CN108917722A - 植被覆盖度计算方法及装置 - Google Patents
植被覆盖度计算方法及装置 Download PDFInfo
- Publication number
- CN108917722A CN108917722A CN201810865838.5A CN201810865838A CN108917722A CN 108917722 A CN108917722 A CN 108917722A CN 201810865838 A CN201810865838 A CN 201810865838A CN 108917722 A CN108917722 A CN 108917722A
- Authority
- CN
- China
- Prior art keywords
- vegetation
- image
- vegetation coverage
- geometric calibration
- correction
- 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
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
- G01C11/04—Interpretation of pictures
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Image Processing (AREA)
Abstract
本公开是关于植被覆盖度计算方法及装置,其中,方法包括:对用于植被覆盖度调查的数字相机进行几何定标,确定几何定标参数;通过所述数字相机垂直拍摄植被的近景遥感影像;对所述近景遥感影像进行DN值校正,得到植被覆盖度的辐射校正影像;利用所述几何定标参数对所述辐射校正影像进行正射校正,得到植被覆盖度的正射影像;根据所述正射影像和预设算法计算植被的覆盖度。通过该技术方案,克服了数字相机获取的原始影像存在的各种误差,有效保障了植被覆盖度的计算精度。
Description
技术领域
本公开涉及生态保护技术领域,尤其涉及一种植被覆盖度计算方法及装置。
背景技术
植被覆盖度是观测区域内植被垂直投影面积占地表面积的百分比,是表征生态系统植被群落生长状况和生态环境质量的重要指标。植被覆盖度对于分析和评估植被生长态势、土地退化或沙漠化程度以及生态系统服务功能有重要作用。现有的植被覆盖度测算方法很多,但普遍存在人为影响因素大、精度不高、效率低下等问题,快速准确地测量植被覆盖度,是植被覆盖与土壤侵袭研究必须解决的基本技术问题之一。
发明内容
本公开实施例提供一种植被覆盖度计算方法及装置,实现通过对近景遥感影像几何和辐射误差的充分校正,准确提取植被有效信息,提高植被覆盖度的计算精度。
根据本公开实施例的第一方面,提供一种植被覆盖度计算方法,所述方法包括:
对用于植被覆盖度调查的数字相机进行几何定标,确定几何定标参数;
通过所述数字相机垂直拍摄植被的近景遥感影像;
对所述近景遥感影像进行DN值校正,得到植被覆盖度的辐射校正影像;
利用所述几何定标参数对所述辐射校正影像进行正射校正,得到植被覆盖度的正射影像;
根据所述正射影像和预设算法计算植被的覆盖度。
可选的,所述对用于植被覆盖度调查的数字相机进行几何定标,确定几何定标参数,包括:
采用布设有密集、高精度控制点的室内、外三维控制场,或者黑白相间的棋盘等其他能满足相机几何定标需求的物体作为几何定标场,通过所述数字相机拍摄几何定标场的多个图像,采用摄影测量或者计算机视觉算法,确定出所述数字相机的焦距、主点坐标和光学畸变参数。
可选的,所述对所述近景遥感影像进行DN值校正,得到植被覆盖度的辐射校正影像,包括:
采用基于室外均匀靶标的定标法,或者采用分析和统计等方法,获取相对辐射校正系数;
通过所述相对辐射校正系数对所述近景遥感影像进行DN值校正,以还原所述植被的色彩信息,得到植被覆盖度的辐射校正影像。
可选的,所述利用所述几何定标参数对所述辐射校正影像进行正射校正,得到植被覆盖度的正射影像,包括:
利用所述几何定标参数和预设的坐标变换模型,采用间接几何校正方法,生成垂直投影的、无畸变的正射影像。
可选的,所述预设算法包括以下至少一项:
RGB(Red Green Blue,红绿蓝)阈值法和HSV(Hue Saturation Value,色调饱和度明度)判别法。
根据本公开实施例的第二方面,提供一种植被覆盖度计算装置,所述装置包括:
几何定标模块,对用于植被覆盖度调查的数字相机进行几何定标,确定几何定标参数;
成像模块,用于通过所述数字相机垂直拍摄植被的近景遥感影像;
辐射校正模块,用于对所述近景遥感影像进行DN值校正,得到植被覆盖度的辐射校正影像;
正射校正模块,用于利用所述几何定标参数对所述第一数字影像进行正射校正,得到植被覆盖度的正射影像;
计算模块,用于根据所述正射影像和预设算法计算植被的覆盖度。
可选的,几何定标模块用于:
通过所述数字相机拍摄几何定标场的多个图像,采用摄影测量或者计算机视觉算法,确定出所述数字相机的焦距、主点坐标和光学畸变参数。
可选的,辐射校正模块包括:
辐射校正系数获取子模块,用于采用基于室外均匀靶标的定标法,或者采用分析和统计等方法,获取相对辐射校正系数;
DN值校正子模块,用于通过所述相对辐射校正系数对所述近景遥感影像进行DN值校正,以还原所述植被的色彩信息,得到植被覆盖度的辐射校正影像。
可选的,确所述正射校正模块用于:
利用所述几何定标参数和预设的坐标变换模型,采用间接几何校正方法,生成垂直投影的、无畸变的正射影像。
可选的,确所述预设算法包括以下至少一项:
RGB阈值法和HSV判别法。
根据本公开实施例的第三方面,提供一种植被覆盖度计算装置,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为:
对用于植被覆盖度调查的数字相机进行几何定标,确定几何定标参数;
通过所述数字相机垂直拍摄植被的近景遥感影像;
对所述近景遥感影像进行DN值校正,得到植被覆盖度的辐射校正影像;
利用所述几何定标参数对所述辐射校正影像进行正射校正,得到植被覆盖度的正射影像;
根据所述正射影像和预设算法计算植被的覆盖度。
可选的,所述对用于植被覆盖度调查的数字相机进行几何定标,确定几何定标参数,包括:
采用布设有密集、高精度控制点的室内、外三维控制场,或者黑白相间的棋盘等其他能满足相机几何定标需求的物体作为几何定标场,通过所述数字相机拍摄几何定标场的多个图像,采用摄影测量或者计算机视觉算法,确定出所述数字相机的焦距、主点坐标和光学畸变参数。
可选的,所述对所述近景遥感影像进行DN值校正,得到植被覆盖度的辐射校正影像,包括:
采用基于室外均匀靶标的定标法,或者采用分析和统计等方法,获取相对辐射校正系数;
通过所述相对辐射校正系数对所述近景遥感影像进行DN值校正,以还原所述植被的色彩信息,得到植被覆盖度的辐射校正影像。
可选的,所述利用所述几何定标参数对所述辐射校正影像进行正射校正,得到植被覆盖度的正射影像,包括:
利用所述几何定标参数和预设的坐标变换模型,采用间接几何校正方法,生成垂直投影的、无畸变的正射影像。
可选的,所述预设算法包括以下至少一项:
RGB(Red Green Blue,红绿蓝)阈值法和HSV(Hue Saturation Value,色调饱和度明度)判别法。
根据本公开实施例的第四方面,提供一种计算机可读存储介质,其上存储有计算机指令,该指令被处理器执行时实现上述技术方案中任一项所述植被覆盖度计算方法的步骤。
本公开的实施例提供的技术方案可以包括以下有益效果:
上述技术方案,提供了一种简单、廉价、精确的植被覆盖度计算方法,利用消费级的、便捷且操作简单的数字相机,通过几何与辐射校正等关键技术处理,克服了数字相机获取的原始影像存在的各种误差,有效保障了植被覆盖度的计算精度。相较传统的测定方法,既提高了精度,保证了效率,又降低了成本,同时可在移动设备上实时处理、计算得到植被覆盖度参量,满足野外实时获取测量结果的应用需求,具有更广阔的应用领域。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。
图1是根据一示例性实施例示出的一种植被覆盖度计算方法的流程图。
图2是根据一示例性实施例示出的另一种植被覆盖度计算方法的流程图。
图3是根据一示例性实施例示出的另一种植被覆盖度计算方法的流程图。
图4是根据一示例性实施例示出的另一种植被覆盖度计算方法的流程图。
图5是根据一示例性实施例示出的一种植被覆盖度计算装置的框图。
图6是根据一示例性实施例示出的一种植被覆盖度计算装置中辐射校正模块的框图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
在草地植物群落野外调查中,需要开展草地植被覆盖度的测定,采用的方法有目测法、仪器测量法、数字相机法等。目测法受个人主观因素影响很大,最大绝对误差可达40%;仪器测量法经济成本很高,野外携带和操作不便。数字相机法是近些年新出现的方法,它利用数字相机拍摄草场数字图像,然后借助遥感图像处理软件在草场图像上提取植被像元并统计出植被覆盖度。在统计过程中,往往只有图像的中心部分被利用,四周部分由于存在较大的投影误差和畸变被抛弃。这样,大大降低了信息提取的效率以及覆盖度计算的准确性,本发明中通过采用顾及遥感影像几何与辐射误差的校正方法,克服以下几方面技术问题,有效提高了植被覆盖度的计算精度。
(1)数字相机获取的草场原始遥感影像存在透视投影误差、光学系统的畸变差等,不满足植被覆盖度计算要求的垂直投影条件。
(2)当前植被覆盖度算法是根据数字影像中表征颜色的RGB三通道的灰度值来作为植被像素点的判识依据。但由于光照条件不同、遥感相机成像系统的光电转换误差等因素的存在,拍摄的遥感影像的色彩(各像元RGB波段的灰度值)会存在不同程度的失真。
图1是根据一示例性实施例示出的一种植被覆盖度计算方法的流程图。
本公开实施例提供了一种植被覆盖度计算方法,该方法可用于移动智能终端设备中,如图1所示,该方法包括步骤S101-S102:
步骤S101,对用于植被覆盖度调查的数字相机进行几何定标,确定几何定标参数;
步骤S102,通过所述数字相机垂直拍摄植被的近景遥感影像。
选择一块相对平坦的区域作为植被覆盖度的调查区域,将数字相机安置在无人机或者伸出的杆臂上,镜头方向尽可能与地面垂直,近似垂直地拍摄草场的高分辨率近景遥感图像。拍摄过程中,要避免成像视场内出现阴影区域。数字相机需采用定焦镜头,或保证其焦距与几何定标时一致。
步骤S103,对所述近景遥感影像进行DN值校正,得到植被覆盖度的辐射校正影像;
步骤S104,利用所述几何定标参数对所述辐射校正影像进行正射校正,得到植被覆盖度的正射影像;
步骤S105,根据所述正射影像和预设算法计算植被的覆盖度。
可选的,所述预设算法包括以下至少一项:RGB阈值法和HSV判别法。基于辐射和近似正射校正后的植被遥感图像,采用RGB阈值法、HSV判别法等方法计算植被覆盖度。由于采用的遥感影像已进行了几何畸变纠正、并且通过辐射校正有效避免了因影像辐射响应差异导致的不确定性,有利于基于影像R、G、B三通道的植被信息准确提取,使计算出的覆盖度更加精确。
在该实施例中,采用辐射校正方法,对原始影像因辐射响应不均匀产生的差异进行校正,还原影像反映的地物真实信息,提高了植被覆盖解译精度。而通过几何定标获取准确的相机参数,对影像进行正射校正,消除原始影像几何变形误差,解决了只截取图像中心区域的数据采集方法产生低样本数问题,获得了准确的植被信息提取的基础数据。相较传统的测定方法,既提高了精度,保证了效率,又降低了成本,同时可在移动智能设备上实时处理、计算得到植被覆盖度参量,满足野外实时获取测量结果的应用需求,具有更广阔的应用领域。
图2是根据一示例性实施例示出的另一种植被覆盖度计算方法的流程图。
如图2所示,可选的,上述步骤S101包括步骤S201:
步骤S201,通过所述数字相机拍摄几何定标场的多个图像,采用摄影测量或者计算机视觉算法,确定出所述数字相机的焦距、主点坐标和光学畸变参数。
这里采用的数字相机可以是测量型、非测量型的CCD/CMOS针孔相机,也可以是手机、平板等智能设备集成的针孔相机。理想的针孔相机成像时,严格满足物点、透视中心和相应像点三点共线的几何条件,但在实际应用中由于受到镜头磨制、CCD加工、相机装配等多种因素的影响,实际像点会偏离其理想位置,即存在光学畸变差。对于消费型相机,镜头畸变尤其严重。
针孔成像数字相机的光学畸变主要由径向畸变和偏心畸变构成,可表示为如下形式:
其中,(x0,y0)为像主点坐标,ki、pi分别为径向、偏心畸变系数,
几何定标通过拍摄室内外控制场或控制目标的若干图像,采用摄影测量或计算机视觉算法,确定出数字相机的内方位元素(焦距f、主点坐标x0,y0)及其物镜的光学畸变差参数ki、pi的过程。
该步骤确定的几何定标参数,将用于步骤S104的正射校正处理。
图3是根据一示例性实施例示出的另一种植被覆盖度计算方法的流程图。
如图3所示,可选的,上述步骤S103包括步骤S301-S302:
步骤S301,采用基于室外均匀靶标的定标法,或者采用分析和统计法,获取相对辐射校正系数;
步骤S302,通过所述相对辐射校正系数对所述近景遥感影像进行DN值校正,以还原所述植被的色彩信息,得到植被覆盖度的辐射校正影像。
辐射校正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辐射失真的过程。辐射误差产生的原因可以分为传感器响应特性、太阳辐射情况以及大气传输情况等。考虑到植被遥感影像的拍摄距离近,大气的影响较小,辐射校正的重点是消除自身以及光照引起的辐射差异。可采用基于室外均匀靶标的定标法,或采用分析和统计法,获取相对辐射校正系数,通过校正系数进行影像辐射校正,准确还原植被的色彩信息,有利于提高像素的判识精度。
图4是根据一示例性实施例示出的另一种植被覆盖度计算方法的流程图。
如图4所示,可选的,上述步骤S104包括步骤S401:
步骤S401,利用所述几何定标参数和预设的坐标变换模型,采用间接几何校正方法,生成垂直投影的、无畸变的正射影像。
在该实施例中,对辐射校正后的影像进行数字微分纠正,逐个像元消除因相机光学系统变形、透视成像和地形起伏等因素造成的影响,将影像校正到垂直投影的位置,生成可量测的正射影像。
正射纠正首先需要建立影像成像时的构像模型,该模型描述了地面点三维坐标(X,Y,Z)与相应像点的像平面坐标(x,y)之间的变换关系。针孔相机的构像模型一般可表示为共线条件方程:
其中,(Xs,Ys,Zs,ω,k)为影像的外方位元素,(ai,bi,ci)(i=1,2,3)为ω,k构成的旋转矩阵元素。基于公式(2)开展的数字微分纠正,可以生成具有地理坐标的、可量测的正射影像。
公式(2)中的外方位元素为未知的定向参数,可以通过辅助设备直接测量,也可通过在影像覆盖区域内布设地面控制点并采用解析摄影测量技术反算。由于植被覆盖度计算的这一任务并不需要绝对的地面坐标,同时考虑到植被数字影像为近似垂直的方式拍摄,实际操作中可以简化正射纠正流程:
(1)地面坐标系的坐标轴指向与像空间坐标系平行,且原点设置为地底点,此时Xs=Ys=0,Zs=H(相机距离地面的高度)。
(2)将地面简化为一个平面处理,即Z≡0。这样,近似正射校正的坐标变换模型将简化为:
利用(3)式的坐标变换模型,采用间接法几何校正方法,即可生成垂直投影的、无畸变的植被数字影像。
综上,本发明与现有技术的区别在于:
1)整个影像均可用于统计植被覆盖度,不用抛弃边缘区域,样本数量显著增加;
2)不同于仅基于数字影像的图像处理,本发明针对数字相机进行几何定标,获取了相机的焦距、主点坐标和光学畸变参数,并对相机获取的原始遥感影像进行辐射校正,消除光照、相机光学系统转换等引起的误差,还原影像反映的地物真实信息,提高植被覆盖解译精度;
3)利用几何定标参数对影像进行正射校正,获取植被覆盖度测定需要的垂直投影影像,基于该影像计算植被覆盖度。解决了只截取图像中心区域的数据采集方法产生低样本数问题,获得了准确的植被信息提取的基础数据。
下述为本公开装置实施例,可以用于执行本公开方法实施例。
图5是根据一示例性实施例示出的一种植被覆盖度计算装置的框图,该装置可以通过软件、硬件或者两者的结合实现成为终端设备的部分或者全部。如图5所示,该植被覆盖度计算装置包括:
几何定标模块51,对用于植被覆盖度调查的数字相机进行几何定标,确定几何定标参数;
成像模块52,用于通过所述数字相机垂直拍摄植被的近景遥感影像;
辐射校正模块53,用于对所述近景遥感影像进行DN值校正,得到植被覆盖度的辐射校正影像;
正射校正模块54,用于利用所述几何定标参数对所述辐射校正影像进行正射校正,得到植被覆盖度的正射影像;
计算模块55,用于根据所述正射影像和预设算法计算植被的覆盖度。
可选的,确定模块51用于:
通过所述数字相机拍摄调查对象的多个图像,采用摄影测量或者计算机视觉算法,确定出所述数字相机的焦距、主点坐标和光学畸变参数。
图6是根据一示例性实施例示出的一种植被覆盖度计算装置中辐射校正模块的框图。
可选的,辐射校正模块53包括:
辐射校正系数获取子模块61,用于采用基于室外均匀靶标的定标法,或者采用分析和统计法,获取相对辐射校正系数;
DN值校正子模块62,用于通过所述相对辐射校正系数对所述近景遥感影像进行DN值校正,以还原所述植被的色彩信息,得到植被覆盖度的辐射校正影像。
可选的,确所述正射校正模块54用于:
利用所述几何定标参数和预设的坐标变换模型,采用间接几何校正方法,生成垂直投影的、无畸变的正射影像。
可选的,确所述预设算法包括以下至少一项:
RGB阈值法和HSV判别法。
根据本公开实施例的第三方面,提供一种植被覆盖度计算装置,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为:
对用于植被覆盖度调查的数字相机进行几何定标,确定几何定标参数;
通过所述数字相机垂直拍摄植被的近景遥感影像;
对所述近景遥感影像进行DN值校正,得到植被覆盖度的辐射校正影像;
利用所述几何定标参数对所述辐射校正影像进行正射校正,得到植被覆盖度的正射影像;
根据所述正射影像和预设算法计算植被的覆盖度。
可选的,所述对用于植被覆盖度调查的数字相机进行几何定标,确定几何定标参数,包括:
采用布设有密集、高精度控制点的室内、外三维控制场,或者黑白相间的棋盘等其他能满足相机几何定标需求的物体作为几何定标场,通过所述数字相机拍摄几何定标场的多个图像,采用摄影测量或者计算机视觉算法,确定出所述数字相机的焦距、主点坐标和光学畸变参数。
可选的,所述对所述近景遥感影像进行DN值校正,得到植被覆盖度的辐射校正影像,包括:
采用基于室外均匀靶标的定标法,或者采用分析和统计等方法,获取相对辐射校正系数;
通过所述相对辐射校正系数对所述近景遥感影像进行DN值校正,以还原所述植被的色彩信息,得到植被覆盖度的辐射校正影像。
可选的,所述利用所述几何定标参数对所述辐射校正影像进行正射校正,得到植被覆盖度的正射影像,包括:
利用所述几何定标参数和预设的坐标变换模型,采用间接几何校正方法,生成垂直投影的、无畸变的正射影像。
可选的,所述预设算法包括以下至少一项:
RGB(Red Green Blue,红绿蓝)阈值法和HSV(Hue Saturation Value,色调饱和度明度)判别法。
根据本公开实施例的第四方面,提供一种计算机可读存储介质,其上存储有计算机指令,该指令被处理器执行时实现上述技术方案中任一项所述植被覆盖度计算方法的步骤。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
本领域技术人员在考虑说明书及实践这里公开的公开后,将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由下面的权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (10)
1.一种植被覆盖度计算方法,其特征在于,所述方法包括:
对用于植被覆盖度调查的数字相机进行几何定标,确定几何定标参数;
通过所述数字相机垂直拍摄植被的近景遥感影像;
对所述近景遥感影像进行DN值校正,得到植被覆盖度的辐射校正影像;
利用所述几何定标参数对所述辐射校正影像进行正射校正,得到植被覆盖度的正射影像;
根据所述正射影像和预设算法计算植被的覆盖度。
2.根据权利要求1所述的方法,其特征在于,所述对用于植被覆盖度调查的数字相机进行几何定标,确定几何定标参数,包括:
通过所述数字相机拍摄几何定标场的多个图像,采用摄影测量或者计算机视觉算法,确定出所述数字相机的焦距、主点坐标和光学畸变参数。
3.根据权利要求1所述的方法,其特征在于,所述对所述近景遥感影像进行DN值校正,得到植被覆盖度的辐射校正影像,包括:
采用基于室外均匀靶标的定标法,或者采用分析和统计方法,获取相对辐射校正系数;
通过所述相对辐射校正系数对所述近景遥感影像进行DN值校正,以还原所述植被的色彩信息,得到植被覆盖度的辐射校正影像。
4.根据权利要求2所述的方法,其特征在于,所述利用所述几何定标参数对所述辐射校正影像进行正射校正,得到植被覆盖度的正射影像,包括:
利用所述几何定标参数和预设的坐标变换模型,采用间接几何校正方法,生成垂直投影的、无畸变的正射影像。
5.根据权利要求1至4中任一项所述的方法,其特征在于,所述预设算法包括以下至少一项:
RGB阈值法和HSV判别法。
6.一种植被覆盖度计算装置,其特征在于,所述装置包括:
几何定标模块,对用于植被覆盖度调查的数字相机进行几何定标,确定几何定标参数;
成像模块,用于通过所述数字相机垂直拍摄植被的近景遥感影像;
辐射校正模块,用于对所述近景遥感影像进行DN值校正,得到植被覆盖度的辐射校正影像;
正射校正模块,用于利用所述几何定标参数对所述辐射校正影像进行正射校正,得到植被覆盖度的正射影像;
计算模块,用于根据所述正射影像和预设算法计算植被的覆盖度。
7.根据权利要求6所述的装置,其特征在于,几何定标模块用于:
通过所述数字相机拍摄几何定标场的多个图像,采用摄影测量或者计算机视觉算法,确定出所述数字相机的焦距、主点坐标和光学畸变参数。
8.根据权利要求6所述的装置,其特征在于,辐射校正模块包括:
辐射校正系数计算子模块,用于采用基于室外均匀靶标的定标法,或者采用分析和统计等方法,获取相对辐射校正系数;
DN值校正子模块,用于通过所述相对辐射校正系数对所述近景遥感影像进行DN值校正,以还原所述植被的色彩信息,得到植被覆盖度的辐射校正影像。
9.根据权利要求7所述的装置,其特征在于,所述正射校正模块用于:
利用所述几何定标参数和预设的坐标变换模型,采用间接几何校正方法,生成垂直投影的、无畸变的正射影像。
10.根据权利要求6至9中任一项所述的装置,其特征在于,所述预设算法包括以下至少一项:
RGB阈值法和HSV判别法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810865838.5A CN108917722B (zh) | 2018-08-01 | 2018-08-01 | 植被覆盖度计算方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810865838.5A CN108917722B (zh) | 2018-08-01 | 2018-08-01 | 植被覆盖度计算方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108917722A true CN108917722A (zh) | 2018-11-30 |
CN108917722B CN108917722B (zh) | 2021-08-06 |
Family
ID=64394124
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810865838.5A Active CN108917722B (zh) | 2018-08-01 | 2018-08-01 | 植被覆盖度计算方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108917722B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110927082A (zh) * | 2019-11-25 | 2020-03-27 | 北京大学 | 一种基于无人机成像高光谱遥感的冬小麦产量预测方法 |
CN114216445A (zh) * | 2021-12-08 | 2022-03-22 | 中国电建集团成都勘测设计研究院有限公司 | 一种野外快速测定植被覆盖度的水土保持监测方法 |
CN114417092A (zh) * | 2021-11-09 | 2022-04-29 | 长安大学 | 沙漠化监测指数的构建方法及沙漠化状态变化趋势评价方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2413845A (en) * | 2004-05-07 | 2005-11-09 | Daimler Chrysler Ag | Measuring the attitude and/or position of objects by means of image processing methods |
-
2018
- 2018-08-01 CN CN201810865838.5A patent/CN108917722B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2413845A (en) * | 2004-05-07 | 2005-11-09 | Daimler Chrysler Ag | Measuring the attitude and/or position of objects by means of image processing methods |
Non-Patent Citations (2)
Title |
---|
张学霞、朱清科等: "数码照相法估算植被盖度", 《北京林业大学学报》 * |
易胜: "基于 RS 和 GIS 岩溶地区植被覆盖度分析", 《基础科学辑》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110927082A (zh) * | 2019-11-25 | 2020-03-27 | 北京大学 | 一种基于无人机成像高光谱遥感的冬小麦产量预测方法 |
CN114417092A (zh) * | 2021-11-09 | 2022-04-29 | 长安大学 | 沙漠化监测指数的构建方法及沙漠化状态变化趋势评价方法 |
CN114417092B (zh) * | 2021-11-09 | 2023-06-27 | 长安大学 | 沙漠化监测指数的构建方法及沙漠化状态变化趋势评价方法 |
CN114216445A (zh) * | 2021-12-08 | 2022-03-22 | 中国电建集团成都勘测设计研究院有限公司 | 一种野外快速测定植被覆盖度的水土保持监测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108917722B (zh) | 2021-08-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110197466B (zh) | 一种广角鱼眼图像矫正方法 | |
CN103198487B (zh) | 一种用于视频监控系统中的自动定标方法 | |
CN106504290B (zh) | 一种高精度的摄像机动态标定方法 | |
CN107886547B (zh) | 一种鱼眼相机标定方法及系统 | |
CN109146794A (zh) | 一种光场图像旋转误差校正方法 | |
CN105118055A (zh) | 摄影机定位修正标定方法及系统 | |
CN109816680B (zh) | 一种农作物株高的高通量计算方法 | |
CN106447733B (zh) | 颈椎活动度及活动轴线位置的确定方法、系统及装置 | |
CN109389630B (zh) | 可见光图像与红外图像特征点集确定、配准方法及装置 | |
CN108917722A (zh) | 植被覆盖度计算方法及装置 | |
TW200803482A (en) | Image processing method of indicator input system | |
KR20140035349A (ko) | 촬상 장치용 색 보정 방법 | |
CN112254663B (zh) | 一种基于影像识别的平面变形监测测量方法及其系统 | |
CN108398123B (zh) | 一种全站仪及其度盘标定方法 | |
CN111340888B (zh) | 一种无需白图像的光场相机检校方法及系统 | |
CN112348775B (zh) | 基于车载环视的路面坑塘检测系统及方法 | |
CN111083458A (zh) | 一种亮度校正方法、系统、设备及计算机可读存储介质 | |
US20220020178A1 (en) | Method and system for enhancing images using machine learning | |
CN106600549A (zh) | 鱼眼图像的矫正方法和装置 | |
CN111105466A (zh) | 一种ct系统中相机的标定方法 | |
CN112753047B (zh) | 摄像头的硬件在环标定、靶点设置方法、系统及相关设备 | |
CN108198222B (zh) | 一种广角镜头标定及图像矫正方法 | |
CN116527856B (zh) | 球幕影院的播放控制方法、装置、设备及存储介质 | |
CN109215084A (zh) | 一种用于畸变矫正中心点定位的方法 | |
CN116563460A (zh) | 三维重建优化方法及装置、介质、设备 |
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 |