CN104574394B - 遥感影像数据处理方法和装置 - Google Patents

遥感影像数据处理方法和装置 Download PDF

Info

Publication number
CN104574394B
CN104574394B CN201410846804.3A CN201410846804A CN104574394B CN 104574394 B CN104574394 B CN 104574394B CN 201410846804 A CN201410846804 A CN 201410846804A CN 104574394 B CN104574394 B CN 104574394B
Authority
CN
China
Prior art keywords
region
image
remote sensing
sensing image
variation
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.)
Active
Application number
CN201410846804.3A
Other languages
English (en)
Other versions
CN104574394A (zh
Inventor
张欢欢
刘东升
杜伟
李静
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.)
Aerospace Hongtu Information Technology Co Ltd
Original Assignee
Beijing Aerospace Hongtu Information Technology Ltd By Share Ltd
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 Beijing Aerospace Hongtu Information Technology Ltd By Share Ltd filed Critical Beijing Aerospace Hongtu Information Technology Ltd By Share Ltd
Priority to CN201410846804.3A priority Critical patent/CN104574394B/zh
Publication of CN104574394A publication Critical patent/CN104574394A/zh
Application granted granted Critical
Publication of CN104574394B publication Critical patent/CN104574394B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/155—Segmentation; Edge detection involving morphological operators
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10032—Satellite or aerial image; Remote sensing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30181—Earth observation
    • G06T2207/30188—Vegetation; Agriculture

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

本发明提供了一种遥感影像数据处理方法和装置，所述方法包括：获取并根据前期遥感影像和后期遥感影像，生成特定坐标区域的前期预设指标影像、后期预设指标影像以及所述后期预设指标影像与前期预设指标影像的差分影像；对所述差分影像进行最优密度分割；将分割后的影像进行分类标识。本发明通过上述手段，可自动标识出两期遥感影像的预设指标（如NDVI）变化情况，解决了现有技术不能基于遥感影像数据自动识别地物变化情况造成的标识工作量大、耗时长、人为误差大的问题。

