CN109447916A - 一种基于高分辨率遥感影像的水质定量方法 - Google Patents
一种基于高分辨率遥感影像的水质定量方法 Download PDFInfo
- Publication number
- CN109447916A CN109447916A CN201811273285.0A CN201811273285A CN109447916A CN 109447916 A CN109447916 A CN 109447916A CN 201811273285 A CN201811273285 A CN 201811273285A CN 109447916 A CN109447916 A CN 109447916A
- Authority
- CN
- China
- Prior art keywords
- image
- remote sensing
- water quality
- data
- water
- 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
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 53
- 238000013459 approach Methods 0.000 title claims abstract description 15
- 238000012937 correction Methods 0.000 claims abstract description 21
- 238000003709 image segmentation Methods 0.000 claims abstract description 9
- 238000000605 extraction Methods 0.000 claims description 8
- 238000000034 method Methods 0.000 abstract description 19
- 238000004458 analytical method Methods 0.000 abstract description 8
- 238000012732 spatial analysis Methods 0.000 abstract description 3
- 230000004044 response Effects 0.000 abstract description 2
- 239000011159 matrix material Substances 0.000 description 11
- 230000015572 biosynthetic process Effects 0.000 description 9
- 238000003786 synthesis reaction Methods 0.000 description 9
- 238000009826 distribution Methods 0.000 description 8
- 238000004422 calculation algorithm Methods 0.000 description 6
- 239000003651 drinking water Substances 0.000 description 4
- 235000020188 drinking water Nutrition 0.000 description 4
- 238000005520 cutting process Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- JEGUKCSWCFPDGT-UHFFFAOYSA-N h2o hydrate Chemical compound O.O JEGUKCSWCFPDGT-UHFFFAOYSA-N 0.000 description 2
- 238000010191 image analysis Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- VMXUWOKSQNHOCA-UKTHLTGXSA-N ranitidine Chemical compound [O-][N+](=O)\C=C(/NC)NCCSCC1=CC=C(CN(C)C)O1 VMXUWOKSQNHOCA-UKTHLTGXSA-N 0.000 description 2
- 238000000611 regression analysis Methods 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 241001062009 Indigofera Species 0.000 description 1
- 241000406668 Loxodonta cyclotis Species 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 210000003127 knee Anatomy 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000031068 symbiosis, encompassing mutualism through parasitism Effects 0.000 description 1
