CN111275631A - 一种遥感影像提取城市水体时消除阴影干扰的方法 - Google Patents
一种遥感影像提取城市水体时消除阴影干扰的方法 Download PDFInfo
- Publication number
- CN111275631A CN111275631A CN202010015901.3A CN202010015901A CN111275631A CN 111275631 A CN111275631 A CN 111275631A CN 202010015901 A CN202010015901 A CN 202010015901A CN 111275631 A CN111275631 A CN 111275631A
- Authority
- CN
- China
- Prior art keywords
- image
- water body
- value
- urban
- mndwi
- 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 119
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000000605 extraction Methods 0.000 title claims abstract description 29
- 238000001914 filtration Methods 0.000 claims abstract description 6
- 238000005516 engineering process Methods 0.000 claims abstract description 5
- 230000002708 enhancing effect Effects 0.000 claims abstract description 4
- 238000012952 Resampling Methods 0.000 claims description 12
- 230000000694 effects Effects 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 8
- 230000004927 fusion Effects 0.000 claims description 8
- 238000001228 spectrum Methods 0.000 claims description 8
- 101150044379 TIR1 gene Proteins 0.000 claims description 4
- 238000012935 Averaging Methods 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000012732 spatial analysis Methods 0.000 claims description 3
- 238000011160 research Methods 0.000 abstract description 9
- 238000012544 monitoring process Methods 0.000 abstract description 4
- 230000003595 spectral effect Effects 0.000 description 5
- 235000002566 Capsicum Nutrition 0.000 description 2
- 239000006002 Pepper Substances 0.000 description 2
- 241000722363 Piper Species 0.000 description 2
- 235000016761 Piper aduncum Nutrition 0.000 description 2
- 235000017804 Piper guineense Nutrition 0.000 description 2
- 235000008184 Piper nigrum Nutrition 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000001816 cooling Methods 0.000 description 2
- 230000008030 elimination Effects 0.000 description 2
- 238000003379 elimination reaction Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 150000003839 salts Chemical class 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007635 classification algorithm Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000003809 water extraction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
- G06T5/94—Dynamic range modification of images or parts thereof based on local image properties, e.g. for local contrast enhancement
-
- 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
- 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
- G06T7/11—Region-based segmentation
-
- 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
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A30/00—Adapting or protecting infrastructure or their operation
- Y02A30/60—Planning or developing urban green infrastructure
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
一种提取遥感影像城市水体时消除阴影干扰的方法,它涉及遥感影像消除干扰的方法,它是要解决现有的遥感影像技术对城市水体与阴影难以区分的技术问题,本方法:将全色波段与绿色波段和短波红外1波段分别融合,增强空间分辨率,并计算MNDWI;采用最大类间分类法确定一个MNDWI值,将小于该值的像元作为非水面刨除掉,得到初步水体提取图像;基于热红外1波段,同样采用最大类间分类法确定城市中的冷池空间;用冷池空间过滤初步水体提取结果,得到去除建筑物阴影的城市水体图像,该数据的分辨率为15米。方法简单、提取水体快速、去除阴影有效,可用于城市水资源监测、水利规划与保护、城市科学研究领域。
Description
技术领域
本发明属于遥感技术领域,具体涉及一种基于遥感影像提取城市水体时消除阴影干扰的方法。
背景技术
城市水体是城市生态系统的重要组成部分,在增湿降温、维持植被生长、保持生物多样性和休闲游憩等方面有重要作用。利用遥感影像准确提取城市水体能够支持城市规划、景观优化、环境监测、科学研究等方面的工作。
随着遥感影像空间分辨率的增强,城市地表空间单元在影像中更加明显,有利于加强水面提取的精度。但是,像元异质性在加大的同时,城市建筑物阴影变得明显,它们与水体有相似的光谱特征,往往与水体一同被提取出来,降低了城市水体的提取精度。
目前基于遥感的水面提取工作主要有优化水体提取算法、发掘多源遥感数据潜力、消除波段噪声干扰等,这些为开展城市水体提取任务打下了基础。针对阴影干扰水体提取的问题,有一些特别光谱指数、分类算法被设计出来,但这些工作具有一些局限性:(1)多适用于商业影像,受众面小;(2)需要大量训练样本,复杂且限制了水面提取范围;(3)并非针对城市设计,不一定适用于城市。
自2008年美国地质调查局(USGS)对陆地卫星(Landsat)影像公开下载后,Landsat系列影像一直是地学研究、环境监测、国土空间规划等的坚实支撑。1999年以来入轨运营的Landsat卫星将其空间分辨率提升至15米,能服务于城市地表过程观测,因此被广泛应用于城市规划、景观设计等工作中,但分辨率提高也增加了区分城市水体和阴影的难度。
发明内容
本发明是要解决现有的遥感影像技术对城市水体与阴影难以区分的技术问题,而提供一种遥感影像提取城市水体时消除阴影干扰的方法。
本发明的遥感影像提取城市水体时消除阴影干扰的方法,包括以下步骤:
(一)遥感影像预处理:对原始遥感影像进行辐射定标和大气校正,并按照城市区域裁剪,得到城市区域影像;
(二)光谱融合和计算MNDWI:在城市区域影像内,采用空间分辨率为15米的全色波段的影像对空间分辨率为30米的绿色波段(Green)的影像和空间分辨率为30米的短波红外1波段(SWIR1)的影像进行光谱融合,增强绿色波段和短波红外1波段影像的空间分辨率至15米,保留并计算修正归一化水体指数MNDWI图像;
(三)初步提取城市水体:对步骤(二)中得到的MNDWI图像进行空间统计,得到每个数值对应的像元数量,采用最大类间分类法,提取初步水体;
(四)定量冷池效应空间:对经过步骤(一)处理的城市区域影像的空间分辨率100米的热红外1波段(TIRS1)影像进行重新采样至空间分辨率为30米,采用最大类间分类法,定量区分出城市冷池空间和非冷池空间;
(五)消除建筑物阴影干扰:用步骤(四)得到的冷池空间对步骤(三)得到的初步水体提取结果进行过滤,消除城市非冷池空间区域内的建筑物阴影,得到城市水体范围。
更进一步的,步骤(一)中所述的遥感影像为Landsat 8影像或Landsat 7影像;
更进一步的,步骤(二)中所述的光谱融合的方法是:在遥感影像处理软件中提取全色波段、绿色波段和短波红外1波段,基于全色波段分别对绿色波段和短波红外1波段进行光谱增强,其两波段的空间分辨率被增强至15米。
更进一步的,步骤(二)中所述的修正归一化水体指数MNDWI的计算公式如下:
其中:GREEN表示绿色波段;SWIR1表示短波红外1波段;
这一步经过修正归一化水体指数MNDWI计算后生成的MNDWI图像,分辨率15米,像元值范围为[-1,1]。
更进一步的,步骤(三)所述的采用最大类间分类法(又称大津算法)初步提取城市水体的步骤如下:
(1)设置统计范围:为了保证统计速度,设置80~100米的窗口滑动统计整幅MNDWI图像里每个MNDWI值μ对应的像元数,得到一副MNDWI值μ对应像元数量的直方图,设MNDWI图像的总像元数为Ntotal;
(2)计算MNDWI值μ的方差:对应于每一个μ值,图像中有小于μ值的N0个像元,其在整幅图像中的比例为r0:
则图像中有大于等于μ值的N1个像元,其在整幅图像中的比例为r1:
求出由μ值分割的两类像元的方差σ2为:
(3)水面初步提取:历遍整幅MNDWI图像,计算出整幅MNDWI图像的所有的μ值及其对应的方差σ2值,选择最大的σ2值对应的μ值作为区分水体和非水体的阈值μ阈,以MNDWI大于等于μ阈的像元记为初步水体;这个提取范围内的初步提取的水体包括水面以及建筑物阴影;
(4)图像二值化:导出初步水体范围,将其范围内的像元值设置为1,城市区域内的非水体部分像元值设置为0,生成一幅二值图像waterPre,即:
至此,城市区域内的非水体部分被去除,仅保留了水体和建筑物阴影。
更进一步的,步骤(四)所述的采用最大类间分类法分出城市冷池空间和热岛空间的步骤如下:
(1)重采样:将热红外1(TIRS1)波段图像重采样至分辨率为30米;若重采样至15米会导致出现严重的椒盐现象,不利于识别冷池效应空间;
(2)设置统计范围:为了保证统计速度,设置80~100米的窗口滑动统计整幅TIRS1图像里不同TIRS1值μ对应的像元数,得到一副TIRS1值μ对应像元数量的直方图,设TIRS1图像的总像元数为Ntotal;
(3)计算TIR1值μ的方差:对应于每一个μ值,图像中有小于μ值的N0个像元,其在整幅图像中的比例为r0:
则图像中有大于等于μ值的N1个像元,其在整幅图像中的比例为r1:
求出由μ值分割的两类像元的方差σ2为:
(4)冷池空间提取:历遍整幅TIRS1图像,计算出整幅TIRS1图像的所有的μ值及其对应的方差σ2值,选择最大的σ2值对应的μ值作为区分水体和非水体的阈值μ阈,以TIRS1小于μ阈的像元记为冷池空间;
(5)图像二值化:导出冷池空间范围,将其范围内的像元值设置为2,城市区域内的非冷池空间部分内的像元值设置为0,生成一幅二值图像coldPre,即:
至此,城市区域内的冷池空间和非冷池空间得到定量区分。
更进一步的,上述步骤(五)所述的用冷池空间对初步水体提取结果进行过滤的方法,按以下步骤进行:
(1)冷池图像重采样:为了保证消除阴影的效果最佳,将coldPre图像进一步重采样至15米空间分辨率的二值图像,记为cold;
(2)二值图像计算:基于空间分析技术,将图像cold作为被减数图像、将waterPre作为减数图像,进行对应像元的减法,生成一幅二值图像water,则water中像元值为1的部分为去除阴影后的水体范围,即:
至此,城市范围内的非水体、建筑物阴影部分都被去除,只保留了水体。
本发明根据城市水体常位于公园,具有增湿降温效果,即“冷池效应”。而建筑物阴影在本质上是不透水层,处于城市热岛区域,用地表温度区分城市水体和阴影,结合“冷池效应”理论,根据城市水体和建筑物阴影在地表温度上的差异进行水体和阴影的区分,消除阴影干扰,准确提取城市水体影像。与现有技术相比,本发明具有以下有益效果:
(1)本发明的技术思想建立在生态学研究成果之上,是对科研理论的实践,实践成果能表明本方法的有效性,同时验证了冷池效应的科学性;
(2)本发明的技术流程简单,不需要构建复杂的光谱指数、在室外获得大量的采样点,只需要Landsat影像的四个波段,计算MNDWI以及地表温度,并通过最大类间分类法快速去除非水体区域、冷池空间;
(3)本发明充分开发了Landsat影像在城市水体提取方面的潜力,全色波段得到了有效利用,弥补了以往提取30米分辨率城市水体方面耗时、复杂的局限性,15米分辨率的城市水体范围能够有效支持国土空间规划和科研工作。
(4)本发明的方法快速、准确,可用于城市水资源监测、水利规划与保护、城市领域科学研究等方面。
附图说明
图1是本发明的处理流程图;
图2是实施例1中经步骤(二)得到的城市区域MNDWI图像及局部放大图;
图3是实施例1中经步骤(三)(4)初步提取水面的范围及局部放大图;
图4是实施例1中经步骤(五)(1)冷池空间范围及局部放大图;
图5是实施例1中经步骤(五)(2)得到的城市水体图像的水体范围及局部放大图。
具体实施方式
下面对本发明技术方案进行详细说明,但是本发明的保护范围不局限于所述实施例。
实施例1:本实施例的一种遥感影像提取城市水体时消除阴影干扰的方法,按以下步骤进行:
(一)遥感影像预处理:对原始Landsat 8影像进行辐射定标和大气校正,以吉林省长春市为研究区,按照研究区裁剪影像,得到城市区域影像;
(二)光谱融合和计算MNDWI:在城市区域的Landsat 8影像中,采用空间分辨率为15米的全色波段的影像对空间分辨率为30米的绿色波段(Green)的影像和空间分辨率为30米的短波红外1波段(SWIR1)的影像进行光谱融合,增强绿色波段和短波红外1波段影像的空间分辨率至15米,用ENVI5.3软件,按下式计算修正归一化水体指数MNDWI;
其中:GREEN表示绿色波段;SWIR1表示短波红外1波段;
经过修正归一化水体指数MNDWI计算后生成的MNDWI图像,分辨率15米,像元值范围为[-1,1];城市区域的MNDWI图像及局部放大图如图2所示;
(三)初步提取城市水体:对步骤(二)中得到的MNDWI数据进行空间统计,得到每个数值对应的像元数量,采用最大类间分类法,提取初步水体,具体步骤如下:
(1)设置统计范围:为了保证统计速度,设置100米的窗口统计整幅MNDWI图像里不同MNDWI值μ对应的像元数,得到一副MNDWI值μ对应像元数量的直方图,设MNDWI图像的总像元数为Ntotal;
(2)计算MNDWI值μ的方差:对应于每一个μ值,图像中有小于μ值的N0个像元,其在整幅图像中的比例为r0:
则图像中有大于等于μ值的N1个像元,其在整幅图像中的比例为r1:
求出由μ值分割的两类像元的方差σ2为:
(3)水面初步提取:历遍整幅MNDWI图像,计算出整幅MNDWI图像的所有的μ值及其对应的方差σ2值,选择最大的σ2值对应的μ值作为区分水体和非水体的阈值μ阈,经计算在μ为0.13618617164648886时,σ2最大,以MNDWI大于等于μ阈=0.13618617164648886的像元记为初步水体;这个提取范围内的初步提取的水体包括水面以及建筑物阴影;
(4)图像二值化:导出初步水体范围,将其范围内的像元值设置为1,城市区域内的非水体部分像元值设置为0,生成一幅二值图像waterPre,即:
至此,城市区域内的非水体部分被去除,仅保留了水体和建筑物阴影;初步提取水面的范围及局部放大图如图3所示;
(四)定量冷池效应空间:对经过步骤(一)处理的城市区域影像的空间分辨率100米的热红外1波段(TIRS1)图像进行重新采样至空间分辨率为30米,以避免出现严重的椒盐现象;采用最大类间分类法,定量区分出城市冷池空间和热岛空间;具体的步骤如下:
(1)设置统计范围:为了保证统计速度,设置100米的窗口滑动统计整幅TIRS1图像里不同TIRS1值μ对应的像元数,得到一副TIRS1值μ对应像元数量的直方图,设TIRS1图像的总像元数为Ntotal;
(2)计算TIRS1值μ的方差:对应于每一个μ值,图像中有小于μ值的N0个像元,其在整幅图像中的比例为r0:
则图像中有大于等于μ值的N1个像元,其在整幅图像中的比例为r1:
求出由μ值分割的两类像元的方差σ2为:
(3)冷池空间提取:历遍整幅TIRS1图像,计算出整幅TIRS1图像的所有的μ值及其对应的方差σ2值,选择最大的σ2值对应的μ值作为区分水体和非水体的阈值μ阈,经计算在μ为301时,σ2最大,以TIRS1小于μ阈=301的像元记为冷池空间;
(4)图像二值化:导出冷池空间范围,将其范围内的像元值设置为2,城市区域内的非冷池空间部分内的像元值设置为0,生成一幅二值图像coldPre,即:
至此,城市区域内的冷池空间和非冷池空间得到定量区分。
(五)消除建筑物阴影干扰:用步骤(四)得到的冷池空间对步骤(三)得到的初步水体提取结果进行过滤,具体按以下步骤进行:
(1)冷池图像重采样:为了保证消除阴影的效果最佳,将coldPre图像进一步重采样至15米空间分辨率的二值图像,记为cold;冷池空间范围及局部放大图如图4所示;
(2)二值图像计算:基于空间分析技术,将图像cold作为被减数图像、将waterPre作为减数图像,进行对应像元的减法,生成一幅二值图像water,则water中像元值为1的部分为去除阴影后的水体范围,即:
至此,城市范围内热岛区域内的建筑物阴影被消除,只保留了水体范围,得到城市水体图像,其水体范围及局部放大图如图5所示。
Claims (7)
1.一种遥感影像提取城市水体时消除阴影干扰的方法,其特征在于该方法包括以下步骤:
(一)遥感影像预处理:对原始遥感影像进行辐射定标和大气校正,并按照城市区域裁剪,得到城市区域影像;
(二)光谱融合和计算MNDWI:在城市区域影像内,采用空间分辨率为15米的全色波段的影像对空间分辨率为30米的绿色波段的影像和空间分辨率为30米的短波红外1波段的影像进行光谱融合,增强绿色波段和短波红外1波段影像的空间分辨率至15米,保留并计算修正归一化水体指数MNDWI;
(三)初步提取城市水体:对步骤(二)中得到的MNDWI数据进行空间统计,得到每个数值对应的像元数量,采用最大类间分类法,提取初步水体;
(四)定量冷池效应空间:对经过步骤(一)处理的城市区域影像的空间分辨率100米的热红外1波段影像进行重新采样至空间分辨率为30米,采用最大类间分类法,定量区分出城市冷池空间和热岛空间;
(五)消除建筑物阴影干扰:用步骤(四)得到的冷池空间对步骤(三)得到的初步水体提取结果进行过滤,消除城市热岛区域内的建筑物阴影,得到城市水体范围。
2.根据权利要求1所述的一种遥感影像提取城市水体时消除阴影干扰的方法,其特征在于步骤(一)中所述的遥感影像为Landsat 8影像或Landsat 7影像。
3.根据权利要求1或2所述的一种遥感影像提取城市水体时消除阴影干扰的方法,其特征在于步骤(二)中所述的光谱融合的方法是:在遥感影像处理软件中提取全色波段、绿色波段和短波红外1波段,基于全色波段分别对绿色波段和短波红外1波段进行光谱增强,其两波段的空间分辨率被增强至15米。
5.根据权利要求1或2所述的一种遥感影像提取城市水体时消除阴影干扰的方法,其特征在于步骤(三)所述的采用最大类间分类法初步提取城市水体的步骤如下:
(1)设置统计范围:为了保证统计速度,设置80~100米的窗口滑动统计整幅MNDWI图像里每个MNDWI值μ对应的像元数,得到一副MNDWI值μ对应像元数量的直方图,设MNDWI图像的总像元数为Ntotal;
(2)计算MNDWI值μ的方差:对应于每一个μ值,图像中有小于μ值的N0个像元,其在整幅图像中的比例为r0:
则图像中有大于等于μ值的N1个像元,其在整幅图像中的比例为r1:
求出由μ值分割的两类像元的方差σ2为:
(3)水面初步提取:历遍整幅MNDWI图像,计算出整幅MNDWI图像的所有的μ值及其对应的方差σ2值,选择最大的σ2值对应的μ值作为区分水体和非水体的阈值μ阈,以MNDWI大于等于μ阈的像元记为初步水体;
(4)图像二值化:导出初步水体范围,将其范围内的像元值设置为1,城市区域内的非水体部分像元值设置为0,生成一幅二值图像waterPre,即:
6.根据权利要求1或2所述的一种遥感影像提取城市水体时消除阴影干扰的方法,其特征在于步骤(四)所述的采用最大类间分类法分出城市冷池空间和热岛空间的步骤如下:
(1)重采样:将热红外1波段图像重采样至分辨率为30米;
(2)设置统计范围:设置80~100米的窗口滑动统计整幅TIRS1图像里不同TIRS1值μ对应的像元数,得到一副TIRS1值μ对应像元数量的直方图,设TIRS1图像的总像元数为Ntotal;
(3)计算TIR1值μ的方差:对应于每一个μ值,图像中有小于μ值的N0个像元,其在整幅图像中的比例为r0:
则图像中有大于等于μ值的N1个像元,其在整幅图像中的比例为r1:
求出由μ值分割的两类像元的方差σ2为:
(4)冷池空间提取:历遍整幅TIRS1图像,计算出整幅TIRS1图像的所有的μ值及其对应的方差σ2值,选择最大的σ2值对应的μ值作为区分水体和非水体的阈值μ阈,以TIRS1小于μ阈的像元记为冷池空间;
(5)图像二值化:导出冷池空间范围,将其范围内的像元值设置为2,城市区域内的非冷池空间部分内的像元值设置为0,生成一幅二值图像coldPre,即:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010015901.3A CN111275631A (zh) | 2020-01-08 | 2020-01-08 | 一种遥感影像提取城市水体时消除阴影干扰的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010015901.3A CN111275631A (zh) | 2020-01-08 | 2020-01-08 | 一种遥感影像提取城市水体时消除阴影干扰的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111275631A true CN111275631A (zh) | 2020-06-12 |
Family
ID=71003115
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010015901.3A Pending CN111275631A (zh) | 2020-01-08 | 2020-01-08 | 一种遥感影像提取城市水体时消除阴影干扰的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111275631A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112785521A (zh) * | 2021-01-19 | 2021-05-11 | 澜途集思生态科技集团有限公司 | 一种雾霾条件下的遥感影像处理方法 |
CN112964643A (zh) * | 2021-02-03 | 2021-06-15 | 福州大学 | 一种遥感影像可见光波段地形落影校正方法 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105046087A (zh) * | 2015-08-04 | 2015-11-11 | 中国资源卫星应用中心 | 一种遥感卫星多光谱影像的水体信息自动提取方法 |
CN105469051A (zh) * | 2015-11-25 | 2016-04-06 | 中国科学院电子学研究所 | 一种基于不透水层检测的城市外轮廓提取方法及装置 |
CN105957079A (zh) * | 2016-04-28 | 2016-09-21 | 淮阴师范学院 | 基于Landsat OLI多光谱影像的湖泊水域信息提取方法 |
US20170083747A1 (en) * | 2015-09-21 | 2017-03-23 | The Climate Corporation | Ponding water detection on satellite imagery |
CN106650812A (zh) * | 2016-12-27 | 2017-05-10 | 辽宁工程技术大学 | 一种卫星遥感影像的城市水体提取方法 |
CN108320285A (zh) * | 2018-02-07 | 2018-07-24 | 中国地质大学(武汉) | 基于多源遥感影像的城市湿地热岛效应分析方法及系统 |
CN108830896A (zh) * | 2018-01-23 | 2018-11-16 | 北斗导航位置服务(北京)有限公司 | 一种基于全卷积网络和建筑阴影几何模型的遥感影像水体斑块提取方法 |
CN109376599A (zh) * | 2018-09-19 | 2019-02-22 | 中国科学院东北地理与农业生态研究所 | 一种面向湿地信息提取的遥感影像处理方法及系统 |
CN109374564A (zh) * | 2018-08-20 | 2019-02-22 | 广州地理研究所 | 一种多源遥感数据城市不透水面提取方法 |
CN109489637A (zh) * | 2018-11-08 | 2019-03-19 | 清华大学 | 水量变化监测方法、装置、计算机设备和存储介质 |
CN109934770A (zh) * | 2019-01-21 | 2019-06-25 | 广州地理研究所 | 基于高分辨率卫星遥感影像的城市不透水面提取方法 |
CN110188941A (zh) * | 2019-05-27 | 2019-08-30 | 华南理工大学 | 基于水体气候效应的城市滨水区设计分区方法 |
-
2020
- 2020-01-08 CN CN202010015901.3A patent/CN111275631A/zh active Pending
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105046087A (zh) * | 2015-08-04 | 2015-11-11 | 中国资源卫星应用中心 | 一种遥感卫星多光谱影像的水体信息自动提取方法 |
US20170083747A1 (en) * | 2015-09-21 | 2017-03-23 | The Climate Corporation | Ponding water detection on satellite imagery |
CN105469051A (zh) * | 2015-11-25 | 2016-04-06 | 中国科学院电子学研究所 | 一种基于不透水层检测的城市外轮廓提取方法及装置 |
CN105957079A (zh) * | 2016-04-28 | 2016-09-21 | 淮阴师范学院 | 基于Landsat OLI多光谱影像的湖泊水域信息提取方法 |
CN106650812A (zh) * | 2016-12-27 | 2017-05-10 | 辽宁工程技术大学 | 一种卫星遥感影像的城市水体提取方法 |
CN108830896A (zh) * | 2018-01-23 | 2018-11-16 | 北斗导航位置服务(北京)有限公司 | 一种基于全卷积网络和建筑阴影几何模型的遥感影像水体斑块提取方法 |
CN108320285A (zh) * | 2018-02-07 | 2018-07-24 | 中国地质大学(武汉) | 基于多源遥感影像的城市湿地热岛效应分析方法及系统 |
CN109374564A (zh) * | 2018-08-20 | 2019-02-22 | 广州地理研究所 | 一种多源遥感数据城市不透水面提取方法 |
CN109376599A (zh) * | 2018-09-19 | 2019-02-22 | 中国科学院东北地理与农业生态研究所 | 一种面向湿地信息提取的遥感影像处理方法及系统 |
CN109489637A (zh) * | 2018-11-08 | 2019-03-19 | 清华大学 | 水量变化监测方法、装置、计算机设备和存储介质 |
CN109934770A (zh) * | 2019-01-21 | 2019-06-25 | 广州地理研究所 | 基于高分辨率卫星遥感影像的城市不透水面提取方法 |
CN110188941A (zh) * | 2019-05-27 | 2019-08-30 | 华南理工大学 | 基于水体气候效应的城市滨水区设计分区方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112785521A (zh) * | 2021-01-19 | 2021-05-11 | 澜途集思生态科技集团有限公司 | 一种雾霾条件下的遥感影像处理方法 |
CN112964643A (zh) * | 2021-02-03 | 2021-06-15 | 福州大学 | 一种遥感影像可见光波段地形落影校正方法 |
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 | |
CN109919875B (zh) | 一种高时频遥感图像特征辅助的居民地提取与分类方法 | |
CN109190538A (zh) | 一种基于遥感技术的多泥沙河流三角洲海岸带演化分析方法 | |
CN107944368B (zh) | 一种基于时序遥感图像的水体提取方法 | |
Degerli et al. | Evaluation from rural to urban scale for the effect of NDVI-NDBI indices on land surface temperature, in Samsun, Türkiye | |
CN110569797B (zh) | 地球静止轨道卫星影像山火检测方法、系统及其存储介质 | |
CN110889327B (zh) | 一种基于热红外图像的水域周边排污口智能检测方法 | |
CN113221765B (zh) | 一种基于数字相机影像有效像元的植被物候期提取方法 | |
CN110033499B (zh) | 一种基于Landsat OLI影像水体制图法 | |
CN111881816B (zh) | 一种长时序的河湖围埂养殖区域监测方法 | |
CN104318583B (zh) | 一种可见光宽带光谱图像配准方法 | |
CN109635765B (zh) | 一种浅海珊瑚礁遥感信息自动提取方法 | |
CN110147746B (zh) | 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 | |
CN101980294A (zh) | 基于遥感图像的黄河凌汛检测方法 | |
CN110765934A (zh) | 一种多源数据融合的地质灾害识别方法 | |
CN111275631A (zh) | 一种遥感影像提取城市水体时消除阴影干扰的方法 | |
CN104778668B (zh) | 基于可见光波段光谱统计特征的光学遥感图像薄云去除方法 | |
CN112285710A (zh) | 一种多源遥感水库蓄水量估算方法与装置 | |
CN109300133B (zh) | 一种城市河网区水体提取方法 | |
CN107688777A (zh) | 一种协同多源遥感影像的城市绿地提取方法 | |
CN114266958A (zh) | 一种基于云平台的红树林遥感快速精准提取方法 | |
CN110889840A (zh) | 面向地物目标的高分6号遥感卫星数据的有效性检测方法 | |
CN114419463B (zh) | 一种基于云平台的全球太阳能光伏板遥感自动识别方法 | |
Gu et al. | Automatic Cloud Detection and Removal Algorithm for MODIS Remote Sensing Imagery. | |
CN112419196B (zh) | 一种基于深度学习的无人机遥感影像阴影去除方法 |
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: 20200612 |