖泊东岸的滩地，原因在于滩地的FAI值与水体的FAI值较为接近，两者都远小于植被的FAI值，而大津法和迭代法基于整幅FAI图像的灰度值求出单个最优分割阈值，该阈值仅能将植被和滩地、水体区分开，无法进一步区分滩地和水体。波段差值模型采用大津法和迭代法计算阈值得到的结果都比较接近于ETM+影像提取结果，且与ETM+提取的湖面面积相比，大津法得到的湖面面积精度更高(表2)。

4.1.2纳木错、玛旁雍错、滇池提取结果

纳木错湖区试验数据的成像时间是在12月，此时湖面东部已经开始结冰(图2)。由于水体提取模型是根据水体光谱特性构建的，因此NDWI和近红外波段模型与波段差值模型都漏提了湖面东部的结冰区域，但比较准确地提取了湖面其它部分。FAI模型提取出了结冰的湖面，但错提了湖泊西南侧的河口；在ArcGIS平台上将其与TM影像提取的结果进行叠加分析，发现该方法提取的湖面较TM提取的结果偏大。这主要是由于湖冰和水体的FAI值远小于陆地，自动阈值法计算的阈值在将湖面与陆地区分的同时也错提了湖岸的结冰区域。总体而言，波段差值模型提取的结果最接近于TM影像目视解译的结果，采用迭代法确定阈值时该模型提取的湖面面积精度为98.9%。

图1　青海湖水体提取结果(模型1：NDWI和近红外波段模型；模型2：FAI模型；模型3：波段差值模型)

图2　纳木错水体提取结果(模型1：NDWI和近红外波段模型；模型2：FAI模型；模型3：波段差值模型)

对于玛旁雍错，NDWI和近红外波段模型存在漏提现象，FAI模型完整地提取了湖面但在水—陆边界存在一定程度的错提，波段差值模型提取效果最好，仅在湖面北岸错提了部分像元，且迭代法得到的结果更为准确，精度为99.6%。滇池的提取结果与此相似，FAI模型在湖面北端存在明显的错提，而NDWI和近红外波段模型以及波段差值模型都较为准确地提取了水体信息，且后者提取效果更好，采用迭代法确定阈值时精度为99.6%。

4.1.3鄱阳湖、太湖、呼伦湖、艾比湖提取结果

对于鄱阳湖，NDWI和近红外波段模型提取的结果与ETM+影像目视解译结果最为接近(图3)，但漏提了一些浅水区域和细小支流。以ETM+影像提取的面积为参考，采用大津法和迭代法确定阈值时该模型提取的面积精度分别为96.2%、96.3%，可见，迭代法确定的阈值更为准确。FAI模型和波段差值模型没有明显的漏提，但都存在错提，且前者错提的较多，主要错提了部分含水量高的滩地，这是因为滩地的FAI值与水体较为接近，二者产生了混淆。

图3　鄱阳湖水体提取结果(模型1：NDWI和近红外波段模型；模型2：FAI模型；模型3：波段差值模型)

对于艾比湖，NDWI和近红外波段模型提取的结果与TM影像目视解译的结果最为接近，且两种阈值算法得到的结果相同。FAI模型提取效果最差，原因在于MOD09影像上地物类型多样，且植被的FAI远高于其他地物类型，因此无论是采用大津法还是迭代法计算得到的阈值都只能将植被与其他地物类型分开，而无法将水体与其他地物区分开来。波段差值模型提取效果比FAI模型提取效果稍好，但精度也很低。

对于呼伦湖，NDWI和近红外波段模型提取的结果与TM影像目视解译的结果最为接近，仅在湖面东南岸的滩地错提了部分像元。FAI模型存在错提现象，这在湖面东南角表现最为明显。波段差值模型与NDWI和近红外波段模型提取的结果相近，但在湖面水陆边缘错提了部分像元，提取面积比后者偏大。

对于太湖，三种模型都存在不同程度的错提和漏提，且主要表现在东太湖区域。NDWI和近红外波段模型主要漏提了湖面中长有浮游植物的部分，而错提了湖面边缘的坑塘等，该方法得到的湖面面积与ETM+影像目视解译的面积最为接近。FAI模型漏提较少，但也错提了部分坑塘以及其他湿地类型。波段差值模型也存在一定的错提，但错提的相对较少。三种模型都错提了坑塘，原因在于其光谱特征与水体较为接近，引起了混淆。4.1.4阿雅克库木湖提取结果