- 238000010189 synthetic method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 239000003643 water by type Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/40—Analysis of texture
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- 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
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- 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]
-
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Geometry (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于高分辨率遥感影像的水质定量方法，其水质定量方法方法包括以下步骤：S1，通过卫星遥感获取影像数据，获取水层数据；S2，对S1中获取的影像数据进行图像分割；S3，对S2中图像分割后的基础数据进行统计；S4，对S3中的基础数据进行遥感校正和图像交换。本发明通过对高分辨率遥感影像所得的影像数据进行遥感校正以及图像交换工作，对图像数据进行分割后采取分别组合分析，赋予假彩色，突出特征，并对特征进行纹理分析和空间分析，去除大气、太阳等造成的影响，使校正后的影响数据能准确反映部分水体的情况，通过定量反映水体的总体情况，较传统利用数理统计和人工破译的方式，破译精度更高，且更加便捷快速。
Description
技术领域
本发明涉及水质定量技术技术领域，尤其涉及一种基于高分辨率遥感影像的水质定量方法。
背景技术
水是生命之源，人类在生活和生产活动中都离不开水，生活饮用水水质的优劣与人类健康密切相关。随着社会经济发展、科学进步和人民生活水平的提高，人们对生活饮用水的水质要求不断提高，饮用水水质标准也相应地不断发展和完善。由于生活饮用水水质标准的制定与人们的生活习惯、文化、经济条件、科学技术发展水平、水资源及其水质现状等多种因素有关，不仅各国之间，而且同一国家的不同地区之间，对饮用水水质的要求都存在着差异，定量属性是指以数量形式存在着的属性，并因此可以对其进行测量。测量的结果用一个具体的量和一个数的乘积来表示。以物理量为例，距离、质量、时间等都是定量属性。很多在社会科学中考查到的属性，比如能力、人格特征等，也都被视作定量的属性来进行研究。
目前在进行水质定量的检测时一般采用遥感影像进行分析的方式，卫星遥感影像的解译和分类是遥感技术研究的重要领域之一，它是快速、准确获取遥感信息的重要手段但又是一个复杂的过程。遥感解译技术的发展滞后于遥感传感器的发展，目前，利用数理统计和人工解译结合的方法耗时，耗力，效率低下，其解译精度受到解译人员水平以及对区域地理环境理解等诸多因素的影响。
遥感影像反应的是复杂的、多层次、多要素的具有动态变化特征的地理信息。由于地物光谱的复杂性，自然界中存在大量的“同物异谱”和“同谱异物”的现象，用单纯的数学和地学知识来处理不能达到高精度的要求。
发明内容
基于背景技术存在的技术问题，本发明提出了一种基于高分辨率遥感影像的水质定量方法。
本发明提出一种基于高分辨率遥感影像的水质定量方法，其水质定量方法方法包括以下步骤：
S1，通过卫星遥感获取影像数据，获取水层数据；
S2，对S1中获取的影像数据进行图像分割；
S3，对S2中图像分割后的基础数据进行统计；
S4，对S3中的基础数据进行遥感校正和图像交换；
S5，对S4中获得的数据中获得水体提取结果。
优选地，所述卫星遥感采用高分辨率遥感，所述高分辨率遥感的地面分辨率为0.6m。
优选地，所述遥感校正包括几何校正和辐射校正。
优选地，所述图像交换包括图像增强和特征提取，所述特征提取包括纹理特征和空间特征。
优选地，所述水体提取结果包括：清水、含植被的水和含泥沙的水。
本发明通过对高分辨率遥感影像所得的影像数据进行遥感校正以及图像交换工作，对图像数据进行分割后采取分别组合分析，赋予假彩色，突出特征，并对特征进行纹理分析和空间分析，去除大气、太阳等造成的影响，使校正后的影响数据能准确反映部分水体的情况，通过定量反映水体的总体情况，较传统利用数理统计和人工破译的方式，破译精度更高，且更加便捷快速。
附图说明
图1为本发明方法的流程示意图；
图2为本发明中遥感校正过程的流程示意图。
具体实施方式
下面结合具体实施例对本发明作进一步解说。
本发明提出的一种基于高分辨率遥感影像的水质定量方法，如图1所示，其水质定量方法包括以下步骤：
S1，通过卫星遥感获取影像数据，获取水层数据；
S2，对S1中获取的影像数据进行图像分割；
S3，对S2中图像分割后的基础数据进行统计；