Description

遥感影像数据处理方法和装置
技术领域
本发明涉及地理信息数据处理技术领域，特别地，涉及一种遥感影像数据处理方法和装置。
背景技术
随着遥感卫星技术的发展，遥感影像数据已经成为地理信息获取和分析的重要数据来源，下面以林地变化监测为例进行说明。
林业是保持生态平衡，培育和保护森林以取得木材和其他林产品、利用林木的自然特性以发挥防护作用的生产部门，是国民经济的重要组成部分之一。我国森林覆盖率仅为16.55％，林木总蓄积量不足世界总量的3％。由于生产建设占用、砍伐以及生长退化等原因，林地资源流失严重，因此及时地监测和保护林地资源是一项重要的任务。遥感是林业监测的重要手段，通过卫星遥感影像数据可以及时获取和掌握林地变化情况。但是，综合性的处理遥感数据并自动获取林地变化情况的软件系统尚未发展成熟，目前，林业管理和服务部门的林地变化检测工作还处于半人工阶段，一般是利用影像展现软件输出遥感影像后通过人工解译获取林地状况，分类后再人工勾绘出林地变化区域，人工操作的工作量大，耗时长，过程无法重复利用，人为误差大。
发明内容
本发明提供一种遥感影像数据处理方法，用于解决现有技术不能基于遥感影像数据自动识别地物变化情况造成的标识工作量大、耗时长、人为误差大的问题。
本发明还提供了一种遥感影像数据处理装置，以保证上述方法在实际中的应用。
为了解决上述问题，本发明公开了一种遥感影像数据处理方法，包括：获取并根据前期遥感影像和后期遥感影像，生成特定坐标区域的前期预设指标影像、后期预设指标影像以及所述后期预设指标影像与前期预设指标影像的差分影像；对所述差分影像进行总段数为n的最优密度分割；将分割后的影像进行分类标识；其中，将段标识值小于n/2的区域标识为未变化区域，将段标识值大于n/2+1的区域标识为变化区域，将段标识值为n/2和n/2+1的区域标识为疑似变化区域；所述n表示不小于4的偶数。
优选的，在对所述差分影像进行总段数为n的最优密度分割之前还包括：对所述差分影像进行中值滤波；和/或，对所述差分影像进行绝对值运算，生成差分绝对值影像，作为后续最优密度分割的输入影像。
优选的，还包括：利用形态学算子将临近的同类区域合并，消除分类区域中的斑点；和/或，利用斑点分组方法消除分类区域中被隔离的斑点；和/或，标识各变化区域的预设指标变化方向；和/或，对标识后的结果影像进行矢量化，并利用矢量线条概率中值算法对矢量化后的影像进行平滑处理。
优选的，所述方法用于检测前期和后期遥感影像坐标交叠区域的林地植被覆盖变化情况，所述预设指标为归一化植被指数，所述遥感影像为多光谱影像。
优选的，所述前期遥感影像和后期遥感影像的特定坐标区域根据前期遥感影像和后期遥感影像的坐标交叠区域确定；所述将分割后的影像进行分类标识步骤之后还包括如下对变化区域进一步处理的步骤：若该区域在前期遥感影像和后期遥感影像中均属于有林地的区域或非林地的区域，则将该区域标识为未变化区域；若该区域在前期遥感影像中属于非林地区域，在后期遥感影像中属于有林地区域，且林地植被覆盖指标的增加量未超过预设的范围，则将该区域标识为未变化区域；和/或，所述将分割后的影像进行分类标识步骤之后还包括如下对疑似变化区域进一步处理的步骤：若该区域在前期遥感影像和后期遥感影像中均属于有林地的区域或非林地的区域，则将该区域标识为未变化区域；若该区域在前期遥感影像中属于非林地区域、在后期遥感影像中属于有林地区域，或该区域在前期遥感影像中属于有林地区域、在后期遥感影像中属于非林地区域，则将该区域标识为变化区域。
优选的，所述方法用于检测地震、洪水、或雪灾前期和后期地貌变化情况，所述预设指标为影像纹理特征，所述遥感影像为全色影像。
依据本发明的另一优选实施例，还公开了一种遥感影像数据处理装置，包括：差分影像生成单元，用于获取并根据前期遥感影像和后期遥感影像，生成特定坐标区域的前期预设指标影像、后期预设指标影像以及所述后期预设指标影像与前期预设指标影像的差分影像；影像分割单元，用于对所述差分影像进行总段数为n的最优密度分割；分类标识单元，用于将分割后的影像进行分类标识；其中，将段标识值小于n/2的区域标识为未变化区域，将段标识值大于n/2+1的区域标识为变化区域，将段标识值为n/2和n/2+1的区域标识为疑似变化区域；所述n表示不小于4的偶数。
