CN102721957A - 一种水环境遥感监测校正检验方法及装置 - Google Patents
一种水环境遥感监测校正检验方法及装置 Download PDFInfo
- Publication number
- CN102721957A CN102721957A CN2012102126433A CN201210212643A CN102721957A CN 102721957 A CN102721957 A CN 102721957A CN 2012102126433 A CN2012102126433 A CN 2012102126433A CN 201210212643 A CN201210212643 A CN 201210212643A CN 102721957 A CN102721957 A CN 102721957A
- Authority
- CN
- China
- Prior art keywords
- remote sensing
- water environment
- pixel
- environment remote
- sensing monitoring
- 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
Links
Images
Landscapes
- Image Processing (AREA)
Abstract
本发明提供了一种水环境遥感监测校正检验方法及装置,所述方法包括:去除水环境遥感监测结果图像中的异常像素,依据预先获取的与所述水环境遥感监测区域对应的地面监测数据,对去除异常像素的水环境遥感监测结果图像进行校正,并依据所述地面监测数据,对校正结果进行检验。因为地面监测数据比较容易获取并且精度较高,所以,容易实现对水环境遥感监测结果校正,同时,也可以通过地面监测数据对校正后的结果的精度进行检验,便于随时监测结果,从而有利于提高水环境遥感监测数据反演结果的精度。
Description
技术领域
本发明涉及遥感监测领域,尤其涉及一种水环境遥感监测校正检验方法及装置。
背景技术
基于航空或卫星技术的遥感监测对于水环境的质量监测具有重要意义,现有的水环境遥感监测数据处理方法中包括了辐射定标、大气校正、模型计算等过程。而这些过程中每一个步骤都会造成一定的误差,例如:大气校正过程中存在由于缺少精确的气溶胶数据而导致的误差,这些误差会最终影响水环境遥感监测结果的精度,目前,为了提高监测结果的精度,通常会从辐射定标、大气校正、模型计算等中间环节上入手,但是,减小这些环节中存在的误差的过程难于实现,所以,现有的水环境遥感监测结果的精度很难得到有效的校正和检验。
发明内容
有鉴于此,本发明提供了一种水环境遥感监测校正检验方法及装置,目的在于解决现有的水环境遥感监测结果的精度很难得到有效的校正和检验的问题。
为了实现上述目的,本发明实施例提供了以下技术方案:
一种水环境遥感监测校正检验方法,包括:
去除水环境遥感监测结果图像中的异常像素;
依据预先获取的与所述水环境遥感监测区域对应的地面监测数据,对去除异常像素的水环境遥感监测结果图像进行校正;
依据所述地面监测数据,对校正结果进行检验。
优选地,所述去除水环境遥感监测结果图像中的异常像素包括:
确定所述水环境遥感监测结果图像中的异常像素;
对所述异常像素值进行平滑滤波。
优选地,所述确定所述水环境遥感监测结果图像中的异常像素包括:
统计所述水环境遥感监测结果图像的灰度直方图;
依据所述灰度直方图,确定异常像素灰度值范围;
遍历所述水环境遥感监测结果图像中的像素,将灰度值属于所述异常像素灰度范围的像素确定为异常像素。
优选地,所述确定所述水环境遥感监测结果图像中的异常像素包括:
选取所述水环境遥感监测结果图像中的一个像素,计算所述像素的八邻域像素的灰度均值;
判断所述均值与所述像素的灰度值之间的相对误差是否大于预设的阈值;
如果是,确定所述像素为异常像素;
重复上述步骤,直到遍历所述水环境遥感监测结果图像中的像素。
优选地,所述依据预先获取的与所述水环境遥感监测区域对应的地面监测数据,对去除异常像素的水环境遥感监测结果图像进行校正包括:
计算所述水环境遥感监测结果图像中像素的最大值、最小值及平均值,构建第一向量组;
计算所述地面监测数据中的最大值、最小值、及平均值,构建第二向量组;
依据所述第一向量组、第二向量组及预设的回归公式,计算回归系数;
依据所述回归系数,对所述去除异常像素的水环境遥感监测结果图像进行校正。
优选地,所述依据预先获取的与所述水环境遥感监测区域对应的地面监测数据,对去除异常像素的水环境遥感监测结果图像进行校正包括:
任意选取所述地面监测数据中的N个测量数据,构建第一向量组,其中N为大于或等于1的整数;
选取所述水环境遥感监测结果图像中与所述N个监测数据的经纬度相同或控制点位置相同的N个像素的灰度值,构建第二向量组;
依据所述第一向量组、第二向量组及预设的回归公式,计算回归系数;
依据所述回归系数,对所述去除异常像素的水环境遥感监测结果图像进行校正。
