CN111680704A - 海洋红线新增人类活动斑块自动化快速提取方法和装置 - Google Patents
海洋红线新增人类活动斑块自动化快速提取方法和装置 Download PDFInfo
- Publication number
- CN111680704A CN111680704A CN202010530857.XA CN202010530857A CN111680704A CN 111680704 A CN111680704 A CN 111680704A CN 202010530857 A CN202010530857 A CN 202010530857A CN 111680704 A CN111680704 A CN 111680704A
- Authority
- CN
- China
- Prior art keywords
- plaque
- detected
- stage
- background
- patch
- 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
Images
Classifications
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种海洋红线新增人类活动斑块自动化快速提取方法和装置,属于环境监测领域。该方法利用本底矢量对本底影像和待检测影像进行分割并对分割的斑块利用亮度统计值和光谱特征函数进行逐一判别,获取变化斑块和疑似变化斑块;对疑似变化斑块和本底影像对应的斑块依据光谱、几何、纹理等特征进行二次分割并对分割的斑块利用亮度统计值及光谱特征函数进行逐一判别,获取变化斑块;把所有变化斑块合并,得到新增人类活动斑块;对新增人类活动斑块进行统计,获取海洋红线内新增人类活动斑块数量和面积。本发明可自动化、快速提取海洋红线内新增人类活动斑块的位置、数量和分布面积等信息,为海洋红线人类活动监管提供快速准确的技术支撑。
Description
技术领域
本发明涉及环境监测领域,特别是指一种海洋红线新增人类活动斑块自动化快速提取方法和装置。
背景技术
随着经济社会的发展,人们对生态环境的美好向往不断提升。但是受经济利益的驱动,总有大量破坏生态环境的各种人类活动。海洋红线(又称海洋生态红线、海洋红线)是指将海洋生态空间范围内具有特殊重要生态功能、必须强制性严格保护的区域划为重点管控区,从而形成的地理区域边界线及相关管理指标的控制线。海洋红线是保障和维护海洋生态安全的底线和生命线,需要及时发现破坏海洋红线的行为。
传统方法依靠执法人员进行现场巡查发现破坏海洋红线的行为。随着遥感技术的发展,海量高空间分辨率遥感影像逐渐应用到人类活动识别和提取领域。大多数人类活动的遥感识别和提取均是利用计算机图像处理软件,依靠遥感影像的光谱、几何及纹理等特征,凭借解译人员的经验开展人类活动图斑的人工目视判读及识别提取。但是该方法提取的人类活动图斑依赖于解译人员的经验丰富程度,提取结果的稳定性和可靠性较差且非常耗时间,人类活动疑似斑块提取的效率较低,不能满足海洋红线及时发现人类活动的需求。
后来图像分割技术应用到了人类活动图斑识别和提取中,该方法首先依据光谱、几何、纹理等特征对图像进行分割,然后依据解译人员的经验情况对图斑进行属性的判定。图像分割技术在人类活动遥感识别和提取中起到了重要作用,但是单纯的分割技术提取的人类活动图斑并不准确,后续仍需要人工去核实,仍需耗费大量时间和精力。
发明内容
为解决上述技术问题,本发明提供一种基海洋红线新增人类活动斑块自动化快速提取方法和装置,本发明可自动化、快速提取海洋红线内新增人类活动斑块的位置、数量和分布面积等信息,为海洋红线人类活动监管提供快速准确的技术支撑。
本发明提供技术方案如下:
第一方面,本发明提供一种海洋红线新增人类活动斑块自动化快速提取方法,所述方法包括:
S1:获取待检测影像、本底数据、本底影像和红线矢量,其中:所述待检测影像为待检测区域的高空间分辨率遥感影像,所述本底数据为人类活动分类历史本底数据,所述本底影像为所述本底数据对应的高空间分辨率遥感影像,所述红线矢量为海洋红线矢量数据;
S2:利用所述红线矢量分别对所述待检测影像和本底影像进行掩膜处理;
S3:将本底数据进行栅格矢量变换,得到本底矢量;
S4:按照本底矢量分别对待检测影像和本底影像进行分割,分别得到一级待检测斑块和一级本底斑块;
S5:遍历每个一级待检测斑块,并确定每个一级待检测斑块的变化特性,其中:
若一级待检测斑块的亮度统计值与相同位置的一级本底斑块的亮度统计值的差异在设定的范围内,且该一级待检测斑块的光谱特征函数与相同位置的一级本底斑块的光谱特征函数的差异在设定的范围内,则将该一级待检测斑块标记为不变斑块;
若一级待检测斑块的亮度统计值与相同位置的一级本底斑块的亮度统计值的差异不在设定的范围内,且该一级待检测斑块的光谱特征函数与相同位置的一级本底斑块的光谱特征函数的差异不在设定的范围内,则将该一级待检测斑块标记为变化斑块;
若为其他情况,则将该一级待检测斑块标记为疑似变化斑块;
S6:根据设置的分割阈值分别对疑似变化斑块和与疑似变化斑块相同位置的一级本底斑块进行分割,分别得到二级待检测斑块和二级本底斑块;
S7:遍历每个二级待检测斑块,并确定每个二级待检测斑块的变化特性,其中:
若二级待检测斑块的亮度统计值与相同位置的二级本底斑块的亮度统计值的差异在设定的范围内,且该二级待检测斑块的光谱特征函数与相同位置的二级本底斑块的光谱特征函数的差异在设定的范围内,则将该二级待检测斑块标记为不变斑块;否则,将该二级待检测斑块标记为变化斑块;
S8:将所有变化斑块组合在一起,得到新增人类活动斑块,并对所述新增人类活动斑块按照海洋红线管控单元进行统计分析,得到海洋红线不同管控单元内新增人类活动斑块的数量、面积和空间分布情况。
进一步的,所述S5包括:
遍历每个一级待检测斑块,并对每个一级待检测斑块进行如下操作:
若为其他情况,则将该一级待检测斑块标记为疑似变化斑块;
其中,L为该一级待检测斑块的亮度统计值,L0为与该一级待检测斑块相同位置的一级本底斑块的亮度统计值,f(x)为该一级待检测斑块的光谱变异函数,f(x)=∑(f0(x)-f1(x)),f1(x)为该一级待检测斑块中每个波段x的光谱特征函数,f0(x)为与该一级待检测斑块相同位置的一级本底斑块中每个波段x的光谱特征函数,∑f0(x)为所有波段x的f0(x)的和,∑(f0(x)-f1(x))为所有波段对应的(f0(x)-f1(x))的和,m和n为设定的系数。
进一步的,所述S7包括:
遍历每个二级待检测斑块并对每个二级待检测斑块进行如下操作:
其中,L'为该二级待检测斑块的亮度统计值,L0'为与该二级待检测斑块相同位置的二级本底斑块的亮度统计值,f'(x)为该二级待检测斑块的光谱变异函数,f'(x)=∑(f0'(x)-f1'(x)),f1'(x)为该二级待检测斑块中每个波段x的光谱特征函数,f0'(x)为与该二级待检测斑块相同位置的二级本底斑块中每个波段x的光谱特征函数,∑f0'(x)为所有波段的f0'(x)的和,∑(f0'(x)-f1'(x))为所有波段对应的(f0'(x)-f1'(x))的和,m'和n'为设定的系数。
进一步的,所述f0(x)、f1(x)、f0'(x)、f1'(x)分别通过如下方法计算得到:
对一级本底斑块/一级待检测斑块/二级本底斑块/二级待检测斑块中每个波段的所有像元分别构建一个向量,分别根据所述向量计算得到一级本底斑块/一级待检测斑块/二级本底斑块/二级待检测斑块中每个波段的光谱特征函数f0(x)、f1(x)、f0'(x)、f1'(x);
所述L0、L、L0'、L'分别通过如下方法计算得到:
分别计算一级本底斑块/一级待检测斑块/二级本底斑块/二级待检测斑块中每个像元的亮度值,将一级本底斑块/一级待检测斑块/二级本底斑块/二级待检测斑块中所有像元的亮度值平均,得到一级本底斑块/一级待检测斑块/二级本底斑块/二级待检测斑块的亮度统计值L0、L、L0'、L';
每个像元的亮度值l=R*0.299+G*0.587+B*0.114,其中R、G、B分别为该像元在R波段、G波段和B波段的值。
进一步的,对任意一个波段a,其所有像元构建的向量为f0(a);
amn表示一级本底斑块/一级待检测斑块/二级本底斑块/二级待检测斑块中波段a的第p行q列的像元值。
进一步的,5%≤m、m'≤20%,5%≤n、n'≤20%,按照光谱、几何和/或纹理特征设置分割阈值。
进一步的,所述待检测影像的天顶角和时相与本底影像的天顶角和时相一致,所述待检测影像在红线矢量范围内的云量小于5%;
所述S1之后,S2之前,还包括:
S11:对所述待检测影像和本底影像进行辐射定标、辐射校正、正射校正、匀色、镶嵌和云掩膜处理,所述正射校正的精度控制在1个像元内。
第二方面,本发明提供一种海洋红线新增人类活动斑块自动化快速提取装置,所述装置包括:
数据获取模块,用于获取待检测影像、本底数据、本底影像和红线矢量,其中:所述待检测影像为待检测区域的高空间分辨率遥感影像,所述本底数据为人类活动分类历史本底数据,所述本底影像为所述本底数据对应的高空间分辨率遥感影像,所述红线矢量为海洋红线矢量数据;
掩膜处理模块,用于利用所述红线矢量分别对所述待检测影像和本底影像进行掩膜处理;
变换模块,用于将本底数据进行栅格矢量变换,得到本底矢量;
第一分割模块,用于按照本底矢量分别对待检测影像和本底影像进行分割,分别得到一级待检测斑块和一级本底斑块;
第一检测模块,用于遍历每个一级待检测斑块,并确定每个一级待检测斑块的变化特性,其中:
若一级待检测斑块的亮度统计值与相同位置的一级本底斑块的亮度统计值的差异在设定的范围内,且该一级待检测斑块的光谱特征函数与相同位置的一级本底斑块的光谱特征函数的差异在设定的范围内,则将该一级待检测斑块标记为不变斑块;
若一级待检测斑块的亮度统计值与相同位置的一级本底斑块的亮度统计值的差异不在设定的范围内,且该一级待检测斑块的光谱特征函数与相同位置的一级本底斑块的光谱特征函数的差异不在设定的范围内,则将该一级待检测斑块标记为变化斑块;
若为其他情况,则将该一级待检测斑块标记为疑似变化斑块;
第二分割模块,用于根据设置的分割阈值分别对疑似变化斑块和与疑似变化斑块相同位置的一级本底斑块进行分割,分别得到二级待检测斑块和二级本底斑块;
第二检测模块,用于遍历每个二级待检测斑块,并确定每个二级待检测斑块的变化特性,其中:
若二级待检测斑块的亮度统计值与相同位置的二级本底斑块的亮度统计值的差异在设定的范围内,且该二级待检测斑块的光谱特征函数与相同位置的二级本底斑块的光谱特征函数的差异在设定的范围内,则将该二级待检测斑块标记为不变斑块;否则,将该二级待检测斑块标记为变化斑块;
新增人类活动斑块确定模块,用于将所有变化斑块组合在一起,得到新增人类活动斑块,并对所述新增人类活动斑块按照海洋红线管控单元进行统计分析,得到海洋红线不同管控单元内新增人类活动斑块的数量、面积和空间分布情况。
进一步的,所述第一检测模块包括:
遍历每个一级待检测斑块,并对每个一级待检测斑块执行如下单元:
第三标记单元,用于若为其他情况,则将该一级待检测斑块标记为疑似变化斑块;
其中,L为该一级待检测斑块的亮度统计值,L0为与该一级待检测斑块相同位置的一级本底斑块的亮度统计值,f(x)为该一级待检测斑块的光谱变异函数,f(x)=∑(f0(x)-f1(x)),f1(x)为该一级待检测斑块中每个波段x的光谱特征函数,f0(x)为与该一级待检测斑块相同位置的一级本底斑块中每个波段x的光谱特征函数,∑f0(x)为所有波段x的f0(x)的和,∑(f0(x)-f1(x))为所有波段对应的(f0(x)-f1(x))的和,m和n为设定的系数。
进一步的,所述第二检测模块包括:
遍历每个二级待检测斑块并对每个二级待检测斑块执行如下单元:
其中,L'为该二级待检测斑块的亮度统计值,L0'为与该二级待检测斑块相同位置的二级本底斑块的亮度统计值,f'(x)为该二级待检测斑块的光谱变异函数,f'(x)=∑(f0'(x)-f1'(x)),f1'(x)为该二级待检测斑块中每个波段x的光谱特征函数,f0'(x)为与该二级待检测斑块相同位置的二级本底斑块中每个波段x的光谱特征函数,∑f0'(x)为所有波段x的f0'(x)的和,∑(f0'(x)-f1'(x))为所有波段对应的(f0'(x)-f1'(x))的和,m'和n'为设定的系数。
进一步的,所述f0(x)、f1(x)、f0'(x)、f1'(x)分别通过如下方法计算得到:
对一级本底斑块/一级待检测斑块/二级本底斑块/二级待检测斑块中每个波段的所有像元分别构建一个向量,分别根据所述向量计算得到一级本底斑块/一级待检测斑块/二级本底斑块/二级待检测斑块中每个波段的光谱特征函数f0(x)、f1(x)、f0'(x)、f1'(x);
所述L0、L、L0'、L'分别通过如下方法计算得到:
分别计算一级本底斑块/一级待检测斑块/二级本底斑块/二级待检测斑块中每个像元的亮度值,将一级本底斑块/一级待检测斑块/二级本底斑块/二级待检测斑块中所有像元的亮度值平均,得到一级本底斑块/一级待检测斑块/二级本底斑块/二级待检测斑块的亮度统计值L0、L、L0'、L';
每个像元的亮度值l=R*0.299+G*0.587+B*0.114,其中R、G、B分别为该像元在R波段、G波段和B波段的值。
进一步的,对任意一个波段a,其所有像元构建的向量为f0(a);
amn表示一级本底斑块/一级待检测斑块/二级本底斑块/二级待检测斑块中波段a的第p行q列的像元值。
进一步的,5%≤m、m'≤20%,5%≤n、n'≤20%,按照光谱、几何和/或纹理特征设置分割阈值。
进一步的,所述待检测影像的天顶角和时相与本底影像的天顶角和时相一致,所述待检测影像在红线矢量范围内的云量小于5%;
所述装置还包括:
预处理单元,用于对所述待检测影像和本底影像进行辐射定标、辐射校正、正射校正、匀色、镶嵌和云掩膜处理,所述正射校正的精度控制在1个像元内。
本发明具有以下有益效果:
1、本发明以本底影像的斑块的光谱统计特征值(亮度统计值和光谱特征函数)为基础,把待检测影像对应斑块的光谱统计特征值与之进行比较,可大大降低人类活动的“伪变化”识别率,提高检测速度。
2、在经过一次分割并初筛后识别的疑似变化区域,依据光谱、几何、纹理等综合特征进行了二次分割并检测,能更好的提取人类活动的确切变化边界,可大大提高检测精度,同时仅对第一次分割后的疑似变化斑块进行检测,能够大大提高检测速度。
3、本发明完全依据计算机自动去识别和判定,不需要人工目视判别,克服了传统依靠人机交互速度慢且靠经验提高精度的缺陷,判别速度快,精度高,能够节省大量的时间和精力,较好的推广性。
4、本发明识别和提取的人类活动新增斑块,不局限于已知类别的人类活动,可对所有引起生态系统变化的人类活动进行快速提取,可满足海洋红线第一时间发现人类活动的需求。
综上所述,本发明可自动化、快速提取海洋红线内新增人类活动斑块的位置、数量和分布面积等信息,为海洋红线人类活动监管提供快速准确的技术支撑。
附图说明
图1为本发明的海洋红线新增人类活动斑块自动化快速提取方法的流程图;
图2为本发明的海洋红线新增人类活动斑块自动化快速提取装置的示意图。
具体实施方式
为使本发明要解决的技术问题、技术方案和优点更加清楚,下面将结合附图及具体实施例进行详细描述。
实施例1:
本发明实施例提供一种海洋红线新增人类活动斑块自动化快速提取方法,用于自动获取海洋红线内新增的人类活动斑块,及时获取新增人类活动斑块的位置、数量和分布面积,旨在解决海洋红线监管中人类活动信息提取主要依靠人机交互解译而导致效率低、速度慢的问题。本发明可以对人类活动斑块进行全自动化的精确、快速的提取,为海洋红线的人类活动监管提供技术支撑。
如图1所示,该方法包括:
S1:获取待检测影像、本底数据、本底影像和红线矢量,其中:待检测影像为待检测区域的高空间分辨率遥感影像,本底数据为人类活动分类历史本底数据,本底影像为本底数据对应的高空间分辨率遥感影像,红线矢量为海洋红线矢量数据。
本步骤用于获取数据,获取的数据如上。并且,还可以要求待检测影像的天顶角和时相等与本底影像的天顶角和时相等保持一致,待检测影像的质量良好,在红线矢量范围内无云或云量小于5%。
获取待检测影像和本底影像后,还可以对待检测影像和本底影像进行如下操作:
S11:对待检测影像和本底影像进行辐射定标、辐射校正、正射校正、匀色、镶嵌和云掩膜处理,正射校正的精度控制在1个像元内。
辐射定标:将影像的亮度灰度值转换为绝对的辐射亮度的过程。
辐射校正(radiometric correction):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畸变的过程。
正射校正:遥感成像的时候,由于飞行器的姿态、高度、速度以及地球自转等因素的影响,造成图像相对于地面目标发生几何畸变,这种畸变表现为像元相对于地面目标的实际位置发生挤压、扭曲、拉伸和偏移等,针对几何畸变进行的误差校正即为正射校正。
正射校正主要包括校正方法确定、控制点输入、像素重采样和精度评价。
1)校正方法确定:可以根据遥感影像几何畸变的性质和遥感影像数据源的不同确定几何校正的方法,例如可以选择多项式校正方法
2)控制点输入:一般要求控制点均匀分布在整幅遥感影像上,尽量选择明显、清晰的定位识别标志作为控制点,如道路交叉点等特征点。
3)重采样:对原始遥感影像进行重采样,得到消除几何畸变后的影像,例如可以选用双线性内插法进行重采样。
4)精度评价:将消除几何畸变后的遥感影像与控制影像套合,检验精度,要求正射校正的精度在1个像元以内。
匀色:遥感影像可能会存在色彩不一致问题,需要进行匀色消除色彩差异。
镶嵌:对于面积较大的待检测区域而言,需要多景遥感影像才能覆盖,因此需要进行影像镶嵌,包括:
1)指定参考图像:参考图像作为镶嵌过程中对比匹配以及镶嵌后输出图像的地理投影、像元大小、数据类型的基准。
2)影像镶嵌:在相邻两景遥感影像的重叠区内选择一条连接两景遥感影像的拼接线,进行影像镶嵌,要求景与景的接边糟度控制在1个像元以内。
云掩膜:若待检测影像在红线矢量范围内有云,需要通过云掩膜云去除云影响。
S2:利用红线矢量分别对待检测影像和本底影像进行掩膜处理,得到海洋红线内的待检测影像和本底影像。
S3:将本底数据进行栅格矢量变换,得到本底矢量,本底矢量即为人类活动历史本底矢量数据。
前述的S11~S3为对获取的待检测影像、本底数据和本底影像进行的预处理过程。
S4:按照本底矢量分别对待检测影像和本底影像进行分割,分别得到一级待检测斑块和一级本底斑块。
本步骤是第一次分割,分割的依据是人类活动历史本底矢量数据,待检测影像分割后得到的各个斑块称为一级待检测斑块,本底影像分割后得到的各个斑块称为一级本底斑块。
S5:遍历每个一级待检测斑块,并确定每个一级待检测斑块的变化特性,其中:
若一级待检测斑块的亮度统计值与相同位置的一级本底斑块的亮度统计值的差异在设定的范围内,且该一级待检测斑块的光谱特征函数与相同位置的一级本底斑块的光谱特征函数的差异在设定的范围内,则说明该一级待检测斑块与相同位置的一级本底斑块的差异较小,因此将该一级待检测斑块标记为不变斑块,示例性的,可以标记为“0”。
若一级待检测斑块的亮度统计值与相同位置的一级本底斑块的亮度统计值的差异不在设定的范围内,且该一级待检测斑块的光谱特征函数与相同位置的一级本底斑块的光谱特征函数的差异不在设定的范围内,则说明该一级待检测斑块与相同位置的一级本底斑块的差异较大,因此将该一级待检测斑块标记为变化斑块,示例性的,可以标记为“0”。
若为其他情况,则说明该一级待检测斑块与相同位置的一级本底斑块的差异适中,如果直接将其判断为变化斑块或不变斑块很容易出现错误,所以将该一级待检测斑块标记为疑似变化斑块(示例性的,可以标记为“q”),在后续进行第二次精确判断。
本步骤将一级待检测斑块与相同位置的一级本底斑块进行光谱匹配,根据光谱匹配的差异初步判断一级待检测斑块是否有变化,并对疑似变化的一级待检测斑块留作后续进行第二次精确判断。
S6:根据设置的分割阈值分别对疑似变化斑块和与疑似变化斑块相同位置的一级本底斑块进行分割,分别得到二级待检测斑块和二级本底斑块。
本步骤是第二次分割,分割的依据是分割阈值,分割阈值可以按照光谱、几何和/或纹理等特征进行设置,分割的对象是疑似变化斑块(即标记为“q的斑块”)和与疑似变化斑块相同位置的一级本底斑块。疑似变化斑块分割后得到的各个斑块称为二级待检测斑块,一级本底斑块分割后得到的各个斑块称为二级本底斑块。
S7:遍历每个二级待检测斑块,并确定每个二级待检测斑块的变化特性,其中:
若二级待检测斑块的亮度统计值与相同位置的二级本底斑块的亮度统计值的差异在设定的范围内,且该二级待检测斑块的光谱特征函数与相同位置的二级本底斑块的光谱特征函数的差异在设定的范围内,则说明该二级待检测斑块与相同位置的二级本底斑块的差异较小,因此将该二级待检测斑块标记为不变斑块(可以标记为“0”);否则,说明该二级待检测斑块与相同位置的二级本底斑块的差异较大,因此将该二级待检测斑块标记为变化斑块(可以标记为“1”)。
步骤S6~S7对初步筛选后的疑似变化斑块依据光谱、几何、纹理等综合特征进行了二次分割和检测,能更好的提取人类活动的确切变化边界,可大大提高检测精度,同时仅对第一次分割后的疑似变化斑块进行检测,也能大大提高检测速度。
S8:将所有变化斑块组合在一起,得到新增人类活动斑块,并对新增人类活动斑块按照海洋红线管控单元进行统计分析,得到海洋红线不同管控单元内新增人类活动斑块的数量、面积和空间分布情况。
第一次分割后在S5中得到了一部分变化斑块,第二次分割后在S7中得到了一部分变化斑块,将这两部分所有斑块(即所有标记为“1”的斑块)叠加组合到一起,就得到了相对于本底影像的新增人类活动斑块。
然后对得到的新增人类活动斑块按照海洋红线管控单元(例如县域行政区等)进行统计分析,得到海洋红线不同管控单元内新增人类活动斑块的数量、面积及空间分布等情况。
本发明首先对获取的数据进行预处理,然后利用本底矢量对本底影像和待检测影像进行分割;对经过分割的本底影像的各个斑块统计分析,利用亮度统计值和光谱特征函数对待检测影像的对应斑块进行逐一判别初筛,获取待检测影像的变化斑块和疑似变化斑块;对经过初筛获取的疑似变化斑块以及对应的本底影像的斑块依据光谱、几何、纹理等特征进行二次分割;依据经过二次分割后的本底影像的各个斑块进行统计分析,利用亮度统计值及光谱特征函数对疑似变化斑块上第二次分割后的对应斑块进行逐一判别,获取变化斑块;把第一次及第二次判别后获得的变化斑块合并,得到新增人类活动斑块;对新增人类活动斑块进行统计,获取海洋红线内不同管控单元的新增人类活动斑块数量和面积。
本发明具有以下优点:
1、本发明以本底影像的斑块的光谱统计特征值(亮度统计值和光谱特征函数)为基础,把待检测影像对应斑块的光谱统计特征值与之进行比较,可大大降低人类活动的“伪变化”识别率,提高检测速度。
2、在经过一次分割并初筛后识别的疑似变化区域,依据光谱、几何、纹理等综合特征进行了二次分割并检测,能更好的提取人类活动的确切变化边界,可大大提高检测精度,同时仅对第一次分割后的疑似变化斑块进行检测,能够大大提高检测速度。
3、本发明完全依据计算机自动去识别和判定,不需要人工目视判别,克服了传统依靠人机交互速度慢且靠经验提高精度的缺陷,判别速度快,精度高,能够节省大量的时间和精力,较好的推广性。
4、本发明识别和提取的人类活动新增斑块,不局限于已知类别的人类活动,可对所有引起生态系统变化的人类活动进行快速提取,可满足海洋红线第一时间发现人类活动的需求。
综上所述,本发明可自动化、快速提取海洋红线内新增人类活动斑块的位置、数量和分布面积等信息,为海洋红线人类活动监管提供快速准确的技术支撑。
作为本发明实施例的一种改进,前述的S5包括:
遍历每个一级待检测斑块,并对每个一级待检测斑块进行如下操作:
若为其他情况,则将该一级待检测斑块标记为疑似变化斑块(标记为“q”)。
其中,L为该一级待检测斑块的亮度统计值,L0为与该一级待检测斑块相同位置的一级本底斑块的亮度统计值,f(x)为该一级待检测斑块的光谱变异函数,f(x)=∑(f0(x)-f1(x)),f1(x)为该一级待检测斑块中每个波段x的光谱特征函数,f0(x)为与该一级待检测斑块相同位置的一级本底斑块中每个波段x的光谱特征函数,∑f0(x)为所有波段x的f0(x)的和,∑(f0(x)-f1(x))为所有波段对应的(f0(x)-f1(x))的和,m和n为设定的系数,x为波段,x=1,2,3…,表示第一波段、第二波段、…。
光谱特征函数是对斑块内所有像元值的统计函数,其可以具有多种具体的计算方式,本发明对此不做限定。亮度统计值是对斑块内所有像元亮度值的统计,其可以具有多种具体的计算方式,本发明对此也不做限定。
(f0(x)-f1(x))表示一级待检测斑块与一级本底斑块的光谱特征函数的差异,所有波段的差异组合成光谱变异函数。光谱变异函数f(x)表示的是同一位置(斑块)上的待检测影像与本底影像的所有波段的总体差异,如果该差异在一定的范围内,那么说明待检测影像与本底影像的差异较小,反之差异较大。再结合待检测影像与本底影像相同位置的亮度差异,即可得到该位置的变化特性,从而确定出斑块是不变斑块、变化斑块或疑似变化斑块。
本发明通过亮度统计值和构建的光谱变异函数,对待检测影像的对应斑块进行逐一判别,亮度统计值结合光谱变异函数,其检测速度快,精度高。
与S5对应的,前述的S7包括:
遍历每个二级待检测斑块并对每个二级待检测斑块进行如下操作:
其中,L'为该二级待检测斑块的亮度统计值,L0'为与该二级待检测斑块相同位置的二级本底斑块的亮度统计值,f'(x)为该二级待检测斑块的光谱变异函数,f'(x)=∑(f0'(x)-f1'(x)),f1'(x)为该二级待检测斑块中每个波段x的光谱特征函数,f0'(x)为与该二级待检测斑块相同位置的二级本底斑块中每个波段x的光谱特征函数,∑f0'(x)为所有波段的f0'(x)的和,∑(f0'(x)-f1'(x))为所有波段对应的(f0'(x)-f1'(x))的和,m'和n'为设定的系数。
本步骤与S5类似,可以参见S5进行理解,其中,本步骤中的各个参数的具体计算方式可以与S5中相同,也可以不同。
前述的f0(x)、f1(x)、f0'(x)、f1'(x)可以分别通过如下方法计算得到:
对一级本底斑块/一级待检测斑块/二级本底斑块/二级待检测斑块中每个波段的所有像元分别构建一个向量,分别根据向量计算得到一级本底斑块/一级待检测斑块/二级本底斑块/二级待检测斑块中每个波段的光谱特征函数f0(x)、f1(x)、f0'(x)、f1'(x)。通过向量计算光谱特征函数的具体计算方法可以有多种,本发明对此不做限定。
前述的L0、L、L0'、L'可以分别通过如下方法计算得到:
分别计算一级本底斑块/一级待检测斑块/二级本底斑块/二级待检测斑块中每个像元的亮度值,将一级本底斑块/一级待检测斑块/二级本底斑块/二级待检测斑块中所有像元的亮度值平均,得到一级本底斑块/一级待检测斑块/二级本底斑块/二级待检测斑块的亮度统计值L0、L、L0'、L'。
其中:每个像元的亮度值l=R*0.299+G*0.587+B*0.114,其中R、G、B分别为该像元在R波段、G波段和B波段的值。
对任意一个波段a,其所有像元构建的向量为f0(a);
amn表示一级本底斑块/一级待检测斑块/二级本底斑块/二级待检测斑块中波段a的第p行q列的像元值。
前述的m、m'、n、n'的取值范围可以为:5%≤m、m'≤20%,5%≤n、n'≤20%。
实施例2:
本发明实施例提供一种海洋红线新增人类活动斑块自动化快速提取装置,如图2所示,该装置包括:
数据获取模块1,用于获取待检测影像、本底数据、本底影像和红线矢量,其中:待检测影像为待检测区域的高空间分辨率遥感影像,本底数据为人类活动分类历史本底数据,本底影像为本底数据对应的高空间分辨率遥感影像,红线矢量为海洋红线矢量数据。
掩膜处理模块2,用于利用红线矢量分别对待检测影像和本底影像进行掩膜处理。
变换模块3,用于将本底数据进行栅格矢量变换,得到本底矢量。
第一分割模块4,用于按照本底矢量分别对待检测影像和本底影像进行分割,分别得到一级待检测斑块和一级本底斑块。
第一检测模块5,用于遍历每个一级待检测斑块,并确定每个一级待检测斑块的变化特性,其中:
若一级待检测斑块的亮度统计值与相同位置的一级本底斑块的亮度统计值的差异在设定的范围内,且该一级待检测斑块的光谱特征函数与相同位置的一级本底斑块的光谱特征函数的差异在设定的范围内,则将该一级待检测斑块标记为不变斑块。
若一级待检测斑块的亮度统计值与相同位置的一级本底斑块的亮度统计值的差异不在设定的范围内,且该一级待检测斑块的光谱特征函数与相同位置的一级本底斑块的光谱特征函数的差异不在设定的范围内,则将该一级待检测斑块标记为变化斑块。
若为其他情况,则将该一级待检测斑块标记为疑似变化斑块。
第二分割模块6,用于根据设置的分割阈值分别对疑似变化斑块和与疑似变化斑块相同位置的一级本底斑块进行分割,分别得到二级待检测斑块和二级本底斑块。
第二检测模块7,用于遍历每个二级待检测斑块,并确定每个二级待检测斑块的变化特性,其中:
若二级待检测斑块的亮度统计值与相同位置的二级本底斑块的亮度统计值的差异在设定的范围内,且该二级待检测斑块的光谱特征函数与相同位置的二级本底斑块的光谱特征函数的差异在设定的范围内,则将该二级待检测斑块标记为不变斑块;否则,将该二级待检测斑块标记为变化斑块。
新增人类活动斑块确定模块8,用于将所有变化斑块组合在一起,得到新增人类活动斑块,并对新增人类活动斑块按照海洋红线管控单元进行统计分析,得到海洋红线不同管控单元内新增人类活动斑块的数量、面积和空间分布情况。
本发明具有以下优点:
1、本发明以本底影像的斑块的光谱统计特征值(亮度统计值和光谱特征函数)为基础,把待检测影像对应斑块的光谱统计特征值与之进行比较,可大大降低人类活动的“伪变化”识别率,提高检测速度。
2、在经过一次分割并初筛后识别的疑似变化区域,依据光谱、几何、纹理等综合特征进行了二次分割并检测,能更好的提取人类活动的确切变化边界,可大大提高检测精度,同时仅对第一次分割后的疑似变化斑块进行检测,能够大大提高检测速度。
3、本发明完全依据计算机自动去识别和判定,不需要人工目视判别,克服了传统依靠人机交互速度慢且靠经验提高精度的缺陷,判别速度快,精度高,能够节省大量的时间和精力,较好的推广性。
4、本发明识别和提取的人类活动新增斑块,不局限于已知类别的人类活动,可对所有引起生态系统变化的人类活动进行快速提取,可满足海洋红线第一时间发现人类活动的需求。
综上所述,本发明可自动化、快速提取海洋红线内新增人类活动斑块的位置、数量和分布面积等信息,为海洋红线人类活动监管提供快速准确的技术支撑。
作为本发明的一种改进,前述的第一检测模块包括:
遍历每个一级待检测斑块,并对每个一级待检测斑块执行如下单元:
第三标记单元,用于若为其他情况,则将该一级待检测斑块标记为疑似变化斑块;
其中,L为该一级待检测斑块的亮度统计值,L0为与该一级待检测斑块相同位置的一级本底斑块的亮度统计值,f(x)为该一级待检测斑块的光谱变异函数,f(x)=∑(f0(x)-f1(x)),f1(x)为该一级待检测斑块中每个波段x的光谱特征函数,f0(x)为与该一级待检测斑块相同位置的一级本底斑块中每个波段x的光谱特征函数,∑f0(x)为所有波段x的f0(x)的和,∑(f0(x)-f1(x))为所有波段对应的(f0(x)-f1(x))的和,m和n为设定的系数。
相应的,第二检测模块包括:
遍历每个二级待检测斑块并对每个二级待检测斑块执行如下单元:
其中,L'为该二级待检测斑块的亮度统计值,L0'为与该二级待检测斑块相同位置的二级本底斑块的亮度统计值,f'(x)为该二级待检测斑块的光谱变异函数,f'(x)=∑(f0'(x)-f1'(x)),f1'(x)为该二级待检测斑块中每个波段x的光谱特征函数,f0'(x)为与该二级待检测斑块相同位置的二级本底斑块中每个波段x的光谱特征函数,∑f0'(x)为所有波段x的f0'(x)的和,∑(f0'(x)-f1'(x))为所有波段对应的(f0'(x)-f1'(x))的和,m'和n'为设定的系数。
前述的f0(x)、f1(x)、f0'(x)、f1'(x)分别通过如下方法计算得到:
对一级本底斑块/一级待检测斑块/二级本底斑块/二级待检测斑块中每个波段的所有像元分别构建一个向量,分别根据向量计算得到一级本底斑块/一级待检测斑块/二级本底斑块/二级待检测斑块中每个波段的光谱特征函数f0(x)、f1(x)、f0'(x)、f1'(x)。
L0、L、L0'、L'分别通过如下方法计算得到:
分别计算一级本底斑块/一级待检测斑块/二级本底斑块/二级待检测斑块中每个像元的亮度值,将一级本底斑块/一级待检测斑块/二级本底斑块/二级待检测斑块中所有像元的亮度值平均,得到一级本底斑块/一级待检测斑块/二级本底斑块/二级待检测斑块的亮度统计值L0、L、L0'、L'。
其中,每个像元的亮度值l=R*0.299+G*0.587+B*0.114,其中R、G、B分别为该像元在R波段、G波段和B波段的值。
对任意一个波段a,其所有像元构建的向量为f0(a);
amn表示一级本底斑块/一级待检测斑块/二级本底斑块/二级待检测斑块中波段a的第p行q列的像元值。
m、m'、n、n'的取值范围可以为:5%≤m、m'≤20%,5%≤n、n'≤20%,设置分割阈值时,可以按照光谱、几何和/或纹理特征进行设置。
前述的待检测影像的天顶角和时相与本底影像的天顶角和时相一致,待检测影像在红线矢量范围内的云量小于5%。
本发明的装置在数据获取模块1和掩膜处理模块2之间还包括:
预处理单元,用于对待检测影像和本底影像进行辐射定标、辐射校正、正射校正、匀色、镶嵌和云掩膜处理,正射校正的精度控制在1个像元内。
本发明实施例所提供的装置,其实现原理及产生的技术效果和前述方法实施例相同,为简要描述,装置实施例部分未提及之处,可参考前述方法实施例1中相应内容。所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,前述描述的装置和单元的具体工作过程,均可以参考上述方法实施例中的对应过程,在此不再赘述。
需要说明的是,本说明书上述所述的装置或者系统根据相关方法实施例的描述还可以包括其他的实施方式,具体的实现方式可以参照方法实施例的描述,在此不作一一赘述。本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于硬件+程序类、存储介质+程序实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定按照要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
上述实施例阐明的系统、装置、模块或单元,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的,计算机例如可以为个人计算机、膝上型计算机、车载人机交互设备、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便,描述以上装置时以功能分为各种模块分别描述。当然,在实施本说明书一个或多个时可以把各模块的功能在同一个或多个软件和/或硬件中实现,也可以将实现同一功能的模块由多个子模块或子单元的组合实现等。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。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。
本领域技术人员也知道,除了以纯计算机可读程序代码方式实现控制器以外,完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件,而对其内部包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至,可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法或者设备中还存在另外的相同要素。
本领域技术人员应明白,本说明书一个或多个实施例可提供为方法、系统或计算机程序产品。因此,本说明书一个或多个实施例可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本说明书一个或多个实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本说明书一个或多个实施例可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书一个或多个实施例,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本底和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本说明书的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述并不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
最后应说明的是:以上所述实施例,仅为本发明的具体实施方式,用以说明本发明的技术方案,而非对其限制,本发明的保护范围并不局限于此,尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解: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,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围。都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种海洋红线新增人类活动斑块自动化快速提取方法,其特征在于,所述方法包括:
S1:获取待检测影像、本底数据、本底影像和红线矢量,其中:所述待检测影像为待检测区域的高空间分辨率遥感影像,所述本底数据为人类活动分类历史本底数据,所述本底影像为所述本底数据对应的高空间分辨率遥感影像,所述红线矢量为海洋红线矢量数据;
S2:利用所述红线矢量分别对所述待检测影像和本底影像进行掩膜处理;
S3:将本底数据进行栅格矢量变换,得到本底矢量;
S4:按照本底矢量分别对待检测影像和本底影像进行分割,分别得到一级待检测斑块和一级本底斑块;
S5:遍历每个一级待检测斑块,并确定每个一级待检测斑块的变化特性,其中:
若一级待检测斑块的亮度统计值与相同位置的一级本底斑块的亮度统计值的差异在设定的范围内,且该一级待检测斑块的光谱特征函数与相同位置的一级本底斑块的光谱特征函数的差异在设定的范围内,则将该一级待检测斑块标记为不变斑块;
若一级待检测斑块的亮度统计值与相同位置的一级本底斑块的亮度统计值的差异不在设定的范围内,且该一级待检测斑块的光谱特征函数与相同位置的一级本底斑块的光谱特征函数的差异不在设定的范围内,则将该一级待检测斑块标记为变化斑块;
若为其他情况,则将该一级待检测斑块标记为疑似变化斑块;
S6:根据设置的分割阈值分别对疑似变化斑块和与疑似变化斑块相同位置的一级本底斑块进行分割,分别得到二级待检测斑块和二级本底斑块;
S7:遍历每个二级待检测斑块,并确定每个二级待检测斑块的变化特性,其中:
若二级待检测斑块的亮度统计值与相同位置的二级本底斑块的亮度统计值的差异在设定的范围内,且该二级待检测斑块的光谱特征函数与相同位置的二级本底斑块的光谱特征函数的差异在设定的范围内,则将该二级待检测斑块标记为不变斑块;否则,将该二级待检测斑块标记为变化斑块;
S8:将所有变化斑块组合在一起,得到新增人类活动斑块,并对所述新增人类活动斑块按照海洋红线管控单元进行统计分析,得到海洋红线不同管控单元内新增人类活动斑块的数量、面积和空间分布情况。
2.根据权利要求1所述的海洋红线新增人类活动斑块自动化快速提取方法,其特征在于,所述S5包括:
遍历每个一级待检测斑块,并对每个一级待检测斑块进行如下操作:
若为其他情况,则将该一级待检测斑块标记为疑似变化斑块;
其中,L为该一级待检测斑块的亮度统计值,L0为与该一级待检测斑块相同位置的一级本底斑块的亮度统计值,f(x)为该一级待检测斑块的光谱变异函数,f(x)=∑(f0(x)-f1(x)),f1(x)为该一级待检测斑块中每个波段x的光谱特征函数,f0(x)为与该一级待检测斑块相同位置的一级本底斑块中每个波段x的光谱特征函数,∑f0(x)为所有波段x的f0(x)的和,∑(f0(x)-f1(x))为所有波段对应的(f0(x)-f1(x))的和,m和n为设定的系数。
3.根据权利要求2所述的海洋红线新增人类活动斑块自动化快速提取方法,其特征在于,所述S7包括:
遍历每个二级待检测斑块并对每个二级待检测斑块进行如下操作:
其中,L'为该二级待检测斑块的亮度统计值,L0'为与该二级待检测斑块相同位置的二级本底斑块的亮度统计值,f'(x)为该二级待检测斑块的光谱变异函数,f'(x)=∑(f0'(x)-f1'(x)),f1'(x)为该二级待检测斑块中每个波段x的光谱特征函数,f0'(x)为与该二级待检测斑块相同位置的二级本底斑块中每个波段x的光谱特征函数,∑f0'(x)为所有波段的f0'(x)的和,∑(f0'(x)-f1'(x))为所有波段对应的(f0'(x)-f1'(x))的和,m'和n'为设定的系数。
4.根据权利要求3所述的海洋红线新增人类活动斑块自动化快速提取方法,其特征在于,所述f0(x)、f1(x)、f0'(x)、f1'(x)分别通过如下方法计算得到:
对一级本底斑块/一级待检测斑块/二级本底斑块/二级待检测斑块中每个波段的所有像元分别构建一个向量,分别根据所述向量计算得到一级本底斑块/一级待检测斑块/二级本底斑块/二级待检测斑块中每个波段的光谱特征函数f0(x)、f1(x)、f0'(x)、f1'(x);
所述L0、L、L0'、L'分别通过如下方法计算得到:
分别计算一级本底斑块/一级待检测斑块/二级本底斑块/二级待检测斑块中每个像元的亮度值,将一级本底斑块/一级待检测斑块/二级本底斑块/二级待检测斑块中所有像元的亮度值平均,得到一级本底斑块/一级待检测斑块/二级本底斑块/二级待检测斑块的亮度统计值L0、L、L0'、L';
每个像元的亮度值l=R*0.299+G*0.587+B*0.114,其中R、G、B分别为该像元在R波段、G波段和B波段的值。
6.根据权利要求3所述的海洋红线新增人类活动斑块自动化快速提取方法,其特征在于,5%≤m、m'≤20%,5%≤n、n'≤20%,按照光谱、几何和/或纹理特征设置分割阈值。
7.根据权利要求1-6任一所述的海洋红线新增人类活动斑块自动化快速提取方法,其特征在于,所述待检测影像的天顶角和时相与本底影像的天顶角和时相一致,所述待检测影像在红线矢量范围内的云量小于5%;
所述S1之后,S2之前,还包括:
S11:对所述待检测影像和本底影像进行辐射定标、辐射校正、正射校正、匀色、镶嵌和云掩膜处理,所述正射校正的精度控制在1个像元内。
8.一种海洋红线新增人类活动斑块自动化快速提取装置,其特征在于,所述装置包括:
数据获取模块,用于获取待检测影像、本底数据、本底影像和红线矢量,其中:所述待检测影像为待检测区域的高空间分辨率遥感影像,所述本底数据为人类活动分类历史本底数据,所述本底影像为所述本底数据对应的高空间分辨率遥感影像,所述红线矢量为海洋红线矢量数据;
掩膜处理模块,用于利用所述红线矢量分别对所述待检测影像和本底影像进行掩膜处理;
变换模块,用于将本底数据进行栅格矢量变换,得到本底矢量;
第一分割模块,用于按照本底矢量分别对待检测影像和本底影像进行分割,分别得到一级待检测斑块和一级本底斑块;
第一检测模块,用于遍历每个一级待检测斑块,并确定每个一级待检测斑块的变化特性,其中:
若一级待检测斑块的亮度统计值与相同位置的一级本底斑块的亮度统计值的差异在设定的范围内,且该一级待检测斑块的光谱特征函数与相同位置的一级本底斑块的光谱特征函数的差异在设定的范围内,则将该一级待检测斑块标记为不变斑块;
若一级待检测斑块的亮度统计值与相同位置的一级本底斑块的亮度统计值的差异不在设定的范围内,且该一级待检测斑块的光谱特征函数与相同位置的一级本底斑块的光谱特征函数的差异不在设定的范围内,则将该一级待检测斑块标记为变化斑块;
若为其他情况,则将该一级待检测斑块标记为疑似变化斑块;
第二分割模块,用于根据设置的分割阈值分别对疑似变化斑块和与疑似变化斑块相同位置的一级本底斑块进行分割,分别得到二级待检测斑块和二级本底斑块;
第二检测模块,用于遍历每个二级待检测斑块,并确定每个二级待检测斑块的变化特性,其中:
若二级待检测斑块的亮度统计值与相同位置的二级本底斑块的亮度统计值的差异在设定的范围内,且该二级待检测斑块的光谱特征函数与相同位置的二级本底斑块的光谱特征函数的差异在设定的范围内,则将该二级待检测斑块标记为不变斑块;否则,将该二级待检测斑块标记为变化斑块;
新增人类活动斑块确定模块,用于将所有变化斑块组合在一起,得到新增人类活动斑块,并对所述新增人类活动斑块按照海洋红线管控单元进行统计分析,得到海洋红线不同管控单元内新增人类活动斑块的数量、面积和空间分布情况。
9.根据权利要求8所述的海洋红线新增人类活动斑块自动化快速提取装置,其特征在于,所述第一检测模块包括:
遍历每个一级待检测斑块,并对每个一级待检测斑块执行如下单元:
第三标记单元,用于若为其他情况,则将该一级待检测斑块标记为疑似变化斑块;
其中,L为该一级待检测斑块的亮度统计值,L0为与该一级待检测斑块相同位置的一级本底斑块的亮度统计值,f(x)为该一级待检测斑块的光谱变异函数,f(x)=∑(f0(x)-f1(x)),f1(x)为该一级待检测斑块中每个波段x的光谱特征函数,f0(x)为与该一级待检测斑块相同位置的一级本底斑块中每个波段x的光谱特征函数,∑f0(x)为所有波段x的f0(x)的和,∑(f0(x)-f1(x))为所有波段对应的(f0(x)-f1(x))的和,m和n为设定的系数。
10.根据权利要求9所述的海洋红线新增人类活动斑块自动化快速提取装置,其特征在于,所述第二检测模块包括:
遍历每个二级待检测斑块并对每个二级待检测斑块执行如下单元:
其中,L'为该二级待检测斑块的亮度统计值,L0'为与该二级待检测斑块相同位置的二级本底斑块的亮度统计值,f'(x)为该二级待检测斑块的光谱变异函数,f'(x)=∑(f0'(x)-f1'(x)),f1'(x)为该二级待检测斑块中每个波段x的光谱特征函数,f0'(x)为与该二级待检测斑块相同位置的二级本底斑块中每个波段x的光谱特征函数,∑f0'(x)为所有波段x的f0'(x)的和,∑(f0'(x)-f1'(x))为所有波段对应的(f0'(x)-f1'(x))的和,m'和n'为设定的系数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010530857.XA CN111680704B (zh) | 2020-06-11 | 2020-06-11 | 海洋红线新增人类活动斑块自动化快速提取方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010530857.XA CN111680704B (zh) | 2020-06-11 | 2020-06-11 | 海洋红线新增人类活动斑块自动化快速提取方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111680704A true CN111680704A (zh) | 2020-09-18 |
CN111680704B CN111680704B (zh) | 2021-01-15 |
Family
ID=72454842
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010530857.XA Active CN111680704B (zh) | 2020-06-11 | 2020-06-11 | 海洋红线新增人类活动斑块自动化快速提取方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111680704B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113033401A (zh) * | 2021-03-25 | 2021-06-25 | 生态环境部卫星环境应用中心 | 一种面向生态保护红线的人类活动变化识别监管方法 |
CN113298755A (zh) * | 2021-04-13 | 2021-08-24 | 生态环境部卫星环境应用中心 | 基于时序影像的生态环境变化斑块快速检测方法和装置 |
CN114663412A (zh) * | 2022-04-01 | 2022-06-24 | 中国科学院地理科学与资源研究所 | 基于陆表水域生态红线的长连续遥感图像处理方法及装置 |
CN116503274A (zh) * | 2023-04-07 | 2023-07-28 | 中山大学 | 一种基于图像重叠区域的图像匀色方法及装置 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102254319A (zh) * | 2011-04-19 | 2011-11-23 | 中科九度(北京)空间信息技术有限责任公司 | 一种多层次分割的遥感影像变化检测方法 |
CN102855487A (zh) * | 2012-08-27 | 2013-01-02 | 南京大学 | 高分辨率遥感图像新增建设用地变化图斑自动提取的方法 |
US8548248B2 (en) * | 2011-03-01 | 2013-10-01 | Mda Information Systems, Inc. | Correlated land change system and method |
CN108197328A (zh) * | 2018-02-08 | 2018-06-22 | 江苏省基础地理信息中心 | 地理国情数据变化类型自动识别方法 |
CN109658380A (zh) * | 2018-11-09 | 2019-04-19 | 广西壮族自治区遥感信息测绘院 | 基于前期林地矢量数据的林地变化检测方法 |
CN110263627A (zh) * | 2019-05-09 | 2019-09-20 | 生态环境部卫星环境应用中心 | 一种面向保护地监管的人类活动变化线索监测方法 |
CN111127634A (zh) * | 2019-12-20 | 2020-05-08 | 山东省国土测绘院 | 土地利用数据的图斑叠加方法、装置、设备及存储介质 |
-
2020
- 2020-06-11 CN CN202010530857.XA patent/CN111680704B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8548248B2 (en) * | 2011-03-01 | 2013-10-01 | Mda Information Systems, Inc. | Correlated land change system and method |
CN102254319A (zh) * | 2011-04-19 | 2011-11-23 | 中科九度(北京)空间信息技术有限责任公司 | 一种多层次分割的遥感影像变化检测方法 |
CN102855487A (zh) * | 2012-08-27 | 2013-01-02 | 南京大学 | 高分辨率遥感图像新增建设用地变化图斑自动提取的方法 |
CN108197328A (zh) * | 2018-02-08 | 2018-06-22 | 江苏省基础地理信息中心 | 地理国情数据变化类型自动识别方法 |
CN109658380A (zh) * | 2018-11-09 | 2019-04-19 | 广西壮族自治区遥感信息测绘院 | 基于前期林地矢量数据的林地变化检测方法 |
CN110263627A (zh) * | 2019-05-09 | 2019-09-20 | 生态环境部卫星环境应用中心 | 一种面向保护地监管的人类活动变化线索监测方法 |
CN111127634A (zh) * | 2019-12-20 | 2020-05-08 | 山东省国土测绘院 | 土地利用数据的图斑叠加方法、装置、设备及存储介质 |
Non-Patent Citations (2)
Title |
---|
JEAN-FRANÇOIS MAS等: "《ISPRS Geospatial Week 2015》", 29 August 2015 * |
杜培军等: "面向地理国情监测的变化检测与地表覆盖信息更新方法", 《地球信息科学学报》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113033401A (zh) * | 2021-03-25 | 2021-06-25 | 生态环境部卫星环境应用中心 | 一种面向生态保护红线的人类活动变化识别监管方法 |
CN113298755A (zh) * | 2021-04-13 | 2021-08-24 | 生态环境部卫星环境应用中心 | 基于时序影像的生态环境变化斑块快速检测方法和装置 |
CN113298755B (zh) * | 2021-04-13 | 2021-11-26 | 生态环境部卫星环境应用中心 | 基于时序影像的生态环境变化斑块快速检测方法和装置 |
CN114663412A (zh) * | 2022-04-01 | 2022-06-24 | 中国科学院地理科学与资源研究所 | 基于陆表水域生态红线的长连续遥感图像处理方法及装置 |
CN114663412B (zh) * | 2022-04-01 | 2023-02-10 | 中国科学院地理科学与资源研究所 | 基于陆表水域生态红线的长连续遥感图像处理方法及装置 |
CN116503274A (zh) * | 2023-04-07 | 2023-07-28 | 中山大学 | 一种基于图像重叠区域的图像匀色方法及装置 |
CN116503274B (zh) * | 2023-04-07 | 2023-12-22 | 中山大学 | 一种基于图像重叠区域的图像匀色方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN111680704B (zh) | 2021-01-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111680704B (zh) | 海洋红线新增人类活动斑块自动化快速提取方法和装置 | |
Wei et al. | Toward automatic building footprint delineation from aerial images using CNN and regularization | |
CN110544258B (zh) | 图像分割的方法、装置、电子设备和存储介质 | |
CN111307727B (zh) | 基于时序遥感影像的水体水色异常识别方法和装置 | |
KR101640998B1 (ko) | 화상 처리 장치 및 화상 처리 방법 | |
CN109977997B (zh) | 基于卷积神经网络快速鲁棒的图像目标检测与分割方法 | |
CN111008961B (zh) | 一种输电线路设备缺陷检测方法及其系统、设备、介质 | |
CN113989305B (zh) | 目标语义分割方法及应用其的街道目标异常检测方法 | |
CN111398176B (zh) | 基于像元尺度特征的水体水色异常遥感识别方法和装置 | |
CN107004266A (zh) | 检测轮胎表面上缺陷的方法 | |
CN112651953A (zh) | 图片相似度计算方法、装置、计算机设备及存储介质 | |
CN112330597A (zh) | 一种图像差异检测方法、装置及计算机设备 | |
CN114120138A (zh) | 一种遥感影像目标检测识别方法、装置、设备及介质 | |
Baluyan et al. | Novel approach for rooftop detection using support vector machine | |
CN106709515A (zh) | 一种适用于下视景象匹配选区准则干预方法 | |
CN113284066B (zh) | 遥感影像自动云检测方法和装置 | |
CN114821274A (zh) | 一种用于识别分合指示牌的状态的方法和设备 | |
Wang et al. | Hybrid remote sensing image segmentation considering intrasegment homogeneity and intersegment heterogeneity | |
CN113298755B (zh) | 基于时序影像的生态环境变化斑块快速检测方法和装置 | |
CN105809177A (zh) | 执行遥感影像分类的方法 | |
Li et al. | OUR-Net: A Multi-Frequency Network With Octave Max Unpooling and Octave Convolution Residual Block for Pavement Crack Segmentation | |
CN109785318B (zh) | 基于面线基元关联约束的遥感图像变化检测方法 | |
Xia et al. | A method for road surface anomaly detection from remote sensing data by deep convolutional networks | |
CN111047614A (zh) | 一种基于特征提取的复杂场景图像的目标角点提取方法 | |
CN114118127B (zh) | 一种视觉场景标志检测与识别方法及装置 |
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 |