对于阿雅克库木湖(图4)，NDWI和近红外波段模型较为准确地提取了水体信息，仅在湖面南岸漏提了部分像元，且采用大津法和迭代法确定阈值时得到的结果基本一致。FAI模型与波段差值模型提取结果相似，错提了湖面东侧的沼泽，且采用大津法计算阈值时漏提了湖面主体部分的一些像元，主要原因在于MOD09影像上这些像元的质量较差，影响了阈值的计算。总体而言，与TM影像提取的湖面面积相比，FAI模型得到的结果精度最高。

图4　阿雅克库木湖水体提取结果(模型1：NDWI和近红外波段模型；模型2：FAI模型；模型3：波段差值模型)

4.1.5乌梁素海提取结果

对于乌梁素海，NDWI和近红外波段模型提取的结果最接近于TM影像的目视解译结果(图5)，但漏提了湖面中心的部分像元，这是由于水生植物的存在改变了水体的光谱特征，使像元的NDWI为负值。以TM影像提取的面积为参考，采用大津法和迭代法确定阈值时该模型提取的面积精度都为93.0%。FAI模型明显错提了其他地物，提取效果最差，原因在于植被的FAI值远大于水体和其他地物，自动阈值法计算的阈值仅能区分植被，而混淆了水体和其他地物类型。波段差值模型较为准确地提取了水面，但错提了湖泊边缘的部分像元。

4.2精度比较

以TM/ETM+影像提取的湖面面积为参考，对于艾比湖、呼伦湖、鄱阳湖、乌梁素海和太湖，NDWI和近红外波段模型提取的湖面面积精度最高，分别为98.5%、99.2%、96.3%、92.9%和98.5%。可见，湖面面积精度都在90%以上，且大津法和迭代法得到的结果基本一致。

对于阿雅克库木湖，FAI模型结合大津法提取的湖面面积精度最高，其次是波段差值模型结合迭代法提取的湖面面积，精度分别为99.9%、99.2%。前者在湖面主体部分存在明显漏提，且两者在湖面东侧的滩地都存在错提。

对于青海湖、纳木错、玛旁雍错和滇池，波段差值模型提取的湖面面积精度最高，且大津法和迭代法得到的结果基本一致。该模型结合大津法提取青海湖面积的精度是99.0%，结合迭代法提取纳木错、玛旁雍错和滇池面积的精度分别是98.9%、99.8%和99.6%。

图5　乌梁素海水体提取结果(模型1：NDWI和近红外波段模型；模型2：FAI模型；模型3：波段差值模型)

总体而言，在地物类型相对简单的地区(纳木错、玛旁雍错、呼伦湖等)，基于MOD09数据的三种模型提取结果比在地物类型复杂的地区(太湖、鄱阳湖等)精度高，这除了模型本身的因素外，与采用的阈值算法也有一定关系。NDWI和近红外波段模型提取结果比FAI模型提取结果准确，后者仅在玛旁雍错、阿雅克库木湖和滇池有较好的适用性，且精度不如波段差值模型以及NDWI和近红外波段模型。相比之下，波段差值模型更适用于西部地区的湖泊水体信息提取，而NDWI和近红外波段模型更适用于东部地区湖泊水体信息的提取。

值得注意的是，大多数情况下迭代法和大津法计算的阈值相近，因此采用同一种模型提取水体时，两种阈值算法得到的结果是相似的。试验结果也表明，大津法的运算效率低于迭代法，且对于噪声敏感，对图像质量的要求相对较高。

5结束语

本文选取了位于我国不同地区的10个湖泊作为研究区域，以MOD09为数据源，分别采用大津法和迭代法计算阈值，对波段差值模型、FAI模型以及NDWI和近红外波段模型等3种水体提取方法进行了比较，分析其在湖泊水体识别方面的效果及在不同地区湖泊的适用性。结果表明，大多数情况下，NDWI和近红外波段模型以及波段差值模型比FAI模型更为准确地提取了湖泊水体信息，其中，波段差值模型在西部地区湖泊较为适用，而NDWI和近红外波段模型在东部地区湖泊较为适用。

采用大津法和迭代法自动确定阈值时，在地物类型相对简单的地区能够得到较为准确的阈值，但在地物类型复杂的地区往往无法得到理想的阈值。如何更有效地确定水体信息提取中的阈值，有待进一步研究。

参考文献：

[1]DU Y，XUE H P，WU S J，et al.Lake area changes in the middle Yangtze region of China over the 20th century[J].Journal of Environmental Management，2011，(92)：1248-1255.

[2]胡争光，王祎婷，池天河，等.基于混合像元分解和双边界提取的湖泊面积变化监测[J].遥感信息，2007，22(3)：34-38.

[3]王海波，马明国.基于遥感的湖泊水域动态变化监测研究进展[J].遥感技术与应用，2009，24(5)：674-684.

