CN102708369A - 一种基于卫星图像的海冰参数提取方法 - Google Patents

一种基于卫星图像的海冰参数提取方法 Download PDF

Info

Publication number
CN102708369A
CN102708369A CN2012101465204A CN201210146520A CN102708369A CN 102708369 A CN102708369 A CN 102708369A CN 2012101465204 A CN2012101465204 A CN 2012101465204A CN 201210146520 A CN201210146520 A CN 201210146520A CN 102708369 A CN102708369 A CN 102708369A
Authority
CN
China
Prior art keywords
image
sea ice
ice
pixel
parameter
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN2012101465204A
Other languages
English (en)
Other versions
CN102708369B (zh
Inventor
王宇新
季顺迎
郭禾
刘宗勋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Dalian University of Technology
Original Assignee
Dalian University of Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Dalian University of Technology filed Critical Dalian University of Technology
Priority to CN201210146520.4A priority Critical patent/CN102708369B/zh
Publication of CN102708369A publication Critical patent/CN102708369A/zh
Application granted granted Critical
Publication of CN102708369B publication Critical patent/CN102708369B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Processing Or Creating Images (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

一种基于卫星图像的海冰参数提取方法及系统实现,属于计算机应用技术领域。其特征是实现了卫星图像去除经纬线噪音的算法,准确识别图像元素类型并分类,通过边界追踪算法提取陆地海冰分界线与海冰海水分界线。在此基础之上计算卫星图像中的海冰密集度、海冰厚度和海冰尺寸三个参数。用户在计算机终端打开图像,图像预处理,关键要素(海冰、陆地、海水)识别,分界线描绘,海冰参数提取和数据结果保存的操作。该提取方法合理、高效、精确,具有很强的科学性;系统设计规范,界面友好,可靠性强。

