CN106950197A - 排污口污染水体的遥感提取方法、装置和系统 - Google Patents
排污口污染水体的遥感提取方法、装置和系统 Download PDFInfo
- Publication number
- CN106950197A CN106950197A CN201710124753.7A CN201710124753A CN106950197A CN 106950197 A CN106950197 A CN 106950197A CN 201710124753 A CN201710124753 A CN 201710124753A CN 106950197 A CN106950197 A CN 106950197A
- Authority
- CN
- China
- Prior art keywords
- water
- polluted
- pixel
- spatial resolution
- image
- 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
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/55—Specular reflectivity
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/28—Measuring arrangements characterised by the use of optical techniques for measuring areas
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种排污口污染水体的遥感提取方法、装置和系统,属于水体污染监测领域,该方法首先对高空间分辨率遥感反射率影像构建污染水体及正常水体光谱库,计算污染水体及正常水体光谱数据不同波段的特征值,通过比较污染水体和正常水体的特征值,筛选出特征波段,依据污染水体光谱特征波段的特征值分别设置阈值;对遥感反射率影像的每个像元进行逐波段的比较,若比较通过,则标记该像元为污染水体像元;对污染水体像元进行位置信息提取和像元数的统计,获取污染水体的分布位置和面积。本发明对污染水体的提取更具有针对性,可大大提高污染水体的位置和面积的识别精度,实现高效、快速、准确的提取污染水体分布范围和面积。
Description
技术领域
本发明涉及水体污染监测领域,特别是指一种排污口污染水体的遥感提取方法、装置和系统。
背景技术
由于沿江、沿河、沿海的排污口污染水体任意排放,以及不合理的水域利用,导致排污口附近水域经常受到污染,严重影响到了水体的功能,给沿岸居民生活造成了极大的危害。沿江及沿河城市规划及工业布局不合理,取排水交错分布,生活及工业污水通过地面沟渠或地下管道直接排放进入江河湖海,严重破坏了水体的自净能力,使得江河水体富营养化严重,水质不断恶化,进而导致沿江、沿河等城市水质性缺水。排污口污水的排放会导致水体溶解氧降低,水体透明度下降、有毒有害物质增加,水体颜色发生改变,甚至发出恶臭气味,严重破坏了水体生态平衡,生态景观功能下降。针对排污口排放污水导致的水生态失调,为及时的采取相关措施对开展污染治理和监测达标排放情况,需要对排污口污水团快速及时的监测,确定污水的分布位置和分布面积,对突发水环境事件进行实时部署和应急处理,提高对突发水环境应急事件的监测能力,为环境管理和应急部门提供技术支撑。
目前对于沿江、河、湖、海的排污口排污状况调查依靠地面调查的方法。地面调查主要是监测人员利用水质监测仪器对排污口附近水域水质指标浓度进行现场监测,判断水质指标的达标状况,同时结合现场排污口附近水体颜色同周围水体颜色的差异等经验手段来综合判断排污口的排污状况。
传统的排污口污水团的监测方法靠人力、物力采取现场实测水质参数及结合排污口附近水体颜色等信息综合判断,耗时、耗力,需要大量资金投入;而且有些排污口由于位置设置隐蔽和偏僻,监测人员、车辆难以靠近,水质监测设备无法发挥作用,无法进行有效的排污口排污状况调查;此外,传统的监测方法大多数均是接收到举报信息才开始组织相关人员开展现场调查,无法及时获取排污口污水排放时的污水团分布状况。而且传统的方法对于污水分布面积的判断主要依据目视测量的方法估算,与污水团实际影响区域面积有一定差距。
发明内容
本发明提供一种排污口污染水体的遥感提取方法、装置和系统,本发明可快速、精确的提取污染水体的分布,为环境应急管理部门提供技术支撑。
为解决上述技术问题,本发明提供技术方案如下:
一种排污口污染水体的遥感提取方法,包括:
步骤1:获取排污口区域的高空间分辨率遥感影像,所述高空间分辨率遥感影像包括多光谱或高光谱遥感影像;
步骤2:对所述高空间分辨率遥感影像进行预处理,获取高空间分辨率遥感反射率影像;
步骤3:对所述高空间分辨率遥感反射率影像进行水陆分离和去云处理,得到水体部分的高空间分辨率遥感反射率影像;
步骤4:在水体部分的高空间分辨率遥感反射率影像上分别选取污染水体和正常水体的若干个采样点,获得采样点的光谱信息,建立污染水体和正常水体光谱数据库;
步骤5:对所述污染水体和正常水体光谱数据库分别进行波段统计,获取污染水体和正常水体的波段特征值;