优选的，还包括：噪声消除单元，用于在影像分割单元对影像进行分割之前，对所述差分影像进行中值滤波处理；和/或，绝对值影像生成单元，用于对所述差分影像进行绝对值运算，生成分割后的影像，作为所述影像分割单元进行最优密度分割使用的影像；和/或，第一斑点消除单元，利用形态学算子将所述影像分割单元分割后的临近同类区域合并，消除分类区域中的斑点；和/或，第二斑点消除单元，利用斑点分组方式消除所述影像分割单元分割后的分类区域中被隔离的斑点；和/或，变化方向标识单元，用于标识各变化区域的预设指标变化方向；和/或，矢量化单元，用于对标识后的结果影像进行矢量化，并利用矢量线条概率中值算法对矢量化后的影像进行平滑处理。
优选的，所述装置用于检测前期和后期遥感影像对应的林地植被覆盖变化情况，所述预设指标为归一化植被指数，所述遥感影像为多光谱影像；所述装置还包括：区域确定单元，用于根据前期遥感影像和后期遥感影像坐标交叠区域确定所述前期遥感影像和后期遥感影像的特定坐标区域；变化区域修正单元，用于将所述分类标识单元标识后的变化区域进行进一步修正；当该区域在前期遥感影像和后期遥感影像中均属于有林地的区域或非林地的区域时，将该区域标识为未变化区域；当该区域在前期遥感影像中属于非林地区域，在后期遥感影像中属于有林地区域，且林地植被覆盖指标的增加量未超过预设的范围时，将该区域标识为未变化区域；和/或，疑似变化区域修正单元，用于将所述分类标识单元标识后的疑似变化区域进行进一步修正；当该区域在前期遥感影像和后期遥感影像中均属于有林地的区域或非林地的区域时，将该区域标识为未变化区域；当该区域在前期遥感影像中属于非林地区域、在后期遥感影像中属于有林地区域，或该区域在前期遥感影像中属于有林地区域、在后期遥感影像中属于非林地区域时，将该区域标识为变化区域。
优选的，所述装置用于检测地震、洪水、或雪灾前期和后期地貌变化情况，所述预设指标为影像纹理特征，所述遥感影像为全色影像。
与现有技术相比，本发明具有以下优点：
本发明优选实施例根据特定应用所需的指标参数对遥感影像进行处理，生成具有特定应用含义的差分影像（以林业监控应用为例，可以根据归一化植被指数生成包含有植被覆盖变化情况的差值影像）；然后基于该差分影像进行阈值化分割，自动标识出两期遥感影像的预设指标（如归一化植被指数）变化情况，解决了现有技术不能基于遥感影像数据自动识别地物变化情况造成的标识工作量大、耗时长、人为误差大的问题。
在进一步的优选实施例中，可根据两期遥感影像对标识后的变化区域和疑似变化区域进行进一步的修正，可进一步提高处理结果的准确性。
附图说明
图1为本发明遥感影像数据处理方法第一实施例的流程图；
图2为本发明遥感影像数据处理方法第二实施例的流程图；
图3为本发明遥感影像数据处理装置一实施例的结构示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
参照图1，示出了本发明遥感影像数据处理方法第一实施例的流程，包括以下步骤：
步骤S101：获取需要对比处理的前期遥感影像和后期遥感影像；
步骤S102：根据两期遥感影像分别生成特定坐标区域的前期预设指标影像、后期预设指标影像以及后期预设指标影像与前期预设指标影像的差分影像；
关于特定坐标区域，可以是两期遥感影像的坐标交叠区域，也可以由用户指定。
步骤S105：对所述差分影像进行总段数为n的最优密度分割；
在本优选实施例中，可以将差分影像的分割段数n作为有序量，使得各分割段内离差总和（该段内所有像元的离差和）最小，段间离差总和最大，进而划分出不同的地物类型。
步骤S106：将分割后的影像进行分类标识；
其中，将段标识值小于n/2的区域标识为未变化区域，将段标识值大于n/2+1的区域标识为变化区域，将段标识值为n/2和n/2+1的区域标识为疑似变化区域；
上述n取值为不小于4的偶数。
