CN110400291A - 基于rbg颜色模型法提取阿德利企鹅数量的方法 - Google Patents
基于rbg颜色模型法提取阿德利企鹅数量的方法 Download PDFInfo
- Publication number
- CN110400291A CN110400291A CN201910596856.2A CN201910596856A CN110400291A CN 110400291 A CN110400291 A CN 110400291A CN 201910596856 A CN201910596856 A CN 201910596856A CN 110400291 A CN110400291 A CN 110400291A
- Authority
- CN
- China
- Prior art keywords
- penguin
- deli
- pixel
- remote sensing
- shade
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- 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
- G06T2207/10024—Color image
-
- 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
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30242—Counting objects in image
Landscapes
- Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于RBG颜色模型法提取阿德利企鹅数量的方法,包括:在遥感影像的企鹅密集区域之中随机选取企鹅阴影像元样本和其他样本,提取所有样本的R、G、B值以及R、G、B值互相组合的结果值,形成像元区分阈值模型,根据像元区分阈值模型从遥感影像之中提取所有的企鹅阴影像元,形成企鹅二值图像,根据企鹅二值图像获得企鹅阴影像元总数,获取单只企鹅的阴影像元数,根据企鹅阴影像元总数与单只企鹅的阴影像元数,计算遥感影像之中阿德利企鹅数量。本发明提供的技术方案使用高分辨率遥感影像观测阿德利企鹅种群,获得同一时点的种群数量,避免了以往计数和估测等方法造成的误差,提高了调查的精度和可靠性。
Description
技术领域
本发明涉及遥感技术领域,尤其涉及一种基于RBG颜色模型法提取阿德利企鹅数量的方法。
背景技术
获得阿德利企鹅的种群数量,在研究其种群密度、出生率、死亡率、迁入率与迁出率尤其是探究其数量变化方面具有重要的意义,研究阿德利企鹅种群与数量变化可以为分析南极生态环境与气候变化提供重要数据基础,为企鹅数量与气候变化相互作用提供重要数据支撑。
以往对于阿德利企鹅种群与种群数量的监测主要有两种:一种是通过实地考察;另一种是通过中分辨率遥感卫星识别出企鹅聚集区,根据聚集区面积反演出阿德利企鹅数量。由于受到识别方法、遥感影像的分辨率以及实地考察难度等因素的限制,并不能准确地识别出全部企鹅。
发明内容
为解决现有技术存在的局限和缺陷,本发明提供一种基于RBG颜色模型法提取阿德利企鹅数量的方法,包括:
在遥感影像的企鹅密集区域之中随机选取企鹅阴影像元样本和其他样本;
提取所有样本的R、G、B值以及所述R、G、B值互相组合的结果值;
形成像元区分阈值模型,所述像元区分阈值模型用于区分企鹅阴影像元和其他像元;
根据所述像元区分阈值模型从所述遥感影像之中提取所有的企鹅阴影像元;
形成企鹅二值图像,所述企鹅二值图像之中的白色像元为企鹅阴影像元;
根据所述企鹅二值图像获得企鹅阴影像元总数;
获取单只企鹅的阴影像元数,计算公式如下:
p=(H/tanα)×W/R2 (1)
α=90-Z (2)cosz=sinθsinδ+cosθcosδcosω (2)
ω=ld-l (3)
其中,α表示太阳高度角,Z表示太阳天顶角,θ表示当地纬度,δ表示太阳赤纬角,ω表示太阳时角,ld表示太阳直射点经度,l表示当地经度,p表示单只企鹅的阴影像元数,H表示阿德利企鹅的平均高度,α表示太阳高度角,W表示阿德利企鹅的平均胸围,R表示所述遥感影像的分辨率;
根据所述企鹅阴影像元总数与单只企鹅的阴影像元数,计算所述遥感影像之中阿德利企鹅数量,计算公式如下:
N=P总/p (4)
其中,N表示所述遥感影像之中阿德利企鹅数量,P总表示所述遥感影像之中企鹅阴影像元总数,p表示单只企鹅的阴影像元数。
可选的,所述在遥感影像的企鹅密集区域之中随机选取企鹅阴影像元样本和其他样本的步骤之前包括:
获取预设分辨率的遥感影像;
对所述遥感影像进行预处理,所述预处理包括波段融合和几何校正。
