在航天数字摄影测量生产过程中,影像中的水体像素在密集匹配时,匹配精度低,可靠性不强。预先提取影像中的水体,将提高全自动生产中的可靠性与效率。全色影像是数字摄影测量生产中的主要输入数据,但其不包含水体的多光谱信息,而与其同源、同景的多光谱影像（通常为低光谱分辨率的,即成像光谱波段数少）包含水体的光谱信息,但一般不直接用于生产过程中。利用多光谱影像中的水体光谱信息提取水体,可间接提取与之配准的全色影像中的水体。基于此背景,本文针对低光谱分辨率影像水体提取算法进行研究,主要从基于亮度值匹配的离散粒子群水体提取算法、基于支持向量机的亮度值匹配改进、改进后算法的相对精度与绝对精度、不同水体提取方法比较这几个方面进行了讨论。论文主要完成的工作和创新点如下:1.总结了现有成熟度高、使用广泛的水体提取方法,分析了其对于提取低光谱分辨率影像水体的不足。2.结合多光谱影像成像波段特点,利用亮度值匹配算法对光谱相似性进行度量,设计了基于亮度值匹配的离散粒子群水体提取算法。该算法通过计算欧氏距离和余弦夹角来定量描述光谱相似性,然后构建目标函数,通过离散粒子群最优化迭代求解目标函数值的最优解。实验结果表明基于亮度值匹配的离散粒子群算法可有效提取部分多光谱影像中的水体。3.针对亮度值匹配算法对于光谱曲线形状不敏感的问题,采用基于支持向量机的算法进行改善。根据格网搜寻法和交叉验证的方法进行参数寻优,利用最优参数训练支持向量机。实验结果表明基于支持向量机的水体概率计算绝对精度较高,对光谱曲线形状更为敏感。4.提出了联合支持向量机的离散粒子群水体提取算法。利用平滑函数将支持向量机的结果映射至概率区间,得到像素的水体概率,通过离散粒子群优化算法得到分类结果。水体提取算法对比实验结果表明,对于各种不同类型的含水体影像,基于支持向量机的离散粒子群的算法优于归一化水体指数法,稳定性要强于HSV彩色变换法,其适用性广。