CN111932651B - 一种水面耀斑的提取方法及相关装置 - Google Patents

一种水面耀斑的提取方法及相关装置 Download PDF

Info

Publication number
CN111932651B
CN111932651B CN202010811860.9A CN202010811860A CN111932651B CN 111932651 B CN111932651 B CN 111932651B CN 202010811860 A CN202010811860 A CN 202010811860A CN 111932651 B CN111932651 B CN 111932651B
Authority
CN
China
Prior art keywords
remote sensing
image
extracted
flare
reflectivity
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
CN202010811860.9A
Other languages
English (en)
Other versions
CN111932651A (zh
Inventor
汪明秀
姚月
申茜
宋彩虹
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.)
Beijing Guanlan Zhitu Technology Co ltd
Original Assignee
Beijing Guanlan Zhitu Technology Co ltd
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 Beijing Guanlan Zhitu Technology Co ltd filed Critical Beijing Guanlan Zhitu Technology Co ltd
Priority to CN202010811860.9A priority Critical patent/CN111932651B/zh
Publication of CN111932651A publication Critical patent/CN111932651A/zh
Application granted granted Critical
Publication of CN111932651B publication Critical patent/CN111932651B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/001—Texturing; Colouring; Generation of texture or colour
    • 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
    • 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

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本申请提供了一种水面耀斑的提取方法及装置，其中，方法包括：获取待提取遥感图像；待提取遥感图像为哨兵2遥感图像；确定待提取遥感图像中各个波段的遥感反射率，得到遥感反射率图像；从遥感反射率图像中提取包含水面耀斑的水体区域，得到提取后的遥感反射率图像；确定提取后的遥感反射率图像中第三波段遥感反射率大于预设阈值的像元为水面耀斑像元；依据水面耀斑像元，生成水面耀斑分布图。即本申请提能够从待提取遥感图像中提取出水面耀斑。

Description

一种水面耀斑的提取方法及相关装置
技术领域
本申请涉及遥感处理领域，尤其涉及一种水面耀斑的提取方法及相关装置。
背景技术
在利用多波段、多时相、高光谱的遥感数据来提高遥感对地物识别能力的同时，人们注意到角度信息在遥感图像识别和分类中所起的影响和贡献，即地物在2π空间上的三维光谱特征。常用两种方法用来刻画地物的角度信息，第一种是基于遥感应用的方法；另一种方法是强调地物在不同光线入射天顶角、探测天顶角和探测方位角等角度信息，二向性反射分布函数(BRDF)就是基于这种思想发展起来的。
由于在光线的前向方向上，水气界面的镜面反射比水体内部散射在量级大得多(2～3个数量级),镜面反射方向值是非常大的，而其它方向相比较来说变得非常小，巨大的镜面反射效应掩盖了其它方向的信息。去除了镜面反射效应后，各个方向上的二向反射都可以清晰表达。而镜面反射产生的一个最显著的影响就是水面耀斑，因此，在水面耀斑区域是无法研究水体的二向性的，为了更好地研究水体二向性，需要将水面耀斑提取出来。因此，水面耀斑提取对水体的遥感监测具有重要意义。
因此，提供一种水面耀斑的提取方案是凾待解决的问题。
发明内容
本申请提供了一种水面耀斑的提取方法及相关装置，目的在于提供一种水面耀斑的提取方法。
为了实现上述目的，本申请提供了以下技术方案：
本申请提供了一种水面耀斑的提取方法，包括：
获取待提取遥感图像；所述待提取遥感图像为哨兵2遥感图像；
确定所述待提取遥感图像中各个波段的遥感反射率，得到遥感反射率图像；
从所述遥感反射率图像中提取包含水面耀斑的水体区域，得到提取后的遥感反射率图像；
确定所述提取后的遥感反射率图像中第三波段遥感反射率大于预设阈值的像元为水面耀斑像元；
依据所述水面耀斑像元，生成水面耀斑分布图。
可选的，所述预设阈值的取值范围为(0.1,0.2)。
可选的，在所述获取待提取遥感图像之后，并且，在所述确定所述待提取遥感图像中各波段的遥感反射率，得到遥感反射率图像之前，还包括：
对所述待提取遥感图像进行大气校正，得到大气校正后的地表反射率图像；
对所述大气校正后的地表反射率图像进行重采样，得到重采样后的遥感图像；
对所述重采样后的遥感图像进行镶嵌，得到镶嵌后的遥感图像；
所述确定所述待提取遥感图像中各个波段的遥感反射率，得到遥感反射率图像，具体为：
确定所述镶嵌后的遥感图像中各个波段的遥感反射率，得到遥感反射率图像。
可选的，所述从所述遥感反射率图像中提取包含水面耀斑的水体区域，得到提取后的遥感反射率图像，包括：
依据所述遥感反射率图像中第3、5、8、8a和12波段的遥感反射率，计算各像元的RWI水体指数，得到RWI水体指数图像；
依据所述RWI水体指数图像，从所述遥感反射率图像中提取包含水面耀斑的水体区域，得到提取后的遥感反射率图像。
可选的，所述确定所述提取后的遥感反射率图像中第三波段遥感反射率大于预设阈值的像元为水面耀斑像元，包括：
将所述提取后的遥感反射率图像中像元的第三波段遥感反射率，作为像元的耀斑判别指数，得到耀斑判别指数图像；
确定所述耀斑判别指数图像中耀斑判别指数大于预设阈值的像元为水面耀斑像元。
可选的，所述确定所述待提取遥感图像中各个波段的遥感反射率，得到遥感反射率图像，包括：
将所述待提取遥感图像中各个波段的地表反射率值分别除以π，得到所述遥感反射率图像。
本申请还提供了一种水面耀斑的提取装置，包括：
获取模块，用于获取待提取遥感图像；所述待提取遥感图像为哨兵2遥感图像；
第一确定模块，用于确定所述待提取遥感图像中各个波段的遥感反射率，得到遥感反射率图像；
提取模块，用于从所述遥感反射率图像中提取包含水面耀斑的水体区域，得到提取后的遥感反射率图像；
第二确定模块，用于确定所述提取后的遥感反射率图像中第三波段遥感反射率大于预设阈值的像元为水面耀斑像元；
生成模块，用于依据所述水面耀斑像元，生成水面耀斑分布图。
可选的，所述预设阈值的取值范围为(0.1,0.2)。
本申请还提供了一种存储介质，所述存储介质包括存储的程序，其中，所述程序执行上述任一所述的水面耀斑的提取方法。
本申请还提供了一种设备，所述设备包括至少一个处理器、以及与所述处理器连接的至少一个存储器、总线；其中，所述处理器、所述存储器通过所述总线完成相互间的通信；所述处理器用于调用所述存储器中的程序指令，以执行上述任一所述的水面耀斑的提取方法。
发明人在研究中发现，水体和水面耀斑在第三波段遥感反射率上具有差异，因此，基于该原理，本申请获取待提取遥感图像，其中，待提取遥感图像为哨兵2遥感图像；确定待提取遥感图像中各个波段的遥感反射率，得到遥感反射率图像；从遥感反射率图像中提取包含水面耀斑区域的水体区域，从而，得到仅包括水面耀斑和水体的遥感反射率图像，称为提取后的遥感反射率图像。
由于水体和水面耀斑在第三波段遥感反射率上具有差异，因此，本申请将提取后的遥感反射率图像中第三波段遥感反射率大于预设阈值的像元，作为水面耀斑像元，从而，依据水面耀斑像元生成水面耀斑分布图。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例公开的一种水面耀斑的提取方法的流程图；
图2(a)为本申请实施例公开的一种哨兵2遥感图像的示例图；
图2(b)为本申请实施例公开的对图2(a)的遥感图像提取出的水面耀斑分布图；
图3为本申请实施例公开的又一种水面耀斑的提取方法的流程图；
图4为本申请实施例公开的一种水面耀斑的提取装置的结构示意图；
图5为本申请实施例公开的一种设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
图1为本申请实施例提供的一种水面耀斑的提取方法，可以包括以下步骤：
S101、获取待提取遥感图像。
在本实施例中，待提取遥感图像为哨兵2遥感图像。
在本实施例中，哨兵2遥感图像可以是与研究区域匹配，并且，少云的哨兵2遥感图像。
为了直观展示哨兵2遥感图像，本实施例提供了一种哨兵2遥感图像的示例，如图2(a)所示。
S102、对待提取遥感图像进行预处理，得到预处理后的遥感图像。
在本步骤中，对待提取遥感图像进行的预处理操作可以包括：大气校正、重采样和镶嵌。
其中，本步骤的具体实现方式可以包括以下步骤A1～步骤A3：
A1、对待提取遥感图像进行大气校正，得到大气校正后的地表反射率图像。
可选的，在本步骤中，可以使用欧洲航空航天局提供的专门用于哨兵2数据L1C级数据大气校正的插件Sen2cor(版本2.5.5)，对哨兵2遥感图像进行大气校正，得到大气校正后的地表反射率图像；或者直接从欧洲航空航天局网站下载L2A级的哨兵2遥感图像，即大气校正后的地表反射率图像。
A2、对大气校正后的地表反射率图像进行重采样，得到重采样后的遥感图像。
A3、对重采样后的遥感图像进行镶嵌，得到镶嵌后的遥感图像。
可选的，上述步骤A2和步骤A3中，可以使用欧洲航空航天局提供的欧空局推荐的哨兵数据应用平台(Sentinel Application Platform,简称SNAP，版本6.0.0)，对大气校正后的地表反射率图像进行重采样和镶嵌处理，可以得到空间分辨率统一为10米的镶嵌后的影像，即得到镶嵌后的遥感图像。
在本步骤中，得到的镶嵌后的遥感图像，就是预处理后的遥感图像。
需要说明的是，本步骤的预处理操作是可选的操作，在实际中，不执行本步骤也可以实现本申请的目的。如果执行本步骤的操作，可以使得最终生成的水面耀斑的分布图更准确。
在实际中，如果不执行本步骤的操作，以下步骤中提到的预处理后的遥感图像，就应该替换为待提取遥感图像。
S103、确定预处理后的遥感图像中各个波段的遥感反射率，得到遥感反射率图像。
在本实施例中，哨兵2遥感图像包括12个波段，其中，该12个波段包括但不限于第3、5、8、8a和12波段。
在本步骤中，可以将预处理后的遥感图像中各个波段的地表反射率值分别除以π，可以得到12个波段的遥感反射率。在本实施例中，将预处理后的遥感图像中各个波段的遥感反射率构成的图像，称为遥感反射率图像。
可选的，在本步骤中，可以使用商业软件ENVI中的bandmath工具计算预处理后的遥感图像中各波段的遥感反射率。具体的，对预处理后的遥感图像逐个波段的地表反射率值除以π，得到由各个波段的遥感反射率，该各个波段的遥感反射率构成了遥感反射率图像。
S104、从遥感反射率图像中提取包含水面耀斑的水体区域，得到提取后的遥感反射率图像。
在本步骤中，提取后的遥感反射率图像仅包括水体和水面耀斑的遥感反射率信息。
本步骤的具体实现方式可以包括以下步骤B1～步骤B2：
B1、依据遥感反射率图像中第3、5、8、8a和12波段的遥感反射率，计算各像元的RWI水体指数，得到RWI水体指数图像。
在本步骤中，RWI水体指数的计算公式(1)如下：
式中，Rrs(560)、Rrs(705)、Rrs(842)、Rrs(865)、Rrs(2190)为预处理后的遥感图像中第3、5、8、8a和12波段的遥感反射率。
可选的，在本步骤中，可以使用商业软件ENVI中的bandmath工具，计算遥感反射率图像的RWI水体指数，得到RWI水体指数图像。
B2、依据RWI水体指数图像，从遥感反射率图像中提取包含水面耀斑的水体区域，得到提取后的遥感反射率图像。
本步骤的具体实现方式为现有技术，这里不再赘述。
S105、将提取后的遥感反射率图像中像元的第三波段遥感反射率，作为像元的耀斑判别指数，得到耀斑判别指数图像。
由于发明人在研究中发现，水体与水面耀斑在第三波段的遥感反射率上具有差异，并且，发现用于区别水体和水面耀斑的第三波段遥感反射率的阈值，为了描述方便，称为预设阈值。其中，预设阈值的取值范围为(0.1,0.2)，即该范围中的任意一个取值，都可以作为预设阈值。
因此，本步骤将提取后的遥感反射率图像中像元的第三波段遥感反射率，作为像元的耀斑判别指数。即对于提取出的包含水面耀斑的水体区域中的各个像元，分别将像元的第三波段的遥感反射率作为耀斑判别指数，以便后续将像元的耀斑判别指数与预设阈值进行比较，确定提取出的包含水面耀斑的水体区域中，哪部分是水面耀斑。
在本实施例中，像元的耀斑判别指数的计算方式如公式(2)所示：
WFIS＝band3 (2)
式中，WFIS表示耀斑判别指数，band3表示第三波段的遥感反射率。
S106、确定耀斑判别指数图像中耀斑判别指数大于预设阈值的像元为水面耀斑像元。
在本步骤中，确定耀斑判别指数大于预设阈值的像元，为了描述方便，将确定出的像元称为水面耀斑像元。
上述S105～S106的目的是：确定提取后的遥感反射率图像中第三波段遥感反射率大于预设阈值的像元为水面耀斑像元。
S107、依据水面耀斑像元，生成水面耀斑分布图。
本步骤具体生成方式为现有技术，这里不再赘述。
对于图2(a)所示的哨兵2遥感图像，经过上述S102～S107的操作后，得到如图2(b)所述的水面耀斑分布图。
S108、输出水面耀斑分布图。
图3为本申请实施例提供的又一种水面耀斑的提取方法，可以包括以下步骤：
S301、获取待提取遥感图像。
在本步骤中，待提取遥感图像为哨兵2遥感图像。
S302、确定待提取遥感图像中各个波段的遥感反射率，得到遥感反射率图像。
本步骤的含义以及具体实现，可以参考S103，这里不再赘述。
S303、从遥感反射率图像中提取包含水面耀斑的水体区域，得到提取后的遥感反射率图像。
本步骤的含义以及具体实现，可以参考S104，这里不再赘述。
S304、确定提取后的遥感反射率图像中第三波段遥感反射率大于预设阈值的像元为水面耀斑像元。
S305、依据水面耀斑像元，生成水面耀斑分布图。
图4为本申请实施例提供的一种水面耀斑的提取装置，可以包括：获取模块401、第一确定模块402、提取模块403、第二确定模块404和生成模块405，其中，
获取模块401，用于获取待提取遥感图像；所述待提取遥感图像为哨兵2遥感图像。
第一确定模块402，用于确定所述待提取遥感图像中各个波段的遥感反射率，得到遥感反射率图像。
提取模块403，用于从所述遥感反射率图像中提取包含水面耀斑的水体区域，得到提取后的遥感反射率图像。
第二确定模块404，用于确定所述提取后的遥感反射率图像中第三波段遥感反射率大于预设阈值的像元为水面耀斑像元。
生成模块405，用于依据所述水面耀斑像元，生成水面耀斑分布图。
可选的，所述预设阈值的取值范围为(0.1,0.2)。
可选的，该装置还可以包括：预处理模块，用于在所述获取模块401获取待提取遥感图像之后，并且，在所述第一确定模块402确定所述待提取遥感图像中各波段的遥感反射率，得到遥感反射率图像之前，对所述待提取遥感图像进行大气校正，得到大气校正后的地表反射率图像；对所述大气校正后的地表反射率图像进行重采样，得到重采样后的遥感图像；对所述重采样后的遥感图像进行镶嵌，得到镶嵌后的遥感图像；
所述第一确定模块402，用于确定所述待提取遥感图像中各个波段的遥感反射率，得到遥感反射率图像，具体为：
第一确定模块402，具体用于确定所述镶嵌后的遥感图像中各个波段的遥感反射率，得到遥感反射率图像。
可选的，所述提取模块403，用于从所述遥感反射率图像中提取包含水面耀斑的水体区域，得到提取后的遥感反射率图像，包括：
所述提取模块403，具体用于依据所述遥感反射率图像中第3、5、8、8a和12波段的遥感反射率，计算各像元的RWI水体指数，得到RWI水体指数图像；依据所述RWI水体指数图像，从所述遥感反射率图像中提取包含水面耀斑的水体区域，得到提取后的遥感反射率图像。
可选的，所述第二确定模块404，用于确定所述提取后的遥感反射率图像中第三波段遥感反射率大于预设阈值的像元为水面耀斑像元，包括：
所述第二确定模块404，具体用于将所述提取后的遥感反射率图像中像元的第三波段遥感反射率，作为像元的耀斑判别指数，得到耀斑判别指数图像；确定所述耀斑判别指数图像中耀斑判别指数大于预设阈值的像元为水面耀斑像元。
可选的，所述第一确定模块402，用于确定所述待提取遥感图像中各个波段的遥感反射率，得到遥感反射率图像，包括：
第一确定模块402，具体用于将所述待提取遥感图像中各个波段的地表反射率值分别除以π，得到所述遥感反射率图像。
水面耀斑的提取装置包括处理器和存储器，上述获取模块401、第一确定模块402、提取模块403、第二确定模块404和生成模块405等均作为程序单元存储在存储器中，由处理器执行存储在存储器中的上述程序单元来实现相应的功能。
处理器中包含内核，由内核去存储器中调取相应的程序单元。内核可以设置一个或以上，通过调整内核参数来提供快速准确的水面耀斑的提取方法。
本发明实施例提供了一种存储介质，其上存储有程序，该程序被处理器执行时实现所述水面耀斑的提取方法。
本发明实施例提供了一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行所述水面耀斑的提取方法。
本发明实施例提供了一种设备，如图5所示，设备包括至少一个处理器、以及与处理器连接的至少一个存储器、总线；其中，处理器、存储器通过总线完成相互间的通信；处理器用于调用存储器中的程序指令，以执行上述的水面耀斑的提取方法。本文中的设备可以是服务器、PC、PAD、手机等。
本申请还提供了一种计算机程序产品，当在数据处理设备上执行时，适于执行初始化有如下方法步骤的程序：
获取待提取遥感图像；所述待提取遥感图像为哨兵2遥感图像；
确定所述待提取遥感图像中各个波段的遥感反射率，得到遥感反射率图像；
从所述遥感反射率图像中提取包含水面耀斑的水体区域，得到提取后的遥感反射率图像；
确定所述提取后的遥感反射率图像中第三波段遥感反射率大于预设阈值的像元为水面耀斑像元；
依据所述水面耀斑像元，生成水面耀斑分布图。
本申请是参照根据本申请实施例的方法、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。
在一个典型的配置中，设备包括一个或多个处理器(CPU)、存储器和总线。设备还可以包括输入/输出接口、网络接口等。
存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)，存储器包括至少一个存储芯片。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
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，并不排除在包括要素的过程、方法、商品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，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请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，本申请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。
以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。
本申请实施例方法所述的功能如果以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设备可读取存储介质中。基于这样的理解，本申请实施例对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该软件产品存储在一个存储介质中，包括若干指令用以使得一台计算设备(可以是个人计算机，服务器，移动计算设备或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本说明书的各个实施例中记载的特征可以相互替换或者组合，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似部分互相参见即可。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (9)

1.一种水面耀斑的提取方法，其特征在于，包括：
获取待提取遥感图像；所述待提取遥感图像为哨兵2遥感图像；
确定所述待提取遥感图像中各个波段的遥感反射率，得到遥感反射率图像；
从所述遥感反射率图像中提取包含水面耀斑的水体区域，得到提取后的遥感反射率图像；
确定所述提取后的遥感反射率图像中第三波段遥感反射率大于预设阈值的像元为水面耀斑像元；
依据所述水面耀斑像元，生成水面耀斑分布图；
其中，所述确定所述提取后的遥感反射率图像中第三波段遥感反射率大于预设阈值的像元为水面耀斑像元，包括：
将所述提取后的遥感反射率图像中像元的第三波段遥感反射率，作为像元的耀斑判别指数，得到耀斑判别指数图像；
确定所述耀斑判别指数图像中耀斑判别指数大于预设阈值的像元为水面耀斑像元。
2.根据权利要求1所述的方法，其特征在于，所述预设阈值的取值范围为(0.1,0.2)。
3.根据权利要求1所述的方法，其特征在于，在所述获取待提取遥感图像之后，并且，在所述确定所述待提取遥感图像中各波段的遥感反射率，得到遥感反射率图像之前，还包括：
对所述待提取遥感图像进行大气校正，得到大气校正后的地表反射率图像；
对所述大气校正后的地表反射率图像进行重采样，得到重采样后的遥感图像；
对所述重采样后的遥感图像进行镶嵌，得到镶嵌后的遥感图像；
所述确定所述待提取遥感图像中各个波段的遥感反射率，得到遥感反射率图像，具体为：
确定所述镶嵌后的遥感图像中各个波段的遥感反射率，得到遥感反射率图像。
4.根据权利要求1所述的方法，其特征在于，所述从所述遥感反射率图像中提取包含水面耀斑的水体区域，得到提取后的遥感反射率图像，包括：
依据所述遥感反射率图像中第3、5、8、8a和12波段的遥感反射率，计算各像元的RWI水体指数，得到RWI水体指数图像；
依据所述RWI水体指数图像，从所述遥感反射率图像中提取包含水面耀斑的水体区域，得到提取后的遥感反射率图像。
5.根据权利要求1所述的方法，其特征在于，所述确定所述待提取遥感图像中各个波段的遥感反射率，得到遥感反射率图像，包括：
将所述待提取遥感图像中各个波段的地表反射率值分别除以π，得到所述遥感反射率图像。
6.一种水面耀斑的提取装置，其特征在于，包括：
获取模块，用于获取待提取遥感图像；所述待提取遥感图像为哨兵2遥感图像；
第一确定模块，用于确定所述待提取遥感图像中各个波段的遥感反射率，得到遥感反射率图像；
提取模块，用于从所述遥感反射率图像中提取包含水面耀斑的水体区域，得到提取后的遥感反射率图像；
第二确定模块，用于确定所述提取后的遥感反射率图像中第三波段遥感反射率大于预设阈值的像元为水面耀斑像元；
生成模块，用于依据所述水面耀斑像元，生成水面耀斑分布图；
所述第二确定模块，用于将所述提取后的遥感反射率图像中像元的第三波段遥感反射率，作为像元的耀斑判别指数，得到耀斑判别指数图像；
所述第二确定模块，用于确定所述耀斑判别指数图像中耀斑判别指数大于预设阈值的像元为水面耀斑像元。
7.根据权利要求6所述的装置，其特征在于，所述预设阈值的取值范围为(0.1,0.2)。
8.一种存储介质，其特征在于，所述存储介质包括存储的程序，其中，所述程序执行权利要求1～5任意一项权利要求所述的水面耀斑的提取方法。
9.一种设备，其特征在于，所述设备包括至少一个处理器、以及与所述处理器连接的至少一个存储器、总线；其中，所述处理器、所述存储器通过所述总线完成相互间的通信；所述处理器用于调用所述存储器中的程序指令，以执行如权利要求1～5中任一项权利要求所述的水面耀斑的提取方法。
CN202010811860.9A 2020-08-13 2020-08-13 一种水面耀斑的提取方法及相关装置 Active CN111932651B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010811860.9A CN111932651B (zh) 2020-08-13 2020-08-13 一种水面耀斑的提取方法及相关装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010811860.9A CN111932651B (zh) 2020-08-13 2020-08-13 一种水面耀斑的提取方法及相关装置

Publications (2)

Publication Number Publication Date
CN111932651A CN111932651A (zh) 2020-11-13
CN111932651B true CN111932651B (zh) 2024-03-22

Family

ID=73311280

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010811860.9A Active CN111932651B (zh) 2020-08-13 2020-08-13 一种水面耀斑的提取方法及相关装置

Country Status (1)

Country Link
CN (1) CN111932651B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113075167A (zh) * 2021-03-29 2021-07-06 中国科学院空天信息创新研究院 一种水面耀斑的识别方法及装置
CN113643244B (zh) * 2021-07-23 2024-05-21 中国资源卫星应用中心 一种光学遥感卫星影像水体耀斑快速检测方法
CN116228602B (zh) * 2023-05-08 2023-07-28 海南辐探遥感科技有限公司 海洋光学遥感图像空间非均匀性校正方法
CN117789056B (zh) * 2024-02-27 2024-05-07 杭州蚁联传感科技有限公司 一种带太阳耀斑的遥感数据处理方法、装置及存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105205789A (zh) * 2015-08-20 2015-12-30 中山大学 一种消除水域遥感数据镜面反射影响的方法
CN106503480A (zh) * 2016-12-14 2017-03-15 中国科学院遥感与数字地球研究所 一种静止卫星火灾遥感监测方法
CN111160349A (zh) * 2019-12-16 2020-05-15 广州地理研究所 基于哨兵遥感数据的水体提取方法及装置、设备
CN111339989A (zh) * 2020-03-12 2020-06-26 北京观澜智图科技有限公司 一种水体提取方法、装置、设备及存储介质

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105205789A (zh) * 2015-08-20 2015-12-30 中山大学 一种消除水域遥感数据镜面反射影响的方法
CN106503480A (zh) * 2016-12-14 2017-03-15 中国科学院遥感与数字地球研究所 一种静止卫星火灾遥感监测方法
CN111160349A (zh) * 2019-12-16 2020-05-15 广州地理研究所 基于哨兵遥感数据的水体提取方法及装置、设备
CN111339989A (zh) * 2020-03-12 2020-06-26 北京观澜智图科技有限公司 一种水体提取方法、装置、设备及存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于WorldView-2遥感影像反演浅海水深过程中太阳耀斑的去除方法;李龙龙;刘建强;邹斌;;海洋预报(第01期);全文 *

Also Published As

Publication number Publication date
CN111932651A (zh) 2020-11-13

Similar Documents

Publication Publication Date Title
CN111932651B (zh) 一种水面耀斑的提取方法及相关装置
Artusi et al. A survey of specularity removal methods
US20150317529A1 (en) Method and apparatus of extracting particular information from standard card
CN106447592B (zh) 每个特征描述符的在线个性化服务
EP3359978B1 (fr) Methode de traitement d'une image radar de type sar et methode de detection de cible associee
Park et al. Spatially adaptive multi-resolution multispectral image fusion
CN114563378B (zh) 湖库蓝藻水华空间分布定量描述方法、装置、介质和设备
CN114993452B (zh) 基于宽带相位运动放大的结构微小振动测量方法与系统
Chun et al. An improved method for cloud removal in ASTER data change detection
US20140369622A1 (en) Image completion based on patch offset statistics
EP3785040B1 (fr) Dispositif de localisation
FR3011960A1 (fr) Procede d'identification a partir d'un modele spatial et spectral d'objet
US20200364835A1 (en) Image processing device, image processing method and storage medium
Qiao et al. Mosaic gradient histogram for object tracking in DoFP infrared polarization imaging
CN115311418B (zh) 一种多细节层次树木模型单体化重建方法及装置
CN112950709B (zh) 一种位姿预测方法、位姿预测装置及机器人
Acito et al. Robust technique for anomalous change detection in airborne hyperspectral imagery based on automatic and adaptive band selection
US9779487B2 (en) Methods and systems of local signal equalization
Yuan et al. Image driven GPS trace analysis for road map inference
Sule et al. Application of principal component analysis to remote sensing data for deforestation monitoring
Chakravortty et al. Fusion of hyperspectral and multispectral image data for enhancement of spectral and spatial resolution
CN109655426B (zh) 一种识别红枣光谱图像中目标红枣的方法及装置
Song et al. Infrared and visible image fusion based on oversampled graph filter banks
CA2825463A1 (en) Substance subtraction in a scene based on hyperspectral characteristics
CN114255404B (zh) 目标光谱信息获取方法、装置和介质

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