Description

一种基于卫星图像的海冰参数提取方法
技术领域
本发明属于计算机应用技术领域,涉及一种针对海冰卫星图像的图像处理方法,特别涉及通过计算机手段进行卫星图像经纬线噪音消除、关键元素识别和分界线提取计算方法。通过集成相关的数据结构和算法,可以精确高效的从海冰卫星图像中提取出海冰密集度、厚度和尺寸参数。
背景技术
冰情监测与预报技术对于寒区的安全生产作业有着极其重要的作用。卫星探测技术由于其探测范围广、效率高等优点已被广泛的运用在寒区海水监测当中。例如,我国气国家卫星气象中心所使用的EOS卫星可实现对渤海海域全冰期的连续实时监测。
虽然采用卫星技术可以采集到大量较高分辨率的卫星海冰图像,但是在后期处理中,通常会使用人为的方式判断冰情。这种方法效率极低并且存在一定的误差,无法通过卫星图像得到准确数据化的冰情状况。
发明内容
本发明要解决的技术问题是通过计算机图像处理算法分析和处理卫星海冰图像的冰情信息,以获取海冰密集度、厚度和尺寸三个参数。
本发明采用四个步骤实现对卫星海冰图像的处理和分析,分别是:参数设置,图像预处理,标定板生成和海冰参数计算。具体如下:
(一)参数设置:颜色特征参数主要是指陆地颜色特征、海冰颜色特征、海水颜色特征、海岸线颜色特征以及经纬线颜色特征。通过提供对RGB颜色空间三通道最大值和最小值设定的方式,实现颜色特征域可调控,保证了海水元素识别的准确度,并提高了针对不同颜色海岸线、经纬线执行去噪算法的可用性。对于同一地区的多幅图像,采用纬线默认设置,输入经纬线坐标后,自动换算该区域的距离信息和面积信息。使用网格尺寸参数对卫星图像进行重涂色,在降低噪音的同时集中了卫星图像的颜色信息分布。
(二)图像预处理:第一,手动标定兴趣区域或选择默认区域。第二,图像锁定产生兴趣区域图像。第三,根据海岸线颜色特征以及经纬线颜色特征去除掉二者所带来的噪音干扰。具体如下:
获取区域面积:假设地球为正球体,先通过经度计算对角线两点间的水平距离,再通过纬线所对应的球心角计算水平距离,最后对其积分计算球面面积。
图像去噪:若判定图像中的某一点为经线,则用该点左右两点的像素颜色(RGB颜色空间)平均值代替该点像素值;若判定图像中的某一点为纬线,则用该点上下两点的像素颜色(RGB颜色空间)平均值代替该点像素值;若判断图像中的某一点为蓝色海岸线,则用该点周围八点的像素颜色(RGB颜色空间)平均值代替该点像素值。
去除经纬线优化:在前述经纬线判定方法基础上,根据其水平性与垂直性对其优化,其特征在于判断每一行(或每一列)前N个像素点,若判定中大于一半的像素点为纬线(经线),则判断该行(或该列)为纬线或(经线),对该行(或该列)的所有像素点执行替换算法。N由用户指定。
(三)标定板数组生成:在分析卫星海冰图像全局信息的基础之上,产生与图像尺寸相同的二维数组。二维数组的值与图像在该点所表达的图像信息一一对应,分为海冰元素、陆地元素、海水元素、陆地分界线元素、海水分界线元素,共五个种类。具体如下:
首先将去噪后的兴趣区域图像聚合化,产生棋盘图像并生成标定板数组。聚合化采用的算法是在给定的矩形区域内求像素颜色均值并赋值给区域内的每一个像素。矩形区域大小由Grid Size参数给定,参数越小,则图像失真越小,但计算量和粗糙度会随之增大,所以系统默认参数为4×4像素。聚合化之后根据图像块的颜色信息将其分为三类:陆地,海冰与海水,并分别涂色。随后对图像循环进行二次去噪至稳定。对此棋盘图像进行边界追踪,从而绘制陆地-海冰分界线与海冰-海水分界线。最终产生标定板数组,规定将源图像中的陆地元素在对照数组中标记为1,海冰标记为2,海水标记为3,陆冰分界线标记为4,冰海分界线标记为5。
(四)海冰参数计算
二次去噪:当聚合后的图像块与周围图像块颜色不同时则发起投票,如果周围八个图像块的颜色超过某一阈值,则将中心图像块更改为这种颜色,阈值参数由其他参数中的Vote参数给定,默认值为5。
边界追踪计算:是将棋盘图像的每一小块与周围棋盘块进行对比,若为陆地与海冰(或海水)交接,则将交界处的陆地像素置为陆冰分界线,冰海分界线同理。
通过参照标定板的元素种类和图像像素的颜色信息,计算出数字化的海冰厚度,尺寸和密集度参数。
海冰密集度提取:将海冰密集度定义为可结冰区域内的冰块面积与区域总面积的比值。计算结果以百分数表示,保留两位小数。
海冰厚度提取:首先收集所有冰块的灰度级信息并予以排列分级,其中将像素点按照公式PGray=PRed×0.299+PGreen×0.587+PBlue×0.114转换为灰度值,找出最大灰度值与最小灰度值。再将灰度级信息等比例现行映射到实际冰块厚度区间,从而得到冰块的实际厚度。实际冰块厚度区间由其他参数中的Thickness参数设定。计算结果保留两位小数。实际像素点按照灰度能量分级分别涂以不同颜色,产生海冰厚度分析图。
海冰尺寸提取办法:针对海冰图块进行二值化处理,阈值由其他参数中的Binary Threshold参数给定。二值化的结果将析出海冰区域内的裂纹或轻量级海水。分别统计其实际面积,作为海冰尺寸的处理结果。
