CN111879292B - 一种海岸线动态监控方法、监控设备及存储介质 - Google Patents

一种海岸线动态监控方法、监控设备及存储介质 Download PDF

Info

Publication number
CN111879292B
CN111879292B CN202010731022.0A CN202010731022A CN111879292B CN 111879292 B CN111879292 B CN 111879292B CN 202010731022 A CN202010731022 A CN 202010731022A CN 111879292 B CN111879292 B CN 111879292B
Authority
CN
China
Prior art keywords
coastline
image
images
ortho
dynamic
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.)
Active
Application number
CN202010731022.0A
Other languages
English (en)
Other versions
CN111879292A (zh
Inventor
汪驰升
崔红星
胡忠文
涂伟
李清泉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen University
Original Assignee
Shenzhen University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen University filed Critical Shenzhen University
Priority to CN202010731022.0A priority Critical patent/CN111879292B/zh
Publication of CN111879292A publication Critical patent/CN111879292A/zh
Application granted granted Critical
Publication of CN111879292B publication Critical patent/CN111879292B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01CMEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C11/00Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
    • G01C11/04Interpretation of pictures
    • G01C11/06Interpretation of pictures by comparison of two or more pictures of the same area
    • G01C11/12Interpretation of pictures by comparison of two or more pictures of the same area the pictures being supported in the same relative position as when they were taken
    • G01C11/14Interpretation of pictures by comparison of two or more pictures of the same area the pictures being supported in the same relative position as when they were taken with optical projection
    • G01C11/16Interpretation of pictures by comparison of two or more pictures of the same area the pictures being supported in the same relative position as when they were taken with optical projection in a common plane
    • G01C11/18Interpretation of pictures by comparison of two or more pictures of the same area the pictures being supported in the same relative position as when they were taken with optical projection in a common plane involving scanning means

Abstract

本发明提供了一种海岸线动态监控方法、监控设备及存储介质,通过将目标区域的海岸线图像进行拼接,生成预设时间序列内的全景图像;利用正射遥感影像和多个地面控制点对所述全景图像进行几何配准,得到动态正射影像集;提取各个正射影像中含有的瞬时海岸线,计算得到各个时刻的海岸线长度和海岸线端点速率的监测结果。由于本实施例中所公开的监控方法,将计算机视觉技术和遥感技术相结合生成海岸线的正射影像,实现了海岸线的长度变化和端点速率EPR变化的实时监测,因此满足时间分辨率、空间分辨率以及获取到区域正射图像的需求,为海岸带环境监测、滨海城市发展和灾害应急监测等领域提供数据支持。