本方法实施例方案可用于检测前期和后期遥感影像的坐标交叠区域的林地植被覆盖变化情况，也可用于检测地震、洪水或雪灾等自然灾害前期和后期地貌变化情况。当用于林地植被覆盖情况监测时，为减少外界因素（如太阳高度角、大气状态和非星下点观测）带来的误差，上述的预设指标可以为归一化植被指数（NDVI，Normalized DifferenceVegetation Index），相应的，遥感影像选用多光谱影像；当用于自然灾害前后地貌变化情况监测时，上述的预设指标可以为影像纹理特征，相应的，遥感影像可选用全色影像。本发明通过上述手段，可以自动标识出两期遥感影像的预设指标（如NDVI）变化情况，解决了现有技术不能基于遥感影像数据自动识别地物变化情况造成的标识工作量大、耗时长、人为误差大的问题。
参照图2，示出了本发明遥感影像数据处理方法第二实施例的流程，在本优选实施例中，为了提高分割精度，在对差分影像进行分割之前，还包括对差分影像的去除噪声处理以及差分绝对值运算处理；为了消除分类区域中的斑点以及孤岛问题，在对差分影像进行分割之后或对差分影像进行分类标识之后，还包括对分类区域的类别聚合以及类别筛选处理；另外，为了用户更易于了解两期地类变化情况，特别是方便将差分影像与GIS系统融合，在对差分影像进行分类标识之后，还包括标识预设指标变化方向的处理以及对差分影像的矢量化处理；本方法实施例具体包括以下步骤：
步骤S201：获取需要对比的两期遥感多光谱影像；
在本优选实施例中，为消除影像中的云层影响，还需要将前期或后期影像云掩膜标示为云区的区域进行归零操作。以林地变化检测应用的NDVI参数为例，可以将前期或后期影像云掩膜标示为云区的区域NDVI置为零。
步骤S202：根据两期遥感影像分别生成特定坐标区域的前期预设指标影像、后期预设指标影像及其差分影像；
步骤S203：对所述差分影像进行中值滤波；
大量的实验研究发现，遥感影像受椒盐噪声的影响较严重。噪声给影像处理带来很多困难，对影像分割、特征提取、影像识别等具有直接影响。因此，本优选实施例为了进一步提高标识精度，对差分影像进行滤波处理。为保证在消除噪声的同时还能保持影像中的细节部分，防止边缘模糊，本优选实施例采用中值滤波方式消除差分影像中的椒盐噪声。具体的，将邻域内所有像素从小到大排序，取中间值作为中心像素的输出值，将周围像素灰度值差比较大的像素改取近似于周围像素灰度的值，进而达到消除噪声的目的。当影像的空间分辨率较低时，中值滤波窗口可设置为3×3。
步骤S204：对所述差分影像进行绝对值运算，生成差分绝对值影像；
对于两期影像的变化，无论是正向变化还是反向变化均表示发生了变化，对差分绝对值影像进行分割可提高分割精度。
步骤S205：对所述差分绝对值影像进行总段数为n的最优密度分割，其中n为不小于4的偶数；
步骤S206：将分割后的影像进行分类标识；
标识S207：利用形态学算子将临近的同类区域合并，消除分类区域中的斑点；
本优选实施例为消除分类区域中的斑点（或洞），首先将被选的分类区域用一个扩大操作合并到一块，然后用参数对话框中指定了大小的变换对分类影像进行侵蚀操作，从而将相邻的目标连接起来。
标识S208：利用斑点分组方法消除分类区域中被隔离的斑点；
为解决分类影像中出现的孤岛问题，本实施例使用斑点分组方法（类别筛选）来消除这些被隔离的分类像元，具体的，需要先观察一个像元周围的4个或8个像元，判断该像元是否与周围的像元同组；如果一个类别中被分组的像元数小于输入的值，则将这些像元从该类中删除。
步骤S209：标识各变化区域的预设指标变化方向（变大或变小）；
步骤S210：对标识后的影像进行矢量化，并利用矢量线条概率中值算法对矢量化后的影像进行平滑处理。
采用矢量线条概率中值平滑算法，可有效消除栅格数据矢量化过程中由于数据质量或算法的原因而产生的锯齿状和吊葫芦现象。
当本方法实施例方案用于检测前期和后期遥感影像的坐标交叠区域的林地植被覆盖变化情况时，为了减少两期影像时相差距较大时对非林地区域（如农田区域）的误检测，可以根据林地一张图确定两期遥感影像的特定坐标区域。对于林地外范围的检测，重点检测非林地变为林地的情况（NDVI显著增加，如增加幅度在30%以上）。