本发明的效果和益处是,用户可以直接在计算机终端处理分析卫星海冰图像,准确高效地提取数字化海冰密集度、厚度和尺寸三个参数,从而使得卫星海冰图像对寒区的生产开发过程和科学研究工作具有实际的指导性意义。系统适用于环境、气象、水文、工业、科研等多个涉及卫星海冰图像的研究领域,界面友好,设计规范,具有良好的用户体验。
附图说明
附图1是本发明的卫星图像处理流程图。
附图2是卫星海冰图像、兴趣区域图像及棋盘图像对比图。
附图3是海冰密集度、厚度、尺寸参数分析图。
具体实施方式
以说明书附图2所示的卫星海冰图像为例,将陆地颜色特征设定为(R:60-255,G:0-255,B:0-255),将海水颜色特征设定为(R:35-50,G:35-51,B:40-80),其余颜色的像素设定为海冰颜色特征。在计算区域面积时,假设地球为正球体,先通过经度计算对角线两点间的水平距离,再通过纬线所对应的球心角计算水平距离,最后对其积分计算球面面积。
用户打开图像后,点击兴趣区域的左上角和右下角两点形成的矩形作为兴趣区域并生成新的图像。图像去噪时若判定图像中的某一点为经线,则用该点左右两点的像素颜色(RGB颜色空间)平均值代替该点像素值;若判定图像中的某一点为纬线,则用该点上下两点的像素颜色(RGB颜色空间)平均值代替该点像素值;若判断图像中的某一点为蓝色海岸线,则用该点周围八点的像素颜色(RGB颜色空间)平均值代替该点像素值。根据前述的经纬线判定方法,根据其水平性与垂直性对其优化,其特征在于判断每一行(或每一列)前N个像素点,若判定中大于一半的像素点为纬线(经线),则判断该行(或该列)为纬线或(经线),对该行(或该列)的所有像素点执行替换算法。N为用户指定。
图像元素识别中,首先将去噪后的兴趣区域图像聚合化,产生棋盘图像并生成标定板数组。聚合化采用的算法是在给定的矩形区域内求像素颜色均值并赋值给区域内的每一个像素。矩形区域大小由其他参数中的Grid Size参数给定。参数越小,则图像失真越小,但计算量和粗糙度会随之增大,所以系统默认参数为4×4像素。聚合化之后根据图像块的颜色信息将其分为三类,分别为陆地,海冰与海水,并分别涂色。随后对图像循环进行二次去噪至稳定。二次去噪是指当聚合后的图像块与周围图像块颜色不同时则发起投票,如果周围八个图像块的颜色超过某一阈值,则将中心图像块更改为这种颜色,阈值参数由其他参数中的Vote参数给定,默认值为5。这样做的好处是进一步降低噪音及轻量级区域对于整体参数提取的影响。
有了上述的元素识别结果,我们对棋盘图像进行边界追踪,从而绘制陆地-海冰分界线与海冰-海水分界线,并产生标定板数组。边界追踪算法是将棋盘图像的每一小块与周围棋盘块进行对比,若为陆地与海冰(或海水)交接,则将交界处的陆地像素置为陆冰分界线,冰海分界线同理。程序规定将源图像中的陆地元素在对照数组中标记为1,海冰标记为2,海水标记为3,陆冰分界线标记为4,冰海分界线标记为5。
在海冰密集度提取功能中,系统将海冰密集度定义为可结冰区域内的冰块面积与区域总面积的比值。计算结果以百分数表示,保留两位小数。在海冰厚度提取功能中,首先收集所有冰块的灰度级信息并予以排列分级,找出最大灰度值与最小灰度值。再将灰度级信息等比例现行映射到实际冰块厚度区间,从而得到冰块的实际厚度。实际冰块厚度区间由其他参数中的Thickness参数设定。计算结果保留两位小数。实际像素点按照灰度能量分级分别涂以不同颜色,产生海冰厚度分析图。在海冰尺寸提取功能中,针对海冰图块进行二值化处理,阈值由其他参数中的Binary Threshold参数给定。二值化的结果将析出海冰区域内的裂纹或轻量级海水。分别统计其实际面积,作为海冰尺寸的处理结果。对于以上三个参数的提取结果系统均产生效果图保存在系统默认路径文件夹下。
在参数计算完成之后,系统将处理结果默认保存在以图像名称命名的文本文件中。文本文件分为三部分数据结构,分别是图像基本信息,分块参数信息和海岸线追踪坐标。图像基本信息包括图像名称,处理时间,经纬度信息,实际尺寸,分块尺寸以及全局的海冰厚度,海冰尺寸和海冰密集度参数。分块信息包含了每一块图像的编号,分块种类以及分块参数信息。
在计算分块参数信息时,由于一个分块内所包含的图像元素可能并不相同,例如一个分块内可能同时包含陆地像素点,海冰像素点和海水像素点。针对这种情况,算法被设计为统计分块内的各像素点种类的数量并以最多数像素点的元素类型作为该块的分块种类。在追踪海岸线算法中,系统保存当前海岸线像素点坐标和先前海岸线像素点坐标,并对每一个像素点按顺时针方向进行八方向遍历,若遍历到的像素点为海岸线像素且不为先前海岸线像素点坐标,即判断其为后续海岸线像素坐标,以此实现海岸线坐标追踪。
整个软件系统可视为由默认参数设置,图像预处理,标定板数组生成,海冰参数提取分析和数据存储等五大应用模块构成,采用上述的图像处理与数据分析算法,为用户提供了综合型集成化的海冰参数提取分析平台。

