CN108154068A - 一种遥感影像中泥石流信息的提取方法 - Google Patents
一种遥感影像中泥石流信息的提取方法 Download PDFInfo
- Publication number
- CN108154068A CN108154068A CN201611101836.6A CN201611101836A CN108154068A CN 108154068 A CN108154068 A CN 108154068A CN 201611101836 A CN201611101836 A CN 201611101836A CN 108154068 A CN108154068 A CN 108154068A
- Authority
- CN
- China
- Prior art keywords
- image
- remote sensing
- index
- main component
- gray level
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 25
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 20
- 239000002689 soil Substances 0.000 claims abstract description 19
- 230000009466 transformation Effects 0.000 claims abstract description 10
- 238000002310 reflectometry Methods 0.000 claims description 18
- 238000012937 correction Methods 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 6
- 230000002194 synthesizing effect Effects 0.000 claims description 3
- 239000000284 extract Substances 0.000 abstract description 4
- 239000002131 composite material Substances 0.000 abstract description 3
- 239000000470 constituent Substances 0.000 abstract 8
- 230000015572 biosynthetic process Effects 0.000 abstract 1
- 238000003786 synthesis reaction Methods 0.000 abstract 1
- 230000000694 effects Effects 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/13—Satellite images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
- G06F18/2135—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on approximation criteria, e.g. principal component analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Astronomy & Astrophysics (AREA)
- Remote Sensing (AREA)
- Multimedia (AREA)
- Image Processing (AREA)
Abstract
一种遥感影像中泥石流信息的提取方法,包括:生成植被指数灰度图像、水体指数灰度图像、和土壤亮度指数灰度图像;对所述多幅遥感影像分别进行主组分变换并提取第一主组分生成第一主组分灰度图像;分别针对每一幅遥感影像,将其对应的所述植被指数灰度图像、所述水体指数灰度图像、所述土壤亮度指数灰度图像和所述第一主组分灰度图像合成彩色合成图像;对所述多幅遥感影像合成的多幅彩色合成图像进行图像拼接;对拼接后的图像进行主组分变换并提取第一主组分生成拼接后的第一主组分灰度图像;对所述拼接后的第一主组分灰度图像进行遥感解译,从而提取出泥石流信息。本发明的方法能够准确提取泥石流信息。
Description
技术领域
本发明涉及遥感解译领域,具体说是一种遥感影像中泥石流信息的提取方法。
背景技术
传统的泥石流地质灾害识别和判定方法主要是先采取实地地质测绘、勘查等工作后才能判断灾害蕴藏情况,对于较大范围的地质灾害调查和防控可谓杯水车薪,且效率较低。
而基于卫星影像的判读,是一种方便、快捷、成本较低且有效的识别、判定的方式。目前国际上先进MODIS、LANDSAT等卫星均免费提供全球20年以上的历史遥感数据。通过对泥石流地质灾害区历史数据的比对和分析,可为泥石流地质灾害区治理方式的选择及灾害的发展趋势提供大量真实可靠的数据。由于泥石流主要是植被且水体充裕地区,因而,一般是通过对环境信息提取来分析泥石流的信息。但是,由于泥石流发生的影响因素较多,且带有偶然性,长期以来相关研究主要集中在灾后调查和评价上。目前,对泥石流的遥感解译以人工目视解译为主,辅以人机交互分类的方法。人工目视解译是一种人工提取信息的方法,使用眼睛目视观察,同时借助一些光学仪器火灾计算机显示屏幕上,凭借丰富的解译经验,扎实的专业知识和手头的相关资料,通过人脑的分析、推理和判断,提取有用的信息。这种判读方法,特别是其中传统的图像拼接方法,存在效率低、精度低、识别结果不佳的缺陷。