步骤6:对所述污染水体和正常水体的波段特征值进行比较,筛选出污染水体特征波段;
步骤7:根据所述污染水体特征波段的光谱特征值分别设置污染水体在多个特征波段的阈值;
步骤8:将所述高空间分辨率遥感反射率影像上每个像元的多个特征波段的光谱信息分别与污染水体在多个特征波段的阈值进行比较,若比较通过,则标记该像元为污染水体像元;
步骤9:提取出标记的像元,获得污染水体的分布位置和范围;
步骤10:统计标记的像元数目,并根据所述高空间分辨率遥感反射率影像的空间分辨率,计算出污染水体的面积。
进一步的,所述光谱特征值为光谱信息在多个特征波段的均值 和方差σ1,σ2,…,σn,其中n为特征波段的个数。
进一步的,所述水体在多个特征波段的阈值为 k为常数。
进一步的,所述步骤8包括:
步骤81:将所述高空间分辨率遥感反射率影像上第i行第j列的像元Pij的多个特征波段的光谱信息Bij,1,Bij,2,…,Bij,n分别与水体在多个特征波段的阈值进行比较,若且且则Pij=1,否则Pij=0;其中,Pij=1表示该像元为污染水体像元;
步骤82:重复步骤81,直至所述高空间分辨率遥感反射率影像上的每个像元判断完毕,得到二值影像;
所述步骤9进一步为:对所述二值影像进行边界提取,获得污染水体的分布位置和范围;
所述步骤10进一步为:统计所述二值影像上像元值为1的像元数目,并根据所述高空间分辨率遥感反射率影像的空间分辨率,计算出污染水体的面积。
进一步的,特征波段的个数n≤N,常数N为多光谱或高光谱的波段数。
一种排污口污染水体的遥感提取装置,包括:
影像获取模块,用于获取排污口区域的高空间分辨率遥感影像,所述高空间分辨率遥感影像包括多光谱或高光谱遥感影像;
预处理模块,用于对所述高空间分辨率遥感影像进行预处理,获取高空间分辨率遥感反射率影像;
水陆分离和去云处理模块,用于对所述高空间分辨率遥感反射率影像进行水陆分离和去云处理,得到水体部分的高空间分辨率遥感反射率影像;
采样模块,用于在水体部分的高空间分辨率遥感反射率影像上分别选取污染水体和正常水体的若干个采样点,获得采样点的光谱信息,建立污染水体和正常水体光谱数据库;
波段统计模块,用于对所述污染水体和正常水体光谱数据库分别进行波段统计,获取污染水体和正常水体的波段特征值;
特征波段确定模块,用于对所述污染水体和正常水体的波段特征值进行比较,筛选出污染水体特征波段;
阈值设置模块,用于根据所述污染水体特征波段的光谱特征值分别设置污染水体在多个特征波段的阈值;
比较模块,用于将所述高空间分辨率遥感反射率影像上每个像元的多个特征波段的光谱信息分别与污染水体在多个特征波段的阈值进行比较,若比较通过,则标记该像元为污染水体像元;
提取模块,用于提取出标记的像元,获得污染水体的分布位置和范围;
水体面积计算模块,用于统计标记的像元数目,并根据所述高空间分辨率遥感反射率影像的空间分辨率,计算出污染水体的面积。
进一步的,所述光谱特征值为光谱信息在多个特征波段的均值 和方差σ1,σ2,…,σn,其中n为特征波段的个数。
进一步的,所述水体在多个特征波段的阈值为 k为常数。
进一步的,所述比较模块包括:
比较单元,用于将所述高空间分辨率遥感反射率影像上第i行第j列的像元Pij的多个特征波段的光谱信息Bij,1,Bij,2,…,Bij,n分别与水体在多个特征波段的阈值±kσn进行比较,若且且则Pij=1,否则Pij=0;其中,Pij=1表示该像元为污染水体像元;
循环单元,用于重复比较单元,直至所述高空间分辨率遥感反射率影像上的每个像元判断完毕,得到二值影像;
所述提取模块进一步用于:对所述二值影像进行边界提取,获得污染水体的分布位置和范围;
所述水体面积计算模块进一步用于:统计所述二值影像上像元值为1的像元数目,并根据所述高空间分辨率遥感反射率影像的空间分辨率,计算出污染水体的面积。
一种排污口污染水体的遥感提取系统,包括:
高空间分辨率图像采集设备,用于获取高空间分辨率遥感影像;
以及,权利要求6-9任一所述的排污口污染水体的遥感提取装置;
所述高空间分辨率图像采集设备和所述排污口污染水体的遥感提取装置数据连接。
本发明具有以下有益效果:
本发明首先获取排污口区域的高空间分辨率遥感影像,并对其进行预处理,得到高空间分辨率遥感反射率影像;然后对高空间分辨率遥感反射率影像构建污染水体和正常水体光谱库,计算污染水体和正常水体光谱数据不同波段的特征值,然后选出污染水体特征波段并分别设置特征波段的阈值;其次对遥感反射率影像的每个像元进行逐波段的比较,若某个像元的所有波段的像元值属于该波段设置的阈值范围内部,则标记该像元为污染水体像元,即该像元属于污染水体像元;然后依次对图像所有像元进行逐一判别;最终获取污染水体像元和非污染水体像元;同时对污染水体像元进行位置信息提取和像元数的统计,获取排污口附近污染水体的分布位置和面积。
本发明完全基于污染水体自身的光谱特征进行统计和判断、识别,而且可以依据不同排污口排放污水的类型而建立不同的污染水体光谱数据库,与传统方法相比,对污染水体的提取更具有针对性,可大大提高污染水体的位置和面积的识别精度,实现高效、快速、准确的提取排污口附近的污染水体分布范围和面积。
附图说明
图1为本发明的排污口污染水体的遥感提取方法流程图;
图2为本发明的排污口污染水体的遥感提取装置示意图;