优选地,所述依据所述地面监测数据,对校正结果进行检验包括:
当所述地面监测数据与所述水环境遥感监测结果图像的获取时间同步时,从所述地面监测数据中任意选取N个数据,其中N为大于或等于1的整数;
从所述水环境遥感监测结果图像中获取与所述N个数据经纬度相同的N个像素的数值;
计算每个数据及与其对应的像素的数值之间的相对误差值;
统计N个相对误差值的平均相对误差值;
依据所述平均相对误差值计算所述校正结果的精度。
优选地,所述依据所述地面监测数据,对校正结果进行检验包括:
当所述地面监测数据与所述水环境遥感监测结果图像的获取时间准同步时,依据所述地面监测数据获取地面实测数据插值图像;
将所述水环境遥感监测校正结果按照像素的灰度值分为M个等级,其中,M为大于或等于1的整数;
依据所述M个等级,对所述地面实测数据插值图像的像素进行等级划分;
统计所述校正结果与所述地面实测数据插值图像相同位置的等级值相同的像素的数量;
依据所述两幅图像中相同位置的等级值相同的像素数量,计算所述校正结果的精度。
一种水环境遥感监测校正检验装置,包括:
异常值去除模块,用于去除水环境遥感监测结果图像中的异常像素;
校正模块,用于依据预先获取的与所述水环境遥感监测区域对应的地面监测数据,对去除异常像素的水环境遥感监测结果图像进行校正;
检验模块,用于依据所述地面监测数据,对校正结果进行检验。
优选地,所述异常值去除模块包括:
异常像素确定单元,用于确定所述水环境遥感监测结果图像中的异常像素;
滤波单元,用于对所述异常像素值进行平滑滤波。
优选地,所述校正模块包括:
第一向量构建单元,用于计算所述水环境遥感监测结果图像中像素的最大值、最小值及平均值,构建第一向量组,并计算所述地面监测数据中的最大值、最小值、及平均值,构建第二向量组;
回归系数计算单元,用于依据所述第一向量组、第二向量组及预设的回归公式,计算回归系数;
回归校正单元,用于依据所述回归系数,对所述去除异常像素后的水环境遥感监测结果图像进行校正。
优选地,所述校正模块包括:
第二向量构建单元,用于任意选取所述地面监测数据中的N个测量数据,构建第一向量组,并选取所述水环境遥感监测结果图像中与所述N个监测数据的经纬度相同或控制点位置相同的N个像素的灰度值,构建第二向量组,其中N为大于或等于1的整数;
回归系数计算单元,用于依据所述第一向量组、第二向量组及预设的一元线性回归公式,计算回归系数;
回归校正单元,用于依据所述回归系数,对所述去除异常像素后的水环境遥感监测结果图像进行校正。
优选地,所述检验模块包括:
取样单元,用于当所述地面监测数据与所述水环境遥感监测结果图像的获取时间同步时,从所述地面监测数据中获取N个数据,其中N为大于或等于1的整数,并从所述水环境遥感监测结果图像中获取与所述N个数据经纬度相同的N个像素的灰度值;
误差值计算单元,用于计算所述每个数据及与其对应的灰度值之间相对误差值,并统计N个相对误差值的平均相对误差值;
精度检测单元,用于依据所述平均相对误差值计算所述校正结果的精度。
优选地,所述检验模块包括:
插值单元,用于当所述地面监测数据与所述水环境遥感监测结果图像的获取时间准同步时,依据所述地面监测数据获取地面实测数据插值图像;
分级单元,用于将所述水环境遥感监测校正结果按照像素的灰度值分为M个等级,其中,M为大于或等于1的整数,并依据所述M个等级,对所述地面实测数据插值图像的像素进行等级划分;
统计单元,用于统计所述校正结果与所述地面实测数据插值图像相同位置的等级值相同的像素的数量;
精度检测单元,用于依据所述两幅图像中相同位置的等级值相同的像素数量,计算所述校正结果的精度。
本发明实施例提供的水环境遥感监测校正检验方法及装置,利用与所述水环境遥感监测区域对应的地面监测数据,对去除异常像素的水环境遥感监测结果图像进行校正,因为地面监测数据比较容易获取并且精度较高,所以,容易实现对水环境遥感监测结果校正,同时,也可以通过地面监测数据对校正后的结果的精度进行检验,便于随时监测结果,从而有利于提高水环境遥感监测数据反演结果的精度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例公开的一种水环境遥感监测校正检验方法的流程图图;
图2为本发明实施例公开的一种水环境遥感监测校正检验方法中确定所述水环境遥感监测结果图像中的异常像素的方法的流程图;
图3为本发明实施例公开的灰度直方图的示意图;
图4为本发明实施例公开的一种水环境遥感监测校正检验方法中确定所述水环境遥感监测结果图像中的异常像素的方法的流程图;
图5为本发明实施例公开的一种水环境遥感监测校正检验方法中校正方法的流程图;
图6为本发明实施例公开的一种水环境遥感监测校正检验方法中检验方法的流程图;
图7为本发明实施例公开的一种水环境遥感监测校正检验方法中又一种检验方法的流程图;
图8为本发明实施例公开的一种水环境遥感监测校正检验装置的结构示意图。
具体实施方式