Description

一种海岸线动态监控方法、监控设备及存储介质
技术领域
本发明涉及遥感监测技术领域,尤其涉及的是一种海岸线动态监控方法、监控设备及存储介质。
背景技术
传统的遥感观测技术在海岸线动态监测方面,虽然具有观测范围广和周期短等优势。但仍无法满足对滨海城市海岸线的动态监测,主要表现有以下三方面限制,首先在时间分辨率方面,传统遥感技术观测获取影像周期的时间分辨率一般以天为单位,无法满足对滨海城市的近海在短时间内发生的涨落潮以及风暴潮做出及时的观测;再者是空间分辨率方面,传统遥感影像的分辨率一般分布在10~100m之间,无法满足对海岸线活动的人群做出观测;最后是在传统光学遥感技术获取影像的过程中,严重受云层干扰,很难获取观测区域完整影像,因此现有技术中的海岸线动态监测方法还不能满足时间分辨率、空间分辨率和获取区域完整影像的需求。
因此,现有技术有待于进一步的改进。
发明内容
鉴于上述现有技术中的不足之处,本发明的目的在于提供一种海岸线动态监控方法、监控设备及存储介质,克服现有技术中的海岸线动态监控方法无法满足时间分辨率、空间分辨率和无法获取到区域完整影像需求的缺陷。
第一方面,本实施例公开了一种海岸线动态监控方法,其中,包括:
获取目标区域的海岸线图像集;其中,所述海岸线图像集包括处于预设时间序列内拍摄角度不同的多个海岸线图像;
将所述海岸线图像集中的各个海岸线图像进行拼接,生成所述目标区域内海岸线在所述预设时间序列内的全景图像;
获取所述目标区域的所述预设时间序列内的正射遥感影像,利用所述正射遥感影像和选取的多个地面控制点对所述全景图像进行几何配准,获取所述目标区域内在所述预设时间序列内的动态正射影像集;
提取所述动态正射影像集中各个正射影像中含有的瞬时海岸线,得到所述预设时间序列内不同时刻的瞬时海岸线;
根据所述预设时间序列内不同时刻的瞬时海岸线,计算出各个时刻对应的海岸线长度和海岸线端点速率,得到海岸线长度变化和海岸线端点速率的监测结果。
可选的,所述获取目标区域的海岸线图像集的步骤包括:
利用多个图像采集设备在预设时间段内同步对所述目标区域内的海岸线进行拍摄,得到处于同一时间序列的多组海岸线图像;其中,各个海岸线图像组之间含有的海岸线图像拍摄角度和拍摄位置不同,各个海岸线图像组中含有的海岸线图像的拍摄时间不同;
对各个组内的每个海岸线图像进行去雾处理和纠偏处理,得到去雾和纠偏处理后的各组海岸线图像,并将各组海岸线图像保存为海岸线图像集。
可选的,所述对各个组内的每个海岸线图像进行去雾处理和纠偏处理,得到去雾和纠偏处理后的各组海岸线图像,并将各组海岸线图像保存为海岸线图像集的步骤包括:
使用暗通道优先的图像去雾算法,对各组海岸线图像进行去雾,以及利用相机图像自动纠偏算法对倾斜的海岸线图像进行纠偏,得到与水平线垂直的各组海岸线图像组成的海岸线图像集。
可选的,所述将所述海岸线图像集中的各个海岸线图像进行拼接,生成所述目标区域内海岸线在所述预设时间序列内的全景图像的步骤包括:
利用全景图像自动拼接方法,将同一时刻下不同角度拍摄的海岸线图像进行拼接,生成该时刻下所述目标区域的全景图像;
依次按照所述预设时间序列的时间顺序,将同一时刻下不同角度拍摄的海岸线图像均进行拼接,生成所述目标区域内海岸线在所述预设时间序列内的全景图像。
可选的,所述利用所述正射遥感影像和选取的多个地面控制点对所述全景图像进行几何配准,获取所述目标区域内在所述预设时间序列内的动态正射影像集的步骤包括:
获取所述预设时间序列中各个时刻下所述目标区域的正射遥感影像;
依次从各个正射遥感影像中选择出多个与所述正射遥感影像对应的地面控制点;
根据选择出的多个地面控制点对相对应时刻下的全景图像进行几何配准,得到所述预设时间序列中各个时刻下的所述目标区域的动态正射影像集。
可选的,所述提取所述动态正射影像集中各个正射影像中含有的瞬时海岸线,得到所述预设时间序列内不同时刻的瞬时海岸线的步骤包括:
计算所述动态正影像集中各个正影图像中NDWI指数并获取NDWI指数灰度图;
利用所述NDWI指数灰度图对应的指数特征、各个正影图像的纹理特征和各个正影图像的光谱特征对各个所述正射图像进行多尺度分割,并利用最大类间方差法确定各个正影图像的NDWI指数水陆分割阈值;
使用各个正影图像的所述NDWI指数水陆分割阈值对各个正影图像进行水陆分割,获取瞬时海岸线。
可选的,所述使用各个正影图像的所述NDWI指数水陆分割阈值对各个正影图像进行水陆分割,获取瞬时海岸线的步骤之后,还包括:
利用栅格转矢量的方法获取用于动态变迁分析的矢量海岸线数据。
可选的,所述根据所述预设时间序列内不同时刻的瞬时海岸线,计算出各个时刻对应的海岸线长度和海岸线端点速率,得到海岸线长度变化和海岸线端点速率的监测结果的步骤包括:
计算不同时刻的瞬时海岸线的长度差值,并统计出目标时段内瞬时海岸线长度变化的平均值;