发明内容
基于本领域泥石流的遥感解译的技术缺陷,本发明提供了一种遥感影像中泥石流信息的提取方法,可以达到精准快速的泥石流识别与判定效果。
本发明的一种遥感影像中泥石流信息的提取方法,包括如下步骤:
(1)计算多幅遥感影像中的植被指数、水体指数、及土壤亮度指数,并分别生成植被指数灰度图像、水体指数灰度图像、和土壤亮度指数灰度图像;
(2)对所述多幅遥感影像分别进行主组分变换并提取第一主组分生成第一主组分灰度图像;
(3)分别针对每一幅遥感影像,将其对应的所述植被指数灰度图像、所述水体指数灰度图像、所述土壤亮度指数灰度图像和所述第一主组分灰度图像合成彩色合成图像;
(4)对所述多幅遥感影像合成的多幅彩色合成图像进行图像拼接;
(5)对拼接后的图像进行主组分变换并提取第一主组分生成拼接后的第一主组分灰度图像;
(6)对所述拼接后的第一主组分灰度图像进行遥感解译,从而提取出泥石流信息。
优选地,其中,所述步骤(1)之前还包括:对遥感影像进行图像预处理。
优选地,其中,所述遥感影像包含五个波段,分别为近红外波段、中红外波段、红光波段、绿光波段和蓝光波段。
优选地,其中,所述步骤(1)计算多幅遥感影像中的植被指数、水体指数、及土壤亮度指数,具体为:
(1-1)通过近红外波段反射率和红光波段反射率,计算遥感影像中的植被指数;
(1-2)通过近红外波段反射率和中红光波段反射率,计算遥感影像中水体指数;
(1-3)通过红光波段反射率和绿光波段反射率,计算遥感影像中土壤亮度指数。
优选地,其中,图像预处理包括大气校正和几何校正。
与现有技术相比,本发明的方法通过计算遥感图像中的植被指数、水体指数、土壤亮度指数和第一主组分变换值,从而增强了遥感图像中的泥石流区域灰度值,使泥石流区域的灰度值与其他地物的灰度值的差异变大,消除了地形阴影的影响,从而将泥石流信息准确地提取出来。另外,采用先进的图像拼接技术,可以达到精准快速的影像处理效果。
附图说明
图1本发明所提出的方法流程图。
具体实施方式
为了更好地理解本发明,下面结合附图参考实施例的描述,对本发明的方法进行进一步的说明。
为了全面理解本发明,在以下详细描述中提到了众多具体细节。但是本领域技术人员应该理解,本发明可以无需这些具体细节而实现。在实施例中,不详细描述公知的方法、过程、组件,以免不必要地使实施例繁琐。
参见图1所示,本发明的一种遥感影像中泥石流信息的提取方法,包括如下步骤:
(1)计算多幅遥感影像中的植被指数、水体指数、及土壤亮度指数,并分别生成植被指数灰度图像、水体指数灰度图像、和土壤亮度指数灰度图像;
(2)对所述多幅遥感影像分别进行主组分变换并提取第一主组分生成第一主组分灰度图像;
(3)分别针对每一幅遥感影像,将其对应的所述植被指数灰度图像、所述水体指数灰度图像、所述土壤亮度指数灰度图像和所述第一主组分灰度图像合成彩色合成图像;
(4)对所述多幅遥感影像合成的多幅彩色合成图像进行图像拼接;
(5)对拼接后的图像进行主组分变换并提取第一主组分生成拼接后的第一主组分灰度图像;
(6)对所述拼接后的第一主组分灰度图像进行遥感解译,从而提取出泥石流信息。
优选地,其中,所述步骤(1)之前还包括:对遥感影像进行图像预处理。
优选地,其中,所述遥感影像包含五个波段,分别为近红外波段、中红外波段、红光波段、绿光波段和蓝光波段。
优选地,其中,所述步骤(1)计算多幅遥感影像中的植被指数、水体指数、及土壤亮度指数,具体为:
(1-1)通过近红外波段反射率和红光波段反射率,计算遥感影像中的植被指数;
(1-2)通过近红外波段反射率和中红光波段反射率,计算遥感影像中水体指数;
(1-3)通过红光波段反射率和绿光波段反射率,计算遥感影像中土壤亮度指数。
优选地,其中,图像预处理包括大气校正和几何校正。
优选地,其中,所述步骤(4),对所述多幅遥感影像合成的多幅彩色合成图像进行图像拼接,具体包括:
(4-1),检测并提取相邻遥感影像1和遥感影像2的特征点;
(4-2),对提取的特征点进行匹配;
(4-3),对图像进行空间变换;
(4-4),进行图像融合。
优选地,其中,步骤(4-2),对提取的特征点进行匹配,具体包括:
步骤(4-2-1),读取遥感影像1和遥感影像2,分别在遥感影像1和遥感影像2中,以每一个特征点i为中心取一个(2L+1)×(2L+1)大小的相关窗口W,L为大于等于1的整数;
步骤(4-2-2),将遥感影像1和遥感影像2进行灰度化;
步骤(4-2-3),逐个选取灰度化后的遥感影像1中每一个像素点i,求取该像素点i与灰度化后的遥感影像2中任一点的匹配度R,
所述
其中,C1、C2分别为遥感影像1和遥感影像2中像素点相关窗口内像素的灰度值,分别表示图遥感影像1和遥感影像2像素点相关窗口内像素灰度值的均值;
步骤(4-2-4),针对遥感影像1中的每一个像素点i,选取匹配度R中最大的匹配度Rmax所对应的像素点作为该像素点i的匹配点;
步骤(4-2-5),设置匹配度阈值Z,将所有像素点的最大匹配度Rmax与Z进行比较,排除Rmax小于Z的该匹配度所对应的像素点,仅将Rmax大于Z的该匹配度所对应的遥感影像1和遥感影像2的像素点保留。
步骤(4-2-6),将保留的遥感影像1的像素点及其对应的遥感影像2的像素点作为特征点对,进行特征点匹配。
优选地,步骤(6)还包括:结合其他相关资料,进行泥石流流量估算,泥石流影响评价、泥石流泛滥范围估计、以及泥石流危险性分区。
可见,本发明通过计算遥感图像中的植被指数、水体指数、土壤亮度指数和第一主组分变换值,从而增强了遥感图像中的泥石流区域灰度值,使泥石流区域的灰度值与其他地物的灰度值的差异变大,消除了地形阴影的影响,从而将泥石流信息准确地提取出来。另外,采用先进的图像拼接技术,可以达到精准快速的影像处理效果。
这里只说明了本发明的优选实施例,但其意并非限制本发明的范围、适用性和配置。相反,对实施例的详细说明可使本领域技术人员得以实施。应能理解,在不偏离所附权利要求书确定的本发明精神和范围情况下,可对一些细节做适当变更和修改。
Claims (5)
1.一种遥感影像中泥石流信息的提取方法,包括如下步骤:
(1)计算多幅遥感影像中的植被指数、水体指数、及土壤亮度指数,并分别生成植被指数灰度图像、水体指数灰度图像、和土壤亮度指数灰度图像;
(2)对所述多幅遥感影像分别进行主组分变换并提取第一主组分生成第一主组分灰度图像;
(3)分别针对每一幅遥感影像,将其对应的所述植被指数灰度图像、所述水体指数灰度图像、所述土壤亮度指数灰度图像和所述第一主组分灰度图像合成彩色合成图像;
(4)对所述多幅遥感影像合成的多幅彩色合成图像进行图像拼接;
(5)对拼接后的图像进行主组分变换并提取第一主组分生成拼接后的第一主组分灰度图像;
(6)对所述拼接后的第一主组分灰度图像进行遥感解译,从而提取出泥石流信息。
2.如权利要求1所述的方法,其中,所述步骤(1)之前还包括:对遥感影像进行图像预处理。
3.如权利要求1所述的方法,其中,所述遥感影像包含五个波段,分别为近红外波段、中红外波段、红光波段、绿光波段和蓝光波段。
4.如权利要求1所述的方法,其中,所述步骤(1)计算多幅遥感影像中的植被指数、水体指数、及土壤亮度指数,具体为:
(1-1)通过近红外波段反射率和红光波段反射率,计算遥感影像中的植被指数;
(1-2)通过近红外波段反射率和中红光波段反射率,计算遥感影像中水体指数;
(1-3)通过红光波段反射率和绿光波段反射率,计算遥感影像中土壤亮度指数。
5.如权利要求2所述的方法,其中,图像预处理包括大气校正和几何校正。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611101836.6A CN108154068A (zh) | 2016-12-02 | 2016-12-02 | 一种遥感影像中泥石流信息的提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611101836.6A CN108154068A (zh) | 2016-12-02 | 2016-12-02 | 一种遥感影像中泥石流信息的提取方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108154068A true CN108154068A (zh) | 2018-06-12 |
Family
ID=62470802
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611101836.6A Pending CN108154068A (zh) | 2016-12-02 | 2016-12-02 | 一种遥感影像中泥石流信息的提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108154068A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114333208A (zh) * | 2022-02-28 | 2022-04-12 | 四川省安全科学技术研究院 | 面向高山峡谷地区森林火灾后泥石流的预测方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101963664A (zh) * | 2010-09-28 | 2011-02-02 | 中国科学院东北地理与农业生态研究所 | 基于水陆地物分类信息的微波遥感混合像元分解方法 |
CN102231190A (zh) * | 2011-07-08 | 2011-11-02 | 中铁第四勘察设计院集团有限公司 | 冲洪积扇信息的自动提取方法 |
CN102254174A (zh) * | 2011-07-08 | 2011-11-23 | 中铁第四勘察设计院集团有限公司 | 崩滑体中裸地信息的自动提取方法 |
CN102708307A (zh) * | 2012-06-26 | 2012-10-03 | 上海大学 | 一种应用于城市的植被指数构造方法 |
CN103364793A (zh) * | 2013-07-11 | 2013-10-23 | 兰州交通大学 | 基于spot5影像的水体自动提取方法 |
-
2016
- 2016-12-02 CN CN201611101836.6A patent/CN108154068A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101963664A (zh) * | 2010-09-28 | 2011-02-02 | 中国科学院东北地理与农业生态研究所 | 基于水陆地物分类信息的微波遥感混合像元分解方法 |
CN102231190A (zh) * | 2011-07-08 | 2011-11-02 | 中铁第四勘察设计院集团有限公司 | 冲洪积扇信息的自动提取方法 |
CN102254174A (zh) * | 2011-07-08 | 2011-11-23 | 中铁第四勘察设计院集团有限公司 | 崩滑体中裸地信息的自动提取方法 |
CN102708307A (zh) * | 2012-06-26 | 2012-10-03 | 上海大学 | 一种应用于城市的植被指数构造方法 |
CN103364793A (zh) * | 2013-07-11 | 2013-10-23 | 兰州交通大学 | 基于spot5影像的水体自动提取方法 |
Non-Patent Citations (2)
Title |
---|
李晓娟: "图像拼接技术研究", 《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》 * |
杨艳伟: "基于SIFT特征点的图像拼接技术研究", 《中国优秀硕士学位论文全文数据库-信息科技辑》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114333208A (zh) * | 2022-02-28 | 2022-04-12 | 四川省安全科学技术研究院 | 面向高山峡谷地区森林火灾后泥石流的预测方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2020258899A1 (zh) | 一种基于高分遥感影像的山地景观建筑提取方法和设备 | |
Liu et al. | Infrared and visible image fusion method based on saliency detection in sparse domain | |
CN102254174B (zh) | 崩滑体中裸地信息的自动提取方法 | |
CN105354865B (zh) | 多光谱遥感卫星影像自动云检测方法及系统 | |
WO2018024030A1 (zh) | 一种夜视红外图像中的基于显著性的道路目标提取方法 | |
US9042674B2 (en) | Automated geospatial image mosaic generation | |
CN113065558A (zh) | 一种结合注意力机制的轻量级小目标检测方法 | |
US9396391B2 (en) | Automated geospatial image mosaic generation with multiple zoom level support | |
CN109410171B (zh) | 一种用于雨天图像的目标显著性检测方法 | |
CN102800074B (zh) | 基于轮廓波变换的sar图像变化检测差异图生成方法 | |
US11455794B2 (en) | System and method for orchard recognition on geographic area | |
CN103226832B (zh) | 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 | |
CN103927741A (zh) | 增强目标特征的sar图像合成方法 | |
CN111008664B (zh) | 一种基于空谱联合特征的高光谱海冰检测方法 | |
CN109815894A (zh) | 一种针对哨兵2a影像的建筑物阴影提取处理方法 | |
Yang et al. | Fully constrained linear spectral unmixing based global shadow compensation for high resolution satellite imagery of urban areas | |
CN105590316A (zh) | 面向对象的高分辨率遥感影像阴影提取方法 | |
CN111080696A (zh) | 一种基于计算机视觉的水下海参识别及定位方法 | |
CN109801304A (zh) | 一种抑制裸地的建筑指数构建及建筑区域快速提取方法 | |
CN102231190B (zh) | 冲洪积扇信息的自动提取方法 | |
Khryashchev et al. | Forest areas segmentation on aerial images by deep learning | |
CN106198402A (zh) | 一种基于航天多光谱遥感数据的基性岩识别方法 | |
CN108154068A (zh) | 一种遥感影像中泥石流信息的提取方法 | |
CN106778566A (zh) | 基于卫星图像对泥石流地质灾害进行识别与判定的方法 | |
CN117115669A (zh) | 双条件质量约束的对象级地物样本自适应生成方法及系统 |
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 | ||
CB02 | Change of applicant information |
Address after: 101399 No. 2 East Airport Road, Shunyi Airport Economic Core Area, Beijing (1st, 5th and 7th floors of Industrial Park 1A-4) Applicant after: Zhongke Star Map Co., Ltd. Address before: 101399 Building 1A-4, National Geographic Information Technology Industrial Park, Guomen Business District, Shunyi District, Beijing Applicant before: Space Star Technology (Beijing) Co., Ltd. |
|
CB02 | Change of applicant information | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180612 |
|
RJ01 | Rejection of invention patent application after publication |