CN109118457A - 遥感影像处理方法及装置 - Google Patents
遥感影像处理方法及装置 Download PDFInfo
- Publication number
- CN109118457A CN109118457A CN201811160705.4A CN201811160705A CN109118457A CN 109118457 A CN109118457 A CN 109118457A CN 201811160705 A CN201811160705 A CN 201811160705A CN 109118457 A CN109118457 A CN 109118457A
- Authority
- CN
- China
- Prior art keywords
- image
- correction
- corrected image
- corrected
- 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.)
- Pending
Links
- 238000012545 processing Methods 0.000 title claims abstract description 31
- 238000003672 processing method Methods 0.000 title claims abstract description 16
- 238000012937 correction Methods 0.000 claims abstract description 102
- 238000000605 extraction Methods 0.000 claims abstract description 11
- 230000004927 fusion Effects 0.000 claims abstract description 11
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 82
- 238000000034 method Methods 0.000 claims description 31
- 238000012952 Resampling Methods 0.000 claims description 18
- 238000004364 calculation method Methods 0.000 abstract description 3
- 238000011156 evaluation Methods 0.000 abstract 2
- 238000002310 reflectometry Methods 0.000 description 7
- 238000012544 monitoring process Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000003860 storage Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 238000007781 pre-processing Methods 0.000 description 3
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 238000012892 rational function Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000007499 fusion processing Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000003911 water pollution Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- 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
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
-
- 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
- G01N2021/1765—Method using an image detector and processing of image signal
-
- 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
- G01N2021/1793—Remote sensing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (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)
- Spectroscopy & Molecular Physics (AREA)
- Image Processing (AREA)
Abstract
本申请实施例公开了一种遥感影像处理方法及装置，对被监测地理区域的全色影像和多光谱影像进行融合，得到融合影像；对融合影像进行正射校正，得到第一校正影像；对第一校正影像进行第一大气校正，得到第二校正影像；在第二校正影像中提取河道中心线处的水体信息。与提取整个河道面状的水体信息相比，减少了计算量，提高了处理效率，实现了水体信息的高效、精确地提取。
Description
技术领域
本申请涉及遥感影像处理技术领域，更具体地说，涉及一种遥感影像处理方法及装置。
背景技术
城市建成区内受到污染达到一定程度的水体称为黑臭水体。城市黑臭水体不仅给群众带来了极差的感官体验，也是直接影响群众的生产生活。对此，2015年4月2日国务院颁发的《水污染防治行动计划》(“水十条”)(国务院，2015)明确提出：2020年底前完成黑臭水体治理目标，地级及以上城市建成区黑臭水体均控制在10％以内；到2030年，全国城市建成区黑臭水体总体得到消除。因此，需要对城市黑臭水体进行监测以便进行治理。
随着GF系列、ZY系列等国产高分辨率卫星的发射，我国遥感监测技术已达到亚米级水平，可以利用遥感手段大范围、实时、快速的监测城市黑臭水体。由于现有的高分辨卫星传感器主要针对陆地遥感进行设计的，相对于陆地，水体反射率较低，水体辐射信号属于弱信号，在陆地遥感研究中往往当作暗目标处理，而在水体光学遥感中却是所需获取的辐射信号；而且一般城市河道宽度比较窄，受到的影响因子比较多，因此，利用遥感定量识别城市黑臭水体需对高分辨率遥感影像进行预处理，以精确提取水体信息。然后再利用提取的水体信息进行黑臭水体识别。
目前，对遥感影像进行预处理的一种实现方法是，对遥感影像依次进行正射校正、几何精校正、辐射定标、瑞利散射校正和融合处理，然后对融合后的图像使用NDWI(NormalDifferential Water Index，归一化水指数)进行水体提取，这种预处理方法提取的水体信息的精度较低，无法保证黑臭水体的准确识别。为了提高水体信息的提取精度，对遥感影像进行预处理的另一种实现方法是，对遥感影像依次进行正射校正、图像裁剪、辐射定标、大气校正、影像融合，然后在融合图像中人为勾画出河道面区域，提取河道面区域的水体信息，但这种预处理方法的效率较低。
因此，如何对遥感影像进行处理，以实现水体信息的高效、精确地提取成为亟待解决的技术问题。
发明内容
本申请的目的是提供一种遥感影像处理方法及装置，以至少部分的克服现有技术中存在的技术问题。
为实现上述目的，本申请提供了如下技术方案：
一种遥感影像处理方法，包括：
获取被监测地理区域的全色影像和多光谱影像；
对所述全色影像和所述多光谱影像进行融合，得到融合影像；
对所述融合影像进行正射校正，得到第一校正影像；
对所述第一校正影像进行第一大气校正，得到第二校正影像；
在所述第二校正影像中提取河道中心线处的水体信息。
上述方法，优选的，所述对所述第一校正影像进行第一大气校正，包括：
对哨兵2A卫星拍摄的所述被监测地理区域的影像进行第二大气校正，得到第三校正影像；
利用所述第三校正影像对所述第一校正影像进行第一大气校正。
上述方法，优选的，所述利用所述第三校正影像对所述第一校正影像进行第一大气校正，包括：
对所述第一校正影像进行重采样，得到分辨率与所述第三校正影像的分辨率相同的影像；
分别对重采样得到的影像，以及所述第三校正影像进行不变地物搜索；
根据所述重采样得到的影像，以及所述第三校正影像中的相同不变地物的数据，拟合线性方程；
将所述第一校正影像的数据带入所述拟合线性方程，得到第二校正影像。
上述方法，优选的，所述对哨兵2A卫星拍摄的所述被监测地理区域的影像进行第二大气校正，包括：
利用欧空局提供的插件Sen2Cor对哨兵2A卫星拍摄的所述被监测地理区域的影像进行第二大气校正。
上述方法，优选的，在所述第二校正影像中提取河道中心线处的水体信息，包括：
在所述第二校正影像中提取用户勾画的河道中心线处的水体信息；或者，
读取所述被监测地理区域的河道中心线的矢量数据，根据所述矢量数据在所述第二校正影像中提取河道中心线处的水体信息。
一种遥感影像处理装置，包括：
获取模块，用于获取被监测地理区域的全色影像和多光谱影像；
融合模块，用于对所述全色影像和所述多光谱影像进行融合，得到融合影像；
正射校正模块，用于对所述融合影像进行正射校正，得到第一校正影像；
大气校正模块，用于对所述第一校正影像进行第一大气校正，得到第二校正影像；
提取模块，用于在所述第二校正影像中提取河道中心线处的水体信息。
上述装置，优选的，所述大气校正模块包括：
第一校正单元，用于对哨兵2A卫星拍摄的所述被监测地理区域的影像进行第二大气校正，得到第三校正影像；
第二校正单元，用于利用所述第三校正影像对所述第一校正影像进行第一大气校正。
上述装置，优选的，所述第二校正单元具体用于：
对所述第一校正影像进行重采样，得到分辨率与所述第三校正影像的分辨率相同的影像；
分别对重采样得到的影像，以及所述第三校正影像进行不变地物搜索；
根据所述重采样得到的影像，以及所述第三校正影像中的相同不变地物的数据，拟合线性方程；
将所述第一校正影像的数据带入所述拟合线性方程，得到第二校正影像。
上述装置，优选的，所述第一校正单元具体用于：
利用欧空局提供的插件Sen2Cor对哨兵2A卫星拍摄的所述被监测地理区域的影像进行第二大气校正。
上述装置，优选的，所述提取模块具体用于：
在所述第二校正影像中提取用户勾画的河道中心线处的水体信息；或者，
读取所述被监测地理区域的河道中心线的矢量数据，根据所述矢量数据在所述第二校正影像中提取河道中心线处的水体信息。
通过以上方案可知，本申请提供的一种遥感影像处理方法及装置，对被监测地理区域的全色影像和多光谱影像进行融合，得到融合影像；对融合影像进行正射校正，得到第一校正影像；对第一校正影像进行第一大气校正，得到第二校正影像；在第二校正影像中提取河道中心线处的水体信息。与提取整个河道面处的水体信息相比，减少了计算量，提高了处理效率，实现了水体信息的高效、精确地提取。
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，下面将对实施例或现有技术描述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他的附图。
图1为本申请实施例提供的遥感影像处理方法的一种实现流程图；
图2为本申请实施例提供的利用第三校正影像对第一校正影像进行第一大气校正的一种实现流程图；
图3为本申请实施例提供的遥感影像处理装置的一种结构示意图；
图4是基于本申请提供的遥感影像处理方法得到的水体信息进行黑臭水体识别的结果；
图5是基于现有技术提供的遥感影像处理方法得到的水体信息进行黑臭水体识别的结果。
说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等(如果存在)是用于区别类似的部分，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示的以外的顺序实施。
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付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。
请参阅图1，图1为本申请实施例提供的遥感影像处理方法的一种实现流程图，可以包括：
步骤S11：获取被监测地理区域的全色影像(Panchromatic image，PAN)和多光谱影像(Multi-spectral image，MS)。
全色影像和多光谱影像是同一时刻采集的被监测地理区域的高空间分辨率遥感影像。
步骤S12：对全色影像和多光谱影像进行融合，得到融合影像。
可以利用ENVI软件自带的Gram-schmidt Pan Sharpening方法对多光谱影像和全色影像进行融合，该方法可以较好的保证融合前后影像的光谱形状和像元值的一致性。具体在计算时，由于全色影像和多光谱影像均为DN值(Digital Number)影像(即影像中像元的值为DN值)，因此，使用全色影像和多光谱影像的DN值进行融合计算。计算得到融合影像也为DN值影像。
步骤S13：对融合影像进行正射校正，得到第一校正影像。
可以利用数字高程模型(Digital Elevation Model，DEM)辅助的区域网平差技术，对融合影像的成像几何模型进行基于有理函数模型的像方仿射变换修正，实现融合影像的正射校正，保证影像上像素的绝对位置准确。或者，
可以利用ENVI软件自带的正射校正模块对融合影像进行正射校正。
步骤S14：对第一校正影像进行第一大气校正，得到第二校正影像。
可以利用ENVI软件自带的flassh大气校正模块对第一校正影像进行第一大气校正。
步骤S15：在第二校正影像中提取河道中心线处的水体信息。所提取的水体信息可以包括反射率。
与现有技术中不同，本申请不是精细提取整个河道面的水体信息，而是仅提取河道中心线处的水体信息，与提取整个河道面状的水体信息相比，减少了计算量，提高了处理效率。基于上述遥感影像处理流程，实现了水体信息的高效、精确地提取。
在一可选的实施例中，为了进一步提高水体信息的提取精度，可以利用哨兵2A卫星拍摄的所述被监测地理区域的影像对第一校正影像进行第一大气校正。具体可以为：
对哨兵2A卫星拍摄的被监测地理区域的影像进行第二大气校正，得到第三校正影像。将该第三校正影像作为对第一校正影像进行大气校正的参考影像。
可以利用欧空局提供的插件Sen2Cor对哨兵2A卫星拍摄的被监测地理区域的影像进行第二大气校正。
利用第三校正影像对第一校正影像进行第一大气校正。
在一可选的实施例中，利用第三校正影像对第一校正影像进行第一大气校正的一种实现流程图如图2所示，可以包括：
步骤S21：对第一校正影像进行重采样，得到分辨率与第三校正影像的分辨率相同的影像。
哨兵2A卫星拍摄的影像的空间分辨率通常较低，而第一校正影像是高空间分辨率影像。本申请实施例中，对第一校正影像进行重采样，以得到低空间分辨率影像，且该低空间分辨率影像的空间分辨率与第三校正影像的分辨率相同。
步骤S22：分别对重采样得到的影像，以及第三校正影像进行不变地物搜索。
可以利用多元变化检测(Multivariate Alteration Detection,MAD)算法搜索重采样得到的影像的不变地物，以及利用多元变化检测算法搜索第三校正影像的不变地物。
步骤S23：根据重采样得到的影像中，以及第三校正影像中的相同不变地物的数据，拟合线性方程。
重采样得到的影像为DN值影像，而大气校正后的哨兵2A卫星影像为反射率影像(即影像中像元的值为反射率)。因此，在拟合线性方程时，可以利用重采样得到的影像中不变地物的各个像元的DN值，以及第三校正影像中的相同不变地物的各个像元的反射率值，拟合线性方程。该拟合线性方程即是对第一校正影像进行第一大气校正的大气校正模型。
步骤S24：将第一校正影像的数据带入拟合线性方程，得到第二校正影像。
将第一校正影像中各个像元的DN值带入拟合线性方程，得到各个像元的反射率值，即得到第二校正影像，该第二校正影像为反射率影像。
在一可选的实施例中，在第二校正影像中提取河道中心线处的水体信息的一种实现方式可以为：
在得到第二校正影像后，人为在第二校正影像中勾画出河道的中心线，然后在勾画的河道中心线处提取水体信息。即，在第二校正影像中提取用户勾画的河道中心线处的水体信息。
与现有技术中精细提取整个河道面的水体信息相比，用户仅需要勾画河道中心线即可，而不需要勾画整个河道面，从而简化了人工操作，提高了遥感影像的处理效率。
在一可选的实施例中，在勾画出河道中心线后，还可以保存河道中心线的矢量数据，以便下次提取水体信息时可以直接利用该矢量数据定位河道中心线，而不必再人工勾画河道中心线，进一步提高遥感影像的处理效率。
河道中心线的矢量数据中包括河道中心线的地理位置数据，通过地理位置数据可以在遥感影像中唯一确定河道中心线。
基于此，为了进一步提高处理效率，本申请提供的在第二校正影像中提取河道中心线处的水体信息的另一种实现方式可以为：
读取被监测地理区域的河道中心线的矢量数据。该河道中心线的矢量数据为用户预先勾画的河道中心线的矢量数据。假设当前处理的遥感影像是第一时间获取的被监测地理区域的遥感影像，则读取的河道中心线的矢量数据可以是对第二时间获取的被监测地理区域的遥感影像进行处理时用户勾画的河道中心线的矢量数据。其中，第二时间早于第一时间。
根据读取矢量数据在第二校正影像中提取河道中心线处的水体信息。
在一可选的实施例中，本申请提供的在第二校正影像中提取河道中心线处的水体信息的又一种实现方式可以为：
判断是否是首次针对被监测地理区域进行遥感影像处理；
若判断结果为是，接收用户在所述第二校正影像勾画的河道中心线，提取用户勾画的河道中心线处的水体信息。还可以保存河道中心线的矢量数据。
若判断结果为否，读取被监测地理区域的河道中心线的矢量数据，根据所述矢量数据在所述第二校正影像中提取河道中心线处的水体信息。
对被监测区域的黑臭水体进行监测，需要周期性获取被监测区域的遥感影像。若判断结果为是，说明是对首次获取的被监测地理区域的遥感影像进行处理，需要人工勾画河道中心线。若判断结果为否，说明是对非首次获取的被监测地理区域的遥感影像进行处理，由于对首次获取的被监测地理区域的遥感影像进行处理时，已经勾画了河道中心线并保存了矢量数据，因此，在判断结果为否时，不再需要人工勾画河道中心线，而只需要读取河道中心线的矢量数据进行水体提取即可，省去了人为操作。
本申请实施例中，在得到第二校正影像后，若第二校正影像是通过对首次获取的被监测地理区域的遥感影像(全色影像和多光谱影像)进行处理得到，则由用户勾画河道中心线，若第二校正影像是通过对非首次获取的被监测地理区域的遥感影像(全色影像和多光谱影像)进行处理得到，则直接读取矢量数据，利用读取的矢量数据在第二校正影像中确定河道中心线即可，而无需用户手动勾画河道中心线。从而降低用户勾画河道中心线的概率，提高处理效率。也就是说，河道中心线勾画一次后，可以重复使用。
对于一个城市而言，卫星在获取遥感影像时，只通过1景影像通常无法覆盖整个城市，只能覆盖城市的一个区域，因此，若要对整个城市进行黑臭水体监测，需要将城市分多个监测区域来获取遥感影像，获取的多幅影像拼接得到整个城市的遥感影像。每一个监测区域均获取全色影像和多光谱影像。
可以通过前述实施例提供的遥感影像处理方法对每一个监测区域的遥感影像分别进行处理。基于此，本申请提供的遥感影像处理方法可以包括：
获取多个被监测地理区域的全色影像和多光谱影像。即，每一个所述被监测地理区域均获取全色影像和多光谱影像。
对所述被监测地理区域的全色影像和多光谱影像进行融合，得到所述被监测地理区域的融合影像；即每个被监测地理区域对应得到一个融合影像。
可以利用ENVI软件自带的Gram-schmidt Pan Sharpening方法对多光谱影像和全色影像进行融合。
对每一个所述融合影像分别进行正射校正，得到各个融合影像的第一校正影像。
可以利用数字高程模型(Digital Elevation Model，DEM)辅助的区域网平差技术，对融合影像的成像几何模型进行基于有理函数模型的像方仿射变换修正，实现融合影像的正射校正，在保证单幅影像上像素的绝对位置准确的同时，保证不同被监测地理区域的影像的几何位置的一致性，即保证影像间的拼接精度较高。或者，
可以利用ENVI软件自带的正射校正模块对融合影像进行正射校正。
对每一个第一校正影像进行第一大气校正，得到各个融合影像的第二校正影像。
可以利用ENVI软件自带的flassh大气校正模块对第一校正影像进行第一大气校正。或者，
利用哨兵2A卫星拍摄的所述被监测地理区域的影像对第一校正影像进行第一大气校正。具体可以为：
对哨兵2A卫星拍摄的被监测地理区域的影像进行第二大气校正，得到第三校正影像。将该第三校正影像作为对第一校正影像进行大气校正的参考影像。
可以利用欧空局提供的插件Sen2Cor对哨兵2A卫星拍摄的被监测地理区域的影像进行第二大气校正。
利用第三校正影像对第一校正影像进行第一大气校正。
在每个所述第二校正影像中分别提取河道中心线处的水体信息。所提取的水体信息至少可以包括反射率。
与现有技术中不同，本申请不是精细提取整个河道面的水体信息，而是仅提取河道中心线处的水体信息，与提取整个河道面状的水体信息相比，减少了计算量，提高了处理效率。基于上述遥感影像处理流程，实现了水体信息的高效、精确地提取。
与方法实施例相对应，本申请实施例还提供一种遥感影像处理装置。本申请提供的遥感影像处理装置的一种结构示意图如图3所示，可以包括：
获取模块31，用于获取被监测地理区域的全色影像和多光谱影像；
融合模块32，用于对所述全色影像和所述多光谱影像进行融合，得到融合影像；
正射校正模块33，用于对所述融合影像进行正射校正，得到第一校正影像；
大气校正模块34，用于对所述第一校正影像进行第一大气校正，得到第二校正影像；
提取模块35，用于在所述第二校正影像中提取河道中心线处的水体信息。
本申请提供的遥感影像处理装置，对被监测地理区域的全色影像和多光谱影像进行融合，得到融合影像；对融合影像进行正射校正，得到第一校正影像；对第一校正影像进行第一大气校正，得到第二校正影像；在第二校正影像中提取用户勾画的河道中心线处的水体信息。实现了水体信息的高效、精确地提取。
在一可选的实施例中，大气校正模块34可以包括：
第一校正单元，用于对哨兵2A卫星拍摄的所述被监测地理区域的影像进行第二大气校正，得到第三校正影像；
第二校正单元，用于利用所述第三校正影像对所述第一校正影像进行第一大气校正。
在一可选的实施例中，第二校正单元具体可以用于：
对所述第一校正影像进行重采样，得到分辨率与所述第三校正影像的分辨率相同的影像；
分别对重采样得到的影像，以及所述第三校正影像进行不变地物搜索；
根据所述重采样得到的影像，以及所述第三校正影像中的相同不变地物的数据，拟合线性方程；
将所述重采样后的影像的数据带入所述拟合线性方程，得到第二校正影像。
在一可选的实施例中，第一校正单元具体可以用于：
利用欧空局提供的插件Sen2Cor对哨兵2A卫星拍摄的所述被监测地理区域的影像进行第二大气校正。
在一可选的实施例中，本申请提供的遥感影像处理装置还可以包括：
保存模块，用于保存所述河道中心线的矢量数据。
当有多个被监测地理区域的遥感影像需要处理时，
获取模块31具体用于，获取多个被监测地理区域的全色影像和多光谱影像；即，每一个所述被监测地理区域均获取全色影像和多光谱影像。
融合模块32具体用于，分别对每一个所述被监测地理区域的全色影像和多光谱影像进行融合，得到融合影像；即每个被监测地理区域对应得到一个融合影像。
正射校正模块33具体用于，对每一个所述融合影像分别进行正射校正，得到各个融合影像的第一校正影像。
大气校正模块34具体用于，对每一个第一校正影像进行第一大气校正，得到各个融合影像的第二校正影像。
提取模块35具体用于，在每个所述第二校正影像中分别提取河道中心线处的水体信息。
下面以对2017年9月20日采集的1景GF-2PMS影像的处理为例，说明本申请的遥感影像处理方法的效率和精度。
利用现有技术中基于精细勾画整个河道面来提取水体信息的处理方法，对该1景GF-2PMS影像进行处理，所需的时间为120分钟。
利用本申请提供的遥感影像处理方法对该1景GF-2PMS影像进行处理，所需的时间缩短为30分钟，若利用已经存储的河道中心线的矢量数据提取水体信息，对该1景GF-2PMS影像进行处理所需的时间将会更短。
利用相同的黑臭水体识别算法对上述现有技术和本申请提取的水体进行黑臭水体识别，得到识别结果如图4-5所示，其中，图4是基于本申请提供的遥感影像处理方法得到的水体信息进行黑臭水体识别的结果，图5是基于现有技术提供的遥感影像处理方法得到的水体信息进行黑臭水体识别的结果。通过对比发现，二者提取的黑臭水体几乎一致。
可见，本申请提供的遥感影像处理方法，在保证较高处理精度的基础上，实现了遥感影像的高效处理。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
应当理解，本申请实施例中，从权、各个实施例、特征可以互相组合结合，都能实现解决前述技术问题。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种遥感影像处理方法，其特征在于，包括：
获取被监测地理区域的全色影像和多光谱影像；
对所述全色影像和所述多光谱影像进行融合，得到融合影像；
对所述融合影像进行正射校正，得到第一校正影像；
对所述第一校正影像进行第一大气校正，得到第二校正影像；
在所述第二校正影像中提取河道中心线处的水体信息。
2.根据权利要求1所述的方法，其特征在于，所述对所述第一校正影像进行第一大气校正，包括：
对哨兵2A卫星拍摄的所述被监测地理区域的影像进行第二大气校正，得到第三校正影像；
利用所述第三校正影像对所述第一校正影像进行第一大气校正。
3.根据权利要求2所述的方法，其特征在于，所述利用所述第三校正影像对所述第一校正影像进行第一大气校正，包括：
对所述第一校正影像进行重采样，得到分辨率与所述第三校正影像的分辨率相同的影像；
分别对重采样得到的影像，以及所述第三校正影像进行不变地物搜索；
根据所述重采样得到的影像，以及所述第三校正影像中的相同不变地物的数据，拟合线性方程；
将所述第一校正影像的数据带入所述拟合线性方程，得到第二校正影像。
4.根据权利要求2所述的方法，其特征在于，所述对哨兵2A卫星拍摄的所述被监测地理区域的影像进行第二大气校正，包括：
利用欧空局提供的插件Sen2Cor对哨兵2A卫星拍摄的所述被监测地理区域的影像进行第二大气校正。
5.根据权利要求1所述的方法，其特征在于，在所述第二校正影像中提取河道中心线处的水体信息，包括：
在所述第二校正影像中提取用户勾画的河道中心线处的水体信息；或者，
读取所述被监测地理区域的河道中心线的矢量数据，根据所述矢量数据在所述第二校正影像中提取河道中心线处的水体信息。
6.一种遥感影像处理装置，其特征在于，包括：
获取模块，用于获取被监测地理区域的全色影像和多光谱影像；
融合模块，用于对所述全色影像和所述多光谱影像进行融合，得到融合影像；
正射校正模块，用于对所述融合影像进行正射校正，得到第一校正影像；
大气校正模块，用于对所述第一校正影像进行第一大气校正，得到第二校正影像；
提取模块，用于在所述第二校正影像中提取河道中心线处的水体信息。
7.根据权利要求6所述的装置，其特征在于，所述大气校正模块包括：
第一校正单元，用于对哨兵2A卫星拍摄的所述被监测地理区域的影像进行第二大气校正，得到第三校正影像；
第二校正单元，用于利用所述第三校正影像对所述第一校正影像进行第一大气校正。
8.根据权利要求7所述的装置，其特征在于，所述第二校正单元具体用于：
对所述第一校正影像进行重采样，得到分辨率与所述第三校正影像的分辨率相同的影像；
分别对重采样得到的影像，以及所述第三校正影像进行不变地物搜索；
根据所述重采样得到的影像，以及所述第三校正影像中的相同不变地物的数据，拟合线性方程；
将所述第一校正影像的数据带入所述拟合线性方程，得到第二校正影像。
9.根据权利要求7所述的装置，其特征在于，所述第一校正单元具体用于：
利用欧空局提供的插件Sen2Cor对哨兵2A卫星拍摄的所述被监测地理区域的影像进行第二大气校正。
10.根据权利要求6所述的装置，其特征在于，所述提取模块具体用于：
在所述第二校正影像中提取用户勾画的河道中心线处的水体信息；或者，
读取所述被监测地理区域的河道中心线的矢量数据，根据所述矢量数据在所述第二校正影像中提取河道中心线处的水体信息。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811160705.4A CN109118457A (zh) | 2018-09-30 | 2018-09-30 | 遥感影像处理方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811160705.4A CN109118457A (zh) | 2018-09-30 | 2018-09-30 | 遥感影像处理方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109118457A true CN109118457A (zh) | 2019-01-01 |
Family
ID=64856288
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811160705.4A Pending CN109118457A (zh) | 2018-09-30 | 2018-09-30 | 遥感影像处理方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109118457A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110046415A (zh) * | 2019-04-08 | 2019-07-23 | 中国科学院南京地理与湖泊研究所 | 一种时空精细化的土壤有机质含量遥感动态反演方法 |
| CN110147746A (zh) * | 2019-05-09 | 2019-08-20 | 武汉大学 | 基于Sentinel-2影像快速提取最大和最小可能地表水体范围的方法和系统 |
| CN111426637A (zh) * | 2020-04-16 | 2020-07-17 | 江苏省环境监测中心 | 一种利用无人机获取城市黑臭河流水质参数的方法 |
| CN112288641A (zh) * | 2020-09-16 | 2021-01-29 | 江苏省气候中心 | 一种高分卫星影像数据批量预处理方法 |
| CN116879192A (zh) * | 2023-09-07 | 2023-10-13 | 航天宏图信息技术股份有限公司 | 基于卫星遥感数据的水华预测方法、装置、设备及介质 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101482612A (zh) * | 2009-01-21 | 2009-07-15 | 华东师范大学 | 基于地理信息系统技术的河网地区水系连通性测度方法 |
| CN106918559A (zh) * | 2017-05-04 | 2017-07-04 | 环境保护部卫星环境应用中心 | 一种检测水体质量的方法及装置 |
| CN108333148A (zh) * | 2018-01-11 | 2018-07-27 | 中国科学院遥感与数字地球研究所 | 一种黑臭水体的识别方法及装置 |
-
2018
- 2018-09-30 CN CN201811160705.4A patent/CN109118457A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101482612A (zh) * | 2009-01-21 | 2009-07-15 | 华东师范大学 | 基于地理信息系统技术的河网地区水系连通性测度方法 |
| CN106918559A (zh) * | 2017-05-04 | 2017-07-04 | 环境保护部卫星环境应用中心 | 一种检测水体质量的方法及装置 |
| CN108333148A (zh) * | 2018-01-11 | 2018-07-27 | 中国科学院遥感与数字地球研究所 | 一种黑臭水体的识别方法及装置 |
Non-Patent Citations (6)
| Title |
|---|
| MINWEI ZHANG ET AL: "Atmospheric correction of HJ-1 CCD imagery over turbid lake waters", 《OPTICS EXPRESS》 * |
| 余堃: "湘江流域重金属水环境污染团跟踪模拟与预警系统的研究与实现", 《中国优秀硕士学位论文全文数据库 工程科技Ⅰ辑》 * |
| 杨树文等: "一种利用TM影像自动提取细小水体的方法", 《测绘学报》 * |
| 郭丽峰等: "伪不变特征法在遥感影像归一化处理中的应用", 《遥感技术与应用》 * |
| 陈阳等: "基于ENVI的高分辨率遥感影像城市绿地信息提取研究", 《测绘工程》 * |
| 靳海霞等: "基于高分二号卫星融合数据的城镇黑臭水体遥感监测研究", 《国土资源科技管理》 * |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110046415A (zh) * | 2019-04-08 | 2019-07-23 | 中国科学院南京地理与湖泊研究所 | 一种时空精细化的土壤有机质含量遥感动态反演方法 |
| CN110147746A (zh) * | 2019-05-09 | 2019-08-20 | 武汉大学 | 基于Sentinel-2影像快速提取最大和最小可能地表水体范围的方法和系统 |
| CN110147746B (zh) * | 2019-05-09 | 2020-11-17 | 武汉大学 | 基于Sentinel-2影像快速提取最大和最小可能地表水体范围的方法和系统 |
| CN111426637A (zh) * | 2020-04-16 | 2020-07-17 | 江苏省环境监测中心 | 一种利用无人机获取城市黑臭河流水质参数的方法 |
| CN112288641A (zh) * | 2020-09-16 | 2021-01-29 | 江苏省气候中心 | 一种高分卫星影像数据批量预处理方法 |
| CN112288641B (zh) * | 2020-09-16 | 2024-05-17 | 江苏省气候中心 | 一种高分卫星影像数据批量预处理方法 |
| CN116879192A (zh) * | 2023-09-07 | 2023-10-13 | 航天宏图信息技术股份有限公司 | 基于卫星遥感数据的水华预测方法、装置、设备及介质 |
| CN116879192B (zh) * | 2023-09-07 | 2023-12-12 | 航天宏图信息技术股份有限公司 | 基于卫星遥感数据的水华预测方法、装置、设备及介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109118457A (zh) | 遥感影像处理方法及装置 | |
| CN108333148B (zh) | 一种黑臭水体的识别方法及装置 | |
| CN107463918B (zh) | 基于激光点云与影像数据融合的车道线提取方法 | |
| CN109374537B (zh) | 城市黑臭水体识别方法及装置 | |
| CN104574347B (zh) | 基于多源遥感数据的在轨卫星图像几何定位精度评价方法 | |
| US8594375B1 (en) | Advanced cloud cover assessment | |
| CN107527328B (zh) | 一种兼顾精度与速度的无人机影像几何处理方法 | |
| CN107610164B (zh) | 一种基于多特征混合的高分四号影像配准方法 | |
| CN110781756A (zh) | 基于遥感图像的城市道路提取方法及装置 | |
| CN108416784B (zh) | 城市建成区边界快速提取方法、装置及终端设备 | |
| Zhao et al. | Road network extraction from airborne LiDAR data using scene context | |
| Champion et al. | 2D building change detection from high resolution satelliteimagery: A two-step hierarchical method based on 3D invariant primitives | |
| CN110456352B (zh) | 一种基于相干系数阈值的冰川识别方法 | |
| CN111339989A (zh) | 一种水体提取方法、装置、设备及存储介质 | |
| CN114266771B (zh) | 基于改进扩展特征金字塔模型的管道缺陷检测方法及装置 | |
| CN113160239B (zh) | 一种违法用地检测方法及装置 | |
| CN117058557B (zh) | 基于物理特征与深度学习模型的云和云阴影联合检测方法 | |
| CN116704369A (zh) | 一种面向对象的光学与sar遥感影像融合洪水提取方法和系统 | |
| CN116385894A (zh) | 基于遥感图像的海岸线识别方法、装置以及设备 | |
| CN118135412B (zh) | 一种农村黑臭水体遥感识别方法 | |
| Gamba et al. | Limits and challenges of optical high-resolution satellite remote sensing for urban applications | |
| Koc-San et al. | A model-based approach for automatic building database updating from high-resolution space imagery | |
| CN114913430A (zh) | 一种基于高分影像和Unet阴影检测的物体高度识别方法 | |
| Zhang et al. | Automated registration of high‐resolution satellite images | |
| KR100516119B1 (ko) | 고정밀 위성 영상의 자동 분석 방법 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190101 |
|
| RJ01 | Rejection of invention patent application after publication |