Claims (1)

1.一种基于卫星图像的海冰参数提取方法,包括参数设置,图像预处理,标定板生成和海冰参数计算;其特征包括以下步骤:
(一)参数设置:颜色特征参数主要是指陆地颜色特征、海冰颜色特征、海水颜色特征、海岸线颜色特征以及经纬线颜色特征;通过提供对RGB颜色空间三通道最大值和最小值设定的方式,实现颜色特征域可调控,保证了海水元素识别的准确度,并提高了针对不同颜色海岸线、经纬线执行去噪算法的可用性;
(二)图像预处理:第一,手动标定兴趣区域或选择默认区域;第二,图像锁定产生兴趣区域图像;第三,根据海岸线颜色特征以及经纬线颜色特征去除掉二者所带来的噪音干扰;具体如下:
获取区域面积:假设地球为正球体,先通过经度计算对角线两点间的水平距离,再通过纬线所对应的球心角计算水平距离,最后对其积分计算球面面积;
图像去噪:若判定图像中的某一点为经线,则用该点左右两点的像素颜色(RGB颜色空间)平均值代替该点像素值;若判定图像中的某一点为纬线,则用该点上下两点的像素颜色(RGB颜色空间)平均值代替该点像素值;若判断图像中的某一点为蓝色海岸线,则用该点周围八点的像素颜色(RGB颜色空间)平均值代替该点像素值;
去除经纬线优化:在前述经纬线判定方法基础上,根据其水平性与垂直性对其优化,其特征在于判断每一行或每一列前N个像素点,若判定中大于一半的像素点为纬线或经线,则判断该行或该列为纬线或经线,对该行或该列的所有像素点执行替换算法;N由用户指定;
(三)标定板数组生成:在分析卫星海冰图像全局信息的基础之上,产生与图像尺寸相同的二维数组;二维数组的值与图像在该点所表达的图像信息一一对应,分为海冰元素、陆地元素、海水元素、陆地分界线元素、海水分界线元素,共五个种类;具体如下:
首先将去噪后的兴趣区域图像聚合化,产生棋盘图像并生成标定板数组;聚合化采用的算法是在给定的矩形区域内求像素颜色均值并赋值给区域内的每一个像素;矩形区域大小由Grid Size参数给定,参数越小,则图像失真越小,但计算量和粗糙度会随之增大,所以系统默认参数为4×4像素;聚合化之后根据图像块的颜色信息将其分为三类:陆地,海冰与海水,并分别涂色;随后对图像循环进行二次去噪至稳定;对此棋盘图像进行边界追踪,从而绘制陆地-海冰分界线与海冰-海水分界线;最终产生标定板数组,规定将源图像中的陆地元素在对照数组中标记为1,海冰标记为2,海水标记为3,陆冰分界线标记为4,冰海分界线标记为5;
(四)海冰参数计算
二次去噪:当聚合后的图像块与周围图像块颜色不同时则发起投票,如果周围八个图像块的颜色超过某一阈值,则将中心图像块更改为这种颜色,阈值参数由其他参数中的Vote参数给定,默认值为5;
边界追踪计算:是将棋盘图像的每一小块与周围棋盘块进行对比,若为陆地与海冰或海水交接,则将交界处的陆地像素置为陆冰分界线,冰海分界线同理;
通过参照标定板的元素种类和图像像素的颜色信息,计算出数字化的海冰厚度,尺寸和密集度参数;
海冰密集度提取:将海冰密集度定义为可结冰区域内的冰块面积与区域总面积的比值;计算结果以百分数表示,保留两位小数;
海冰厚度提取:首先收集所有冰块的灰度级信息并予以排列分级,其中将像素点按照公式PGray=PRed×0.299+PGreen×0.587+PBlue×0.114转换为灰度值,找出最大灰度值与最小灰度值;再将灰度级信息等比例现行映射到实际冰块厚度区间,从而得到冰块的实际厚度;实际冰块厚度区间由其他参数中的Thickness参数设定;计算结果保留两位小数;实际像素点按照灰度能量分级分别涂以不同颜色,产生海冰厚度分析图;
海冰尺寸提取办法:针对海冰图块进行二值化处理,阈值由其他参数中的Binary Threshold参数给定;二值化的结果将析出海冰区域内的裂纹或轻量级海水;分别统计其实际面积,作为海冰尺寸的处理结果。
CN201210146520.4A 2012-05-14 2012-05-14 一种基于卫星图像的海冰参数提取方法 Active CN102708369B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201210146520.4A CN102708369B (zh) 2012-05-14 2012-05-14 一种基于卫星图像的海冰参数提取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201210146520.4A CN102708369B (zh) 2012-05-14 2012-05-14 一种基于卫星图像的海冰参数提取方法

