CN112435268B - 一种基于多源遥感影像提取过火区域的方法及装置 - Google Patents
一种基于多源遥感影像提取过火区域的方法及装置 Download PDFInfo
- Publication number
- CN112435268B CN112435268B CN202011286890.9A CN202011286890A CN112435268B CN 112435268 B CN112435268 B CN 112435268B CN 202011286890 A CN202011286890 A CN 202011286890A CN 112435268 B CN112435268 B CN 112435268B
- Authority
- CN
- China
- Prior art keywords
- fire
- remote sensing
- sensing image
- area
- ndwi
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 29
- 239000013598 vector Substances 0.000 claims abstract description 30
- 230000008859 change Effects 0.000 claims abstract description 10
- 238000012952 Resampling Methods 0.000 claims abstract description 9
- 230000011218 segmentation Effects 0.000 claims description 16
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 9
- 238000005520 cutting process Methods 0.000 claims description 8
- 238000000605 extraction Methods 0.000 claims description 6
- 238000004422 calculation algorithm Methods 0.000 claims description 5
- 238000005070 sampling Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 10
- 238000004590 computer program Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 4
- 238000002310 reflectometry Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000006378 damage Effects 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000006641 stabilisation Effects 0.000 description 2
- 238000011105 stabilization Methods 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 238000013145 classification model Methods 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
Classifications
-
- 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
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- 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
- G06T2207/30181—Earth observation
- G06T2207/30188—Vegetation; Agriculture
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Fire-Detection Mechanisms (AREA)