针对林地检测应用场景，为进一步提高精度，还可以对步骤S206标识后的变化区域和疑似变化区域作进一步的调整。为此，在本方法实施例的一个进一步的优选实施例中，步骤S206之后还包括：
步骤S206-1：判断变化区域是否在前期遥感影像和后期遥感影像中均属于有林地区域或非林地区域，若是则将该变化区域更改为未变化区域；
步骤S206-2：判断变化区域是否在前期遥感影像中属于非林地区域，在后期遥感影像中属于有林地区域，且林地植被覆盖指标的增加量未超过预设的范围，若是，则将该变化区域更改为未变化区域；
在本优选实施例中，上述的预设范围的设定原则是NDVI指标增加明显，一般可以将增加量指标设定为30%。
步骤S206-3：判断疑似变化区域是否在前期遥感影像和后期遥感影像中均属于有林地区域或非林地的区域，若是则将该疑似变化区域更改为未变化区域；
步骤S206-4：判断疑似变化区域是否在前期遥感影像中属于非林地区域、在后期遥感影像中属于有林地区域，或该疑似变化区域在前期遥感影像中属于有林地区域、在后期遥感影像中属于非林地区域，若是，则将该疑似变化区域更改为变化区域。
下面，以应用于林地变化检测为例，说明本发明遥感影像数据处理方法的流程，在本具体实施例中，为了实现对林地变化情况的监控目标，将预设指标具体设置为归一化植被指数（NDVI，Normalized Difference Vegetation Index）；相应的，采集的两期遥感影像数据为多光谱影像。本具体实施例方案包括以下步骤：
步骤S301：获取需要对比的两期遥感多光谱影像；通过林地一张图统计不同地类的NDVI范围；
步骤S302：生成两期多光谱影像坐标交叠区域的NDVI影像及其差值影像；
NDVI在一定程度上有助于减少外界因素，如太阳高度角、大气状态和非星下点观测带来的误差。
步骤S302-1：将前期影像或后期影像云掩膜标示为云区的区域NDVI置为零；
步骤S303：对NDVI差分影像进行中值滤波；
中值滤波不仅可去除椒盐噪声，同时可起到影像平滑的效果，以便给多尺度分割提供更好的输入，提高分割精度。考虑到多光谱影像的空间分辨率较低，中值滤波窗口尺寸可设置为3×3。
步骤S304：生成NDVI差分绝对值影像；
无论NDVI是正向变化还是反向变化均表示发生了变化，对差分绝对值影像进行分割可提高分割精度。
步骤S305：对NDVI差分绝对值影像进行最优密度分割；
在本优选实施例中，分割段数为大于4的偶数。
步骤S306：对分割后的影像进行3级阈值化标识；
假设最优密度分割的分割段数为n，各段依次用1,2,…标识，则将段标识值小于n/2的区域标识为未变化区域，将段数标识值大于n/2+1的区域标识为变化区域；将标识值为n/2和n/2+1的区域标识为疑似变化区域。
步骤S306-1：判断变化区域的前后期NDVI是否均属于有林地区域或非林地区域，若是，则将该变化区域标识为未变化区域；
步骤S306-2：判断变化区域是否在前期NDVI中属于非林地区域、在后期NDVI中属于有林地区域，且NDVI增加量未超过30%，若是，将该变化区域标识为未变化区域（当变化区域在前期NDVI中属于有林地区域、在后期NDVI中属于非林地区域时，保持原变化区域的状态；当变化区域在前期NDVI中属于非林地区域、在后期NDVI中属于有林地区域，且NDVI增加量超过30%时，也保持原变化区域的状态）。
步骤S306-3：判断疑似变化区域的前后期NDVI是否均属于有林地区域或非林地区域，若是，将该疑似变化区域标识为未变化区域；
步骤S306-4：判断疑似变化区域是否在前期NDVI属于有林地区域、在后期NDVI属于非林地区域，或在后期NDVI属于有林地区域、在前期NDVI属于非林地区域；若是，将该疑似变化区域标识为变化区域；
步骤S307：类别聚合；
为去除分类区域中的斑点或洞，运用形态学算子将临近的类似分类区域合并成块：首先将被选的分类用一个扩大操作合并到一块，然后用参数对话框中指定了大小的变换核对分类影像进行侵蚀操作。
步骤S308：类别筛选；
为解决分类影像中出现的孤岛问题，使用斑点分组方法来消除这些被隔离的分类像元：观察一个像元周围的4个或8个像元，判定该像元是否与周围的像元同组。如果一类别中被分组的像元数小于输入的值（阈值），则将这些像元从该类中删除。