Publications (2)

Publication Number Publication Date
CN102708369A true CN102708369A (zh) 2012-10-03
CN102708369B CN102708369B (zh) 2014-06-25

Family

ID=46901112

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201210146520.4A Active CN102708369B (zh) 2012-05-14 2012-05-14 一种基于卫星图像的海冰参数提取方法

Country Status (1)

Country Link
CN (1) CN102708369B (zh)

Cited By (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104408750A (zh) * 2014-10-30 2015-03-11 中国科学院深圳先进技术研究院 一种计算海水陆地比例的方法及系统
CN104407338A (zh) * 2014-12-12 2015-03-11 国家卫星海洋应用中心 基于海洋二号卫星微波散射计的极地海冰识别方法
CN104535001A (zh) * 2015-01-16 2015-04-22 南京大学 基于多波束高度计实验数据的海冰厚度估算方法
CN104951601A (zh) * 2015-06-04 2015-09-30 大连理工大学 一种海冰-海洋结构相互作用的离散元高性能仿真系统
CN105678812A (zh) * 2016-03-04 2016-06-15 黑龙江省水利科学研究院 用于跟踪冰排轨迹的方法
CN106017573A (zh) * 2016-07-25 2016-10-12 大连理工大学 一种基于可变焦图像法的野外冰厚冰速自动测量方法
CN106951886A (zh) * 2017-04-18 2017-07-14 青岛大学 一种提取空间邻接关系特征的方法及装置
CN107678027A (zh) * 2017-09-26 2018-02-09 南京大学 一种评价北极熊栖息地稳定性的海冰度量方法
CN107730549A (zh) * 2017-10-31 2018-02-23 大连海事大学 一种计算海冰冰龄的方法
CN107886473A (zh) * 2017-11-09 2018-04-06 河南工业大学 从fy‑3mwri数据反演北极海冰密集度的方法
CN108106734A (zh) * 2017-12-07 2018-06-01 中国科学院海洋研究所 一种面向idl语言海冰密集度求算优化算法
CN108133176A (zh) * 2017-12-05 2018-06-08 交通运输部规划研究院 一种利用遥感解译分析技术监测港口填海的方法
CN108509527A (zh) * 2018-03-14 2018-09-07 中国科学院海洋研究所 一种面向idl语言的海冰密集度变化趋势求算算法
CN109063605A (zh) * 2018-07-16 2018-12-21 中国水产科学研究院南海水产研究所 一种用于水产养殖的蚝排蚝架养殖测算方法、系统及装置
CN111862117A (zh) * 2020-07-16 2020-10-30 大连理工大学 基于像素优化的海冰冰块分水岭分割方法
CN112614177A (zh) * 2020-12-16 2021-04-06 大连理工大学 一种适用于船舶冰区走航测试的海冰厚度识别系统及海冰厚度识别方法
CN113093183A (zh) * 2021-04-02 2021-07-09 国家卫星海洋应用中心 阈值确定方法、海冰厚度反演方法、装置、设备及介质
CN114838711A (zh) * 2022-03-16 2022-08-02 东北大学秦皇岛分校 一种海冰综合监测系统及方法
CN117890068A (zh) * 2024-03-14 2024-04-16 中国空气动力研究与发展中心低速空气动力研究所 一种结冰云雾颗粒尺寸重构方法及计算机可读存储介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101482400A (zh) * 2009-02-11 2009-07-15 中国极地研究中心 海冰厚度测量装置和方法
CN101866000A (zh) * 2010-06-07 2010-10-20 大连海事大学 一种海冰微波遥感监测系统