- Image Analysis (AREA)
Abstract
本申请公开了一种基于多源遥感影像提取过火区域的方法及装置，该方法包括：获取过火前、过火后遥感影像，计算过火前影像、过火后影像文件的NDWI值，作为过火区提取的前后时相基础数据，对待过火前、过火后的NDWI影像重采样并作差，得到变化区域的NDWI‑D值，设定分割过火区域和非过火区域的阈值，并对NDWI‑D影像进行二值化，将二值化后的NDWI‑D影像转为矢量，得到过火区矢量。本申请解决了现有技术中不同时相、不同分辨率影像间设定自适应阈值来提取过火区域的技术问题。
Description
技术领域
本申请涉及遥感影像处理技术领域，尤其涉及一种基于多源遥感影像提取过火区域的方法及装置。
背景技术
过火区域是指发生过火灾的区域，而过火区域提取能够提供火灾发生后森林状态的诸多信息，包括火灾的位置、范围、面积等等，这些信息对于森林生态系统的监控、植被破坏程度及碳排放量提供了重要的数据支撑。自出现森林以来，森林火灾就时常发生，适度的森林火灾对生态系统的稳定是有益的，但是过度的火灾会对生态系统的稳定造成严重破坏，并威胁人类的栖息地及生命财产安全。因此，过火区域的提取在火灾监控领域是广泛被应用的。
基于遥感技术的过火区域提取具有可获取空间信息、更新频率高，能够更为准确的提取过火区地表的信息等优点被广泛应用于过火区域提取领域。目前，基于遥感技术的过火区域提取的方式主要包括基于火灾发生时的温度异常以及基于火灾发生前后的不同波段反射率变化特征来提取过火区域，其中，基于火灾发生前后的不同波段反射率变化特征提取过火区域，该方法依赖于影像中绿光波段(0.5～0.6μm)、红光波段(0.6～0.7μm)、红外波段(0.7～0.9μm)及中波红外波段(1.5～2.0μm)等各波段在火灾前后的反射率突变来确定过火区域像元。采用的方法主要为多元Logistic回归模型、双向反射率分布函数及贝叶斯网络分类模型来区分过火区域和非过火区域。除此之外，不同波段组合所构成的光谱指数在过火前后也会发生显著改变，所以通过比较过火前后指数变化并设定合适阈值便可区分过火区和非过火区，方法的难点在于如何统一过火前后遥感影像像元的一致性及选择阈值。若过火前后遥感影像像元不一致，导致无法通过过火前后遥感影像进行过火区域提取；若选择的阈值不合适，会使得提取的过火区域的置信度较低。因此，如何对不同时相、不同分辨率影像间设定自适应阈值来提取过火区域成为亟待解决的问题。
发明内容
本申请解决的技术问题是：针对现有技术中对不同时相、不同分辨率影像间设定自适应阈值来提取过火区域的情况，本申请提供了一种基于多源遥感影像提取过火区域的方法及装置，本申请实施例所提供的方案中，通过对裁剪出的过火区域范围内所对应的过火前遥感影像以及过火后遥感影像进行重采样，保障多源遥感影像过火前后时的数据一致性，避免了由于过火前后遥感影像空间分辨率不同，导致的无法来提取过火区域的问题；以及通过过火区域和非过火区域阈值的自动判别确定出一个过火区域与非过火区域分割的合适阈值，避免由于分割阈值选择过大或者过小所造成较大的分类误差，进而提高了提取出的过火区域的置信度。
第一方面，本申请实施例提供一种基于多源遥感影像提取过火区域的方法，该方法包括：
获取过火前遥感影像以及过火后遥感影像，根据预设的过火区域范围分别对所述过火前遥感影像以及所述过火后遥感影像进行裁剪得到过火区域所对应的过火前遥感影像以及过火后遥感影像；
分别计算所述过火区域所对应的过火前遥感影像以及过火后遥感影像的归一化水指数NDWI，以及分别将所述过火区域所对应的过火前遥感影像以及过火后遥感影像进行重采样得到具有相同分辨率的采样后的过火前遥感影像和采样后的过火后遥感影像；
根据所述NDWI将所述采样后的过火前遥感影像与所述采样后的过火后遥感影像进行作差得到所述采样后的过火前遥感影像与所述采样后的过火后遥感影像中NDWI变化区域所对应的所述NDWI-D遥感影像，并从所述NDWI-D遥感影像中提取出过火区域。
可选地，从所述NDWI-D遥感影像中提取出过火区域，包括：
将所述NDWI-D遥感影像进行二值化处理得到二值化后的遥感影像；
将所述二值化后的遥感影像转换为矢量影像，根据像元值与过火区域之间预设的关系，从所述矢量影像中提取出过火区域的矢量影像。
可选地，将所述NDWI-D遥感影像进行二值化处理得到二值化后的遥感影像，包括：
确定过火区域与非过火区域像元分割的初始阈值，根据所述初始阈值将所述NDWI-D遥感影像进行分割得到初始过火区域；
根据预设的过火区域确定所述初始过火区域的误差，判断所述误差是否大于预设误差；
若大于，则调整所述初始阈值直到所述误差小于所述预设误差为止得到调整后的阈值；
根据调整后的阈值以及预设的二值化策略将所述NDWI-D遥感影像进行二值化处理得到所述二值化后的遥感影像。
可选地，确定过火区域与非过火区域像元分割的初始阈值，包括：
确定所述NDWI-D遥感影像中各像元的像元值，将所述像元值转换为灰度空间值；
根据所述灰度空间值计算出灰度空间值的众数，将所述众数作为所述初始阈值。
可选地，所述预设的二值化策略，包括：
将所述NDWI-D遥感影像中像元值大于所述调整后的阈值的像元设置为1，其中，1的像元对应的区域表示过火区域；
将所述NDWI-D遥感影像中像元值小于所述调整后的阈值的像元设置为0，其中，0的像元对应的区域表示非过火区域。
可选地，将所述二值化后的遥感影像转换为矢量影像之前，还包括：
根据预设的去噪算法对所述二值化后的遥感影像进行去噪处理。
第二方面，本申请实施例提供了一种基于多源遥感影像提取过火区域的装置，该装置包括：
裁剪单元，用于获取过火前遥感影像以及过火后遥感影像，根据预设的过火区域范围分别对所述过火前遥感影像以及所述过火后遥感影像进行裁剪得到过火区域所对应的过火前遥感影像以及过火后遥感影像；
采样计算单元，用于分别计算所述过火区域所对应的过火前遥感影像以及过火后遥感影像的归一化水指数NDWI，以及分别将所述过火区域所对应的过火前遥感影像以及过火后遥感影像进行重采样得到具有相同分辨率的采样后的过火前遥感影像和采样后的过火后遥感影像；
提取单元，用于根据所述NDWI将所述采样后的过火前遥感影像与所述采样后的过火后遥感影像进行作差得到所述采样后的过火前遥感影像与所述采样后的过火后遥感影像中NDWI变化区域所对应的所述NDWI-D遥感影像，并从所述NDWI-D遥感影像中提取出过火区域。
可选地，所述提取单元，具体用于：
将所述NDWI-D遥感影像进行二值化处理得到二值化后的遥感影像；
将所述二值化后的遥感影像转换为矢量影像，根据像元值与过火区域之间预设的关系，从所述矢量影像中提取出过火区域的矢量影像。
可选地，所述提取单元，具体用于：
确定过火区域与非过火区域像元分割的初始阈值，根据所述初始阈值将所述NDWI-D遥感影像进行分割得到初始过火区域；
根据预设的过火区域确定所述初始过火区域的误差，判断所述误差是否大于预设误差；
若大于，则调整所述初始阈值直到所述误差小于所述预设误差为止得到调整后的阈值；
根据调整后的阈值以及预设的二值化策略将所述NDWI-D遥感影像进行二值化处理得到所述二值化后的遥感影像。
可选地，所述提取单元，具体用于：
确定所述NDWI-D遥感影像中各像元的像元值，将所述像元值转换为灰度空间值；
根据所述灰度空间值计算出灰度空间值的众数，将所述众数作为所述初始阈值。
可选地，所述预设的二值化策略，包括：
将所述NDWI-D遥感影像中像元值大于所述调整后的阈值的像元设置为1，其中，1的像元对应的区域表示过火区域；
将所述NDWI-D遥感影像中像元值小于所述调整后的阈值的像元设置为0，其中，0的像元对应的区域表示非过火区域。
可选地，所述装置还包括去噪单元；所述去噪单元，具体用于：
根据预设的去噪算法对所述二值化后的遥感影像进行去噪处理。
与现有技术相比，本申请实施例所提供的方案具有如下有益效果：
1、本申请实施例所提供的方案中，通过对裁剪出的过火区域范围内所对应的过火前遥感影像以及过火后遥感影像进行重采样，保障多源遥感影像过火前后时的数据一致性，避免了由于过火前后遥感影像空间分辨率不同，导致的无法来提取过火区域的问题。
2、本申请实施例所提供的方案中，通过过火区域和非过火区域阈值的自动判别确定出一个过火区域与非过火区域分割的合适阈值，避免由于分割阈值选择过大或者过小所造成较大的分类误差，进而提高了提取出的过火区域的置信度。
附图说明
图1为本申请实施例所提供的一种基于多源遥感影像提取过火区域的方法的流程示意图；
图2a为本申请实施例所提供的一种过火前遥感影像；
图2b为本申请实施例所提供的一种过火后遥感影像；
图3为本申请实施例所提供的一种NDWI-D遥感影像；
图4为本申请实施例所提供的一种过火区域的矢量图像；
图5为本申请实施例所提供的一种基于多源遥感影像提取过火区域的装置的结构示意图；
图6为本申请实施例所提供的一种基于多源遥感影像提取过火区域的装置的结构示意图。
具体实施方式
本申请实施例提供的方案中，所描述的实施例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它实施例，都属于本申请保护的范围。
以下结合说明书附图对本申请实施例所提供的一种基于多源遥感影像提取过火区域的方法做进一步详细的说明，该方法具体实现方式可以包括以下步骤(方法流程如图1所示)：
步骤101，获取过火前遥感影像以及过火后遥感影像，根据预设的过火区域范围分别对所述过火前遥感影像以及所述过火后遥感影像进行裁剪得到过火区域所对应的过火前遥感影像以及过火后遥感影像。
具体的，在本申请实施例所提供的方案中，过火前遥感影像和过火后遥感影像包括但不限制于正射、融合或镶嵌等各类遥感影像。过火前遥感影像和过火后遥感影像可以是*.GIF格式的文件，也可以是其他格式，在此不做限定。以过火前(Firefront)和过火后(Fireback)的融合遥感影像为例，参见图2a，为本申请实施例提供的一种过火前遥感影像；参见图2b，为本申请实施例提供的一种过火后遥感影像。
在获取过火前遥感影像和过火后遥感影像之后，在同一坐标系中根据预设的过火区域范围分别对过火前遥感影像以及过火后遥感影像进行裁剪得到过火区域所对应的过火前遥感影像以及过火后遥感影像。
步骤102，分别计算所述过火区域所对应的过火前遥感影像以及过火后遥感影像的归一化水指数NDWI，以及分别将所述过火区域所对应的过火前遥感影像以及过火后遥感影像进行重采样得到具有相同分辨率的采样后的过火前遥感影像和采样后的过火后遥感影像。
具体的，在得到过火区域所对应的过火前遥感影像以及过火后遥感影像之后，分别对过火区域所对应的过火前遥感影像以及过火后遥感影像进行提取归一化水指数(Normalized Difference Water Index，NDWI)处理计算得到过火区域所对应的过火前遥感影像以及过火后遥感影像中每个像元的NDWI值。
进一步，在得到过火区域所对应的过火前遥感影像以及过火后遥感影像中每个像元的NDWI之后，分别将过火区域所对应的过火前遥感影像以及过火后遥感影像进行重采样得到具有相同分辨率的采样后的过火前遥感影像和采样后的过火后遥感影像。
步骤103，根据所述NDWI将所述采样后的过火前遥感影像与所述采样后的过火后遥感影像进行作差得到所述采样后的过火前遥感影像与所述采样后的过火后遥感影像中NDWI变化区域所对应的所述NDWI-D遥感影像，并从所述NDWI-D遥感影像中提取出过火区域。
在本申请实施例所提供的方案中，将采样后的过火前遥感影像与采样后的过火后遥感影像中每个对应像元的NDWI作差处理得到采样后的过火前遥感影像与采样后的过火后遥感影像中NDWI变化区域所对应的所述NDWI-D遥感影像。具体的，参见图3，为本申请实施例所提供的一种NDWI-D遥感影像。
进一步，在得到NDWI-D遥感影像之后，从NDWI-D遥感影像中提取出过火区域。具体的，从NDWI-D遥感影像中提取出过火区域的方式有多种，下面以一种较佳的方式为例进行说明。
在一种可能实现的方式中，从所述NDWI-D遥感影像中提取出过火区域，包括：将所述NDWI-D遥感影像进行二值化处理得到二值化后的遥感影像；将所述二值化后的遥感影像转换为矢量影像，根据像元值与过火区域之间预设的关系，从所述矢量影像中提取出过火区域的矢量影像。
进一步，在一种可能实现的方式中，将所述NDWI-D遥感影像进行二值化处理得到二值化后的遥感影像，包括：确定过火区域与非过火区域像元分割的初始阈值，根据所述初始阈值将所述NDWI-D遥感影像进行分割得到初始过火区域；根据预设的过火区域确定所述初始过火区域的误差，判断所述误差是否大于预设误差；若大于，则调整所述初始阈值直到所述误差小于所述预设误差为止得到调整后的阈值；根据调整后的阈值以及预设的二值化策略将所述NDWI-D遥感影像进行二值化处理得到所述二值化后的遥感影像。
具体的，将二值化后的NDWI-D影像转为矢量影像，在矢量影像中删除矢量中属性值为0的矢量小斑，即得到过火区矢量。参见图4，为本申请实施例所提供的一种过火区域的矢量图像。
本申请实施例所提供的方案中，通过确定一个过火区域与非过火区域像元分割的初始阈值，根据初始阈值对NDWI-D遥感影像进行分割得到初始过火区域，然后根据初始过火区域进行自动判断调整确定出一个合适阈值，最后通过调整后的合适阈值进行过火区域与非过火区域分割，即通过过火区域和非过火区域阈值的自动判别确定出一个过火区域与非过火区域分割的合适阈值，避免由于分割阈值选择过大或者过小所造成较大的分类误差，进而提高了提取出的过火区域的置信度。
进一步，在一种可能实现的方式中，确定过火区域与非过火区域像元分割的初始阈值，包括：确定所述NDWI-D遥感影像中各像元的像元值，将所述像元值转换为灰度空间值；根据所述灰度空间值计算出灰度空间值的众数，将所述众数作为所述初始阈值。
进一步，在一种可能实现的方式中，所述预设的二值化策略，包括：将所述NDWI-D遥感影像中像元值大于所述调整后的阈值的像元设置为1，其中，1的像元对应的区域表示过火区域；将所述NDWI-D遥感影像中像元值小于所述调整后的阈值的像元设置为0，其中，0的像元对应的区域表示非过火区域。
进一步，为了提高提取的过火区域的准确性，将所述二值化后的遥感影像转换为矢量影像之前，还包括：根据预设的去噪算法对所述二值化后的遥感影像进行去噪处理。
本申请实施例所提供的方案中，根据预设的过火区域范围分别对过火前遥感影像和过火后遥感影像进行裁剪得到过火区域所对应的过火前遥感影像以及过火后遥感影像，然后分别计算过火区域所对应的过火前遥感影像以及过火后遥感影像的归一化水指数NDWI，以及分别将过火区域所对应的过火前遥感影像以及过火后遥感影像进行重采样得到具有相同分辨率的采样后的过火前遥感影像和采样后的过火后遥感影像，即通过对裁剪出的过火区域范围内所对应的过火前遥感影像以及过火后遥感影像进行重采样，保障多源遥感影像过火前后时的数据一致性，避免了由于过火前后遥感影像空间分辨率不同，导致的无法来提取过火区域的问题。
基于与图1所示的方法相同的发明构思，本申请实施例提供了一种基于多源遥感影像提取过火区域的装置，参见图5，该装置包括：
裁剪单元501，用于获取过火前遥感影像以及过火后遥感影像，根据预设的过火区域范围分别对所述过火前遥感影像以及所述过火后遥感影像进行裁剪得到过火区域所对应的过火前遥感影像以及过火后遥感影像；
采样计算单元502，用于分别计算所述过火区域所对应的过火前遥感影像以及过火后遥感影像的归一化水指数NDWI，以及分别将所述过火区域所对应的过火前遥感影像以及过火后遥感影像进行重采样得到具有相同分辨率的采样后的过火前遥感影像和采样后的过火后遥感影像；
提取单元503，用于根据所述NDWI将所述采样后的过火前遥感影像与所述采样后的过火后遥感影像进行作差得到所述采样后的过火前遥感影像与所述采样后的过火后遥感影像中NDWI变化区域所对应的所述NDWI-D遥感影像，并从所述NDWI-D遥感影像中提取出过火区域。
可选地，所述提取单元503，具体用于：
将所述NDWI-D遥感影像进行二值化处理得到二值化后的遥感影像；
将所述二值化后的遥感影像转换为矢量影像，根据像元值与过火区域之间预设的关系，从所述矢量影像中提取出过火区域的矢量影像。
可选地，所述提取单元503，具体用于：
确定过火区域与非过火区域像元分割的初始阈值，根据所述初始阈值将所述NDWI-D遥感影像进行分割得到初始过火区域；
根据预设的过火区域确定所述初始过火区域的误差，判断所述误差是否大于预设误差；
若大于，则调整所述初始阈值直到所述误差小于所述预设误差为止得到调整后的阈值；
根据调整后的阈值以及预设的二值化策略将所述NDWI-D遥感影像进行二值化处理得到所述二值化后的遥感影像。
可选地，所述提取单元503，具体用于：
确定所述NDWI-D遥感影像中各像元的像元值，将所述像元值转换为灰度空间值；
根据所述灰度空间值计算出灰度空间值的众数，将所述众数作为所述初始阈值。
可选地，所述预设的二值化策略，包括：
将所述NDWI-D遥感影像中像元值大于所述调整后的阈值的像元设置为1，其中，1的像元对应的区域表示过火区域；
将所述NDWI-D遥感影像中像元值小于所述调整后的阈值的像元设置为0，其中，0的像元对应的区域表示非过火区域。
可选地，参见图6，所述装置还包括去噪单元；所述去噪单元504，具体用于：
根据预设的去噪算法对所述二值化后的遥感影像进行去噪处理。
本领域内的技术人员应明白，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和光学存储器等)上实施的计算机程序产品的形式。
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。
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。
显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。
Claims (6)
1.一种基于多源遥感影像提取过火区域的方法，其特征在于，包括：
获取过火前遥感影像以及过火后遥感影像，根据预设的过火区域范围分别对所述过火前遥感影像以及所述过火后遥感影像进行裁剪得到过火区域所对应的过火前遥感影像以及过火后遥感影像；
分别计算所述过火区域所对应的过火前遥感影像以及过火后遥感影像的归一化水指数NDWI，以及分别将所述过火区域所对应的过火前遥感影像以及过火后遥感影像进行重采样得到具有相同分辨率的采样后的过火前遥感影像和采样后的过火后遥感影像；
根据所述NDWI将所述采样后的过火前遥感影像与所述采样后的过火后遥感影像进行作差得到所述采样后的过火前遥感影像与所述采样后的过火后遥感影像中NDWI变化区域所对应的所述NDWI-D遥感影像，并从所述NDWI-D遥感影像中提取出过火区域；包括：将所述NDWI-D遥感影像进行二值化处理得到二值化后的遥感影像；具体为：确定过火区域与非过火区域像元分割的初始阈值，根据所述初始阈值将所述NDWI-D遥感影像进行分割得到初始过火区域；根据预设的过火区域确定所述初始过火区域的误差，判断所述误差是否大于预设误差；若大于，则调整所述初始阈值直到所述误差小于所述预设误差为止得到调整后的阈值；根据调整后的阈值以及预设的二值化策略将所述NDWI-D遥感影像进行二值化处理得到所述二值化后的遥感影像；
将所述二值化后的遥感影像转换为矢量影像，根据像元值与过火区域之间预设的关系，从所述矢量影像中提取出过火区域的矢量影像。
2.如权利要求1所述的方法，其特征在于，确定过火区域与非过火区域像元分割的初始阈值，包括：
确定所述NDWI-D遥感影像中各像元的像元值，将所述像元值转换为灰度空间值；
根据所述灰度空间值计算出灰度空间值的众数，将所述众数作为所述初始阈值。
3.如权利要求2所述的方法，其特征在于，所述预设的二值化策略，包括：
将所述NDWI-D遥感影像中像元值大于所述调整后的阈值的像元设置为1，其中，1的像元对应的区域表示过火区域；
将所述NDWI-D遥感影像中像元值小于所述调整后的阈值的像元设置为0，其中，0的像元对应的区域表示非过火区域。
4.如权利要求1～3任一项所述的方法，其特征在于，将所述二值化后的遥感影像转换为矢量影像之前，还包括：
根据预设的去噪算法对所述二值化后的遥感影像进行去噪处理。
5.一种基于多源遥感影像提取过火区域的装置，其特征在于，包括：
裁剪单元，用于获取过火前遥感影像以及过火后遥感影像，根据预设的过火区域范围分别对所述过火前遥感影像以及所述过火后遥感影像进行裁剪得到过火区域所对应的过火前遥感影像以及过火后遥感影像；
采样计算单元，用于分别计算所述过火区域所对应的过火前遥感影像以及过火后遥感影像的归一化水指数NDWI，以及分别将所述过火区域所对应的过火前遥感影像以及过火后遥感影像进行重采样得到具有相同分辨率的采样后的过火前遥感影像和采样后的过火后遥感影像；
提取单元，用于根据所述NDWI将所述采样后的过火前遥感影像与所述采样后的过火后遥感影像进行作差得到所述采样后的过火前遥感影像与所述采样后的过火后遥感影像中NDWI变化区域所对应的所述NDWI-D遥感影像，并从所述NDWI-D遥感影像中提取出过火区域；包括：将所述NDWI-D遥感影像进行二值化处理得到二值化后的遥感影像；具体为：确定过火区域与非过火区域像元分割的初始阈值，根据所述初始阈值将所述NDWI-D遥感影像进行分割得到初始过火区域；根据预设的过火区域确定所述初始过火区域的误差，判断所述误差是否大于预设误差；若大于，则调整所述初始阈值直到所述误差小于所述预设误差为止得到调整后的阈值；根据调整后的阈值以及预设的二值化策略将所述NDWI-D遥感影像进行二值化处理得到所述二值化后的遥感影像；
将所述二值化后的遥感影像转换为矢量影像，根据像元值与过火区域之间预设的关系，从所述矢量影像中提取出过火区域的矢量影像。
6.如权利要求5所述的装置，其特征在于，提取单元确定过火区域与非过火区域像元分割的初始阈值，具体用于：
确定所述NDWI-D遥感影像中各像元的像元值，将所述像元值转换为灰度空间值；
根据所述灰度空间值计算出灰度空间值的众数，将所述众数作为所述初始阈值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011286890.9A CN112435268B (zh) | 2020-11-17 | 2020-11-17 | 一种基于多源遥感影像提取过火区域的方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011286890.9A CN112435268B (zh) | 2020-11-17 | 2020-11-17 | 一种基于多源遥感影像提取过火区域的方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112435268A CN112435268A (zh) | 2021-03-02 |
| CN112435268B true CN112435268B (zh) | 2023-12-26 |
Family
ID=74701178
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011286890.9A Active CN112435268B (zh) | 2020-11-17 | 2020-11-17 | 一种基于多源遥感影像提取过火区域的方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112435268B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113436071B (zh) * | 2021-06-21 | 2022-04-29 | 武汉光谷信息技术股份有限公司 | 一种多源卫星遥感影像镶嵌方法、系统及存储介质 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103700092A (zh) * | 2013-12-04 | 2014-04-02 | 中国科学院遥感与数字地球研究所 | 一种基于时序遥感影像的森林火烧迹地自动提取方法 |
| CN108710864A (zh) * | 2018-05-25 | 2018-10-26 | 北华航天工业学院 | 基于多维度识别及图像降噪处理的冬小麦遥感提取方法 |
| 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 |
| CN110738187A (zh) * | 2019-10-24 | 2020-01-31 | 中国科学院城市环境研究所 | 一种基于Google Earth Engine的湖泊面积动态变化快速遥感估算方法 |
| CN111652195A (zh) * | 2020-07-14 | 2020-09-11 | 宁夏回族自治区自然资源勘测调查院 | 一种土地利用变化分析预测方法 |
| CN111881816A (zh) * | 2020-07-27 | 2020-11-03 | 安徽省（水利部淮河水利委员会）水利科学研究院（安徽省水利工程质量检测中心站） | 一种长时序的河湖围埂养殖区域监测方法 |
| CN111898681A (zh) * | 2020-07-31 | 2020-11-06 | 北京林业大学 | 一种基于遥感云平台与决策树的火烧迹地精细提取方法 |
-
2020
- 2020-11-17 CN CN202011286890.9A patent/CN112435268B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103700092A (zh) * | 2013-12-04 | 2014-04-02 | 中国科学院遥感与数字地球研究所 | 一种基于时序遥感影像的森林火烧迹地自动提取方法 |
| CN108710864A (zh) * | 2018-05-25 | 2018-10-26 | 北华航天工业学院 | 基于多维度识别及图像降噪处理的冬小麦遥感提取方法 |
| 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 |
| CN110738187A (zh) * | 2019-10-24 | 2020-01-31 | 中国科学院城市环境研究所 | 一种基于Google Earth Engine的湖泊面积动态变化快速遥感估算方法 |
| CN111652195A (zh) * | 2020-07-14 | 2020-09-11 | 宁夏回族自治区自然资源勘测调查院 | 一种土地利用变化分析预测方法 |
| CN111881816A (zh) * | 2020-07-27 | 2020-11-03 | 安徽省（水利部淮河水利委员会）水利科学研究院（安徽省水利工程质量检测中心站） | 一种长时序的河湖围埂养殖区域监测方法 |
| CN111898681A (zh) * | 2020-07-31 | 2020-11-06 | 北京林业大学 | 一种基于遥感云平台与决策树的火烧迹地精细提取方法 |
Non-Patent Citations (2)
| Title |
|---|
| GF-4 PMI 影像着火点自适应阈值分割;刘树超 等;遥感学报;第215-225页 * |
| 利用伪归一化差异水体指数提取城镇周边细小河流信息;周艺 等;地球信息科学学报;第16卷(第1期);第102-107页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112435268A (zh) | 2021-03-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR101891225B1 (ko) | 배경 모델을 업데이트하기 위한 방법 및 장치 | |
| JP6163344B2 (ja) | ナンバープレート画像の確実なクロッピング | |
| EP3021575A1 (en) | Image processing device and image processing method | |
| US9202146B2 (en) | Duplicate check image resolution | |
| US10586152B2 (en) | Determining image forensics using gradient statistics at edges | |
| CN111882557B (zh) | 一种焊接缺陷检测方法、装置、电子设备及存储介质 | |
| CN112102201B (zh) | 图像阴影反光消除方法、装置、计算机设备及存储介质 | |
| CN112435268B (zh) | 一种基于多源遥感影像提取过火区域的方法及装置 | |
| US20220270232A1 (en) | Apparatus for adjusting parameter related to defect detection for image processing for image processing, method for information processing, and program | |
| JP4498203B2 (ja) | メータ認識システム、メータ認識方法、およびメータ認識プログラム | |
| CN114821414A (zh) | 一种基于改进yolov5的烟火检测方法、系统及电子设备 | |
| CN111598117A (zh) | 图像识别方法及装置 | |
| CN111178200A (zh) | 一种仪表盘指示灯的识别方法及计算设备 | |
| JP7332654B2 (ja) | 架空線損傷判定システム | |
| JP2010020581A (ja) | 不要物を除去した画像合成システム | |
| EP3264358A1 (en) | Determining image forensics using an estimated camera response function | |
| CN116863288A (zh) | 基于深度学习的目标检测和报警方法、装置及设备 | |
| JP2007199865A (ja) | 画像処理アルゴリズム評価装置、画像処理アルゴリズムの生成装置および画像検査装置ならびに画像処理アルゴリズム評価方法、画像処理アルゴリズムの生成方法および画像検査方法 | |
| CN111727108B (zh) | 用于控制机器人的方法、装置及系统以及存储介质 | |
| CN116147898A (zh) | 一种汽车前照灯发光强度的检测方法及装置 | |
| CN113033510B (zh) | 图像变化检测模型的训练和检测方法、设备及存储介质 | |
| CN114445751A (zh) | 视频关键帧图像轮廓特征的提取方法和装置 | |
| CN110852228B (zh) | 监控视频中的动态背景提取及前景物体检测方法及系统 | |
| CN112906495A (zh) | 一种目标检测方法、装置、电子设备及存储介质 | |
| CN112906424B (zh) | 图像识别方法、装置及设备 |
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 |