可选的,还包括:
在所述遥感影像之中随机选取6组样本;
分别使用面向像元法和目视解译法识别6组样本之中的企鹅阴影像元;
计算面向像元法的识别结果相对于目视解译法的识别结果的相对偏差,计算公式如下:
其中,γ为相对偏差,C为面向像元法的识别结果,E为目视解译法的识别结果。
可选的,所述遥感影像的分辨率为0.1米。
可选的,所述阿德利企鹅的平均高度范围为46cm-61cm,所述阿德利企鹅的平均胸围范围为15cm-25cm。
可选的,阿德利企鹅的平均高度为53.5cm,阿德利企鹅的平均胸围为20cm。
本发明具有下述有益效果:
本发明提供的基于RBG颜色模型法提取阿德利企鹅数量的方法,包括:在遥感影像的企鹅密集区域之中随机选取企鹅阴影像元样本和其他样本,提取所有样本的R、G、B值以及R、G、B值互相组合的结果值,形成像元区分阈值模型,根据像元区分阈值模型从遥感影像之中提取所有的企鹅阴影像元,形成企鹅二值图像,根据企鹅二值图像获得企鹅阴影像元总数,获取单只企鹅的阴影像元数,根据企鹅阴影像元总数与单只企鹅的阴影像元数,计算遥感影像之中阿德利企鹅数量。本发明提供的技术方案使用高分辨率遥感影像观测阿德利企鹅种群,获得同一时点的种群数量,避免了以往计数和估测等方法造成的误差,提高了调查的精度和可靠性。本发明提供的技术方案克服了以往提取方法工作量大、效率低下的缺点,增强了观测企鹅的经济性与安全性,适用于彩色遥感影像,具有较高应用价值。本发明提供的技术方案根据三原色光模式将红、绿、蓝三原色的色光以不同的比例相加,以产生多种色光的颜色空间模型,适用于遥感影像的处理与分割。本发明提供的技术方案对于颜色分明的图像提取准确性高,能很好得分割图像前景与背景。本发明提供的技术方案利用遥感手段监测阿德利企鹅种群数量,具有操作简便、观测范围广和识别精度高等优点。
附图说明
图1为本发明实施例一提供的提取阿德利企鹅数量的流程图。
图2为本发明实施例一提供的南极维多利亚企鹅聚集区的遥感图。
图3为本发明实施例一提供的企鹅二值图。
具体实施方式
为使本领域的技术人员更好地理解本发明的技术方案,下面结合附图对本发明提供的基于RBG颜色模型法提取阿德利企鹅数量的方法进行详细描述。
实施例一
图1为本发明实施例一提供的提取阿德利企鹅数量的流程图。
如图1所示,本实施例选取合适分辨率的遥感影像,对遥感影像进行预处理,包括:波段融合、几何校正等。通过RGB模型法提取遥感影像中阿德利企鹅阴影像元的总数。本实施例中,遥感影像中的企鹅密集区具有明显的特征,红棕色的企鹅粪便上面均匀分布着黑色企鹅斑块,通过ArcGIS平台将企鹅密集区目视解译出来。
在企鹅阴影像元提取阶段,首先探究企鹅阴影像元与其他像元的R、G、B值差异,在企鹅密集区域中随机选取企鹅阴影像元样本和其他样本,提取所有样本的R、G、B值以及三个属性值互相组合的结果值,最终确定能够将企鹅阴影像元和其他像元有效区分的最佳阈值模型,再使用该阈值模型从遥感影像之中提取出所有的企鹅阴影像元,得到企鹅二值图像。
本实施例中,二值图像(Binary Image)是指图像上的每一个像元只有两种可能的取值或灰度等级状态,每个像元不是黑就是白,其灰度值没有中间过渡的图像。在企鹅二值图之中,白色像元即为提取的企鹅阴影像元。将企鹅二值图在ArcGIS之中重新分类,获取企鹅二值图之中企鹅阴影像元总数(P总)。
本实施例通过阴影分析确定单只阿德雷企鹅在遥感影像中的阴影像元数。具体来说,根据太阳的直射原理,南极地区不可能出现太阳直射情况,航拍照片中的黑色像元并非真正的企鹅像元,而是企鹅的阴影像元,因此需要通过阴影分析确定单只企鹅所占的像元数,计算公式如下:
p=(H/tanα)×W/R2 (1)
α=90-Z(2)cosz=sinθsinδ+cosθcosδcosω (2)
ω=ld-l (3)
其中,α表示太阳高度角,Z表示太阳天顶角,θ表示当地纬度,δ表示太阳赤纬角,ω表示太阳时角,ld表示太阳直射点经度,l表示当地经度,p表示单只企鹅的阴影像元数,H表示阿德利企鹅的平均高度,α表示太阳高度角,W表示阿德利企鹅的平均胸围,R表示所述遥感影像的分辨率。
根据所述企鹅阴影像元总数与单只企鹅的阴影像元数,计算所述遥感影像之中阿德利企鹅数量,计算公式如下:
N=P总/p (4)
其中,N表示所述遥感影像之中阿德利企鹅数量,P总表示所述遥感影像之中企鹅阴影像元总数,p表示单只企鹅的阴影像元数。
为了验证面向像元法识别企鹅数量的准确性,在研究区域中随机选取6个样本,分别采用面向像元法和目视解译法识别样本中的企鹅阴影像元。将六组结果进行对比分析,计算采用面向像元法相对于目视解译结果的相对偏差,再分析原因。对于样本的选择,原则上尽量使样本均匀分布于研究区域,同时样本中的企鹅阴影像元特征能代表整个研究区域中的企鹅阴影像元,计算公式如下:
其中,γ为相对偏差,C为面向像元法的识别结果,E为目视解译法的识别结果。
本实施例中,高分辨率遥感影像之中企鹅密集区具有比较明显的特征,同时企鹅阴影像元与企鹅密集区有着明显的区分,企鹅阴影像元与其他像元的R、G、B值具有较大差异。通过R、G、B颜色模型法提取遥感影像之中企鹅阴影像元面积,获得阿德利企鹅阴影像元总数,阿德利企鹅阴影像元总数与单只阿德利企鹅所占阴影像元数相除,从而获得阿德利企鹅种群数量。本实施例通过高分辨率遥感影像获得同一时间点企鹅种群数量,提高了提取结果的精确度与可靠性,具有较高的应用价值。
本实施例提供的基于RBG颜色模型法提取阿德利企鹅数量的方法,在遥感影像的企鹅密集区域之中随机选取企鹅阴影像元样本和其他样本,提取所有样本的R、G、B值以及R、G、B值互相组合的结果值,形成像元区分阈值模型,根据像元区分阈值模型从遥感影像之中提取所有的企鹅阴影像元,形成企鹅二值图像,根据企鹅二值图像获得企鹅阴影像元总数,获取单只企鹅的阴影像元数,根据企鹅阴影像元总数与单只企鹅的阴影像元数,计算遥感影像之中阿德利企鹅数量。
图2为本发明实施例一提供的南极维多利亚企鹅聚集区的遥感图。如图2所示,根据高分辨率遥感影监测南极维多利亚的阿德利企鹅种群数量,具体来说,选取维多利亚地区的航拍照片,分辨率为0.1米,进行预处理,包括:波段融合、几何校正等。
本实施例使用RGB颜色模型法提取所述遥感影像之中阿德利企鹅阴影像元的总数,企鹅像元在RGB彩色空间中的R值与其他背景像元存在显著差异,该差异可以作为将企鹅与背景像元有效分离的理论依据。随机选取的企鹅像元样本的R值(17-104)普遍低于非企鹅像元的R值(大于110)。本实施例将企鹅二值图在ArcGIS中进行重分类,得到二值图中的企鹅总像元值为298642。
图3为本发明实施例一提供的企鹅二值图。如图3所示,南极维多利亚的遥感影像获取时间为2013年12月31日上午11点04分,拍摄地点的经纬度分别为E163°44′,S74°54′。阿德利企鹅的高度为46cm-61cm,阿德利企鹅的胸围为15cm-25cm,阿德利企鹅的平均高度为53.5cm,阿德利企鹅的平均胸围为20cm,本实施例通过计算可以获得单只阿德利企鹅的平均阴影像元为13.8。
本实施例通过航拍照片之中阿德利企鹅的像元总数和单只阿德利企鹅所占的平均阴影像元,可以计算出航拍照片中阿德利企鹅的总数为19150只。
本实施例选取6个样本采用RGB颜色模型法识别企鹅数量,结果分别为27、34、32、63、38、59,6个样本的目视解译结果分别为30、39、36、71、35、67。将两组结果进行对比分析,计算得到6个样本的相对误差分别为10%、12.82%、11.11%、11.27%、8.57%、11.94%,平均相对误差10.95%。
本实施例提供的基于RBG颜色模型法提取阿德利企鹅数量的方法,包括:在遥感影像的企鹅密集区域之中随机选取企鹅阴影像元样本和其他样本,提取所有样本的R、G、B值以及R、G、B值互相组合的结果值,形成像元区分阈值模型,根据像元区分阈值模型从遥感影像之中提取所有的企鹅阴影像元,形成企鹅二值图像,根据企鹅二值图像获得企鹅阴影像元总数,获取单只企鹅的阴影像元数,根据企鹅阴影像元总数与单只企鹅的阴影像元数,计算遥感影像之中阿德利企鹅数量。本实施例提供的技术方案使用高分辨率遥感影像观测阿德利企鹅种群,获得同一时点的种群数量,避免了以往计数和估测等方法造成的误差,提高了调查的精度和可靠性。本实施例提供的技术方案克服了以往提取方法工作量大、效率低下的缺点,增强了观测企鹅的经济性与安全性,适用于彩色遥感影像,具有较高应用价值。
可以理解的是,以上实施方式仅仅是为了说明本发明的原理而采用的示例性实施方式,然而本发明并不局限于此。对于本领域内的普通技术人员而言,在不脱离本发明的精神和实质的情况下,可以做出各种变型和改进,这些变型和改进也视为本发明的保护范围。
Claims (6)
1.一种基于RBG颜色模型法提取阿德利企鹅数量的方法,其特征在于,包括:
在遥感影像的企鹅密集区域之中随机选取企鹅阴影像元样本和其他样本;
提取所有样本的R、G、B值以及所述R、G、B值互相组合的结果值;
形成像元区分阈值模型,所述像元区分阈值模型用于区分企鹅阴影像元和其他像元;
根据所述像元区分阈值模型从所述遥感影像之中提取所有的企鹅阴影像元;
形成企鹅二值图像,所述企鹅二值图像之中的白色像元为企鹅阴影像元;
根据所述企鹅二值图像获得企鹅阴影像元总数;
获取单只企鹅的阴影像元数,计算公式如下:
p=(H/tanα)×W/R2 (1)
α=90-Z (2) cosz=sinθsinδ+cosθcosδcosω (2)
ω=ld-l (3)
其中,α表示太阳高度角,Z表示太阳天顶角,θ表示当地纬度,δ表示太阳赤纬角,ω表示太阳时角,ld表示太阳直射点经度,l表示当地经度,p表示单只企鹅的阴影像元数,H表示阿德利企鹅的平均高度,α表示太阳高度角,W表示阿德利企鹅的平均胸围,R表示所述遥感影像的分辨率;
根据所述企鹅阴影像元总数与单只企鹅的阴影像元数,计算所述遥感影像之中阿德利企鹅数量,计算公式如下:
N=P总/p (4)
其中,N表示所述遥感影像之中阿德利企鹅数量,P总表示所述遥感影像之中企鹅阴影像元总数,p表示单只企鹅的阴影像元数。
2.根据权利要求1所述的基于RBG颜色模型法提取阿德利企鹅数量的方法,其特征在于,所述在遥感影像的企鹅密集区域之中随机选取企鹅阴影像元样本和其他样本的步骤之前包括:
获取预设分辨率的遥感影像;
对所述遥感影像进行预处理,所述预处理包括波段融合和几何校正。
3.根据权利要求1所述的基于RBG颜色模型法提取阿德利企鹅数量的方法,其特征在于,还包括:
在所述遥感影像之中随机选取6组样本;
分别使用面向像元法和目视解译法识别6组样本之中的企鹅阴影像元;
计算面向像元法的识别结果相对于目视解译法的识别结果的相对偏差,计算公式如下:
其中,γ为相对偏差,C为面向像元法的识别结果,E为目视解译法的识别结果。
4.根据权利要求2所述的基于RBG颜色模型法提取阿德利企鹅数量的方法,其特征在于,所述遥感影像的分辨率为0.1米。
5.根据权利要求1所述的基于RBG颜色模型法提取阿德利企鹅数量的方法,其特征在于,所述阿德利企鹅的平均高度范围为46cm-61cm,所述阿德利企鹅的平均胸围范围为15cm-25cm。
6.根据权利要求5所述的基于RBG颜色模型法提取阿德利企鹅数量的方法,其特征在于,阿德利企鹅的平均高度为53.5cm,阿德利企鹅的平均胸围为20cm。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910596856.2A CN110400291A (zh) | 2019-07-02 | 2019-07-02 | 基于rbg颜色模型法提取阿德利企鹅数量的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910596856.2A CN110400291A (zh) | 2019-07-02 | 2019-07-02 | 基于rbg颜色模型法提取阿德利企鹅数量的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110400291A true CN110400291A (zh) | 2019-11-01 |
Family
ID=68322764
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910596856.2A Pending CN110400291A (zh) | 2019-07-02 | 2019-07-02 | 基于rbg颜色模型法提取阿德利企鹅数量的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110400291A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112559786A (zh) * | 2020-12-08 | 2021-03-26 | 中国联合网络通信集团有限公司 | 一种光学遥感影像成像时间的确定方法及装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107730527A (zh) * | 2017-10-16 | 2018-02-23 | 中国科学院遥感与数字地球研究所 | 一种基于遥感卫星影像的高原地区冰湖提取方法 |
CN107909607A (zh) * | 2017-12-11 | 2018-04-13 | 河北省科学院地理科学研究所 | 一种年度区域植被覆盖度计算方法 |
-
2019
- 2019-07-02 CN CN201910596856.2A patent/CN110400291A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107730527A (zh) * | 2017-10-16 | 2018-02-23 | 中国科学院遥感与数字地球研究所 | 一种基于遥感卫星影像的高原地区冰湖提取方法 |
CN107909607A (zh) * | 2017-12-11 | 2018-04-13 | 河北省科学院地理科学研究所 | 一种年度区域植被覆盖度计算方法 |
Non-Patent Citations (2)
Title |
---|
冀明 等: "南极企鹅数量识别及变化趋势分析——基于无人机航拍的高分辨率影像", 《北京师范大学学报(自然科学版)》 * |
贺红 等: "基于航拍数据的南极维多利亚地企鹅源温室气体排放量估算", 《科学通报》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112559786A (zh) * | 2020-12-08 | 2021-03-26 | 中国联合网络通信集团有限公司 | 一种光学遥感影像成像时间的确定方法及装置 |
CN112559786B (zh) * | 2020-12-08 | 2024-03-15 | 中国联合网络通信集团有限公司 | 一种光学遥感影像成像时间的确定方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Pohl et al. | Review article multisensor image fusion in remote sensing: concepts, methods and applications | |
CN104915954B (zh) | 基于Landsat OLI多光谱遥感影像的水体自动提取方法 | |
CN107818303B (zh) | 无人机油气管线影像自动对比分析方法、系统及软件存储器 | |
CN107688777B (zh) | 一种协同多源遥感影像的城市绿地提取方法 | |
CN106295655A (zh) | 一种用于无人机巡检图像的输电线路部件自动提取方法 | |
CN110263716B (zh) | 一种基于街景图像的遥感影像超分辨率土地覆被制图方法 | |
CN109816680A (zh) | 一种农作物株高的高通量计算方法 | |
CN108776106A (zh) | 一种基于无人机低空遥感的作物长势监测方法及系统 | |
JP4747122B2 (ja) | 特定領域自動抽出システム、特定領域自動抽出方法、および、プログラム | |
CN107688776A (zh) | 一种城市水体提取方法 | |
CN112613397A (zh) | 多视角光学卫星遥感影像目标识别训练样本集构建方法 | |
WO2002082181A1 (en) | Corridor mapping system and method | |
Namikawa et al. | Water body extraction from Rapideye images: An automated methodology based on hue component of color transformation from RGB to HSV model | |
WO2008045954A2 (en) | Systems and methods for visualizing and measuring real world 3-d spatial data | |
Hu et al. | Building modeling from LiDAR and aerial imagery | |
CN110400291A (zh) | 基于rbg颜色模型法提取阿德利企鹅数量的方法 | |
CN115760885B (zh) | 基于消费级无人机影像的高郁闭度湿地森林参数提取方法 | |
Kong et al. | An automatic and accurate method for marking ground control points in unmanned aerial vehicle photogrammetry | |
CN115937673A (zh) | 一种基于移动终端照片的地理要素快速变化发现方法 | |
CN114241320A (zh) | 一种利用对比参照群落视觉识别山区茶园杂草的方法 | |
CN109712237B (zh) | 一种基于高程数据与气象数据的混合设色方法 | |
Caccetta et al. | Fine-scale monitoring of complex environments using remotely sensed aerial, satellite, and other spatial data | |
CN107392208B (zh) | 基于光谱空间映射与纯化的对象光谱特征提取方法 | |
CN116188586B (zh) | 一种基于光分布的定位系统与方法 | |
Agrafiotis et al. | Comparative assessment of very high resolution satellite and aerial orthoimagery |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20191101 |