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101482400A (zh) * 2009-02-11 2009-07-15 中国极地研究中心 海冰厚度测量装置和方法
CN101866000A (zh) * 2010-06-07 2010-10-20 大连海事大学 一种海冰微波遥感监测系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
季顺迎等: "渤海海冰现场监测的数字图像技术及其应用", 《海洋学报》 *
王宇新等: "海冰观测中的图像匹配方法研究", 《计算机工程与应用》 *

Cited By (29)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104408750A (zh) * 2014-10-30 2015-03-11 中国科学院深圳先进技术研究院 一种计算海水陆地比例的方法及系统
CN104407338A (zh) * 2014-12-12 2015-03-11 国家卫星海洋应用中心 基于海洋二号卫星微波散射计的极地海冰识别方法
CN104407338B (zh) * 2014-12-12 2015-11-18 国家卫星海洋应用中心 基于海洋二号卫星微波散射计的极地海冰识别方法
CN104535001B (zh) * 2015-01-16 2017-02-22 南京大学 基于多波束高度计实验数据的海冰厚度估算方法
CN104535001A (zh) * 2015-01-16 2015-04-22 南京大学 基于多波束高度计实验数据的海冰厚度估算方法
CN104951601A (zh) * 2015-06-04 2015-09-30 大连理工大学 一种海冰-海洋结构相互作用的离散元高性能仿真系统
CN105678812A (zh) * 2016-03-04 2016-06-15 黑龙江省水利科学研究院 用于跟踪冰排轨迹的方法
CN106017573A (zh) * 2016-07-25 2016-10-12 大连理工大学 一种基于可变焦图像法的野外冰厚冰速自动测量方法
CN106017573B (zh) * 2016-07-25 2018-12-18 大连理工大学 一种基于可变焦图像法的野外冰厚冰速自动测量方法
CN106951886A (zh) * 2017-04-18 2017-07-14 青岛大学 一种提取空间邻接关系特征的方法及装置
CN106951886B (zh) * 2017-04-18 2019-09-10 青岛大学 一种提取空间邻接关系特征的方法及装置
CN107678027A (zh) * 2017-09-26 2018-02-09 南京大学 一种评价北极熊栖息地稳定性的海冰度量方法
CN107730549A (zh) * 2017-10-31 2018-02-23 大连海事大学 一种计算海冰冰龄的方法
CN107886473B (zh) * 2017-11-09 2020-12-11 河南工业大学 从fy-3mwri数据反演北极海冰密集度的方法
CN107886473A (zh) * 2017-11-09 2018-04-06 河南工业大学 从fy‑3mwri数据反演北极海冰密集度的方法
CN108133176B (zh) * 2017-12-05 2018-11-23 交通运输部规划研究院 一种利用遥感解译分析技术监测港口填海的方法
CN108133176A (zh) * 2017-12-05 2018-06-08 交通运输部规划研究院 一种利用遥感解译分析技术监测港口填海的方法
CN108106734B (zh) * 2017-12-07 2019-08-02 中国科学院海洋研究所 一种面向idl语言海冰密集度求算优化算法
CN108106734A (zh) * 2017-12-07 2018-06-01 中国科学院海洋研究所 一种面向idl语言海冰密集度求算优化算法
CN108509527A (zh) * 2018-03-14 2018-09-07 中国科学院海洋研究所 一种面向idl语言的海冰密集度变化趋势求算算法
CN109063605A (zh) * 2018-07-16 2018-12-21 中国水产科学研究院南海水产研究所 一种用于水产养殖的蚝排蚝架养殖测算方法、系统及装置
CN111862117A (zh) * 2020-07-16 2020-10-30 大连理工大学 基于像素优化的海冰冰块分水岭分割方法
CN112614177A (zh) * 2020-12-16 2021-04-06 大连理工大学 一种适用于船舶冰区走航测试的海冰厚度识别系统及海冰厚度识别方法
CN112614177B (zh) * 2020-12-16 2022-11-18 大连理工大学 一种适用于船舶冰区走航测试的海冰厚度识别系统及海冰厚度识别方法
CN113093183A (zh) * 2021-04-02 2021-07-09 国家卫星海洋应用中心 阈值确定方法、海冰厚度反演方法、装置、设备及介质
CN113093183B (zh) * 2021-04-02 2022-03-08 国家卫星海洋应用中心 阈值确定方法、海冰厚度反演方法、装置、设备及介质
CN114838711A (zh) * 2022-03-16 2022-08-02 东北大学秦皇岛分校 一种海冰综合监测系统及方法
CN117890068A (zh) * 2024-03-14 2024-04-16 中国空气动力研究与发展中心低速空气动力研究所 一种结冰云雾颗粒尺寸重构方法及计算机可读存储介质
CN117890068B (zh) * 2024-03-14 2024-05-24 中国空气动力研究与发展中心低速空气动力研究所 一种结冰云雾颗粒尺寸重构方法及计算机可读存储介质