[4]余明，李慧.基于SPOT影像的水体信息提取以及在湿地分类中的应用研究[J].遥感信息，2006(3)：44-47.

[5]蒋锦刚，李爱农，邓伟，等.多时相遥感影像提取湖泊边界信息的融合算法[J].湖泊科学，2009，21(2)：264-271.

[6]廖程浩，刘雪华.MODIS数据水体识别指数的识别效果比较分析[J].国土资源遥感，2008，(4)：22-26.

[7]LU S L，WU B F，YAN N N，et al.Water body mapping method with HJ-1A/B satellite imagery[J].International Journal of Applied Earth Observation and Geoinformation，2011，(13)：428-434.

[8]杨莹，阮仁宗.基于TM影像的平原湖泊水体信息提取的研究[J].遥感信息，2010，25(3)：60-64.

[9]殷青军，杨英莲.基于EOS/MODIS数据的青海湖遥感监测[J].湖泊科学，2005，17(4)：356-360.

[10]张明华.用改进的谱间关系模型提取极高山地区水体信息[J].地理与地理信息科学，2008，24(2)：14-16.

[11]熊金国，王世新，周艺.不同指数模型提取ALOS AVNIR-2影像中水体的敏感性和精度分析[J].国土资源遥感，2010，(4)：46-50.

[12]王秋燕，陈仁喜，徐佳，等.环境一号卫星影像中水体信息提取方法研究[J].科学技术与工程，2012，12(13)：3051-3056.

[13]李博，周新志.基于MODIS数据的川西山区河道水体提取方法研究[J].地理与地理信息科学，2009，25(2)：59-62.

[14]曹荣龙，李存军，刘良云，等.基于水体指数的密云水库面积提取及变化监测[J].测绘科学，2008，33(2)：158-160.

[15]张洪恩，施建成，刘素红.湖泊亚像元填图算法研究[J].水科学进展，2006，17(3)：376-380.

[16]李晓东，肖建设，李凤霞，等.基于EOS/MODIS数据的近10a青海湖遥感监测.自然资源学报，2012，27(11)：1962-1970.

[17]LIAN F，HU C M，CHEN X L，et al.Assessment of inundation changes of Poyang Lake using MODIS observations between 2000 and 2010[J].Remote Sensing of Environment，2012，(121)：80-92.

[18]张楠楠，王文，王胤.鄱阳湖面积的卫星遥感估计及其与水位关系分析[J].遥感技术与应用，2012，27(6)：947-953.

[19]王净，李亚春，景元书.基于MODIS数据的水体识别指数方法的比较研究[J].气象科学，2009，29(3)：342-347.

[20]王苏民，窦鸿身.中国湖泊志[M].北京：科学出版社，1998.

[21]李景刚，李纪人，黄诗峰，等.Terra/MODIS时间序列数据在湖泊水域面积动态监测中的应用研究——以洞庭湖地区为例[J].自然资源学报，2009，24(5)：923-933.

[22]刘喆，赵军，师银芳，等.利用MODIS数据对2000～2009年新疆主要湖泊面积变化与气候响应的分析[J].干旱区资源与环境，2011，25(10)：155-160.

[23]MCFEETERS S K.The use of the normalized difference water index(NDWI)in the delineation of open water features[J].International Journal of Remote Sensing，1996，(17)：1425-1432.

[24]徐涵秋.利用改进的归一化差异水体指数(MNDWI)提取水体信息的研究[J].遥感学报，2005，9(5)：589-595.

[25]XU H Q.Modification of normalized difference water index(NDWI) to enhance open water features in remotely sensed imagery[J].International Journal of Remote Sensing，2006，27(14)：3025-3033.

[26]莫伟华，孙涵，钟仕全，等.MODIS水体指数模型(CIWI)研究及其应用[J].遥感信息，2007，22(5)：16-21.

[27]HU C M.A novel ocean color index to detect floating algae in the global oceans[J].Remote Sensing of Environment，2009，(113)：2118-2129.

[28]王磊，段会川.Otsu方法在多阈值图像分割中的应用[J].计算机工程与设计，2008，29(11)：2844-2845，2972.

[29]陈宁宁.几种图像阈值分割算法的实现与比较[J].电脑知识与技术，2011，7(13)：3109-3111.

[30]汪闽，骆剑承，明冬萍.高分辨率遥感影像上基于形状特征的船舶提取[J].武汉大学学报(信息科学版)，2005，30(8)：685-688.

[31]吕燕，龚劬.加权三维Otsu方法在图像分割中的应用[J].计算机应用研究，2011，28(4)：1576-1579.