S4，对S3中的基础数据进行遥感校正和图像交换；
S5，对S4中获得的数据中获得水体提取结果。
水体提取结果包括：清水、含植被的水和含泥沙的水。
卫星遥感采用高分辨率遥感，高分辨率遥感的地面分辨率为0.6m，高分辨率遥感图像的产生，使土地利用、城市规划、环境监测等民用方面有了更便利、更详细的数据来源。
图像切割一般采用Graph Cut算法，Graph Cut算法是一种直接基于图切算法的图像分割技术。它仅需要在前景和背景处各画几笔作为输入，算法将建立各个像素点与前景背景相似度的赋权图，并通过求解最小切割区分前景和背景。
遥感校正包括几何校正和辐射校正，在遥感影像的拍摄过程中，会因传感器系统误差、大气、太阳高度角误差、地形坡度误差造成的辐射畸变和几何畸变，如图2所示，将遥感影像经图像分割后得到多个数据模块，对多个数据模块进行地面控制点采集，选取图像上易分辨且较精细的特征点，例如，道路交叉点，河流弯曲或分叉处，海岸线弯曲处，边缘线等；在进行控制点的选取过程中对特征变换大的地区需要多选；图像边缘部分一定要选取控制点；尽可能满幅均匀选取。
选取的数量原则：在图像边缘处，在地面特征变换大的地区，需要增加控制点。
最小控制点(n+1)2(n为多项式次数)。
保证一定数量的控制点。
TM的控制点数量在30-50左右。
误差计算：RMSError＝sqrt((x1-x)2+(y1-y)2)。
辐射校正一般采用回归分析法进行分析，大气散射主要影响短波部分，波长较长的波段几乎不受影响，因此用长波数据来校正短波数。
在不受打气大气影响的波段和待校正的某一波段图像中，选择由最亮至最暗的一系列目标，将每个目标的两个待比较的波段灰度值提取出来进行回归分析，建立线性回归方程：
Lb＝βLa+α
由最小二乘法，作直线拟合，得到：
a＝Lb-βLa
其中，La Lb分别为a，b波段的平均值，可以认为，a是波段b的辐射程度。
校正方法，将波段b中的每个像元的亮度值减去a，来改善图像，去掉辐射。
图像交换包括图像增强和特征提取，特征提取包括纹理特征和空间特征。
图像增强采取遥感图像彩色合成，遥感图像彩色合成包括伪彩色合成、真彩色合成、假彩色合成和模拟彩色合成4种方法。
伪彩色合成是把单波段灰度图像中的不同灰度级按特定的函数关系变换成彩色，然后进行彩色图像显示的方法，主要通过密度分割法来实现；真彩色合成：即在彩色合成中选择的波段的波长与红绿蓝的波长相同或相近，得到的图像颜色与真彩色近似的合成方式。例如，将TM图像的3、2、1波段分别赋予红、绿、蓝三色，由于赋予的颜色与原波段的颜色相同，可以得到近似的真彩色图像；假彩色合成：是最常用的一种合成方法，对于多波段遥感图像，选取其中的任意3个波段，分别赋予红、绿、蓝三种原色，即可在屏幕上合成彩色图像。但所合成的彩色图像并不表示地物真实的颜色。
假彩色合成选用的波段应该以地物的光谱特征作为出发点，不同的波段合成方式，用来突出不同的地物信息。在LANDSAT的TM图像中，波段2为绿波段(0.52-0.60um)，波段3为红波段(0.63-0.69)，波段4为近红外波段(0.76-0.90)，对4、3、2波段分别赋予红、绿、蓝色合成的假彩色图像称为标准假彩色图像。类似地，对于MSS图像，选择波段4、2、1分别赋予红、绿、蓝色合成可得标准假彩色图像，SPOT图像的标准假彩色合成方案为3(红)、2(绿)、1(蓝)。在标准假彩色图像中，突出了植被、水体、城乡、山区、平原等特征，植被为红色、水体为黑色或蓝色、城镇为深色，地物类型信息丰富。
通过对分隔后的各组数据进行图像颜色增强，使水体、植被等水面情况更加一目了然，便于后续进行分析校正。
模拟真彩色合成：3种方法：1)SPOT IMAGE公司提供的方法：红色用XS2表示，绿色用(XS1+XS2+XS3)/3的波段运算实现，蓝色用XS1波段代替；2)RRDAS IMAGING软件中的方法：红色用XS2表示，绿色用(XS1*3+XS3)/4的波段算法实现，蓝色用XS1波段代替；3)不确定参数法：此法引入了全色波段(P)，红色用(aP+(1-a)XS3)表示，绿色用2P*XS2/(XS1+XS2)的波段运算实现，蓝色用2P*XS1/(XS1+XS2)波段代替，为了防止出现过饱和现象，系数a根据遥感影像景观取值，介于0.1-0.5之间。
纹理特征的提取：一般利用灰度共生矩阵进行图像分析。
共生矩阵用两个位置的象素的联合概率密度来定义，它不仅反映亮度的分布特性，也反映具有同样亮度或接近亮度的象素之间的位置分布特性，是有关图象亮度变化的二阶统计特征。它是定义一组纹理特征的基础。
一幅图象的灰度共生矩阵能反映出图象灰度关于方向、相邻间隔、变化幅度的综合信息，它是分析图象的局部模式和它们排列规则的基础。
设f(x,y)为一幅二维数字图象，其大小为M×N，灰度级别为Ng,则满足一定空间关系的灰度共生矩阵为：
P(i,j)＝#{(x1,y1),(x2,y2)∈M×N|f(x1,y1)＝i,f(x2,y2)＝j}
其中#(x)表示集合x中的元素个数，显然P为Ng×Ng的矩阵，若(x1,y1)与(x2,y2)间距离为d,两者与坐标横轴的夹角为θ，则可以得到各种间距及角度的灰度共生矩阵P(i,j,d,θ)。