本发明实施例公开了一种水环境遥感监测校正检验方法及装置,其核心发明点在于,通过同区域的地面监测数据,对水环境遥感监测结果进行校正,并对校正后的结果进行精度的检测,也就是说,利用水环境遥感监测与地面实测协同的方法,提高水环境遥感监测结果的精度。
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明实施例公开了一种水环境遥感监测校正检验方法,应用于对水环境遥感监测反演得到的水环境质量监测结果进行校正和检验,如图1所示,包括:
S101:去除水环境遥感监测结果图像中的异常像素;
水环境要素一般具有空间分布上的连续性和渐变性,而水环境遥感监测得到的水质参数反演结果图像中由于随机噪声的影响会出现局部极大值或极小值像素。所谓局部极大值或极小值像素指的是灰度值违反灰度值连续性和渐变性分布的像素,即在邻域中,其灰度值与其它像素的灰度值差异较大的像素,本实施例中,将局部极大值或极小值像素称为异常像素。异常像素的存在极易对水环境遥感监测结果的精度造成影响,因此有必要将其去除。
本实施例中,优选以下方法进行异常像素的去除:首先确定所述水环境遥感监测结果图像中的异常像素;再对确定出的异常像素进行平滑滤波。
其中,如图2所示,确定所述水环境遥感监测结果图像中的异常像素可以包括:
S201:统计所述水环境遥感监测结果图像的灰度直方图;
其中,这里的灰度直方图指的是水环境遥感监测结果图像中水体区域图像灰度级的函数,它表示图像中具有每种灰度级的像素的个数,反映图像中每种灰度出现的频率。水环境遥感监测结果图像的灰度直方图如图3所示,其中,横轴表示图像中的像素的灰度值,纵轴表示像素的个数,所以,从中可以观察出图像中的像素在每个灰度值的分布情况,图3中显示,图像的绝大多数像素分布在两条虚线划定的灰度值范围内,即MinValue和MaxValue之间。
需要说明的是,本实施例中像素的灰度值的数据类型为浮点类型。
S202:依据所述灰度直方图,确定异常像素灰度值范围;
因为灰度直方图反映出水环境遥感监测结果图像,即:水质参数反演结果图像中的水体区域像素分布的灰度值范围,因此,可以将灰度直方图中像素数量较少的灰度值作为异常像素灰度值,如图3中所示,将两条虚线划定的范围之外的灰度值确定为异常像素灰度值,即两条虚线指示的灰度值分别为MinValue和MaxValue,灰度值大于MaxValue的像素为异常像素,灰度值小于MinValue的像素也为异常像素,因此可以确定大于MaxValue及小于MinValue的灰度值范围为异常像素灰度值范围。因为图像中的异常像素的只占很少的数量,所以,本实施例中,优选地,可以根据像素数量的分布来确定异常像素灰度值的范围,例如:灰度值大于MaxValue的像素数量小于水体区域总的像素数量的1%,灰度值小于MinValue的像素数量小于水体区域总的像素数量的1%,因此,将MaxValue和MinValue作为灰度值正常与异常的分界点。
S203:遍历所述水环境遥感监测结果图像中的像素,将灰度值属于所述异常像素灰度范围的像素确定为异常像素。
或者,如图4所示,确定所述水环境遥感监测结果图像中的异常像素也可以具体为:
S401:选取所述水环境遥感监测结果图像中的一个像素,计算所述像素的八邻域像素的灰度均值;
其中,像素的八邻域像素指的是与所述像素紧邻的上、下、左、右、左上、左下、右上、右下八个像素,八邻域像素的均值指的是上述八个像素的灰度值的平均值。
S402:判断所述均值与所述像素的灰度值之间的相对误差是否大于预设的阈值;
其中,可以设当前选取的像素为P,八邻域像素的灰度均值为Pa,相对误差可以采用公式:Error=(abs(Pa-P)/Pa)*100%进行计算。预设的阈值可以为25%。
S403:如果是,确定所述像素为异常像素,如果否,执行S404;
S404:判断是否遍历所述水环境遥感监测结果图像中的像素,如果是则结束,如果否则返回S401。
以上两种确定异常像素的方法各有优势,实际应用中,可以根据需求选择,这里不再赘述。
找出异常像素之后,需要将所述异常像素去除,可以采用平滑滤波的方法去除异常像素,具体为:使用异常像素的八邻域像素的灰度均值作为异常像素的灰度值,如果异常像素的八邻域像素中也存在异常像素,则使用其十六邻域像素的灰度均值作为异常像素的灰度值,依次类推。
S102:依据预先获取的与所述水环境遥感监测区域对应的地面监测数据,对去除异常像素的水环境遥感监测结果图像进行校正;
具体的校正方法如图5所示,包括:
S501:计算所述水环境遥感监测结果图像中像素灰度值的最大值、最小值及平均值,构建第一向量组;
本实施例中,可以将水环境遥感监测结果图像中像素灰度值的最大值、最小值及平均值分别记为X1、X2、X3,第一向量组记为X=(X1,X2,X3)。
S502:计算所述地面监测数据中的最大值、最小值、及平均值,构建第二向量组;
本实施例中,可以将地面监测数据中的最大值、最小值及平均值分别记为Y1、Y2、Y3,第二向量组记为Y=(Y1,Y2,Y3)。
需要说明的是,构建第一向量组和构建第二向量组的方法还可以为:
任意选取所述地面监测数据中的N个测量数据,构建第一向量组,其中N为大于或等于1的整数;
选取所述水环境遥感监测结果图像中与所述N个监测数据的经纬度相同(或控制点位置相同)的N个像素的灰度值,构建第二向量组;
优选地,N=3。
为了实现精度较高的校正,本实施例中优选上述第一种构建第一向量组和第二向量组的方法。
S503:依据所述第一向量组、第二向量组及预设的回归公式,计算回归系数;
其中,本实施例中优选预设的回归公式为一元线性回归公式:Y=b*X+a,
依据所述回归公式及第一向量组和第二向量组计算回归系数的公式优选以下公式:
S504:依据所述回归系数,对所述去除异常像素的水环境遥感监测结果图像进行校正。
具体方法为:记当前像素的灰度值为p,按照p*b+a公式进行校正,得到新的校正后的像素数值并赋值给p,遍历所有像素,依照上述方法进行校正。
S103:依据所述地面监测数据,对校正结果进行检验。
检验的具体过程依据所述地面监测数据与所述水环境遥感监测结果图像的获取时间是否同步,可以分为不同的两种方式。
如图6所示,第一种方式为:
S601:当所述地面监测数据与所述水环境遥感监测结果图像的获取时间同步时,从所述地面监测数据中任意选取N个数据,其中N为大于或等于1的整数;
例如,从地面监测数据中任意选取数据a1、a2及a3。其中,每个数据都有其对应的经纬度。
S602:从所述水环境遥感监测结果图像中获取与所述N个数据经纬度相同的N个像素的灰度值;例如,从水环境遥感监测结果图像中获取与a1的经纬度相同的像素的灰度值b1,与a2的经纬度相同的像素的灰度值b2,与a3的经纬度相同的像素的灰度值b3。
S603:计算每个数据及与其对应的灰度值之间相对误差值,相对误差值的计算公式可以优选为:rError(i)=abs(b(i)-a(i))/a(i);
例如分别计算:rError(1)=abs(a1-b1)/a1,rError(2)=abs(a2-b2)/a2,rError(3)=abs(a3-b3)/a3。
S604:统计N个相对误差值的平均相对误差值,平均相对误差值的计算公式可以优选:Error=∑rError(i)/N,i=1…N;
例如,上述数据的平均相对误差值Error为:
(abs(a1-b1)/a1+abs(a2-b2)/a2+abs(a3-b3)/a3)/3。
S605:依据所述平均相对误差值计算所述校正结果的精度。其中,反演精度=(1-Error)*100%。;
如图7所示,第二种方式为:
S701:当所述地面监测数据与所述水环境遥感监测结果图像的获取时间准同步时,依据所述地面监测数据获取地面实测数据插值图像;
其中准同步为不是完全同步,有可能地面实测数据的获取时间与遥感监测数据的获取时间相差了几天。
本实施例中,优选采用克吕格差值方法得到地面实测数据插值图像。
S702:将所述校正结果按照像素的灰度值分为M个等级,其中,M为大于或等于1的整数;
其中,可以依据校正结果图像中的灰度最大值,记为Max和灰度最小值,记为Min划分M个等级,例如M=5时,将灰度最大值和灰度最小值之差等分为5份,M值可以根据需求设定。每个等级的数值间隔为s=(Max-Min)/M。对于任意像素,如果其灰度值p满足:Min<=p<(Min+s),则将p赋值为1,这样逐像元遍历水体区域的图像,使得新得到的遥感监测图像像素值为1~M之间的整数值;
S703:依据所述M个等级,对所述地面实测数据插值图像的像素进行等级划分
也就是说,依照S702中每个等级的灰度值范围对地面实测数据插值图像进行划分。即:将所述地面实测数据插值图像按照相同的最小值Min、数值间隔s、最大值Max划分为所述M个等级,其中,每个等级的灰度值范围与所述校正结果划分的灰度值范围相同,并逐像元遍历地面实测数据插值图像,使得新得到的地面实测图像中像素的灰度值为1~M之间的整数值,如果存在灰度值不在Min~Max之间的像素,则将其标记为M+1;例如,M=5时,新得到的水体区域地面实测图象像素值为1、2、3、4、5、6;
S704:统计所述校正结果与所述地面实测数据插值图像相同位置的等级值相同的像素的数量。S705:依据所述两幅图像中相同位置的等级值相同的像素数量,计算所述校正结果的精度。校正结果精度=(水体区域的值相同的像元数/水体区域总的像元数)*100%。
本发明实施例所述的水环境遥感监测校正检验方法,通过地面实测数据对水环境监测结果进行校正,并对校正后的结果进行精度的检验,所述方法易于实现,提高了对水环境遥感监测结果的精度。
本发明实施例还公开了一种水环境遥感监测校正检验装置,如图8所示,包括:
异常值去除模块801,用于去除水环境遥感监测结果图像中的异常像素;
校正模块802,用于依据预先获取的与所述水环境遥感监测区域对应的地面监测数据,对去除异常像素的水环境遥感监测结果图像进行校正;
检验模块803,用于依据所述地面监测数据,对校正结果进行检验。
进一步地,所述异常值去除模块包括:
异常像素确定单元,用于确定所述水环境遥感监测结果图像中的异常像素;
滤波单元,用于对所述异常像素值进行平滑滤波。
进一步地,所述校正模块包括:
向量构建单元,用于计算所述水环境遥感监测结果图像中像素的最大值、最小值及平均值,构建第一向量组,并计算所述地面监测数据中的最大值、最小值、及平均值,构建第二向量组;
回归系数计算单元,用于依据所述第一向量组、第二向量组及预设的回归公式,计算回归系数;
回归校正单元,用于依据所述回归系数,对所述去除异常像素的水环境遥感监测结果图像进行校正。
进一步地,所述检验模块包括:
取样单元,用于当所述地面监测数据与所述水环境遥感监测结果图像的获取时间同步时,从所述地面监测数据中获取N个数据,其中N为大于或等于1的整数,并从所述水环境遥感监测结果图像中获取与所述N个数据经纬度相同的N个像素的灰度值;
误差值计算单元,用于计算所述每个数据及与其对应的灰度值之间相对误差值,并统计N个相对误差值的平均相对误差值;
精度检测单元,用于依据所述平均相对误差值计算所述校正结果的精度。
进一步地,所述检验模块包括:
插值单元,用于当所述地面监测数据与所述水环境遥感监测结果图像的获取时间准同步时,依据所述地面监测数据获取地面实测数据插值图像;
分级单元,用于将所述水环境遥感监测校正结果按照像素的灰度值分为M个等级,其中,M为大于或等于1的整数,并依据所述M个等级,对所述地面实测数据插值图像的像素进行等级划分;;
统计单元,用于统计所述校正结果与所述地面实测数据插值图像相同位置的等级值相同的像素的数量;
精度检测单元,用于依据所述两幅图像中相同位置的等级值相同的像素数量,计算所述校正结果的精度。
本实施例所述的水环境遥感监测校正检验装置,包括校正模块和检验模块,能够实现使用地面实测数据对水环境遥感监测结果进行校正和检验,因为地面实测数据已比较易于获取,并具有精度相对较高等优点,从而提高了校正检验的可实现性及水环境遥感监测结果的精度。
本实施例方法所述的功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算设备可读取存储介质中。基于这样的理解,本发明实施例对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该软件产品存储在一个存储介质中,包括若干指令用以使得一台计算设备(可以是个人计算机,服务器,移动计算设备或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其它实施例的不同之处,各个实施例之间相同或相似部分互相参见即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (14)
1.一种水环境遥感监测校正检验方法,其特征在于,包括:
去除水环境遥感监测结果图像中的异常像素;
依据预先获取的与所述水环境遥感监测区域对应的地面监测数据,对去除异常像素的水环境遥感监测结果图像进行校正;
依据所述地面监测数据,对校正结果进行检验。
2.根据权利要求1所述的方法,其特征在于,所述去除水环境遥感监测结果图像中的异常像素包括:
确定所述水环境遥感监测结果图像中的异常像素;
对所述异常像素值进行平滑滤波。
3.根据权利要求2所述的方法,其特征在于,所述确定所述水环境遥感监测结果图像中的异常像素包括:
统计所述水环境遥感监测结果图像的灰度直方图;
依据所述灰度直方图,确定异常像素灰度值范围;
遍历所述水环境遥感监测结果图像中的像素,将灰度值属于所述异常像素灰度范围的像素确定为异常像素。
4.根据权利要求2所述的方法,其特征在于,所述确定所述水环境遥感监测结果图像中的异常像素包括:
选取所述水环境遥感监测结果图像中的一个像素,计算所述像素的八邻域像素的灰度均值;
判断所述均值与所述像素的灰度值之间的相对误差是否大于预设的阈值;
如果是,确定所述像素为异常像素;
重复上述步骤,直到遍历所述水环境遥感监测结果图像中的像素。
5.根据权利要求1所述的方法,其特征在于,所述依据预先获取的与所述水环境遥感监测区域对应的地面监测数据,对去除异常像素的水环境遥感监测结果图像进行校正包括:
计算所述水环境遥感监测结果图像中像素的最大值、最小值及平均值,构建第一向量组;
计算所述地面监测数据中的最大值、最小值、及平均值,构建第二向量组;
依据所述第一向量组、第二向量组及预设的回归公式,计算回归系数;
依据所述回归系数,对所述去除异常像素的水环境遥感监测结果图像进行校正。
6.根据权利要求1所述的方法,其特征在于,所述依据预先获取的与所述水环境遥感监测区域对应的地面监测数据,对去除异常像素的水环境遥感监测结果图像进行校正包括:
任意选取所述地面监测数据中的N个测量数据,构建第一向量组,其中N为大于或等于1的整数;
选取所述水环境遥感监测结果图像中与所述N个监测数据的经纬度相同或控制点位置相同的N个像素的灰度值,构建第二向量组;
依据所述第一向量组、第二向量组及预设的回归公式,计算回归系数;
依据所述回归系数,对所述去除异常像素的水环境遥感监测结果图像进行校正。
7.根据权利要求1所述的方法,其特征在于,所述依据所述地面监测数据,对校正结果进行检验包括:
当所述地面监测数据与所述水环境遥感监测结果图像的获取时间同步时,从所述地面监测数据中任意选取N个数据,其中N为大于或等于1的整数;
从所述水环境遥感监测结果图像中获取与所述N个数据经纬度相同的N个像素的数值;
计算每个数据及与其对应的像素的数值之间的相对误差值;
统计N个相对误差值的平均相对误差值;
依据所述平均相对误差值计算所述校正结果的精度。
8.根据权利要求1所述的方法,其特征在于,所述依据所述地面监测数据,对校正结果进行检验包括:
当所述地面监测数据与所述水环境遥感监测结果图像的获取时间准同步时,依据所述地面监测数据获取地面实测数据插值图像;
将所述水环境遥感监测校正结果按照像素的灰度值分为M个等级,其中,M为大于或等于1的整数;
依据所述M个等级,对所述地面实测数据插值图像的像素进行等级划分;
统计所述校正结果与所述地面实测数据插值图像相同位置的等级值相同的像素的数量;
依据所述两幅图像中相同位置的等级值相同的像素数量,计算所述校正结果的精度。
9.一种水环境遥感监测校正检验装置,其特征在于,包括:
异常值去除模块,用于去除水环境遥感监测结果图像中的异常像素;
校正模块,用于依据预先获取的与所述水环境遥感监测区域对应的地面监测数据,对去除异常像素的水环境遥感监测结果图像进行校正;
检验模块,用于依据所述地面监测数据,对校正结果进行检验。
10.根据权利要求9所述的装置,其特征在于,所述异常值去除模块包括:
异常像素确定单元,用于确定所述水环境遥感监测结果图像中的异常像素;
滤波单元,用于对所述异常像素值进行平滑滤波。
11.根据权利要求9所述的装置,其特征在于,所述校正模块包括:
第一向量构建单元,用于计算所述水环境遥感监测结果图像中像素的最大值、最小值及平均值,构建第一向量组,并计算所述地面监测数据中的最大值、最小值、及平均值,构建第二向量组;
回归系数计算单元,用于依据所述第一向量组、第二向量组及预设的回归公式,计算回归系数;
回归校正单元,用于依据所述回归系数,对所述去除异常像素后的水环境遥感监测结果图像进行校正。
12.根据权利要求9所述的装置,其特征在于,所述校正模块包括:
第二向量构建单元,用于任意选取所述地面监测数据中的N个测量数据,构建第一向量组,并选取所述水环境遥感监测结果图像中与所述N个监测数据的经纬度相同或控制点位置相同的N个像素的灰度值,构建第二向量组,其中N为大于或等于1的整数;
回归系数计算单元,用于依据所述第一向量组、第二向量组及预设的一元线性回归公式,计算回归系数;
回归校正单元,用于依据所述回归系数,对所述去除异常像素后的水环境遥感监测结果图像进行校正。
13.根据权利要求9所述的装置,其特征在于,所述检验模块包括:
取样单元,用于当所述地面监测数据与所述水环境遥感监测结果图像的获取时间同步时,从所述地面监测数据中获取N个数据,其中N为大于或等于1的整数,并从所述水环境遥感监测结果图像中获取与所述N个数据经纬度相同的N个像素的灰度值;
误差值计算单元,用于计算所述每个数据及与其对应的灰度值之间相对误差值,并统计N个相对误差值的平均相对误差值;
精度检测单元,用于依据所述平均相对误差值计算所述校正结果的精度。
14.根据权利要求9所述的装置,其特征在于,所述检验模块包括:
插值单元,用于当所述地面监测数据与所述水环境遥感监测结果图像的获取时间准同步时,依据所述地面监测数据获取地面实测数据插值图像;
分级单元,用于将所述水环境遥感监测校正结果按照像素的灰度值分为M个等级,其中,M为大于或等于1的整数,并依据所述M个等级,对所述地面实测数据插值图像的像素进行等级划分;
统计单元,用于统计所述校正结果与所述地面实测数据插值图像相同位置的等级值相同的像素的数量;
精度检测单元,用于依据所述两幅图像中相同位置的等级值相同的像素数量,计算所述校正结果的精度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210212643.3A CN102721957B (zh) | 2012-06-21 | 2012-06-21 | 一种水环境遥感监测校正检验方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210212643.3A CN102721957B (zh) | 2012-06-21 | 2012-06-21 | 一种水环境遥感监测校正检验方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102721957A true CN102721957A (zh) | 2012-10-10 |
CN102721957B CN102721957B (zh) | 2014-04-02 |
Family
ID=46947773
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210212643.3A Active CN102721957B (zh) | 2012-06-21 | 2012-06-21 | 一种水环境遥感监测校正检验方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102721957B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102998664A (zh) * | 2012-10-29 | 2013-03-27 | 中国科学院对地观测与数字地球科学中心 | 一种基于合成孔径雷达的水华识别方法及装置 |
CN109765338A (zh) * | 2018-12-29 | 2019-05-17 | 北京英视睿达科技有限公司 | 扩散性环境污染物监测设备的校正方法和系统及更换方法 |
CN111726582A (zh) * | 2020-06-22 | 2020-09-29 | 曹婷 | 应用数值分析的防水式室外监控系统及方法 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107680094A (zh) * | 2017-10-17 | 2018-02-09 | 南昌工程学院 | 一种水环境遥感数据处理方法及装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090154793A1 (en) * | 2007-12-17 | 2009-06-18 | Electronics And Telecommunications Research Institute | Digital photogrammetric method and apparatus using intergrated modeling of different types of sensors |
CN101478697A (zh) * | 2009-01-20 | 2009-07-08 | 中国测绘科学研究院 | 影像有损压缩质量评价方法 |
CN101750606A (zh) * | 2009-11-24 | 2010-06-23 | 中国科学院对地观测与数字地球科学中心 | 自动和稳健的卫星遥感影像正射校正方法 |
CN102103203A (zh) * | 2011-01-19 | 2011-06-22 | 环境保护部卫星环境应用中心 | 基于环境一号卫星的地表温度单窗反演方法 |
-
2012
- 2012-06-21 CN CN201210212643.3A patent/CN102721957B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090154793A1 (en) * | 2007-12-17 | 2009-06-18 | Electronics And Telecommunications Research Institute | Digital photogrammetric method and apparatus using intergrated modeling of different types of sensors |
CN101478697A (zh) * | 2009-01-20 | 2009-07-08 | 中国测绘科学研究院 | 影像有损压缩质量评价方法 |
CN101750606A (zh) * | 2009-11-24 | 2010-06-23 | 中国科学院对地观测与数字地球科学中心 | 自动和稳健的卫星遥感影像正射校正方法 |
CN102103203A (zh) * | 2011-01-19 | 2011-06-22 | 环境保护部卫星环境应用中心 | 基于环境一号卫星的地表温度单窗反演方法 |
Non-Patent Citations (2)
Title |
---|
《中国优秀硕士学位论文全文数据库 信息科技辑》 20110415 于小林 环境遥感监测系统的水质监测图校正算法研究 第21-29页、第33-45页 1-14 , 第4期 * |
于小林: "环境遥感监测系统的水质监测图校正算法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》, no. 4, 15 April 2011 (2011-04-15) * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102998664A (zh) * | 2012-10-29 | 2013-03-27 | 中国科学院对地观测与数字地球科学中心 | 一种基于合成孔径雷达的水华识别方法及装置 |
CN102998664B (zh) * | 2012-10-29 | 2014-10-22 | 中国科学院对地观测与数字地球科学中心 | 一种基于合成孔径雷达的水华识别方法及装置 |
CN109765338A (zh) * | 2018-12-29 | 2019-05-17 | 北京英视睿达科技有限公司 | 扩散性环境污染物监测设备的校正方法和系统及更换方法 |
CN111726582A (zh) * | 2020-06-22 | 2020-09-29 | 曹婷 | 应用数值分析的防水式室外监控系统及方法 |
CN111726582B (zh) * | 2020-06-22 | 2021-12-14 | 广东技安科技有限公司 | 应用数值分析的防水式室外监控系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN102721957B (zh) | 2014-04-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20200149888A1 (en) | Method and device for monitoring water volume change, computer device and storage medium | |
CN107403482B (zh) | 一种确定车辆行驶里程数的方法、装置及系统 | |
Merwade | Effect of spatial trends on interpolation of river bathymetry | |
CN102721957B (zh) | 一种水环境遥感监测校正检验方法及装置 | |
JP6339058B2 (ja) | 車載器および車頭間距離算出方法 | |
CN112346120B (zh) | 一种槽波频散曲线的变异度计算方法及异常体的识别方法 | |
CN101014079A (zh) | 图像评价装置、图像评价方法、计算机可读介质和计算机数据信号 | |
CN102733295B (zh) | 基于里程桩号校准检测桩号的方法 | |
CN110827245A (zh) | 一种检测屏幕显示断线的方法及设备 | |
CN104766318A (zh) | 一种水环境遥感监测校正检验方法及装置 | |
Žnidarič et al. | Determination of strain correction factors for bridge weigh-in-motion systems | |
Li et al. | Mapping the grounding zone of Larsen C Ice Shelf, Antarctica, from ICESat-2 laser altimetry | |
JPWO2019107367A1 (ja) | 三次元地図生成システム、三次元地図生成方法および三次元地図生成プログラム | |
CN113643311A (zh) | 一种对边界误差鲁棒的图像分割方法和装置 | |
Chen et al. | Comment on “Towards improved USLE-based soil erosion modelling in India: A review of prevalent pitfalls and implementation of exemplar methods” by Majhi et al.(2021), Earth-Science Reviews 221, 103786 | |
CN102081842A (zh) | 视频数据源评价方法及装置 | |
CN115366899B (zh) | 一种基于北斗的远程车载路径识别系统 | |
CN103646402B (zh) | 检测遥感道路图像精度的方法及装置 | |
Li et al. | Mapping Antarctic grounding zones from ICESat-2 laser altimetry | |
WO2008061217A3 (en) | Method and system for evaluating pricing of assets | |
CN107451992A (zh) | 一种sar图像变化检测的方法与装置 | |
CN112348798A (zh) | 一种沥青路面病害自动化检测与分析评估方法 | |
JP7128764B2 (ja) | 尾数算出方法、尾数算出装置、尾数計測方法、尾数計測システム、尾数算出プログラム | |
Ajiwibowo et al. | Hydrodynamic changes impacted by the waterway capital dredging in Cikarang Bekasi Laut channel, West Java, Indonesia | |
US7526379B2 (en) | Determining elevation values in a geocoding system |
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 |