图3为本发明的排污口污染水体的遥感提取系统示意图。
具体实施方式
为使本发明要解决的技术问题、技术方案和优点更加清楚,下面将结合附图及具体实施例进行详细描述。
一方面,本发明提供一种排污口污染水体的遥感提取方法,如图1所示,包括:
步骤1:获取排污口区域的高空间分辨率遥感影像,高空间分辨率遥感影像包括多光谱或高光谱遥感影像。
多光谱遥感影像是指包含多个波段的遥感影像,波段数一般为几个到十几个,高光谱波段数一般为上百个。空间分辨率是指像素所代表的地面范围的大小,即扫描仪的瞬时视场,或地面物体能分辨的最小单元。高空间分辨率一般指一个像素所代表的地面范围一般为小于20m。本步骤中,一般从图像采集设备(搭载在卫星上的成像光谱仪等)获取多光谱遥感影像。
步骤2:对高空间分辨率遥感影像进行预处理,获取高空间分辨率遥感反射率影像。
预处理包括辐射校正和几何校正。辐射校正(radiometric correction)是指对由于外界因素,数据获取和传输系统产生的系统的、随机的辐射失真或畸变进行的校正,消除或改正因辐射误差而引起影像畸变的过程。遥感成像的时候,由于飞行器的姿态、高度、速度以及地球自转等因素的影响,造成图像相对于地面目标发生几何畸变,这种畸变表现为像元相对于地面目标的实际位置发生挤压、扭曲、拉伸和偏移等,针对几何畸变进行的误差校正就叫几何校正。
步骤3:对高空间分辨率遥感反射率影像进行水陆分离和去云处理,得到水体部分的高空间分辨率遥感反射率影像。
本步骤中,利用特定波段的信息,对影像进行边缘检测,检测出岛礁和大陆的轮廓,进行裁剪,完成水陆分离。或者利用已知的水体边界,对遥感反射率影像进行裁剪。本发明可以采用红波段阈值法进行去云处理。
步骤4:在水体部分的高空间分辨率遥感反射率影像上分别选取污染水体和正常水体的若干个采样点,获得采样点的光谱信息,建立污染水体和正常水体光谱数据库。采样点的选取一般根据经验和专家知识,采样点选取后,将采样点的光谱信息建立数据库。
步骤5:对污染水体和正常水体光谱数据库分别进行波段统计,获取污染水体和正常水体的波段特征值。
步骤6:对污染水体和正常水体的波段特征值进行比较,筛选出污染水体特征波段。
步骤7:根据所述污染水体特征波段的光谱特征值分别设置污染水体在多个特征波段的阈值。采样不同的方法,可以设置不同的阈值。
步骤8:将所述高空间分辨率遥感反射率影像上每个像元的多个特征波段的光谱信息分别与污染水体在多个特征波段的阈值进行比较,若比较通过,则标记该像元为污染水体像元。
本步骤中,将像元的光谱信息与前述的阈值进行比较,若符合条件,则认为该像元为污染水体像元,将该像元标记。前述的特征值和阈值不同,此处的比较通过的条件也不同,可以根据实际情况灵活设定。
步骤9:提取出标记的像元,标记的像元组成的区域即为污染水体,可以获得污染水体的分布位置和范围。
步骤10:统计标记的像元数目,并根据高空间分辨率遥感反射率影像的空间分辨率,计算出污染水体的面积。如空间分辨率为8m,标记的像元个数为100,则污染水体的面积为8m*8m*100=6400m2。
本发明首先获取排污口区域的高空间分辨率遥感影像,并对其进行预处理,得到高空间分辨率遥感反射率影像;然后对高空间分辨率遥感反射率影像构建污染水体和正常水体光谱库,计算污染水体和正常水体光谱数据不同波段的特征值,选出污染水体特征波段并分别设置特征波段的阈值;其次对遥感反射率影像的每个像元进行逐波段的比较,若某个像元的所有波段的像元值属于该波段设置的阈值范围内部,则标记该像元为污染水体像元,即该像元属于污染水体像元;然后依次对图像所有像元进行逐一判别;最终获取污染水体像元和非污染水体像元;同时对污染水体像元进行位置信息提取和像元数的统计,获取排污口附近污染水体的分布位置和面积。
本发明完全基于污染水体自身的光谱特征进行统计和判断、识别,而且可以依据不同排污口排放污水的类型而建立不同的污染水体光谱数据库,与传统方法相比,对污染水体的提取更具有针对性,可大大提高污染水体的位置和面积的识别精度,实现高效、快速、准确的提取排污口附近的污染水体分布范围和面积。
本发明中,优选光谱特征值为光谱信息在多个特征波段的均值 和方差σ1,σ2,…,σn,其中n为特征波段的个数。
进一步的,水体在多个特征波段的阈值为 k为常数。
此时,步骤8包括:
步骤81:将高空间分辨率遥感反射率影像上第i行第j列的像元Pij的多个特征波段的光谱信息Bij,1,Bij,2,…,Bij,n分别与水体在多个特征波段的阈值 进行比较,若且且则Pij=1,否则Pij=0;其中,Pij=1表示该像元为污染水体像元,Pij=0表示该像元对应的水体为正常水体。
步骤82:重复步骤81,直至高空间分辨率遥感反射率影像上的每个像元判断完毕,得到二值影像。
步骤9进一步为:对二值影像进行边界提取,获得污染水体的分布位置和范围。
步骤10进一步为:统计二值影像上像元值为1的像元数目,并根据高空间分辨率遥感反射率影像的空间分辨率,计算出污染水体的面积。
优选的,特征波段的个数n≤N,常数N为多光谱或高光谱的波段数。
下面通过一个具体的实施例对上述方法进行详细说明,本实施例中,特征波段的个数n=4,常数k=2。
S1、获取排污口区域的高空间分辨率多光谱影像。
S2、通过辐射校正和几何校正对的影像进行遥感反射率的计算。
S3、利用已知的水体边界对的遥感反射率进行图像裁剪运算(水陆分离),并且进行去云处理,得到水体部分的遥感反射率。
S4、在水体部分的高空间分辨率遥感反射率影像上分别选取污染水体和正常水体的若干个采样点,获得采样点的光谱信息,建立污染水体和正常水体光谱数据库。
S5、对污染水体和正常水体光谱数据库分别进行波段统计,获取污染水体和正常水体的波段特征值。
S6:对污染水体和正常水体的波段特征值进行比较,筛选出污染水体特征波段。本实施例有四个特征波段。
S7、依据建立的污染水体光谱数据库,对污染水体的光谱信息进行统计,计算污染水体在四个特征波段的光谱均值方差σ1,σ2,σ3,σ4。
S8、对四个波段分别设置阈值
S9、对遥感反射率,选取第一个像元(第一行第一列)将利用光谱匹配技术对该像元光谱反射曲线同建立的光谱数据库进行比较,判断是否属于污染水体;具体流程如下:
对遥感反射率,选取第一个像元(第一行第一列)将该像元P11的第一个波段B1同第一波段的阈值进行比较;
若则将像元P11=0,该像元判断完毕;若则进行下一步;
若则将像元P11=0,该像元判断完毕;若则进行下一步;
若则将像元P11=0,该像元判断完毕;若则进行下一步;
若则将像元P11=0,该像元判断完毕;若则将像元P11=1;第一个像元判断结束。
S10、重复S9、依次对所有像元进行判断,直至所有像元判别完毕,获取一个新的二值影像。
S11、对二值影像进行边界提取,获取污染水体的分布位置和范围。
S12、对二值影像进行像元统计,获取像元值为1的所有像元数目,依据像元所代表的空间分辨率,计算污染水体的分布面积。
另一方面,本发明提供一种排污口污染水体的遥感提取装置100,该装置一般为服务器,数据处理中心等,如图2所示,包括:
影像获取模块101,用于获取排污口区域的高空间分辨率遥感影像,所述高空间分辨率遥感影像包括多光谱或高光谱遥感影像。
预处理模块102,用于对所述高空间分辨率遥感影像进行预处理,获取高空间分辨率遥感反射率影像。
水陆分离和去云处理模块103,用于对所述高空间分辨率遥感反射率影像进行水陆分离和去云处理,得到水体部分的高空间分辨率遥感反射率影像。
采样模块104,用于在水体部分的高空间分辨率遥感反射率影像上分别选取污染水体和正常水体的若干个采样点,获得采样点的光谱信息,建立污染水体和正常水体光谱数据库。
波段统计模块105,用于对所述污染水体和正常水体光谱数据库分别进行波段统计,获取污染水体和正常水体的波段特征值。
特征波段确定模块106,用于对所述污染水体和正常水体的波段特征值进行比较,筛选出污染水体特征波段。
阈值设置模块107,用于根据所述污染水体特征波段的光谱特征值分别设置污染水体在多个特征波段的阈值。
比较模块108,用于将所述高空间分辨率遥感反射率影像上每个像元的多个特征波段的光谱信息分别与污染水体在多个特征波段的阈值进行比较,若比较通过,则标记该像元为污染水体像元。
提取模块109,用于提取出标记的像元,获得污染水体的分布位置和范围。
水体面积计算模块110,用于统计标记的像元数目,并根据所述高空间分辨率遥感反射率影像的空间分辨率,计算出污染水体的面积。
本发明完全基于污染水体自身的光谱特征进行统计和判断、识别,而且可以依据不同排污口排放污水的类型而建立不同的污染水体光谱数据库,与传统方法相比,对污染水体的提取更具有针对性,可大大提高污染水体的位置和面积的识别精度,实现高效、快速、准确的提取排污口附近的污染水体分布范围和面积。
本发明中,优选光谱特征值为光谱信息在多个特征波段的均值 和方差σ1,σ2,…,σn,其中n为特征波段的个数。
进一步的,水体在多个特征波段的阈值为 k为常数。
此时,比较模块包括:
比较单元,用于将高空间分辨率遥感反射率影像上第i行第j列的像元Pij的多个特征波段的光谱信息Bij,1,Bij,2,…,Bij,n分别与水体在多个特征波段的阈值进行比较,若且且则Pij=1,否则Pij=0;其中,Pij=1表示该像元为污染水体像元。
循环单元,用于重复比较单元,直至高空间分辨率遥感反射率影像上的每个像元判断完毕,得到二值影像。
提取模块进一步用于:对二值影像进行边界提取,获得污染水体的分布位置和范围。
水体面积计算模块进一步用于:统计二值影像上像元值为1的像元数目,并根据高空间分辨率遥感反射率影像的空间分辨率,计算出污染水体的面积。
再一方面,本发明提供一种排污口污染水体的遥感提取系统,如图3所示,包括:
高空间分辨率图像采集设备200,为高空间分辨率成像光谱仪或CCD相机等,部署在卫星上,用于拍摄高空间分辨率多光谱遥感影像。例如高分一号卫星多光谱相机(GF-1WFV),其空间分辨率能达到16m(多光谱)。
以及,上述的排污口污染水体的遥感提取装置100;
高空间分辨率图像采集设备200和排污口污染水体的遥感提取装置100数据连接。
本发明完全基于污染水体自身的光谱特征进行统计和判断、识别,而且可以依据不同排污口排放污水的类型而建立不同的污染水体光谱数据库,与传统方法相比,对污染水体的提取更具有针对性,可大大提高污染水体的位置和面积的识别精度,实现高效、快速、准确的提取排污口附近的污染水体分布范围和面积。
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明所述原理的前提下,还可以作出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种排污口污染水体的遥感提取方法,其特征在于,包括:
步骤1:获取排污口区域的高空间分辨率遥感影像,所述高空间分辨率遥感影像包括多光谱或高光谱遥感影像;
步骤2:对所述高空间分辨率遥感影像进行预处理,获取高空间分辨率遥感反射率影像;
步骤3:对所述高空间分辨率遥感反射率影像进行水陆分离和去云处理,得到水体部分的高空间分辨率遥感反射率影像;
步骤4:在水体部分的高空间分辨率遥感反射率影像上分别选取污染水体和正常水体的若干个采样点,获得采样点的光谱信息,建立污染水体和正常水体光谱数据库;
步骤5:对所述污染水体和正常水体光谱数据库分别进行波段统计,获取污染水体和正常水体的波段特征值;
步骤6:对所述污染水体和正常水体的波段特征值进行比较,筛选出污染水体特征波段;
步骤7:根据所述污染水体特征波段的光谱特征值分别设置污染水体在多个特征波段的阈值;
步骤8:将所述高空间分辨率遥感反射率影像上每个像元的多个特征波段的光谱信息分别与污染水体在多个特征波段的阈值进行比较,若比较通过,则标记该像元为污染水体像元;
步骤9:提取出标记的像元,获得污染水体的分布位置和范围;
步骤10:统计标记的像元数目,并根据所述高空间分辨率遥感反射率影像的空间分辨率,计算出污染水体的面积。
2.根据权利要求1所述的排污口污染水体的遥感提取方法,其特征在于,所述光谱特征值为光谱信息在多个特征波段的均值 和方差σ1,σ2,…,σn,其中n为特征波段的个数。
3.根据权利要求2所述的排污口污染水体的遥感提取方法,其特征在于,所述水体在多个特征波段的阈值为k为常数。
4.根据权利要求3所述的排污口污染水体的遥感提取方法,其特征在于,所述步骤8包括:
步骤81:将所述高空间分辨率遥感反射率影像上第i行第j列的像元Pij的多个特征波段的光谱信息Bij,1,Bij,2,…,Bij,n分别与水体在多个特征波段的阈值进行比较,若且且则Pij=1,否则Pij=0;其中,Pij=1表示该像元为污染水体像元;
步骤82:重复步骤81,直至所述高空间分辨率遥感反射率影像上的每个像元判断完毕,得到二值影像;
所述步骤9进一步为:对所述二值影像进行边界提取,获得污染水体的分布位置和范围;
所述步骤10进一步为:统计所述二值影像上像元值为1的像元数目,并根据所述高空间分辨率遥感反射率影像的空间分辨率,计算出污染水体的面积。
5.根据权利要求3或4所述的排污口污染水体的遥感提取方法,其特征在于,特征波段的个数n≤N,常数N为多光谱或高光谱的波段数。
6.一种排污口污染水体的遥感提取装置,其特征在于,包括:
影像获取模块,用于获取排污口区域的高空间分辨率遥感影像,所述高空间分辨率遥感影像包括多光谱或高光谱遥感影像;
预处理模块,用于对所述高空间分辨率遥感影像进行预处理,获取高空间分辨率遥感反射率影像;
水陆分离和去云处理模块,用于对所述高空间分辨率遥感反射率影像进行水陆分离和去云处理,得到水体部分的高空间分辨率遥感反射率影像;
采样模块,用于在水体部分的高空间分辨率遥感反射率影像上分别选取污染水体和正常水体的若干个采样点,获得采样点的光谱信息,建立污染水体和正常水体光谱数据库;
波段统计模块,用于对所述污染水体和正常水体光谱数据库分别进行波段统计,获取污染水体和正常水体的波段特征值;
特征波段确定模块,用于对所述污染水体和正常水体的波段特征值进行比较,筛选出污染水体特征波段;
阈值设置模块,用于根据所述污染水体特征波段的光谱特征值分别设置污染水体在多个特征波段的阈值;
比较模块,用于将所述高空间分辨率遥感反射率影像上每个像元的多个特征波段的光谱信息分别与污染水体在多个特征波段的阈值进行比较,若比较通过,则标记该像元为污染水体像元;
提取模块,用于提取出标记的像元,获得污染水体的分布位置和范围;
水体面积计算模块,用于统计标记的像元数目,并根据所述高空间分辨率遥感反射率影像的空间分辨率,计算出污染水体的面积。
7.根据权利要求6所述的排污口污染水体的遥感提取装置,其特征在于,所述光谱特征值为光谱信息在多个特征波段的均值 和方差σ1,σ2,…,σn,其中n为特征波段的个数。
8.根据权利要求7所述的排污口污染水体的遥感提取装置,其特征在于,所述水体在多个特征波段的阈值为k为常数。
9.根据权利要求8所述的排污口污染水体的遥感提取装置,其特征在于,所述比较模块包括:
比较单元,用于将所述高空间分辨率遥感反射率影像上第i行第j列的像元Pij的多个特征波段的光谱信息Bij,1,Bij,2,…,Bij,n分别与水体在多个特征波段的阈值进行比较,若且且则Pij=1,否则Pij=0;其中,Pij=1表示该像元为污染水体像元;
循环单元,用于重复比较单元,直至所述高空间分辨率遥感反射率影像上的每个像元判断完毕,得到二值影像;
所述提取模块进一步用于:对所述二值影像进行边界提取,获得污染水体的分布位置和范围;
所述水体面积计算模块进一步用于:统计所述二值影像上像元值为1的像元数目,并根据所述高空间分辨率遥感反射率影像的空间分辨率,计算出污染水体的面积。
10.一种排污口污染水体的遥感提取系统,其特征在于,包括:
高空间分辨率图像采集设备,用于获取高空间分辨率遥感影像;
以及,权利要求6-9任一所述的排污口污染水体的遥感提取装置;