计算出任意两个时刻之间的瞬时海岸线移动速率,并统计出所述目标时段内瞬时海岸线移动的平均端点速率。
第二方面,本实施例公开了一种海岸线动态监控设备,其中,包括处理器、与处理器通信连接的存储介质,所述存储介质适于存储多条指令;所述处理器适于调用所述存储介质中的指令,以执行实现所述的海岸线动态监控方法的步骤。
第三方面,本实施例公开了一种计算机可读存储介质,其中,所述计算机可读存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现所述的海岸线动态监控方法的步骤。
有益效果,本发明提供了一种海岸线动态监控方法、监控设备及存储介质,通过获取目标区域的海岸线图像集;将所述海岸线图像集中的各个海岸线图像进行拼接,生成所述目标区域内海岸线在所述预设时间序列内的全景图像;获取所述目标区域的所述预设时间序列内的正射遥感影像,利用所述正射遥感影像和选取的多个地面控制点对所述全景图像进行几何配准,获取所述目标区域内在所述预设时间序列内的动态正射影像集;提取中各个正射影像中含有的瞬时海岸线,计算出各个时刻对应的海岸线长度和海岸线端点速率,得到海岸线长度变化和海岸线端点速率的监测结果。由于本实施例中所公开的监控方法,将计算机视觉技术和遥感技术相结合来生成正射影像,实现了海岸线的长度变化和端点速率EPR变化的实时监测,因此满足时间分辨率、空间分辨率以及获取到区域全景图像的需求,为海岸带环境监测、滨海城市发展和灾害应急监测等领域提供数据支持。
附图说明
图1是本发明所提供的所述海岸线动态监控方法的步骤流程图;
图2是本发明实施例所述方法的具体实施例步骤示意图;
图3是本发明所述海岸线动态监控设备的原理结构图。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚、明确,以下参照附图并举实施例对本发明进一步详细说明。应当理解,此处所描述的具体实施例仅仅用于解释本发明,并不用于限定本发明。
本技术领域技术人员可以理解,除非特意声明,这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是,本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件,但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解,当我们称元件被“连接”或“耦接”到另一元件时,它可以直接连接或耦接到其他元件,或者也可以存在中间元件。此外,这里使用的“连接”或“耦接”可以包括无线连接或无线耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。
本技术领域技术人员可以理解,除非另外定义,这里使用的所有术语(包括技术术语和科学术语),具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是,诸如通用字典中定义的那些术语,应该被理解为具有与现有技术的上下文中的意义一致的意义,并且除非像这里一样被特定定义,否则不会用理想化或过于正式的含义来解释。
滨海城市的海岸线受全球气候变化、海平面上升以及人类活动的影响,其变迁的方式更加复杂和敏感。人类对海洋的不断开发,使得海洋与滨海城市的相互作用不断加强,滨海城市的海岸带开发变得尤为活跃,海岸线的变迁更加复杂和剧烈。滨海城市的海岸线变迁反映出了人类改造利用海岸带的活动强度,同时也影响着沿海城市居民的生活发展和海岸带的生态环境。因此,滨海城市海岸线变迁的动态监测作为一个重要的现实问题,已经引起了海岸带环境监测、滨海城市发展和灾害应急监测等领域的日益关注。
由于海面会在短时间内出现潮起潮落,并且海面的观察范围广,因此针对海岸线的动态监测要求满足一定的时间分辨率和空间分辨率。而且由于受到云层干扰,很难获取到观测区域完整影像,因此需要一种实时性、高分辨和无云层干扰且检测成本低的海岸线动态观测技术。
本发明提供了一种海岸线动态检测方法、监测设备及存储介质,利用设置在海滨城市的高层建筑顶部搭建的多个图像采集设备,例如多个光学图像传感器,获取同一时刻目标区域的海岸线图像,对同一时刻的目标区域的海岸线图像进行拼接,得到同一时刻目标区域海岸线图像的全景图像,再处于预设时间序列的多个全景图像进行几何配准,得到目标区域的动态正射影像,针对动态正射影像进行瞬时海岸线的提取,并对瞬时海岸线的长度和瞬时海岸线移动的平均端点速率进行计算,对根据计算出的瞬时海岸线长度及其变化,以及瞬时海岸线移动的平均端点速率及其变化进行分析,从而实现针对海域的实时变化,为沿海工作人员提供警示信息,或者为海岸可能发生的突发事件提供求援黄金时间,也可以为海域的相关研究提供数据支持。
下面结合附图,对本发明所公开的所述方法做更为详细的解释。
示例性方法
本实施例公开了一种海岸线动态监控方法,如图1所示,包括:
步骤S1、获取目标区域的海岸线图像集;其中,所述海岸线图像集包括处于预设时间序列内且拍摄角度不同的多个海岸线图像。
为了实现对海岸线动态监测,本步骤中首先采集目标区域的海岸线图像,具体的,采集目标区域的海岸线图像所采用的是方式为利用天际线对地动态观测的方式,其具体是在海岸附近的高层建筑顶部安装多个可见光相机,并对地进行同步拍摄,获取预设时间序列的海岸线动态观测图像。具体的,为了实现获取到整个目标区域内的海岸线动态观测图像,多个可见光相机的拍摄角度可以为不同的,以使得拍摄出的海岸线图像之间满足相互重叠,并且同一时刻拍摄出的多个图像拼接在一起可以呈现出整个目标区域内的全景图像。
由于海岸附近空气湿度较大,同时海岸城市阴雨天气居多,因此会造成拍摄的图像带有雾气,而带雾的图像或对海岸线特征的提取造成干扰,因此本步骤中还包括对图像进行去雾处理的步骤。进一步的,由于天际线遥感观测平台具有固定和倾斜特点,因此随着拍摄距离的增加,成像的倾斜角度也随着增加,因此本步骤中还包括对倾斜的图像进行纠偏处理,获取到符合垂直角度拍摄的图像。
具体的,本步骤中所述获取目标区域的海岸线图像集的步骤包括:
步骤S11、利用多个图像采集设备在预设时间段内同步对所述目标区域内的海岸线进行拍摄,得到处于同一时间序列的多组海岸线图像;其中,各个海岸线图像组之间含有的海岸线图像拍摄角度和拍摄位置不同,各个海岸线图像组中含有的海岸线图像的拍摄时间不同。
具体的、所述图像采集设备可以为相机,光学图像传感器或者其他可以采集到海岸线图像的电子设备。使用图像采集设备在一定时间内,同步对目标区域的海岸线图像进行采集,得到基于不同的拍摄角度,不同的拍摄时间采集到的多组海岸线图像。具体的,每组海岸线图像可以为同一时间拍摄出的处于不同拍摄角度的海岸线图像,也可以将每个图像采集设备采集到的海岸线图像作为一组,则每组海岸线图像具有相同的拍摄角度,拍摄时间不同。
步骤S12、对各个组内的每个海岸线图像进行去雾处理和纠偏处理,得到去雾和纠偏处理后的各组海岸线图像,并将各组海岸线图像保存为海岸线图像集。
基于海边的天气可能出现的雾和拍摄角度的倾斜,本步骤中还对采集到的海岸线图像进行去雾处理和纠偏处理,以得到更为清晰和更符合垂直角度拍摄的海岸线图像。
在一种实施方式中,使用暗通道优先的图像去雾算法,对各组海岸线图像进行去雾,以及利用相机图像自动纠偏算法对倾斜的海岸线图像进行纠偏,得到与水平线垂直的各组海岸线图像组成的海岸线图像集。
步骤S2、将所述海岸线图像集中的各个海岸线图像进行拼接,生成所述目标区域内海岸线在所述预设时间序列内的全景图像。
将拍摄时间相同的且拍摄角度不同的各个海岸线图像集中的各个海岸线图像进行拼接,得到拼接后的动态全景图像。具体的,是先依次将同一时刻拍摄的图像进行依次拼接,得到该时刻的全景图像,再将各个时刻的全景图像按照时间序列进行组合,得到预设时间序列内的动态全景图像。
具体的,所述将所述海岸线图像集中的各个海岸线图像进行拼接,生成所述目标区域内海岸线在所述预设时间序列内的全景图像的步骤包括:
利用全景图像自动拼接方法,将同一时刻下不同角度拍摄的海岸线图像进行拼接,生成该时刻下所述目标区域的全景图像;
依次按照所述预设时间序列的时间顺序,将同一时刻下不同角度拍摄的海岸线图像均进行拼接,生成所述目标区域内海岸线在所述预设时间序列内的全景图像。
步骤S3、获取所述目标区域的所述预设时间序列内的正射遥感影像,利用所述正射遥感影像和选取的多个地面控制点对所述全景图像进行几何配准,获取所述目标区域内在所述预设时间序列内的动态正射影像集。
本步骤基于计算机视觉和遥感技术生成动态正射影像的方法,具体的,首先获取目标区域的正射遥感影像。所述正射遥感影像为具有正射投影性质的遥感影像。获取的到遥感影像因成像时受传感器内部状态变化及地表状况的影响,会有一定程度的畸变和失真,因此对遥感影像进行几何处理,形成正射遥感影像。
在一种实施方式中,本步骤包括:获取所述预设时间序列中各个时刻下所述目标区域的正射遥感影像;依次从各个正射遥感影像中选择出多个与所述正射遥感影像对应的地面控制点;根据选择出的多个地面控制点对相对应时刻下的全景图像进行几何配准,得到所述预设时间序列中各个时刻下的所述目标区域的动态正射影像集。其中,所述地面控制点又为相控点,是低空数字航空摄影测量中控制加密和测图的基础,其是从拍摄区域的遥感影像中选择出一定数量的地面控制点。
步骤S4、提取所述动态正射影像集中各个正射影像中含有的瞬时海岸线,得到所述预设时间序列内不同时刻的瞬时海岸线。
当获取到动态正射影像集后,对动态正射影像集中的各个正射影像中含有的瞬时海岸线进行提取。
具体的,所述提取所述动态正射影像集中各个正射影像中含有的瞬时海岸线,得到所述预设时间序列内不同时刻的瞬时海岸线的步骤包括:
步骤S41、计算所述动态正影像集中各个正影图像中NDWI指数并获取NDWI指数灰度图;
步骤S42、利用所述NDWI指数灰度图对应的指数特征、各个正影图像的纹理特征和各个正射影图像的光谱特征对各个所述正射图像进行多尺度分割。
多尺度分割方法采用基于区域生长算法,该算法可以结合上述多个特征对图像实现分割。基于区域生长的多尺度分割算法首先利用图像梯度信息选取种子;其次综合正射影像地物的局部光谱特征和指数特征,同时结合影像全局纹理信息作为区域生长的准则进行区域生长。迭代这两个过程,直至所有区域的平均面积大于设定的尺度面积参数则停止生长,完成对各个正射影像的分割过程。
步骤S43、在完成影像多尺度分割的基础之上,使用最大类间差法自动确定各个正射影像水陆分离的NDWI指数阈值。
使用各个正影图像的所述NDWI指数水陆分割阈值对各个完成多尺度分割后的正影图像进行水陆分类,对分类图像进行后处理,获取水陆二值化的栅格图像,再结合栅格转矢量的方法,获取各个正射影像的瞬时海岸线。
首先利用NDWI指数的计算公式,计算出动态正影像集中各个正影图像的NDWI指数(Normalized Difference Water Index,归一化差值水体指数),再获取NDWI指数灰度图。
根据各个正影图像对应的NDWI指数特征、纹理特征和光谱图,对正射图像进行多尺度分割,得到分割图像,并基于分割图像确定各个正影图像的NDWI指数水陆分割阈值。其中,每个正影图像均对应一个NDWI指数水陆分割阈值。
步骤S44、根据各个正影图像对应的NDWI指数水陆分割阈值对该正射图像进行分割,得到各个正射图像对应的瞬时海岸线。所述瞬时海岸线为该时刻下水陆交界的水边线所在位置。
步骤S5、根据所述预设时间序列内不同时刻的瞬时海岸线,计算出各个时刻对应的海岸线长度和海岸线端点速率,得到海岸线长度变化和海岸线端点速率的监测结果。
根据上述步骤S43中提取出的处于不同时刻的瞬时海岸线,计算出各个时刻的海岸线长度,以及计算出海岸线端点速率,得到海岸线长度变化和海岸线端点速率。
具体的,所述根据所述预设时间序列内不同时刻的瞬时海岸线,计算出各个时刻对应的海岸线长度和海岸线端点速率,得到海岸线长度变化和海岸线端点速率的监测结果的步骤包括:
计算不同时刻的瞬时海岸线的长度差值,并统计出目标时段内瞬时海岸线长度变化的平均值;
计算出任意两个时刻之间的瞬时海岸线移动速率,并统计出所述目标时段内瞬时海岸线移动的平均端点速率。
进一步的,所述使用各个正影图像的所述NDWI指数水陆分割阈值对各个正影图像进行水陆分割,获取瞬时海岸线的步骤之后,还包括:
利用栅格转矢量的方法获取用于动态变迁分析的矢量海岸线数据。
下面结合图2所示的本发明所述方法的具体应用实施例,对本发明所述方法做进一步详细的说明。
本发明的所述方法由四个部分组成,包括天际线观测数据获取与预处理、动态正射影像生成、瞬时岸线提取和时序海岸线动态变迁分析。
1.1天际线观测数据获取与预处理
天际线对地动态观测是一种遥感观测方式,其通过在城市海岸附近的高层建筑顶部安装多个可见光相机并对地进行同步拍摄,获取时间序列的海岸带动态观测数据。
数据预处理主要包括图像去雾和纠偏。由于海岸附近空气湿度较大,同时海岸城市阴雨天气居多,会造成拍摄的图像带有雾气,会对提取图像信息造成干扰,对图像使用基于暗通道优先的图像去雾算法获取更为清晰的图像。由于天际线遥感观测平台具有固定和倾斜特点,随着拍摄距离的增加,成像的倾斜角度也随着增加。使用相机图像自动纠偏算法对倾斜的图像进行纠偏处理,获取符合垂直角度拍摄的图像。
1.2动态正射影像生成
本发明提出了一种结合计算机视觉和遥感技术的动态正射影像生成方法。首先使用基于不变特征自动全景图像拼接技术,对同一时刻下多角度拍摄的具有一定重叠的图像进行拼接,生成对应时刻的全景图。然后是使用观测区域的高分辨正射遥感影像作为遥感影像几何配准的基准图,选取合适的地面控制点GCPs,对全景影像进行几何配准,获取该时刻下的正射影像。通过该可获取其他时刻下的正射影像,进而获取指定时间内观测区域的动态正射影像数据集。
1.3瞬时海岸线提取
这里瞬时海岸线所在位置可理解为该时刻下水陆交界的水边线所在位置。为提取正射影像中高精度的瞬时海岸线,本发明使用图像分割和选取归一化水体指数NDWI阈值相结合的方法。首先计算正射影像的NDWI指数并获取NDWI指数灰度图;然后使用指数特征、纹理特征和光谱特征作为分割指标对正射影像进行多尺度分割,使用最大类间差方法Ostu确定最优的NDWI指数水陆分割阈值,在影像分割基础上使用该阈值进行水陆分类,再结合后处理方法获取平滑的瞬时海岸线。最后通过栅格转矢量的方法获取可用于动态变迁分析的矢量海岸线数据。通过该方法可提取不同时刻下的瞬时海岸线,用于海岸线的动态变迁分析。
1.4时序海岸线变迁分析
时序海岸线的动态变迁分析包括两个部分,第一是海岸线长度变化分析,第二是海岸线变迁速率分析。海岸线长度变化分析是基于差值分析方法,计算不同时刻的瞬时海岸线长度,分析任意两个时刻间的海岸线长度差值,同时可以统计出指定时间内瞬时海岸线长度变化平均值。对于海岸线变化速率分析部分,本研究采用端点速率EPR方法,计算任意两个时刻间的瞬时海岸线移动速率,同时可以统计出指定时间内瞬时海岸线移动的平均端点速率。
当上述步骤中分析得到的海岸线长度变化和海岸线端点速率变化数据集后,按照给定时间区间和时间间隔将上述数据集以可视化方式实时发布在客户端,可为相关管理人员决策提供可靠的依据,同时可为沿海作业的人员提供警示信息,为海岸带突发灾害提供救援黄金时间,并可为今后开展相关研究提供有价值的信息。
本发明提出一种基于天际线遥感观测的滨海城市海岸线动态应急监测的技术,属于沿海城市灾害应急监测领域,旨在生成滨海城市海岸带区域的实时动态正射影像,并在此基础上提取瞬时海岸线用于分析实时的海岸线长度变化以及海岸线端点速率EPR的变化。通过在滨海城市的高层建筑顶部不同角度搭载多个光学传感器,获取同一时刻下具有高度重叠的图像。然后使用计算机视觉技术和遥感技术相结合的方法生成观测区域在不同是时刻下的正射影像,进而获取指定时间内的动态正射影像数据。在此基础上,使用图像分割和阈值相结合的方法处理正射影像获取不同时刻的瞬时海岸线。最后,通过差值分析和端点速率EPR方法分析不同时间区间内海岸线长度的实时变化和海岸线端点速率EPR的实时变化。
本发明所述方法的能够实现低成本、无云层干扰、实时地监测滨海城市海岸线的动态变迁,并可根据指定时间区域和时间间隔获取海岸线长度变化和端点速率EPR变化的数据集,创新性地将天际线遥感对地动态观测的技术应用到滨海城市海岸线实时动态应急监测需求中,首次使用计算机视觉技术和遥感技术相结合的方式,用于生成沿海区域的动态的正射影像。突破了传统遥感观测技术无法满足滨海城市海岸线实时监测需求的局限性。丰富了沿海城市海岸线动态监测的结果,可以更好地满足风险监测的需求。
示例性设备
在上述方法的基础上,本实施例还公开了一种海岸线动态监控设备,包括处理器、与处理器通信连接的存储介质,所述存储介质适于存储多条指令;所述处理器适于调用所述存储介质中的指令,以执行实现所述的海岸线动态监控方法。一种实施方式中,所述图像处理设备可以为手机、平板电脑或智能电视。
具体的,如图3所示,所述海岸线动态监控设备包括至少一个处理器(processor)20以及存储器(memory)22,还可以包括显示屏21、通信接口(Communications Interface)23和总线24。其中,处理器20、显示屏21、存储器22和通信接口23可以通过总线24完成相互间的通信。显示屏21设置为显示初始设置模式中预设的用户引导界面。通信接口23可以传输信息。处理器20可以调用存储器22中的逻辑指令,以执行上述实施例中的方法。
此外,上述的存储器22中的逻辑指令可以通过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。
存储器22作为一种计算机可读存储介质,可设置为存储软件程序、计算机可执行程序,如本公开实施例中的方法对应的程序指令或模块。处理器30通过运行存储在存储器22中的软件程序、指令或模块,从而执行功能应用以及数据处理,即实现上述实施例中的方法。
存储器22可包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序;存储数据区可存储根据终端设备的使用所创建的数据等。此外,存储器22可以包括高速随机存取存储器,还可以包括非易失性存储器。例如,U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等多种可以存储程序代码的介质,也可以是暂态存储介质。
另一方面,一种计算机可读存储介质,其中,所述计算机可读存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现所述的海岸线动态监控方法的步骤。
本发明提出了一种具有实时性、高分辨、无云层干扰和监测成本低的基于天际线遥感观测的滨海城市海岸线动态应急监测技术。创新性地将天际线遥感对地动态观测的技术应用到滨海城市海岸线实时动态应急监测需求中。首次将计算机视觉技术和遥感技术相结合用于生成正射影像,并结合实时动态监测方法,获取动态正射影像。在此基础上,利用岸线提取技术和变迁分析技术,实现对沿海城市海岸线的长度变化和端点速率EPR变化的实时监测。为相关管理部门监测海岸线动态变化提供有效的数据和技术支持。
可以理解的是,对本领域普通技术人员来说,可以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,而所有这些改变或替换都应属于本发明所附的权利要求的保护范围。

Claims (9)

1.一种海岸线动态监控方法,其特征在于,包括:
获取目标区域的海岸线图像集;其中,所述海岸线图像集包括处于预设时间序列内拍摄角度不同的多个海岸线图像;
将所述海岸线图像集中的各个海岸线图像进行拼接,生成所述目标区域内海岸线在所述预设时间序列内的全景图像;
获取所述目标区域的所述预设时间序列内的正射遥感影像,利用所述正射遥感影像和选取的多个地面控制点对所述全景图像进行几何配准,获取所述目标区域内在所述预设时间序列内的动态正射影像集;
提取所述动态正射影像集中各个正射影像中含有的瞬时海岸线,得到所述预设时间序列内不同时刻的瞬时海岸线;
根据所述预设时间序列内不同时刻的瞬时海岸线,计算出各个时刻对应的海岸线长度和海岸线端点速率,得到海岸线长度变化和海岸线端点速率的监测结果;
所述获取目标区域的海岸线图像集的步骤包括:
利用多个图像采集设备在预设时间段内同步对所述目标区域的海岸线进行拍摄,得到处于同一时间序列的多组海岸线图像;其中,各个海岸线图像组之间含有的海岸线图像拍摄角度和拍摄位置不同各个海岸线图像组中含有的海岸线图像的拍摄时间不同;
所述提取所述动态正射影像集中各个正射影像中含有的瞬时海岸线,得到所述预设时间序列内不同时刻的瞬时海岸线的步骤包括:
计算所述动态正影像集中各个正影图像中NDWI指数并获取NDWI指数灰度图;
利用所述NDWI指数灰度图对应的指数特征、各个正影图像的纹理特征和各个正影图像的光谱特征对各个所述正射图像进行多尺度分割,并利用最大类间方差法确定各个正影图像的NDWI指数水陆分割阈值;
使用各个正影图像的所述NDWI指数水陆分割阈值对各个正影图像进行水陆分割,获取瞬时海岸线。
2.根据权利要求1所述的海岸线动态监控方法,其特征在于,所述获取目标区域的海岸线图像集的步骤还包括:
对各个组内的每个海岸线图像进行去雾处理和纠偏处理,得到去雾和纠偏处理后的各组海岸线图像,并将各组海岸线图像保存为海岸线图像集。
3.根据权利要求2所述的海岸线动态监控方法,其特征在于,所述对各个组内的每个海岸线图像进行去雾处理和纠偏处理,得到去雾和纠偏处理后的各组海岸线图像,并将各组海岸线图像保存为海岸线图像集的步骤包括:
使用暗通道优先的图像去雾算法,对各组海岸线图像进行去雾,以及利用相机图像自动纠偏算法对倾斜的海岸线图像进行纠偏,得到与水平线垂直的各组海岸线图像组成的海岸线图像集。
4.根据权利要求1-3任一项所述的海岸线动态监控方法,其特征在于,所述将所述海岸线图像集中的各个海岸线图像进行拼接,生成所述目标区域内海岸线在所述预设时间序列内的全景图像的步骤包括:
利用全景图像自动拼接方法,将同一时刻下不同角度拍摄的海岸线图像进行拼接,生成该时刻下所述目标区域的全景图像;
依次按照所述预设时间序列的时间顺序,将同一时刻下不同角度拍摄的海岸线图像均进行拼接,生成所述目标区域内海岸线在所述预设时间序列内的全景图像。
5.根据权利要求1所述的海岸线动态监控方法,其特征在于,所述利用所述正射遥感影像和选取的多个地面控制点对所述全景图像进行几何配准,获取所述目标区域内在所述预设时间序列内的动态正射影像集的步骤包括:
获取所述预设时间序列中各个时刻下所述目标区域的正射遥感影像;
依次从各个正射遥感影像中选择出多个与所述正射遥感影像对应的地面控制点;
根据选择出的多个地面控制点对相对应时刻下的全景图像进行几何配准,得到所述预设时间序列中各个时刻下的所述目标区域的动态正射影像集。
6.根据权利要求5所述海岸线动态监控方法,其特征在于,所述使用各个正影图像的所述NDWI指数水陆分割阈值对各个正影图像进行水陆分割,获取瞬时海岸线的步骤之后,还包括:
利用栅格转矢量的方法获取用于动态变迁分析的矢量海岸线数据。
7.根据权利要求1所述海岸线动态监控方法,其特征在于,所述根据所述预设时间序列内不同时刻的瞬时海岸线,计算出各个时刻对应的海岸线长度和海岸线端点速率,得到海岸线长度变化和海岸线端点速率的监测结果的步骤包括:
计算不同时刻的瞬时海岸线的长度差值,并统计出目标时段内瞬时海岸线长度变化的平均值;
计算出任意两个时刻之间的瞬时海岸线移动速率,并统计出所述目标时段内瞬时海岸线移动的平均端点速率。
8.一种海岸线动态监控设备,其特征在于,包括处理器、与处理器通信连接的存储介质,所述存储介质适于存储多条指令;所述处理器适于调用所述存储介质中的指令,以执行实现上述权利要求1-7任一项所述的海岸线动态监控方法的步骤。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现如权利要求1~7任一项所述的海岸线动态监控方法的步骤。
CN202010731022.0A 2020-07-27 2020-07-27 一种海岸线动态监控方法、监控设备及存储介质 Active CN111879292B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010731022.0A CN111879292B (zh) 2020-07-27 2020-07-27 一种海岸线动态监控方法、监控设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010731022.0A CN111879292B (zh) 2020-07-27 2020-07-27 一种海岸线动态监控方法、监控设备及存储介质

Publications (2)

Publication Number Publication Date
CN111879292A CN111879292A (zh) 2020-11-03
CN111879292B true CN111879292B (zh) 2022-05-10

Family

ID=73200749

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010731022.0A Active CN111879292B (zh) 2020-07-27 2020-07-27 一种海岸线动态监控方法、监控设备及存储介质

Country Status (1)

Country Link
CN (1) CN111879292B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112861719B (zh) * 2021-02-08 2022-10-21 武汉大学 一种基于多时相高分辨率遥感影像的海岸线提取方法
CN113160302A (zh) * 2021-04-25 2021-07-23 国家海洋局南海环境监测中心(中国海监南海区检验鉴定中心) 一种珊瑚群落分析方法及装置
CN115158606B (zh) * 2022-06-30 2024-05-03 珠海云洲智能科技股份有限公司 一种水面救生方法、系统和介质
CN115439748B (zh) * 2022-09-13 2023-09-26 中山大学 一种海岸线侵蚀程度的监测方法、装置以及电子设备

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102013015B (zh) * 2010-12-02 2013-03-06 南京大学 一种面向对象的遥感影像海岸线提取方法
CN103106658A (zh) * 2013-01-23 2013-05-15 中国人民解放军信息工程大学 一种海岛、礁岸线快速提取方法
CN110648347A (zh) * 2019-09-24 2020-01-03 北京航天宏图信息技术股份有限公司 一种基于遥感影像的海岸线提取方法及装置
CN110705578A (zh) * 2019-10-15 2020-01-17 中船(浙江)海洋科技有限公司 一种海岸线年际演变分析系统及方法

Also Published As

Publication number Publication date
CN111879292A (zh) 2020-11-03

Similar Documents

Publication Publication Date Title
CN111879292B (zh) 一种海岸线动态监控方法、监控设备及存储介质
US11410002B2 (en) Ship identity recognition method based on fusion of AIS data and video data
KR101924278B1 (ko) 드론을 활용한 갯벌 지역에서의 갯골 정보 추출 장치 및 방법
Mills et al. Evaluation of aerial remote sensing techniques for vegetation management in power-line corridors
CN108765488B (zh) 一种基于阴影的高分辨率遥感影像建筑物高度估测方法
CN115439424A (zh) 一种无人机航拍视频图像智能检测方法
Turner et al. CZM applications of Argus coastal imaging at the Gold Coast, Australia
CN102564508A (zh) 基于视频图像的河流流量在线测验实现方法
Valentini et al. A new video monitoring system in support of Coastal Zone Management at Apulia Region, Italy
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
CN106403904A (zh) 一种基于无人机的景观尺度植被覆盖度的计算方法及系统
Noto et al. Low-cost stage-camera system for continuous water-level monitoring in ephemeral streams
CN114973028B (zh) 一种航拍视频图像实时变化检测方法及系统
CN104599281A (zh) 一种基于水平直线方位一致性的全景图与遥感图配准方法
CN110213536B (zh) 一种海岸带岸基数字影像监测系统的监测方法
WO2011129473A1 (ko) 하늘상태 자동관측 시스템 및 방법
CN113936031A (zh) 一种基于机器视觉的云影轨迹预测方法
Xue et al. Flood monitoring by integrating normalized difference flood index and probability distribution of water bodies
Qian et al. Application of low-altitude remote sensing image by unmanned airship in geological hazards investigation
Taherzadeh et al. A comparison of hyperspectral data and WorldView-2 images to detect impervious surface
CN111583298B (zh) 一种基于光流法的短时云图追踪方法
CN113744393A (zh) 一种多层级边坡滑坡变化监测方法
Piermattei et al. Analysis of glacial and periglacial processes using structure from motion.
Asghar Landslide mapping from analysis of UAV-SFM point clouds
CN108596139A (zh) 一种基于Gabor特征显著性的遥感影像城市区域提取方法

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
GR01 Patent grant
GR01 Patent grant