CN107991243A - 一种基于航空高光谱遥感数据的高海拔地区水体提取方法 - Google Patents
一种基于航空高光谱遥感数据的高海拔地区水体提取方法 Download PDFInfo
- Publication number
- CN107991243A CN107991243A CN201610954069.7A CN201610954069A CN107991243A CN 107991243 A CN107991243 A CN 107991243A CN 201610954069 A CN201610954069 A CN 201610954069A CN 107991243 A CN107991243 A CN 107991243A
- Authority
- CN
- China
- Prior art keywords
- casi
- data
- water
- method based
- water body
- 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
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
Landscapes
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Image Processing (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
属于遥感环境调查领域,具体涉及一种基于航空高光谱遥感数据的高海拔地区水体提取方法。具体包括以下步骤:步骤一、进行传感器实验室定标;步骤二、得到具有地理坐标的CASI高光谱辐亮度数据;步骤三、得到浮点型的CASI高光谱反射率数据;步骤四、得到的新的CASI高光谱数据中每个反射率影像为灰度图;步骤五、设定满足全部满足条件的像元构成的单波段影像为Bwaterbody;步骤六、得到栅格文件格式的水体分布图;步骤七、最终得到遥感识别水体的总长度和面积。本发明可以准确的提取出水体信息。在数据处理中,选择水体光谱特征明显的波段,去除特征不显著的波段,降低了其它地物或者噪声的影响,提升了遥感水体识别的精度。
Description
技术领域
本发明属于遥感环境调查领域,具体涉及一种基于航空高光谱遥感数据的高海拔地区水体提取方法。
背景技术
高光谱遥感和高分遥感是当前遥感领域的两个前沿方向。高光谱遥感具有图谱合一的优势,能够获取地物在百余个波段的反射率信息,从而可以根据光谱曲线特征进行地物的直接识别,有效提升了遥感应用能力。我国西部高海拔地区蕴含着丰富的水资源,但由于地理环境恶劣,地面调查工作难度较大。遥感技术作为环境调查的重要手段之一,具有调查面积大、速度快等特点,在水体识别中具有重要应用潜力。
发明内容
本发明要解决的技术问题是提供一种基于航空高光谱遥感数据的高海拔地区水体提取方法,应用航空高光谱遥感数据进行高海拔地区水体识别。
为解决上述技术问题,本发明基于航空高光谱遥感数据的高海拔地区水体提取方法,具体包括以下步骤:
步骤一、进行传感器实验室定标,获取工作区的CASI航空高光谱遥感原始数据、地面导航定位基站数据和同步测量光谱数据;
步骤二、根据传感器实验室定标数据和地面导航定位基站数据,对步骤一中得到的CASI高光谱原始数据进行预处理,得到具有地理坐标的CASI高光谱辐亮度数据;
步骤三、根据同步测量光谱数据,对步骤二中得到的CASI高光谱辐亮度数据进行大气校正,去除大气对光谱的干扰,得到浮点型的CASI高光谱反射率数据,选取每个波段的反射率数值位于0~1.0区间范围的影像像元值;
步骤四、选取六个特征波段,将特征波段的反射率影像依次标记为B1~B6,对步骤三中得到的CASI高光谱反射率数据进行波段重组,得到的新的CASI高光谱数据中每个反射率影像为灰度图,任意像元的灰度值即其在该波段的反射率值;
步骤五、应用步骤四得到的波段重组后的CASI高光谱数据,对每一个影像像元值进行水体像元判别,将满足全部条件的像元识别为水体像元,设定满足全部满足条件的像元构成的单波段影像为Bwaterbody;
步骤六、对步骤五得到的单波段影像Bwaterbody进行卷积滤波处理,再对卷积滤波结果设置滤波核进行形态学滤波,得到栅格文件格式的水体分布图;
步骤七、将步骤六中得到的栅格文件格式的水体分布图转换为shape格式的矢量文件,计算并统计每个水体区域的长度和面积,最终得到遥感识别水体的总长度和面积。
所述的步骤四中,特征波段选取b1=404.1nm,b2=499.8nm,b3=614.3nm,b4=766.8nm,b5=900.2nm,b6=1053.1nm,特征波段的反射率影像依次为B1~B6。
所述的步骤五中,判别公式如下:B1<B2;B2>B3;B1>B3;B3>B4;B4-B5<0.05;B5<B6。
所述的步骤二中,预处理包括系统辐射校正、几何校正和正射校正。
本发明的有益技术效果在于:本发明根据水体光谱特征,选择CASI航空高光谱反射率数据的特定波段,进行一系列判断和计算,可以准确的提取出水体信息。在数据处理中,选择水体光谱特征明显的波段,去除特征不显著的波段,降低了其它地物或者噪声的影响,提升了遥感水体识别的精度。同时,减少了目视解译的人工工作量,提高了遥感水体提取的效率。本专利可以减少数据处理的工作量,CASI原始数据拥有36个波段,本方法仅利用了6个光谱特征显著的波段,并且采用波段运算方法,减少了主成分变换和端元光谱选取等操作步骤,加快了数据处理速度。本专利丰富了水体遥感识别的数据源,提升了水体遥感识别的精度和效率。同时,拓展了航空高光谱数据的应用领域,对于高光谱技术发展具有重要意义。
具体实施方式
下面结合实施例对本发明作进一步详细说明。
本发明一种基于航空高光谱遥感数据的高海拔地区水体提取方法,具体包括以下步骤:
步骤一、制定工作区航空飞行方案并进行传感器实验室定标,选择合适的时相和气候条件,获取工作区的CASI航空高光谱遥感原始数据、地面导航定位基站数据和同步测量光谱数据;
步骤二、根据传感器实验室定标数据和地面导航定位基站数据,对步骤一中得到的CASI高光谱原始数据进行预处理,包括系统辐射校正、几何校正和正射校正,得到具有地理坐标的CASI高光谱辐亮度数据;
步骤三、根据同步测量光谱数据,对步骤二中得到的CASI高光谱辐亮度数据进行经验线性法大气校正,去除大气对光谱的干扰,得到浮点型的CASI高光谱反射率数据,选取每个波段的反射率数值位于0~1.0区间范围的影像像元值;
步骤四、选取b1=404.1nm,b2=499.8nm,b3=614.3nm,b4=766.8nm,b5=900.2nm,b6=1053.1nm,将相应波段的反射率影像依次标记为B1~B6,对步骤三中得到的CASI高光谱反射率数据进行波段重组,得到的新的CASI高光谱数据中每个反射率影像为灰度图,任意像元的灰度值即其在该波段的反射率值;
步骤五、应用步骤四得到的波段重组后的CASI高光谱数据,对每一个影像像元值进行水体像元判别,将满足全部条件的像元识别为水体像元,设定满足全部满足条件的像元构成的单波段影像为Bwaterbody;判别公式如下:
B1<B2.....................公式1;
B2>B3.....................公式2;
B1>B3.....................公式3;
B3>B4.....................公式4;
B4-B5<0.05............公式5;
B5<B6.....................公式6;
上述判断是根据对应影像像元值进行判别的,以(B1>B2)为例,取B1影像的某像元(例如(1,1)点)灰度值,与B2影像的相应地理位置(1,1)点像元的灰度值进行比较,根据判别规则“B1>B2”判断;当本判别结果为真时,继续下一判别,任意一项不为真则退出判别;
步骤六、对步骤五得到的单波段影像Bwaterbody进行卷积滤波处理,再对卷积滤波结果设置合适的滤波核进行形态学滤波,得到栅格文件格式的水体分布图;
步骤七、在ArcGIS软件中,将步骤六中得到的栅格文件格式的水体分布图转换为shape格式的矢量文件,计算并统计每个水体区域的长度和面积,最终得到遥感识别水体的总长度和面积。
Claims (4)
1.一种基于航空高光谱遥感数据的高海拔地区水体提取方法,其特征在于:具体包括以下步骤:
步骤一、进行传感器实验室定标,获取工作区的CASI航空高光谱遥感原始数据、地面导航定位基站数据和同步测量光谱数据;
步骤二、根据传感器实验室定标数据和地面导航定位基站数据,对步骤一中得到的CASI高光谱原始数据进行预处理,得到具有地理坐标的CASI高光谱辐亮度数据;
步骤三、根据同步测量光谱数据,对步骤二中得到的CASI高光谱辐亮度数据进行大气校正,去除大气对光谱的干扰,得到浮点型的CASI高光谱反射率数据,选取每个波段的反射率数值位于0~1.0区间范围的影像像元值;
步骤四、选取六个特征波段,将特征波段的反射率影像依次标记为B1~B6,对步骤三中得到的CASI高光谱反射率数据进行波段重组,得到的新的CASI高光谱数据中每个反射率影像为灰度图,任意像元的灰度值即其在该波段的反射率值;
步骤五、应用步骤四得到的波段重组后的CASI高光谱数据,对每一个影像像元值进行水体像元判别,将满足全部条件的像元识别为水体像元,设定满足全部满足条件的像元构成的单波段影像为Bwaterbody;
步骤六、对步骤五得到的单波段影像Bwaterbody进行卷积滤波处理,再对卷积滤波结果设置滤波核进行形态学滤波,得到栅格文件格式的水体分布图;
步骤七、将步骤六中得到的栅格文件格式的水体分布图转换为shape格式的矢量文件,计算并统计每个水体区域的长度和面积,最终得到遥感识别水体的总长度和面积。
2.根据权利要求1所述的一种基于航空高光谱遥感数据的高海拔地区水体提取方法,其特征在于:所述的步骤四中,特征波段选取b1=404.1nm,b2=499.8nm,b3=614.3nm,b4=766.8nm,b5=900.2nm,b6=1053.1nm,特征波段的反射率影像依次为B1~B6。
3.根据权利要求2所述的一种基于航空高光谱遥感数据的高海拔地区水体提取方法,其特征在于:所述的步骤五中,判别公式如下:B1<B2;B2>B3;B1>B3;B3>B4;B4-B5<0.05;B5<B6。
4.根据权利要求3所述的一种基于航空高光谱遥感数据的高海拔地区水体提取方法,其特征在于:所述的步骤二中,预处理包括系统辐射校正、几何校正和正射校正。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610954069.7A CN107991243B (zh) | 2016-10-27 | 2016-10-27 | 一种基于航空高光谱遥感数据的高海拔地区水体提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610954069.7A CN107991243B (zh) | 2016-10-27 | 2016-10-27 | 一种基于航空高光谱遥感数据的高海拔地区水体提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107991243A true CN107991243A (zh) | 2018-05-04 |
CN107991243B CN107991243B (zh) | 2020-06-19 |
Family
ID=62029320
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610954069.7A Active CN107991243B (zh) | 2016-10-27 | 2016-10-27 | 一种基于航空高光谱遥感数据的高海拔地区水体提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107991243B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109738369A (zh) * | 2018-12-10 | 2019-05-10 | 核工业北京地质研究院 | 一种采用航空高光谱遥感玉器的考古探测方法 |
CN109738948A (zh) * | 2018-12-20 | 2019-05-10 | 核工业北京地质研究院 | 一种提取岩芯氧化还原过渡带信息的光谱数据处理方法 |
CN110849821A (zh) * | 2019-11-12 | 2020-02-28 | 北华航天工业学院 | 基于贝叶斯定理的黑臭水体遥感识别方法 |
CN111950942A (zh) * | 2020-10-19 | 2020-11-17 | 平安国际智慧城市科技股份有限公司 | 基于模型的水污染风险评估方法、装置和计算机设备 |
CN113109281A (zh) * | 2021-04-13 | 2021-07-13 | 中国科学院成都生物研究所 | 一种基于高光谱遥感的水质参数定量反演模型及其构建方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101187630A (zh) * | 2007-12-05 | 2008-05-28 | 北京大学 | 一种农田干旱监测方法 |
CN103558190A (zh) * | 2013-10-22 | 2014-02-05 | 李云梅 | 基于绿光波段的内陆浑浊水体多光谱数据大气校正方法 |
CN104217426A (zh) * | 2014-08-18 | 2014-12-17 | 中国科学院东北地理与农业生态研究所 | 一种基于ENVISAT ASAR与Landsat TM遥感数据面向对象提取水体的方法 |
WO2016099723A2 (en) * | 2014-11-12 | 2016-06-23 | SlantRange, Inc. | Systems and methods for aggregating and facilitating the display of spatially variable geographic data acquired by airborne vehicles |
CN105784602A (zh) * | 2014-12-22 | 2016-07-20 | 核工业北京地质研究院 | 一种用于菱锰矿信息提取的高光谱影像处理方法 |
CN105809140A (zh) * | 2016-03-18 | 2016-07-27 | 华南农业大学 | 一种基于遥感模型的地表水体信息的提取方法及其装置 |
US20160259962A1 (en) * | 2013-12-11 | 2016-09-08 | Her Majesty The Queen In Right Of Canada, As Represented By The Minister Of National Defence | Methods for in-scene atmospheric compensation by endmember matching |
CN105957079A (zh) * | 2016-04-28 | 2016-09-21 | 淮阴师范学院 | 基于Landsat OLI多光谱影像的湖泊水域信息提取方法 |
-
2016
- 2016-10-27 CN CN201610954069.7A patent/CN107991243B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101187630A (zh) * | 2007-12-05 | 2008-05-28 | 北京大学 | 一种农田干旱监测方法 |
CN103558190A (zh) * | 2013-10-22 | 2014-02-05 | 李云梅 | 基于绿光波段的内陆浑浊水体多光谱数据大气校正方法 |
US20160259962A1 (en) * | 2013-12-11 | 2016-09-08 | Her Majesty The Queen In Right Of Canada, As Represented By The Minister Of National Defence | Methods for in-scene atmospheric compensation by endmember matching |
CN104217426A (zh) * | 2014-08-18 | 2014-12-17 | 中国科学院东北地理与农业生态研究所 | 一种基于ENVISAT ASAR与Landsat TM遥感数据面向对象提取水体的方法 |
WO2016099723A2 (en) * | 2014-11-12 | 2016-06-23 | SlantRange, Inc. | Systems and methods for aggregating and facilitating the display of spatially variable geographic data acquired by airborne vehicles |
CN105784602A (zh) * | 2014-12-22 | 2016-07-20 | 核工业北京地质研究院 | 一种用于菱锰矿信息提取的高光谱影像处理方法 |
CN105809140A (zh) * | 2016-03-18 | 2016-07-27 | 华南农业大学 | 一种基于遥感模型的地表水体信息的提取方法及其装置 |
CN105957079A (zh) * | 2016-04-28 | 2016-09-21 | 淮阴师范学院 | 基于Landsat OLI多光谱影像的湖泊水域信息提取方法 |
Non-Patent Citations (2)
Title |
---|
V.E. BRANDO等: ""Satellite hyperspectal remote sensing for estimating estuarine and coastal water quality"", 《IEEE》 * |
张东辉 等: ""高光谱传感器 CASI 与 SASI 支持下的水体精准提取"", 《传感器与微系统》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109738369A (zh) * | 2018-12-10 | 2019-05-10 | 核工业北京地质研究院 | 一种采用航空高光谱遥感玉器的考古探测方法 |
CN109738948A (zh) * | 2018-12-20 | 2019-05-10 | 核工业北京地质研究院 | 一种提取岩芯氧化还原过渡带信息的光谱数据处理方法 |
CN110849821A (zh) * | 2019-11-12 | 2020-02-28 | 北华航天工业学院 | 基于贝叶斯定理的黑臭水体遥感识别方法 |
CN111950942A (zh) * | 2020-10-19 | 2020-11-17 | 平安国际智慧城市科技股份有限公司 | 基于模型的水污染风险评估方法、装置和计算机设备 |
CN113109281A (zh) * | 2021-04-13 | 2021-07-13 | 中国科学院成都生物研究所 | 一种基于高光谱遥感的水质参数定量反演模型及其构建方法 |
CN113109281B (zh) * | 2021-04-13 | 2022-11-29 | 中国科学院成都生物研究所 | 一种基于高光谱遥感的水质参数定量反演模型及其构建方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107991243B (zh) | 2020-06-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107991243A (zh) | 一种基于航空高光谱遥感数据的高海拔地区水体提取方法 | |
CN110378196B (zh) | 一种结合激光点云数据的道路视觉检测方法 | |
Kampffmeyer et al. | Semantic segmentation of small objects and modeling of uncertainty in urban remote sensing images using deep convolutional neural networks | |
CN103454693B (zh) | 一种白岗岩型铀矿勘查成矿要素遥感图谱特征识别方法 | |
CN104502999B (zh) | 一种基于静止卫星多通道数据的昼夜云检测方法与装置 | |
Gutermuth et al. | A spitzer survey of young stellar clusters within one kiloparsec of the sun: cluster core extraction and basic structural analysis | |
CN106845326A (zh) | 一种基于航空高光谱遥感数据的冰川识别方法 | |
CN106384079B (zh) | 一种基于rgb-d信息的实时行人跟踪方法 | |
CN108171210B (zh) | 一种植被覆盖区蚀变遥感异常信息的提取方法及系统 | |
CN102865859B (zh) | 一种基于surf特征的航空序列图像位置估计方法 | |
CN103984940B (zh) | 一种基于高光谱数据识别赤铁矿化的方法 | |
CN102997856A (zh) | 一种基于参数查找表的海洋溢油油膜厚度高光谱遥感估算方法 | |
CN103632363A (zh) | 基于多尺度融合的对象级高分辨率遥感影像变化检测方法 | |
CN109557030A (zh) | 一种基于无人机遥感的水质要素反演方法 | |
CN111008664B (zh) | 一种基于空谱联合特征的高光谱海冰检测方法 | |
CN110188716B (zh) | 一种矿化信息提取方法及系统 | |
CN109580497B (zh) | 一种基于奇异性理论的高光谱矿物异常信息提取方法 | |
Chen et al. | Object-based multi-modal convolution neural networks for building extraction using panchromatic and multispectral imagery | |
CN107688777A (zh) | 一种协同多源遥感影像的城市绿地提取方法 | |
CN103208118A (zh) | 一种高光谱遥感影像端元提取方法 | |
Nagarani et al. | Unmanned Aerial vehicle’s runway landing system with efficient target detection by using morphological fusion for military surveillance system | |
Quan et al. | Tree species classification in a typical natural secondary forest using UAV-borne LiDAR and hyperspectral data | |
CN112630160A (zh) | 一种基于图像采集的无人机航迹规划土壤湿度监测方法、系统及可读存储介质 | |
Chen et al. | Cloud and cloud shadow detection based on multiscale 3D-CNN for high resolution multispectral imagery | |
CN112669363A (zh) | 城市绿地三维绿量测算方法 |
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 |