步骤S309：标识NDVI变化方向（变大或变小）；
步骤S310：栅格矢量化，利用矢量线条概率中值平滑算法对矢量化后的影像进行平滑处理。
对于前述的各方法实施例，为了描述简单，故将其都表述为一系列的动作组合，但是本领域的技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为根据本发明，某些步骤可以采用其他顺序或同时执行；例如，在图2所示的具体实施例中，步骤S206-1和步骤S206-2还可以在步骤S206-3和步骤S206-4之后执行，或同时执行。其次，本领域技术人员也应该知悉，上述方法实施例均属于优选实施例，所涉及的动作和模块并不一定是本发明所必须的。例如，在图2所示的具体实施例中，当差分影像中不存在斑点和孤岛问题时，可以省略其中的步骤S207和S208；当检测结果不需要与GIS系统结合展现时，可以省略步骤S210。
参照图3，示出了本发明遥感影像数据处理装置一实施例的结构示意图，包括：
差分影像生成单元41，用于获取并根据前期遥感影像和后期遥感影像，生成特定坐标区域的前期预设指标影像、后期预设指标影像以及所述后期预设指标影像与前期预设指标影像的差分影像。
影像分割单元44，用于对差分影像生成单元41生成的差分影像进行总段数为n的最优密度分割。
分类标识单元45，用于将分割后的影像进行分类标识；其中，将段标识值小于n/2的区域标识为未变化区域，将段标识值大于n/2+1的区域标识为变化区域，将段标识值为n/2和n/2+1的区域标识为疑似变化区域；所述n表示不小于4的偶数。
噪声消除单元42，用于在影像分割单元44对差分影像进行分割之前，对差分影像进行中值滤波处理。
绝对值影像生成单元43，用于对差分影像进行绝对值运算，生成差分绝对值影像，作为影像分割单元44进行最优密度分割使用的差值影像。
第一斑点消除单元46，利用形态学算子将影像分割单元44分割后的临近同类区域合并，消除分类区域中的斑点。
第二斑点消除单元47，利用类别筛选方式消除影像分割单元44分割后的分类区域中被隔离的斑点。
变化方向标识单元48，用于标识各变化区域的预设指标变化方向。
矢量化单元49，用于对标识后的影像进行矢量化，并利用矢量线条概率中值算法对矢量化后的影像进行平滑处理。
当本发明遥感影像数据处理装置用于检测前期和后期遥感影像对应的林地植被覆盖变化情况时，可以将预设指标设置为归一化植被指数，相应的，遥感影像可以为多光谱影像；本发明装置还可以包括：
区域确定单元41-1，用于根据前期遥感影像和后期遥感影像坐标交叠区域确定所述前期遥感影像和后期遥感影像的特定坐标区域；
变化区域修正单元45-1，用于将分类标识单元45标识后的变化区域进行进一步修正；当该区域在前期遥感影像和后期遥感影像中均属于有林地的区域或非林地的区域时，将该区域标识为未变化区域；当该区域在前期遥感影像中属于非林地区域，在后期遥感影像中属于有林地区域，且林地植被覆盖指标的增加量未超过预设的范围时，将该区域标识为未变化区域；
疑似变化区域修正单元45-2，用于将分类标识单元45标识后的疑似变化区域进行进一步修正；当该区域在前期遥感影像和后期遥感影像中均属于有林地的区域或非林地的区域时，将该区域标识为未变化区域；当该区域在前期遥感影像中属于非林地区域、在后期遥感影像中属于有林地区域，或该区域在前期遥感影像中属于有林地区域、在后期遥感影像中属于非林地区域时，将该区域标识为变化区域。
需要说明的是，上述装置或系统实施例属于优选实施例，所涉及的单元和模块并不一定是本发明所必须的。
本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。对于本发明的装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上对本发明所提供的一种遥感影像数据处理方法和装置，进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (5)

1.一种遥感影像数据处理方法，其特征在于，包括：
获取并根据前期遥感影像和后期遥感影像，生成特定坐标区域的前期预设指标影像、后期预设指标影像以及所述后期预设指标影像与前期预设指标影像的差分影像；
对所述差分影像进行总段数为n的最优密度分割；
将分割后的影像进行分类标识；其中，将段标识值小于n/2的区域标识为未变化区域，将段标识值大于n/2+1的区域标识为变化区域，将段标识值为n/2和n/2+1的区域标识为疑似变化区域；
所述n表示不小于4的偶数；
所述方法用于检测前期和后期遥感影像坐标交叠区域的林地植被覆盖变化情况，所述预设指标为归一化植被指数，所述遥感影像为多光谱影像；所述前期遥感影像和后期遥感影像的特定坐标区域根据前期遥感影像和后期遥感影像的坐标交叠区域确定；
所述将分割后的影像进行分类标识步骤之后还包括如下对变化区域进一步处理的步骤：若该区域在前期遥感影像和后期遥感影像中均属于有林地的区域或非林地的区域，则将该区域标识为未变化区域；若该区域在前期遥感影像中属于非林地区域，在后期遥感影像中属于有林地区域，且林地植被覆盖指标的增加量未超过预设的范围，则将该区域标识为未变化区域；和/或，所述将分割后的影像进行分类标识步骤之后还包括如下对疑似变化区域进一步处理的步骤：若该区域在前期遥感影像和后期遥感影像中均属于有林地的区域或非林地的区域，则将该区域标识为未变化区域；若该区域在前期遥感影像中属于非林地区域、在后期遥感影像中属于有林地区域，或该区域在前期遥感影像中属于有林地区域、在后期遥感影像中属于非林地区域，则将该区域标识为变化区域。
2.如权利要求1所述的方法，其特征在于，在对所述差分影像进行总段数为n的最优密度分割之前还包括：
对所述差分影像进行中值滤波；
和/或，
对所述差分影像进行绝对值运算，生成差分绝对值影像，作为后续最优密度分割的输入影像。
3.如权利要求1所述的方法，其特征在于，还包括：
利用形态学算子将临近的同类区域合并，消除分类区域中的斑点；
和/或，
利用斑点分组方法消除分类区域中被隔离的斑点；
和/或，
标识各变化区域的预设指标变化方向；
和/或，
对标识后的结果影像进行矢量化，并利用矢量线条概率中值算法对矢量化后的影像进行平滑处理。
4.一种林业遥感影像数据处理装置，其特征在于，包括：
差分影像生成单元，用于获取并根据前期遥感影像和后期遥感影像，生成特定坐标区域的前期预设指标影像、后期预设指标影像以及所述后期预设指标影像与前期预设指标影像的差分影像；
影像分割单元，用于对所述差分影像进行总段数为n的最优密度分割；
分类标识单元，用于将分割后的影像进行分类标识；其中，将段标识值小于n/2的区域标识为未变化区域，将段标识值大于n/2+1的区域标识为变化区域，将段标识值为n/2和n/2+1的区域标识为疑似变化区域；所述n表示不小于4的偶数；
所述装置用于检测前期和后期遥感影像对应的林地植被覆盖变化情况，所述预设指标为归一化植被指数，所述遥感影像为多光谱影像；所述装置还包括：
区域确定单元，用于根据前期遥感影像和后期遥感影像坐标交叠区域确定所述前期遥感影像和后期遥感影像的特定坐标区域；
变化区域修正单元，用于将所述分类标识单元标识后的变化区域进行进一步修正；当该区域在前期遥感影像和后期遥感影像中均属于有林地的区域或非林地的区域时，将该区域标识为未变化区域；当该区域在前期遥感影像中属于非林地区域，在后期遥感影像中属于有林地区域，且林地植被覆盖指标的增加量未超过预设的范围时，将该区域标识为未变化区域；
和/或，
疑似变化区域修正单元，用于将所述分类标识单元标识后的疑似变化区域进行进一步修正；当该区域在前期遥感影像和后期遥感影像中均属于有林地的区域或非林地的区域时，将该区域标识为未变化区域；当该区域在前期遥感影像中属于非林地区域、在后期遥感影像中属于有林地区域，或该区域在前期遥感影像中属于有林地区域、在后期遥感影像中属于非林地区域时，将该区域标识为变化区域。
5.如权利要求4所述的装置，其特征在于，还包括：
噪声消除单元，用于在影像分割单元对影像进行分割之前，对所述差分影像进行中值滤波处理；
和/或，
绝对值影像生成单元，用于对所述差分影像进行绝对值运算，生成差分绝对值影像，作为所述影像分割单元进行最优密度分割的输入影像；
和/或
第一斑点消除单元，利用形态学算子将所述影像分割单元分割后的临近同类区域合并，消除分类区域中的斑点；
和/或，
第二斑点消除单元，利用斑点分组方式消除所述影像分割单元分割后的分类区域中被隔离的斑点；
和/或，
变化方向标识单元，用于标识各变化区域的预设指标变化方向；
和/或，
矢量化单元，用于对标识后的结果影像进行矢量化，并利用矢量线条概率中值算法对矢量化后的影像进行平滑处理。
CN201410846804.3A 2014-12-31 2014-12-31 遥感影像数据处理方法和装置 Active CN104574394B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410846804.3A CN104574394B (zh) 2014-12-31 2014-12-31 遥感影像数据处理方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410846804.3A CN104574394B (zh) 2014-12-31 2014-12-31 遥感影像数据处理方法和装置