共生矩阵的一个计算，其中(a)为原始图像的灰度值，(b)为从左到右方向上的共生矩阵，θ＝0，(c)为从左下到右上方向上的共生矩阵，θ＝45，(d)为从下到上方向共生矩阵，θ＝90，(e)为从右下到左上方向上的共生矩阵，θ＝135，相邻间隔d＝1。
纹理特征提取的一种有效方法是以灰度级的空间相关矩阵即共生矩阵为基础的,因为图像中相距(Δx，Δy)的两个灰度像素同时出现的联合频率分布可以用灰度共生矩阵来表示。若将图像的灰度级定为N级，那么共生矩阵为N×N矩阵，可表示为M(Δx，Δy)(h,k)，其中位于(h,k)的元素mhk的值表示一个灰度为h而另一个灰度为k的两个相距为(Δx，Δy)的像素对出现的次数。
对粗纹理的区域，其灰度共生矩阵的mhk值较集中于主对角线附近。因为对于粗纹理，像素对趋于具有相同的灰度。而对于细纹理的区域，其灰度共生矩阵中的mhk值则散布在各处。
空间特征的分析：一般利用高斯函数进行图像分析。
1.尺度空间极值检测：搜索所有尺度上的图像位置。通过高斯微分函数来识别潜在的对于尺度和旋转不变的兴趣点。
2.关键点定位：在每个候选的位置上，通过一个拟合精细的模型来确定位置和尺度。关键点的选择依据于它们的稳定程度。
3.方向确定：基于图像局部的梯度方向，分配给每个关键点位置一个或多个方向。所有后面的对图像数据的操作都相对于关键点的方向、尺度和位置进行变换，从而提供对于这些变换的不变性。
4.关键点描述：在每个关键点周围的邻域内，在选定的尺度上测量图像局部的梯度。这些梯度被变换成一种表示，这种表示允许比较大的局部形状的变形和光照变化。
高斯模糊是一种图像滤波器，它使用正态分布(高斯函数)计算模糊模板，并使用该模板与原图像做卷积运算，达到模糊图像的目的。
N维空间正态分布方程为：
其中，是正态分布的标准差，值越大，图像越模糊(平滑)。r为模糊半径，模糊半径是指模板元素到模板中心的距离。如二维模板大小为m*n，则模板上的元素(x,y)对应的高斯计算公式为：
在二维空间中，这个公式生成的曲面的等高线是从中心开始呈正态分布的同心圆。分布不为零的像素组成的卷积矩阵与原始图像做变换。每个像素的值都是周围相邻像素值的加权平均。原始像素的值有最大的高斯分布值，所以有最大的权重，相邻像素随着距离原始像素越来越远，其权重也越来越小。这样进行模糊处理比其它的均衡模糊滤波器更高地保留了边缘效果。
通过对分隔后的数据进行纹理分析以及空间分析，去除传感器系统误差、大气、太阳高度角误差、地形坡度误差造成的辐射畸变和几何畸变，使校正后的数据能准确反映部分水体的情况，通过定量分析，完成整个水体的水质检测。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。
Claims (5)
1.一种基于高分辨率遥感影像的水质定量方法，其特征在于，其定量方法包括以下步骤：
S1，通过卫星遥感获取影像数据，获取水层数据；
S2，对S1中获取的影像数据进行图像分割；
S3，对S2中图像分割后的基础数据进行统计；
S4，对S3中的基础数据进行遥感校正和图像交换；
S5，对S4中获得的数据中获得水体提取结果。
2.根据权利要求1所述的一种基于高分辨率遥感影像的水质定量方法，其特征在于，所述卫星遥感采用高分辨率遥感，所述高分辨率遥感的地面分辨率为0.6m。
3.根据权利要求1所述的一种基于高分辨率遥感影像的水质定量方法，其特征在于，所述遥感校正包括几何校正和辐射校正。
4.根据权利要求1所述的一种基于高分辨率遥感影像的水质定量方法，其特征在于，所述图像交换包括图像增强和特征提取，所述特征提取包括纹理特征和空间特征。
5.根据权利要求1所述的一种基于高分辨率遥感影像的水质定量方法，其特征在于，所述水体提取结果包括 ：清水、含植被的水和含泥沙的水。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811273285.0A CN109447916A (zh) | 2018-10-30 | 2018-10-30 | 一种基于高分辨率遥感影像的水质定量方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811273285.0A CN109447916A (zh) | 2018-10-30 | 2018-10-30 | 一种基于高分辨率遥感影像的水质定量方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109447916A true CN109447916A (zh) | 2019-03-08 |
Family
ID=65549149
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811273285.0A Pending CN109447916A (zh) | 2018-10-30 | 2018-10-30 | 一种基于高分辨率遥感影像的水质定量方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109447916A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111325126A (zh) * | 2020-02-12 | 2020-06-23 | 二十一世纪空间技术应用股份有限公司 | 遥感图像的解译方法及装置 |
| CN112179854A (zh) * | 2020-09-30 | 2021-01-05 | 中国科学院南京地理与湖泊研究所 | 基于p-fui水色指数的富营养化湖泊蓝藻水华遥感监测方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102054274A (zh) * | 2010-12-01 | 2011-05-11 | 南京大学 | 一种海岸带水体遥感信息全自动提取方法 |
| 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 |
| CN103679675A (zh) * | 2013-11-29 | 2014-03-26 | 航天恒星科技有限公司 | 一种面向水质定量遥感应用的遥感影像融合方法 |
| CN105631903A (zh) * | 2015-12-24 | 2016-06-01 | 河海大学 | 基于rgbw特征空间图割算法的遥感图像水体提取方法、装置 |
| CN106022341A (zh) * | 2016-05-03 | 2016-10-12 | 浙江海洋大学 | 高分辨率光学遥感图像灾后水体信息提取方法及系统 |
| 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 |
| CN108195766A (zh) * | 2017-12-18 | 2018-06-22 | 河海大学 | 一种基于遥感影像的水质监测方法 |
-
2018
- 2018-10-30 CN CN201811273285.0A patent/CN109447916A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102054274A (zh) * | 2010-12-01 | 2011-05-11 | 南京大学 | 一种海岸带水体遥感信息全自动提取方法 |
| 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 |
| CN103679675A (zh) * | 2013-11-29 | 2014-03-26 | 航天恒星科技有限公司 | 一种面向水质定量遥感应用的遥感影像融合方法 |
| CN105631903A (zh) * | 2015-12-24 | 2016-06-01 | 河海大学 | 基于rgbw特征空间图割算法的遥感图像水体提取方法、装置 |
| CN106022341A (zh) * | 2016-05-03 | 2016-10-12 | 浙江海洋大学 | 高分辨率光学遥感图像灾后水体信息提取方法及系统 |
| 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 |
| CN108195766A (zh) * | 2017-12-18 | 2018-06-22 | 河海大学 | 一种基于遥感影像的水质监测方法 |
Non-Patent Citations (12)
| Title |
|---|
| CHENG QIAO ET AL.: "An Adaptive Water Extraction Method from Remote Sensing Image Based on NDWI", 《J INDIAN SOC REMOTE SENS 》 * |
| HJGUAN: "遥感图像彩色合成", 《HTTPS://BLOG.CSDN.NET/HJGUAN/ARTICLE/DETAILS/6268407》 * |
| 张继超: "《遥感原理与应用》", 31 August 2018, 测绘出版社 * |
| 朱秀昌 等: "《数字图像处理与图像通信 修订版》", 31 July 2008, 北京邮电大学出版社 * |
| 李杭: "《伪造数字图像盲检测技术研究》", 31 January 2016, 吉林大学出版社 * |
| 江晖: "水体信息自动提取遥感研究——以丽江地区为例", 《中国优秀博硕士学位论文全文数据库（硕士） 基础科学辑》 * |
| 王文峰 等: "《MATLAB计算机视觉与机器认知》", 31 August 2017, 北京航空航天大学出版社 * |
| 苞米面饽饽: "纹理特征分析的灰度共生矩阵(GLCM)", 《HTTPS://WWW.DOC88.COM/P-682606827443.HTML?R=1》 * |
| 蒋赛: "基于高分辨率遥感影像的渭河水质遥感监测研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
| 袁金国: "《遥感图像数字处理》", 28 February 2006, 中国环境科学出版社 * |
| 赫晓慧 等: "《遥感基础导论》", 30 June 2016, 黄河水利出版社 * |
| 邓超 等: "《数字图像处理与模式识别研究》", 30 June 2018, 地质出版社 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111325126A (zh) * | 2020-02-12 | 2020-06-23 | 二十一世纪空间技术应用股份有限公司 | 遥感图像的解译方法及装置 |
| CN111325126B (zh) * | 2020-02-12 | 2023-11-03 | 二十一世纪空间技术应用股份有限公司 | 遥感图像的解译方法及装置 |
| CN112179854A (zh) * | 2020-09-30 | 2021-01-05 | 中国科学院南京地理与湖泊研究所 | 基于p-fui水色指数的富营养化湖泊蓝藻水华遥感监测方法 |
| CN112179854B (zh) * | 2020-09-30 | 2022-05-27 | 中国科学院南京地理与湖泊研究所 | 基于p-fui水色指数的富营养化湖泊蓝藻水华遥感监测方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Chen et al. | Spatially and temporally weighted regression: A novel method to produce continuous cloud-free Landsat imagery | |
| CN107491758B (zh) | 长江流域水体信息提取及其空间编码方法 | |
| CN110263717B (zh) | 一种融入街景影像的土地利用类别确定方法 | |
| US9042674B2 (en) | Automated geospatial image mosaic generation | |
| US9396391B2 (en) | Automated geospatial image mosaic generation with multiple zoom level support | |
| KR100678395B1 (ko) | 위성영상과 항공영상을 이용한 지리정보 데이터의 실시간위치보정 시스템 및 그 방법 | |
| CN109858450B (zh) | 一种十米级空间分辨率遥感影像城镇提取方法及系统 | |
| CN105404753A (zh) | 基于面向对象-随机森林分类法和中等分辨率遥感影像的沼泽湿地制图的方法 | |
| CN111008664B (zh) | 一种基于空谱联合特征的高光谱海冰检测方法 | |
| CN112733596A (zh) | 一种基于中高空间分辨率遥感影像融合的森林资源变化监测方法及应用 | |
| CN109308688A (zh) | 一种可见光和近红外波段厚云及阴影去除方法 | |
| CN107564016B (zh) | 一种集成地物光谱信息的多波段遥感图像分割及标记方法 | |
| CN114022783A (zh) | 基于卫星图像的水土保持生态功能遥感监测方法和装置 | |
| CN110046214A (zh) | 基于植被分布数据库的植被类遥感信息自动识别方法 | |
| CN107292328A (zh) | 多尺度多特征融合的遥感影像阴影检测提取方法及系统 | |
| CN109447916A (zh) | 一种基于高分辨率遥感影像的水质定量方法 | |
| CN107437237A (zh) | 一种区域无云影像合成方法 | |
| CN117115669B (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 | |
| Sihvonen et al. | Spectral profile partial least-squares (SP-PLS): Local multivariate pansharpening on spectral profiles | |
| Belfiore et al. | Orthorectification and pan-sharpening of worldview-2 satellite imagery to produce high resolution coloured ortho-photos | |
| CN113469127A (zh) | 河流敏感性等级划分方法、装置、设备及存储介质 | |
| Reddy | Digital image processing: principles and applications | |
| Sakieh et al. | An integrated spectral-textural approach for environmental change monitoring and assessment: analyzing the dynamics of green covers in a highly developing region | |
| CN110427961A (zh) | 一种基于规则和样本融合的建筑信息提取方法及系统 | |
| Ķēniņš | Land cover classification using very high spatial resolution remote sensing data and deep learning |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190308 |