Also Published As

Publication number Publication date
CN102708369B (zh) 2014-06-25

Similar Documents

Publication Publication Date Title
CN102708369B (zh) 一种基于卫星图像的海冰参数提取方法
WO2021077847A1 (zh) 一种基于高分遥感影像的海水污染区域识别方法和设备
CN110059758B (zh) 一种基于语义分割的遥感影像养殖塘检测方法
CN103063202B (zh) 基于遥感影像的蓝藻生物量时空变化监测与可视化方法
CN105651263B (zh) 浅海水深多源遥感融合反演方法
CN101799921B (zh) 一种光学遥感图像云检测方法
CN106650812B (zh) 一种卫星遥感影像的城市水体提取方法
CN101814144B (zh) 遥感图像中无水桥梁目标识别方法
CN110208880B (zh) 一种基于深度学习和卫星遥感技术的海雾检测方法
CN105243367A (zh) 一种基于卫星遥感数据的水体范围监测方法和装置
CN107016403B (zh) 一种基于夜间灯光数据提取城市建成区阈值的方法
CN102999927B (zh) 一种土壤污染物含量空间分布的精细分区方法
CN104732215A (zh) 一种基于信息向量机的遥感影像海岸线提取方法
CN102279973A (zh) 基于高梯度关键点的海天线检测方法
CN114612769B (zh) 一种融入局部结构信息的集成感知红外成像舰船检测方法
CN109712127A (zh) 一种用于机巡视频流的输电线路故障检测方法
CN107491758A (zh) 长江流域水体信息提取及其空间编码方法
CN104103076A (zh) 一种基于高分辨率遥感影像的核电厂规划限制区遥感监查方法
CN104166999B (zh) 一种基于地基云图强度分层的云团提取方法
CN105469393A (zh) 基于决策融合的浅海水深多时相遥感影像反演方法
CN110414509A (zh) 基于海陆分割和特征金字塔网络的港口停靠舰船检测方法
CN116467565B (zh) 一种浒苔绿潮斑块最优搜寻区域预报方法
CN104217440A (zh) 一种从遥感图像中提取建成区的方法
Cai et al. Broken ice circumferential crack estimation via image techniques
CN108241148B (zh) 一种利用遥感图像属性提取港口资源信息的方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant