CN107145891B - 一种基于遥感影像的水体提取方法及系统 - Google Patents
一种基于遥感影像的水体提取方法及系统 Download PDFInfo
- Publication number
- CN107145891B CN107145891B CN201710315699.4A CN201710315699A CN107145891B CN 107145891 B CN107145891 B CN 107145891B CN 201710315699 A CN201710315699 A CN 201710315699A CN 107145891 B CN107145891 B CN 107145891B
- Authority
- CN
- China
- Prior art keywords
- remote sensing
- water body
- image
- variance
- sensing 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开一种基于遥感影像的水体提取方法及系统,所述方法包括:获取同一研究区域的多时相遥感影像;提取各多时相遥感影像的近红外波段,得到分别与多时相遥感影像对应的单波段影像;求同一像元在各单波段影像的亮度值的方差;比较方差与分割阈值的大小,从中选择出方差小于分割阈值的像元作为水体像元,全部的水体像元构成水体提取结果。本发明提供的方法及系统能够很好地排除山体阴影和城区建筑的影响,水体提取精度高。
Description
技术领域
本发明涉及遥感影像领域,特别是涉及一种基于遥感影像的水体提取方法及系统。
背景技术
快速、准确地从卫星遥感影像上获取水体信息,已成为水资源调查及监测、湿地保护、洪涝灾害监测与评估等领域的重要技术手段。随着空间技术的不断发展及遥感卫星数量的持续增加,基于遥感影像的观测能力也不断增强。2015年12月29日,GF-4卫星成功发射,成为我国首颗地球同步轨道高分辨率对地观测卫星。GF-4卫星具备高时间分辨率优势,可为我国减灾、林业、地震、气象等应用提供快速、可靠、稳定的光学遥感数据,为灾害风险预警预报、林火灾害监测、地震构造信息提取、气象天气监测等业务提供全新的技术手段。
目前利用卫星遥感影像快速获取水体信息的方法主要包括单波段阈值法和水体指数法。单波段阈值法主要利用水体与其他地物在遥感影像近红外、中红外波段的差异来提取水体信息,但山体阴影和城区建筑造成的“伪水体”信息,会影响水体提取的精度。同时对于细小水体信息的提取,单波段阈值法存在一定的局限性。水体指数法是通过特征波段间的比值运算,增强水体与其他地物之间的反差度来识别水体信息。McFeeters在归一化植被指数(Normalized Difference Vegetation Index,NDVI)基础上提出的归一化差分水体指数(Normalized Difference Water Index,NDWI),是目前水体提取中应用最为广泛的水体指数,但NDWI的水体提取结果也会受山体阴影的影响。骆剑承等和李均力等通过改进NDWI阈值法来实现水体信息的自动提取,有效地避免了水体与山体阴影的混淆,但方法较为复杂,计算量较大。同时有学者在NDWI的基础上提出了改进的水体归一化指数(ModifiedNormalized Difference Vegetation Index,MNDWI)和新型水体指数(New Water Index,NWI)来消除山体阴影或城区建筑的影响。但这些改进的指数都用到了中、远红外波段,而GF-4的全色多光谱传感器(Panchromatic and Multispectral Sensor,PMS)传感器影像没有这些波段。针对没有中红外波段的卫星影像,周艺等针对NDWI容易混水体与城区建筑用地,在NDWI的基础上提出了伪归一化差分水体指数(False NDWI,FNDWI)消除了城区建筑,但由于水体与山体阴影的光谱曲线相似性,FNDWI不能完全抑制山体阴影的影响。
因此,如何提供一种更加精确的水体提取方法及系统,成为本领域技术人员亟需解决的技术问题。
发明内容
本发明的目的是提供一种基于多时相遥感影像的水体提取方法,所述方法利用卫星的近红外波段可精确提取研究区域的水体。
为实现上述目的,本发明提供了如下方案:
一种基于遥感影像的水体提取方法,所述方法包括:
获取同一研究区域的多时相遥感影像;
提取各所述多时相遥感影像的近红外波段,得到分别与各所述多时相遥感影像对应的单波段影像;
求同一像元在各所述单波段影像的亮度值的方差;
比较各所述方差与分割阈值的大小,从中选择出方差小于分割阈值的像元作为水体像元,全部的所述水体像元构成水体提取结果。
可选的,所述提取各所述多时相遥感影像的近红外波段之前,还包括:
对各所述多时相遥感影像分别进行几何校正,得到分别与各所述多时相遥感影像对应的几何校正影像。
可选的,所述提取各所述多时相遥感影像的近红外波段之前,还包括:
对各所述多时相遥感影像进行辐射定标预处理,得到分别与各所述多时相遥感影像对应的辐射定标影像。
可选的,所述对各所述多时相遥感影像进行辐射定标预处理具体包括:
从所述多时相遥感影像的XML头文件中读取定标系数,所述定标系数包括增益系数和偏移系数;
根据公式:L=gain*DN+Bias,对各所述多时相遥感影像进行辐射定标预处理,其中L表示辐射定标影像中各像元的亮度值,gain表示所述增益系数,*表示乘积,DN表示所述多时相遥感影像中各像元的亮度值,Bias表示所述偏移系数。
可选的,所述比较各所述方差与分割阈值的大小,从中选择出方差小于分割阈值的像元作为水体像元具体包括:
根据各所述方差生成所述研究区域的方差图;
对所述方差图进行直方图统计得到统计直方图;
采用最大内间方差法对所述统计直方图进行阈值最优自动选择,得到所述分割阈值;
从所述方差图中选择出方差小于所述分割阈值的像元作为水体像元。
根据本发明提供的具体实施例,本发明公开了以下技术效果:
本发明利用卫星高时间分辨率的特点及水体在近红外波段具有强吸收的特点,首先提取同一研究区域的多时相遥感影像的近红外波段,然后比较同一像元在多时相近红外波段的亮度值的方差与设定阈值来确定像元是否为水体像元。与影像中的其他地物相比,水体随着时间的变化在近红外波段亮度值的变化最小,即方差最小。因此,本发明提供的方法能够很好地排除山体阴影和城区建筑的影响,水体提取精度高。
本发明的目的还在于提供一种基于多时相遥感影像的水体提取系统,所述水体提取系统利用卫星的近红外波段可精确确定研究区域的水体。
为实现上述目的,本发明提供了如下方案:
一种基于遥感影像的水体提取系统,所述系统包括:
多时相影像获取模块,用于获取同一研究区域的多时相遥感影像;
单波段影像确定模块,用于提取各所述多时相遥感影像的近红外波段,得到分别与各所述多时相遥感影像对应的单波段影像;
方差确定模块,用于求同一像元在各所述单波段影像的亮度值的方差;
水体影像确定模块,用于比较各所述方差与分割阈值的大小,从中选择出方差小于分割阈值的像元作为水体像元,全部的所述水体像元构成水体提取结果。
可选的,所述水体提取系统还包括几何校正模块,
所述几何校正模块设置在所述多时相影像获取模块与所述单波段影像确定模块之间,用于对各所述多时相遥感影像分别进行几何校正,得到分别与各所述多时相遥感影像对应的几何校正影像。
可选的,所述水体提取系统还包括辐射定标模块,
所述辐射定标模块设置在所述多时相影像获取模块与所述单波段影像确定模块之间,用于对各所述多时相遥感影像进行辐射定标预处理,得到分别与各所述多时相遥感影像对应的辐射定标影像。
可选的,所述辐射定标模块具体包括:
定标系数读取单元,从所述多时相遥感影像的XML头文件中读取定标系数,所述定标系数包括增益系数和偏移系数;
预处理单元,用于根据公式:L=gain*DN+Bias,对各所述多时相遥感影像进行辐射定标预处理,其中L表示辐射定标影像中各像元的亮度值,gain表示所述增益系数,*表示乘积,DN表示所述多时相遥感影像中各像元的亮度值,Bias表示所述偏移系数。
可选的,所述水体影像确定模块具体包括:
方差图确定单元,用于根据各所述方差生成所述研究区域的方差图;
统计直方图单元,用于对所述方差图进行直方图统计得到统计直方图;
分割阈值确定单元,用于采用最大内间方差法对所述统计直方图进行阈值最优自动选择,得到所述分割阈值;
水体像元单元,用于从所述方差图中选择出方差小于所述分割阈值的像元作为水体像元。
相对于现有技术,本发明的一种基于多时相遥感影像的水体提取系统与上述一种基于多时相遥感影像的水体提取方法的有益效果相同,在此不再赘述。
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它的附图。
图1为本发明实施例1基于遥感影像的水体提取方法的流程图;
图2为本发明实施例1步骤14的流程图;
图3为本发明实施例2基于遥感影像的水体提取系统的结构框图;
图4为本发明实施例2水体影像确定模块24的结构框图;
图5为本发明实施例3研究区域一的单波段影像图;
图6为本发明实施例3研究区域二的单波段影像图;
图7为本发明实施例3研究区域一的方差图;
图8为本发明实施例3研究区域二的方差图;
图9为本发明实施例3研究区域一的阈值选择示意图;
图10为本发明实施例3研究区域二的阈值选择示意图;
图11为本发明实施例3提取性能比较图。
具体实施方式
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。
本发明的目的是提供一种基于遥感影像的水体提取方法及系统,利用近红外波段可精确确定研究区域的水体。
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。
实施例1:
如图1所示,基于遥感影像的水体提取方法包括:
步骤11:获取同一研究区域的多时相遥感影像;
步骤12:提取各多时相遥感影像的近红外波段,得到分别与各多时相遥感影像对应的单波段影像;
步骤13:求同一像元在各所述单波段影像的亮度值的方差;
步骤14:比较各方差与分割阈值的大小,从中选择出方差小于分割阈值的像元作为水体像元,全部的水体像元构成水体提取结果。
本实施例中,多时相遥感影像为GF-4卫星的多时相遥感影像。
优选地,在步骤12之前还包括:
对各多时相遥感影像分别进行几何校正,得到分别与各多时相遥感影像对应的几何校正影像;
提取各几何校正影像的近红外波段,得到分别与各几何校正影像对应的单波段影像。
优选地,在步骤12之前还可包括:
对各多时相遥感影像进行辐射定标预处理,得到分别与各多时相遥感影像对应的辐射定标影像;
提取各辐射定标影像的近红外波段,得到分别与各辐射定标影像对应的单波段影像。
具体地,对各多时相遥感影像进行辐射定标预处理具体包括:
从多时相遥感影像的XML头文件中读取定标系数,定标系数包括增益系数和偏移系数;
根据公式:L=gain*DN+Bias,对各多时相遥感影像进行辐射定标预处理,其中L表示辐射定标影像中各像元的亮度值,gain表示增益系数,*表示乘积,DN表示多时相遥感影像中各像元的亮度值,Bias表示偏移系数。
进一步地,在步骤12之前还包括:
对各多时相遥感影像分别进行几何校正,得到分别与各多时相遥感影像对应的几何校正影像;
对各几何校正影像进行辐射定标预处理,得到分别与各几何校正影像对应的辐射定标影像;
提取各辐射定标影像的近红外波段,得到分别与各辐射定标影像对应的单波段影像。
如图2所示,步骤14具体包括:
步骤141:根据各方差生成研究区域的方差图;
步骤142:对方差图进行直方图统计得到统计直方图;
步骤143:采用最大内间方差法对统计直方图进行阈值最优自动选择,得到所述分割阈值;
步骤144:从方差图中选择出方差小于分割阈值的像元作为水体像元,全部的水体像元构成水体提取结果。
水体在近红外波段具有强吸收的特点,与影像中的其他地物相比,随着时间的变化水体在近红外波段亮度值的变化最小,即方差最小,因此可以对方差取合适分割阈值来提取水体。本实施例利用GF-4卫星高时间分辨率的特点,实现了GF-4遥感影像中水体信息的准确提取,填补了基于GF-4遥感影像进行水体提取领域的空白。
实施例2:
如图3所示,基于遥感影像的水体提取系统包括:
多时相影像获取模块21,用于获取同一研究区域的多时相遥感影像;
单波段影像确定模块22,用于提取各多时相遥感影像的近红外波段,得到分别与各多时相遥感影像对应的单波段影像;
方差确定模块23,用于求同一像元在各所述单波段影像的亮度值的方差;
水体影像确定模块24,用于比较各方差与分割阈值的大小,从中选择出方差小于分割阈值的像元作为水体像元,全部的水体像元构成水体提取结果。
优选地,水体提取系统还包括几何校正模块,几何校正模块设置在多时相影像获取模块与单波段影像确定模块之间,用于对各多时相遥感影像分别进行几何校正,得到分别与各多时相遥感影像对应的几何校正影像。
优选地,水体提取系统还包括辐射定标模块,辐射定标模块设置在多时相影像获取模块与单波段影像确定模块之间,用于对各多时相遥感影像进行辐射定标预处理,得到分别与各多时相遥感影像对应的辐射定标影像;
具体地,辐射定标模块包括:定标系数读取单元和预处理单元,定标系数读取单元,用于从多时相遥感影像的XML头文件中读取定标系数,定标系数包括增益系数和偏移系数;
预处理单元,用于根据公式:L=gain*DN+Bias,对各多时相遥感影像进行辐射定标预处理,其中L表示辐射定标影像中各像元的亮度值,gain表示增益系数,*表示乘积,DN表示多时相遥感影像中各像元的亮度值,Bias表示偏移系数。
进一步地,水体提取系统还可包括几何校正模块和辐射定标模块,其中,几何校正模块设置在多时相影像获取模块与单波段影像确定模块之间,用于对各多时相遥感影像分别进行几何校正,得到分别与各多时相遥感影像对应的几何校正影像;
辐射定标模块设置在几何校正模块与单波段影像确定模块之间,用于对各几何校正影像进行辐射定标预处理,得到分别与各几何校正影像对应的辐射定标影像。
如图4所示,水体影像确定模块24具体包括:
方差图确定单元241,用于根据各方差生成研究区域的方差图;
统计直方图单元242,用于对方差图进行直方图统计得到统计直方图;
分割阈值确定单元243,用于采用最大内间方差法对统计直方图进行阈值最优自动选择,得到分割阈值;
水体像元单元244,用于从方差图中选择出方差小于分割阈值的像元作为水体像元,全部的水体像元构成水体提取结果。
实施例3:
基于GF-4遥感影像的水体提取方法包括:
分别获取研究区域一和研究区域二的四个时相的GF-4遥感影像,影像大小是800×800像素其中,四个时相分别为:时相一:2016年7月28日08:25,时相二:2016年7月29日08:00,时相三:2016年7月29日14:15,时相四:2016年7月30日09:21。
通过GF-4自带的有理函数模型进行几何校正,分别得到区域一和区域二的、与四个时相GF-4遥感影像对应的几何校正影像;
辐射定标预处理即辐射校正:
从影像的XML头文件中读取定标系数,通过公式L=gain*DN+Bias对各几何校正影像进行辐射校正,得到预处理以后的辐射定标影像,其中L表示辐射定标影像中各像元的亮度值,单位为:W·m-2·sr-1,gain表示增益系数,*表示乘积,DN表示原始影像中各像元的亮度值,Bias表示偏移系数。
提取各辐射定标影像的近红外波段,得到分别与各辐射定标影像对应的单波段影像,如图5和图6所示。
求同一像元在各单波段影像的亮度值的方差:
对得到的多个单波段影像,基于每个像元按公式(1)求得近红外波段亮度值的方差,得到如图7所示的研究区域一的方差图和图8所示的研究区域二的方差图。
比较各方差与分割阈值的大小,从中选择出方差小于分割阈值的像元作为水体像元,全部的水体像元构成水体提取结果:
对于生成的方差图进行直方图统计,然后通过Otsu最大内间方差法进行阈值最优自动选择,得到水体提取的分割阈值,图9为研究区域一的阈值选择示意图,图10为研究区域二的阈值选择示意图,横坐标代表方差,纵坐标代表频数,本实施例为了方便阈值的精确选择,图9和图10中的方差为将实际方差扩大100倍后的方差;
根据生成的方差图与得到的分割阈值,将方差小于阈值的像元划归为水体类别,对于方差大于或等于阈值的像元,将其划归为非水体类别。
将本发明的方法与NDWI阈值法的提取性能进行比较,对比结果如图11所示。图中的水体提取精度计算方法如下:首先对需要进行精度评价的区域进行目视解译,提取水体,然后将目视解译的提取结果与水体提取结果进行二值化处理,水体为1,非水体为0。最后将水体提取二值化影像与目视解译的二值化影像做差值运算,其中目视解译的二值化影像为被减数,水体提取二值化影像为减数,然后对差值的结果进行统计,“0”代表正确提取的像元数,对应比率为水体提取的精度。
由于水体、山体阴影和城区建筑的光谱曲线非常相似,基于单时相的NDWI阈值法很难去除山体阴影和城区建筑的影响。与NDWI阈值法相比,本发明利用了多时相的影像及水体在近红外波段强吸收的特点,能够很好地排除山体阴影和城区建筑对水体提取的影响,对于细小水体也有很强的提取能力,得到提取精度更高的水体影像。
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他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
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 (8)
1.一种基于遥感影像的水体提取方法,其特征在于,所述方法包括:
获取同一研究区域的多时相遥感影像;
提取各所述多时相遥感影像的近红外波段,得到分别与各所述多时相遥感影像对应的单波段影像;
求同一像元在各所述单波段影像的亮度值的方差;
比较各所述方差与分割阈值的大小,从中选择出方差小于分割阈值的像元作为水体像元,全部的所述水体像元构成水体提取结果;与影像中其他地物相比,水体随着时间的变化在近红外波段亮度值的变化最小;
所述比较各所述方差与分割阈值的大小,从中选择出方差小于分割阈值的像元作为水体像元具体包括:
根据各所述方差生成所述研究区域的方差图;
对所述方差图进行直方图统计得到统计直方图;
采用最大内间方差法对所述统计直方图进行阈值最优自动选择,得到所述分割阈值;
从所述方差图中选择出方差小于所述分割阈值的像元作为水体像元。
2.根据权利要求1所述的基于遥感影像的水体提取方法,其特征在于,所述提取各所述多时相遥感影像的近红外波段之前,还包括:
对各所述多时相遥感影像分别进行几何校正,得到分别与各所述多时相遥感影像对应的几何校正影像。
3.根据权利要求1所述的基于遥感影像的水体提取方法,其特征在于,所述提取各所述多时相遥感影像的近红外波段之前,还包括:
对各所述多时相遥感影像进行辐射定标预处理,得到分别与各所述多时相遥感影像对应的辐射定标影像。
4.根据权利要求3所述的基于遥感影像的水体提取方法,其特征在于,所述对各所述多时相遥感影像进行辐射定标预处理具体包括:
从所述多时相遥感影像的XML头文件中读取定标系数,所述定标系数包括增益系数和偏移系数;
根据公式:L=gain*DN+Bias,对各所述多时相遥感影像进行辐射定标预处理,其中L表示辐射定标影像中各像元的亮度值,gain表示所述增益系数,*表示乘积,DN表示所述多时相遥感影像中各像元的亮度值,Bias表示所述偏移系数。
5.一种基于遥感影像的水体提取系统,其特征在于,所述系统包括:
多时相影像获取模块,用于获取同一研究区域的多时相遥感影像;
单波段影像确定模块,用于提取各所述多时相遥感影像的近红外波段,得到分别与各所述多时相遥感影像对应的单波段影像;
方差确定模块,用于求同一像元在各所述单波段影像的亮度值的方差;
水体影像确定模块,用于比较各所述方差与分割阈值的大小,从中选择出方差小于分割阈值的像元作为水体像元,全部的所述水体像元构成水体提取结果;与影像中其他地物相比,水体随着时间的变化在近红外波段亮度值的变化最小;
所述水体影像确定模块具体包括:
方差图确定单元,用于根据各所述方差生成所述研究区域的方差图;
统计直方图单元,用于对所述方差图进行直方图统计得到统计直方图;
分割阈值确定单元,用于采用最大内间方差法对所述统计直方图进行阈值最优自动选择,得到所述分割阈值;
水体像元单元,用于从所述方差图中选择出方差小于所述分割阈值的像元作为水体像元。
6.根据权利要求5所述的基于遥感影像的水体提取系统,其特征在于,所述水体提取系统还包括几何校正模块,
所述几何校正模块设置在所述多时相影像获取模块与所述单波段影像确定模块之间,用于对各所述多时相遥感影像分别进行几何校正,得到分别与各所述多时相遥感影像对应的几何校正影像。
7.根据权利要求5所述的基于遥感影像的水体提取系统,其特征在于,所述水体提取系统还包括辐射定标模块,
所述辐射定标模块设置在所述多时相影像获取模块与所述单波段影像确定模块之间,用于对各所述多时相遥感影像进行辐射定标预处理,得到分别与各所述多时相遥感影像对应的辐射定标影像。
8.根据权利要求7所述的基于遥感影像的水体提取系统,其特征在于,所述辐射定标模块具体包括:
定标系数读取单元,从所述多时相遥感影像的XML头文件中读取定标系数,所述定标系数包括增益系数和偏移系数;
预处理单元,用于根据公式:L=gain*DN+Bias,对各所述多时相遥感影像进行辐射定标预处理,其中L表示辐射定标影像中各像元的亮度值,gain表示所述增益系数,*表示乘积,DN表示所述多时相遥感影像中各像元的亮度值,Bias表示所述偏移系数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710315699.4A CN107145891B (zh) | 2017-05-08 | 2017-05-08 | 一种基于遥感影像的水体提取方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710315699.4A CN107145891B (zh) | 2017-05-08 | 2017-05-08 | 一种基于遥感影像的水体提取方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107145891A CN107145891A (zh) | 2017-09-08 |
CN107145891B true CN107145891B (zh) | 2020-12-11 |
Family
ID=59777467
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710315699.4A Active CN107145891B (zh) | 2017-05-08 | 2017-05-08 | 一种基于遥感影像的水体提取方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107145891B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107944368B (zh) * | 2017-11-16 | 2019-12-06 | 中国科学院遥感与数字地球研究所 | 一种基于时序遥感图像的水体提取方法 |
CN108256534B (zh) * | 2018-01-29 | 2019-03-15 | 中国科学院地理科学与资源研究所 | 一种基于高分遥感影像的筏式海水养殖区域提取方法 |
CN110334623B (zh) * | 2019-06-25 | 2021-04-30 | 华中农业大学 | 一种基于Sentinel-2A卫星遥感影像提取崩岗信息的方法 |
CN110567385A (zh) * | 2019-09-19 | 2019-12-13 | 廊坊师范学院 | 基于高光谱技术的建筑反射隔热涂料施工厚度检测方法 |
CN111274938B (zh) * | 2020-01-19 | 2023-07-21 | 四川省自然资源科学研究院 | 一种面向Web的高分遥感河流水质动态监测方法与系统 |
CN112927150B (zh) * | 2021-02-20 | 2023-04-07 | 河北先河环保科技股份有限公司 | 高光谱图像的水体倒影区域光谱恢复方法及终端设备 |
CN114612793A (zh) * | 2022-02-22 | 2022-06-10 | 中国自然资源航空物探遥感中心 | 基于水边线高频次观测的多时相遥感海岸线与潮滩检测方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS61289876A (ja) * | 1985-06-17 | 1986-12-19 | Teijin Eng Kk | しようちゆう乙類中の油性物質の除去法 |
CN102901516A (zh) * | 2012-09-29 | 2013-01-30 | 航天恒星科技有限公司 | 一种基于绝对辐射定标的多光谱影像辐射校正方法 |
CN102968798A (zh) * | 2012-12-12 | 2013-03-13 | 北京航空航天大学 | 一种基于小波变换和otsu阈值的sar图像海陆分割方法 |
CN103226832A (zh) * | 2013-05-07 | 2013-07-31 | 西安电子科技大学 | 基于光谱反射率变化分析的多光谱遥感影像变化检测方法 |
-
2017
- 2017-05-08 CN CN201710315699.4A patent/CN107145891B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS61289876A (ja) * | 1985-06-17 | 1986-12-19 | Teijin Eng Kk | しようちゆう乙類中の油性物質の除去法 |
CN102901516A (zh) * | 2012-09-29 | 2013-01-30 | 航天恒星科技有限公司 | 一种基于绝对辐射定标的多光谱影像辐射校正方法 |
CN102968798A (zh) * | 2012-12-12 | 2013-03-13 | 北京航空航天大学 | 一种基于小波变换和otsu阈值的sar图像海陆分割方法 |
CN103226832A (zh) * | 2013-05-07 | 2013-07-31 | 西安电子科技大学 | 基于光谱反射率变化分析的多光谱遥感影像变化检测方法 |
Non-Patent Citations (1)
Title |
---|
基于国产GF-1 遥感影像的水体提取方法;陈文倩等;《资源科学》;20150630;第37卷(第6期);1166-1172 * |
Also Published As
Publication number | Publication date |
---|---|
CN107145891A (zh) | 2017-09-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107145891B (zh) | 一种基于遥感影像的水体提取方法及系统 | |
Wang et al. | Dynamic detection of water surface area of Ebinur Lake using multi-source satellite data (Landsat and Sentinel-1A) and its responses to changing environment | |
Mondejar et al. | Near infrared band of Landsat 8 as water index: a case study around Cordova and Lapu-Lapu City, Cebu, Philippines | |
Berberoglu et al. | Assessing different remote sensing techniques to detect land use/cover changes in the eastern Mediterranean | |
Xie et al. | Evaluation of Landsat 8 OLI imagery for unsupervised inland water extraction | |
Sola et al. | Multi-criteria evaluation of topographic correction methods | |
CN102565778B (zh) | 一种自动提取伪不变特征的遥感图像相对辐射校正方法 | |
Malahlela | Inland waterbody mapping: Towards improving discrimination and extraction of inland surface water features | |
Phinzi et al. | Mapping soil erosion in a quaternary catchment in Eastern Cape using geographic information system and remote sensing | |
CN106940887B (zh) | 一种gf-4卫星序列图像云与云下阴影检测方法 | |
Im et al. | An automated binary change detection model using a calibration approach | |
Mitkari et al. | Extraction of glacial lakes in Gangotri glacier using object-based image analysis | |
US11747498B1 (en) | Method, system, device and medium for landslide identification based on full polarimetric SAR | |
Shaoqing et al. | The comparative study of three methods of remote sensing image change detection | |
Kawakubo et al. | Mapping changes in coastline geomorphic features using Landsat TM and ETM+ imagery: Examples in southeastern Brazil | |
CN113850139A (zh) | 一种基于多源遥感的森林年际物候监测方法 | |
Zhang et al. | Multi-temporal cloud detection based on robust PCA for optical remote sensing imagery | |
US7480052B1 (en) | Opaque cloud detection | |
Chelotti et al. | Space-Temporal analysis of suspended sediment in low concentration reservoir by remote sensing | |
Trier et al. | Multi-sensor forest vegetation height mapping methods for Tanzania | |
de Oliveira et al. | Topographic effects on the determination of hyperspectral vegetation indices: a case study in southeastern Brazil | |
Yang et al. | A correction method of NDVI topographic shadow effect for rugged terrain | |
Fayad et al. | Hy-TeC: a hybrid vision transformer model for high-resolution and large-scale mapping of canopy height | |
Xu et al. | A comparative study on the applicability and effectiveness of NSVI and NDVI for estimating fractional vegetation cover based on multi-source remote sensing image | |
Dumitru et al. | Accurate monitoring of the danube delta dynamics using copernicus data |
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 |