Publications (2)

Publication Number Publication Date
CN104574394A CN104574394A (zh) 2015-04-29
CN104574394B true CN104574394B (zh) 2018-02-09

Family

ID=53090366

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410846804.3A Active CN104574394B (zh) 2014-12-31 2014-12-31 遥感影像数据处理方法和装置

Country Status (1)

Country Link
CN (1) CN104574394B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105913361A (zh) * 2016-04-08 2016-08-31 民政部国家减灾中心 一种洪涝灾害评估系统和方法
CN108053409B (zh) * 2017-12-11 2022-05-13 中南大学 一种遥感影像分割基准库自动构建方法及其系统
CN109800655A (zh) * 2018-12-25 2019-05-24 核工业北京地质研究院 Etm遥感影像砂岩铀矿补给-排泄-径流区的识别方法
CN111931744B (zh) * 2020-10-09 2021-01-05 航天宏图信息技术股份有限公司 一种遥感影像变化检测方法和装置

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
ES2249159B1 (es) * 2004-07-26 2007-05-01 Consejo Superior Investig. Cientificas Procedimiento para la discriminacion y cuantificacion de olivar con cubiertas vegetales mediante teledeteccion con sensores de alta resolucion espacial.
CN101976437B (zh) * 2010-09-29 2012-10-03 中国资源卫星应用中心 基于自适应阈值分割的高分辨率遥感影像变化检测方法

Also Published As

Publication number Publication date
CN104574394A (zh) 2015-04-29

Similar Documents

Publication Publication Date Title
US10860879B2 (en) Deep convolutional neural networks for crack detection from image data
CN104574394B (zh) 遥感影像数据处理方法和装置
CN104754327B (zh) 一种检测及消除高光谱图像坏点的方法
JP6536567B2 (ja) 検知装置、検知方法、及びコンピュータプログラム
JP2013105245A (ja) 画像処理方法、装置及びプログラム
CN107092933A (zh) 一种合成孔径雷达扫描模式图像海冰分类方法
CN111551956B (zh) 基于机载激光雷达的一种地质灾害探测识别方法
Yang et al. A hierarchical Dempster-Shafer evidence combination framework for urban area land cover classification
CN103065320A (zh) 基于恒虚警阈值的sar图像变化检测方法
CN102118547A (zh) 图像加权滤波的方法
Kumar et al. Comparative analysis for edge detection techniques
Pal et al. Defogging of visual images using SAMEER-TU database
CN105096334B (zh) 一种矿区监测方法和系统
Anwar et al. Classification of foggy images for vision enhancement
Tilon et al. Infrastructure degradation and post-disaster damage detection using anomaly detecting generative adversarial networks
Ushma et al. Object detection in image processing using edge detection techniques
Nanare et al. Remote sensing satellite image analysis for deforestation in yavatmal district, maharashtra, india
Krutov et al. Television images identification in the vision system basis on the mathematical apparatus of cubic normalized B-splines
Yang et al. Cherry recognition based on color channel transform
JP7144384B2 (ja) オブジェクト検出装置、方法及びプログラム
Denisova et al. Application of superpixel segmentation and morphological projector for structural changes detection in remote sensing images
Iliyas et al. Mangrove area detection by using high resolution satellite imagery
Yan et al. A boosted decision tree approach to shadow detection in scanning electron microscope (SEM) images for machine vision applications
Luo et al. A shadow detection method from urban high resolution remote sensing image based on color features of shadow
Chen et al. Heavy haze removal in a learning framework

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
CB02 Change of applicant information

Address after: 100195 Beijing city Haidian District xingshikou road Yiyuan cultural creative industry base in C District 5 Building 3 layer

Applicant after: Beijing Aerospace Hongtu information technology Limited by Share Ltd

Address before: 100195 Beijing city Haidian District xingshikou road Yiyuan cultural creative industry base in C District 5 Building 3 layer

Applicant before: BEIJING AEROSPACE HONGTU INFORMATION TECHNOLOGY CO., LTD.

COR Change of bibliographic data
GR01 Patent grant
GR01 Patent grant
CP02 Change in the address of a patent holder

Address after: Room 301, floor 3, building 5, zone 4, Xishan Creative Park, Haidian District, Beijing 100195

Patentee after: Beijing Aerospace Hongtu information technology Limited by Share Ltd

Address before: 100195 Beijing city Haidian District xingshikou road Yiyuan cultural creative industry base in C District 5 Building 3 layer

Patentee before: Beijing Aerospace Hongtu information technology Limited by Share Ltd

CP02 Change in the address of a patent holder
CP01 Change in the name or title of a patent holder

Address after: Room 301, floor 3, building 5, zone 4, Xishan Creative Park, Haidian District, Beijing 100195

Patentee after: Aerospace Hongtu Information Technology Co., Ltd

Address before: Room 301, floor 3, building 5, zone 4, Xishan Creative Park, Haidian District, Beijing 100195

Patentee before: BEIJING PIESAT INFORMATION TECHNOLOGY Co.,Ltd.

CP01 Change in the name or title of a patent holder