所述高空间分辨率图像采集设备和所述排污口污染水体的遥感提取装置数据连接。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710124753.7A CN106950197B (zh) | 2017-03-03 | 2017-03-03 | 排污口污染水体的遥感提取方法、装置和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710124753.7A CN106950197B (zh) | 2017-03-03 | 2017-03-03 | 排污口污染水体的遥感提取方法、装置和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106950197A true CN106950197A (zh) | 2017-07-14 |
CN106950197B CN106950197B (zh) | 2017-12-08 |
Family
ID=59468201
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710124753.7A Active CN106950197B (zh) | 2017-03-03 | 2017-03-03 | 排污口污染水体的遥感提取方法、装置和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106950197B (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108195775A (zh) * | 2017-12-25 | 2018-06-22 | 环境保护部卫星环境应用中心 | 基于遥感影像的湖库指示性水质监测站点确认方法和装置 |
CN108344443A (zh) * | 2017-12-30 | 2018-07-31 | 聚光科技(杭州)股份有限公司 | 雨水管污水偷排、漏排的监控方法 |
CN108921139A (zh) * | 2018-08-04 | 2018-11-30 | 肖恒念 | 基于无人机视频的污水处理方法 |
CN108956484A (zh) * | 2018-04-28 | 2018-12-07 | 中电建水环境治理技术有限公司 | 一种一体化追踪污染源的方法和装置 |
CN109064501A (zh) * | 2018-09-14 | 2018-12-21 | 南京理工技术转移中心有限公司 | 一种污水处理监控系统的工作方法 |
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 |
CN109269989A (zh) * | 2018-10-15 | 2019-01-25 | 广州地理研究所 | 一种溶解氧的识别方法、装置、存储介质及设备 |
CN111307727A (zh) * | 2020-03-13 | 2020-06-19 | 生态环境部卫星环境应用中心 | 基于时序遥感影像的水体水色异常识别方法和装置 |
CN111398176A (zh) * | 2020-03-13 | 2020-07-10 | 生态环境部卫星环境应用中心 | 基于像元尺度特征的水体水色异常遥感识别方法和装置 |
CN112014331A (zh) * | 2020-08-21 | 2020-12-01 | 中国第一汽车股份有限公司 | 一种水体污染的检测方法、装置、设备以及存储介质 |
CN113435291A (zh) * | 2021-06-22 | 2021-09-24 | 生态环境部华南环境科学研究所 | 一种排污口排查工作量核算方法、系统、装置及存储介质 |
CN116952873A (zh) * | 2023-07-26 | 2023-10-27 | 重庆市科学技术研究院 | 一种基于高光谱技术的水体黑臭程度测算方法 |
CN117437553A (zh) * | 2023-12-21 | 2024-01-23 | 贵州省环境工程评估中心 | 一种用于入河排污口监测的遥感影像数据处理方法及装置 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0522988A1 (fr) * | 1991-07-10 | 1993-01-13 | Gie Anjou-Recherche | Procédé et dispositifs de détection infrarouge de pollution en milieu aqueux |
US6211906B1 (en) * | 1995-09-07 | 2001-04-03 | Flight Landata, Inc. | Computerized component variable interference filter imaging spectrometer system method and apparatus |
CN102509262A (zh) * | 2011-10-17 | 2012-06-20 | 中煤地航测遥感局有限公司 | 一种遥感图像薄云去除方法 |
CN102706876A (zh) * | 2012-04-28 | 2012-10-03 | 中国神华能源股份有限公司 | 固体污染源区域的监测方法和装置以及数据处理设备 |
CN102928847A (zh) * | 2012-11-12 | 2013-02-13 | 中国热带农业科学院橡胶研究所 | 一种从遥感影像中提取橡胶林对应像元像素值的方法 |
CN104463166A (zh) * | 2014-11-13 | 2015-03-25 | 环境保护部卫星环境应用中心 | 目标水体的提取方法和系统 |
CN105488488A (zh) * | 2015-12-10 | 2016-04-13 | 中国科学院遥感与数字地球研究所 | 城市黑臭水体遥感识别方法及装置 |
CN105761286A (zh) * | 2016-02-29 | 2016-07-13 | 环境保护部卫星环境应用中心 | 基于多光谱遥感影像的水色异常对象提取方法及系统 |
CN105865424A (zh) * | 2016-04-13 | 2016-08-17 | 中测新图(北京)遥感技术有限责任公司 | 一种基于非线性模型的多光谱遥感水深反演方法及装置 |
-
2017
- 2017-03-03 CN CN201710124753.7A patent/CN106950197B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0522988A1 (fr) * | 1991-07-10 | 1993-01-13 | Gie Anjou-Recherche | Procédé et dispositifs de détection infrarouge de pollution en milieu aqueux |
US6211906B1 (en) * | 1995-09-07 | 2001-04-03 | Flight Landata, Inc. | Computerized component variable interference filter imaging spectrometer system method and apparatus |
CN102509262A (zh) * | 2011-10-17 | 2012-06-20 | 中煤地航测遥感局有限公司 | 一种遥感图像薄云去除方法 |
CN102706876A (zh) * | 2012-04-28 | 2012-10-03 | 中国神华能源股份有限公司 | 固体污染源区域的监测方法和装置以及数据处理设备 |
CN102928847A (zh) * | 2012-11-12 | 2013-02-13 | 中国热带农业科学院橡胶研究所 | 一种从遥感影像中提取橡胶林对应像元像素值的方法 |
CN104463166A (zh) * | 2014-11-13 | 2015-03-25 | 环境保护部卫星环境应用中心 | 目标水体的提取方法和系统 |
CN105488488A (zh) * | 2015-12-10 | 2016-04-13 | 中国科学院遥感与数字地球研究所 | 城市黑臭水体遥感识别方法及装置 |
CN105761286A (zh) * | 2016-02-29 | 2016-07-13 | 环境保护部卫星环境应用中心 | 基于多光谱遥感影像的水色异常对象提取方法及系统 |
CN105865424A (zh) * | 2016-04-13 | 2016-08-17 | 中测新图(北京)遥感技术有限责任公司 | 一种基于非线性模型的多光谱遥感水深反演方法及装置 |
Non-Patent Citations (1)
Title |
---|
万余庆等: "高光谱遥感技术在水环境监测中的应用研究", 《国土资源遥感》 * |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108195775A (zh) * | 2017-12-25 | 2018-06-22 | 环境保护部卫星环境应用中心 | 基于遥感影像的湖库指示性水质监测站点确认方法和装置 |
CN108344443A (zh) * | 2017-12-30 | 2018-07-31 | 聚光科技(杭州)股份有限公司 | 雨水管污水偷排、漏排的监控方法 |
CN108956484A (zh) * | 2018-04-28 | 2018-12-07 | 中电建水环境治理技术有限公司 | 一种一体化追踪污染源的方法和装置 |
CN108956484B (zh) * | 2018-04-28 | 2021-07-16 | 中电建生态环境集团有限公司 | 一种一体化追踪污染源的方法和装置 |
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 |
CN108921139A (zh) * | 2018-08-04 | 2018-11-30 | 肖恒念 | 基于无人机视频的污水处理方法 |
CN109064501A (zh) * | 2018-09-14 | 2018-12-21 | 南京理工技术转移中心有限公司 | 一种污水处理监控系统的工作方法 |
CN109269989A (zh) * | 2018-10-15 | 2019-01-25 | 广州地理研究所 | 一种溶解氧的识别方法、装置、存储介质及设备 |
CN111398176A (zh) * | 2020-03-13 | 2020-07-10 | 生态环境部卫星环境应用中心 | 基于像元尺度特征的水体水色异常遥感识别方法和装置 |
CN111307727A (zh) * | 2020-03-13 | 2020-06-19 | 生态环境部卫星环境应用中心 | 基于时序遥感影像的水体水色异常识别方法和装置 |
CN112014331A (zh) * | 2020-08-21 | 2020-12-01 | 中国第一汽车股份有限公司 | 一种水体污染的检测方法、装置、设备以及存储介质 |
CN113435291A (zh) * | 2021-06-22 | 2021-09-24 | 生态环境部华南环境科学研究所 | 一种排污口排查工作量核算方法、系统、装置及存储介质 |
CN113435291B (zh) * | 2021-06-22 | 2022-10-28 | 生态环境部华南环境科学研究所 | 一种排污口排查工作量核算方法、系统、装置及存储介质 |
CN116952873A (zh) * | 2023-07-26 | 2023-10-27 | 重庆市科学技术研究院 | 一种基于高光谱技术的水体黑臭程度测算方法 |
CN117437553A (zh) * | 2023-12-21 | 2024-01-23 | 贵州省环境工程评估中心 | 一种用于入河排污口监测的遥感影像数据处理方法及装置 |
CN117437553B (zh) * | 2023-12-21 | 2024-02-23 | 贵州省环境工程评估中心 | 一种用于入河排污口监测的遥感影像数据处理方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN106950197B (zh) | 2017-12-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106950197B (zh) | 排污口污染水体的遥感提取方法、装置和系统 | |
CN106971146B (zh) | 基于三查技术的水体异常遥感动态监控方法、装置和系统 | |
CN109374537B (zh) | 城市黑臭水体识别方法及装置 | |
Frazier et al. | Water body detection and delineation with Landsat TM data | |
CN109993237B (zh) | 基于高分卫星光学遥感数据的水体快速提取方法及系统 | |
CN104881865B (zh) | 基于无人机图像分析的森林病虫害监测预警方法及其系统 | |
CN108169142B (zh) | 基于遥感影像的水色异常快速定位方法和装置 | |
CN109858450B (zh) | 一种十米级空间分辨率遥感影像城镇提取方法及系统 | |
CN102842203B (zh) | 基于视频图像的桥梁病害监测方法 | |
CN107392885A (zh) | 一种基于视觉对比机制的红外弱小目标检测方法 | |
CN107341795A (zh) | 一种知识驱动的高空间分辨率遥感影像自动变化检测方法 | |
CN107758885A (zh) | 一种实时污水曝气情况监测方法 | |
CN106443701A (zh) | 基于时序水范围遥感影像的洪涝灾前预警方法 | |
CN115482474B (zh) | 一种基于高空航拍图像的桥面车辆荷载识别方法和系统 | |
CN112037244B (zh) | 联合指数和轮廓指示器SLIC的Landsat-8图像养殖池提取方法 | |
CN112285710A (zh) | 一种多源遥感水库蓄水量估算方法与装置 | |
CN111339989A (zh) | 一种水体提取方法、装置、设备及存储介质 | |
Whiteside et al. | Use of WorldView-2 time series to establish a wetland monitoring program for potential offsite impacts of mine site rehabilitation | |
CN113887324A (zh) | 基于卫星遥感数据的火点检测方法 | |
CN117111092A (zh) | 一种基于机器学习的高空间分辨率遥感水质检测方法 | |
CN111007013A (zh) | 面向东北冷凉区的作物轮作休耕遥感监测方法与装置 | |
CN109886221A (zh) | 基于图像显著性检测的采砂船识别方法 | |
CN111060455B (zh) | 面向东北冷凉区的遥感图像作物标记方法和装置 | |
CN110796113B (zh) | 一种基于WorldView-2影像的城市蓝色地物检测方法 | |
CN104573650B (zh) | 一种基于滤波响应的电线检测分类方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |