CN112489108A - 一种远海珊瑚礁水下表面积反演重建的方法及装置 - Google Patents

一种远海珊瑚礁水下表面积反演重建的方法及装置 Download PDF

Info

Publication number
CN112489108A
CN112489108A CN202011547364.3A CN202011547364A CN112489108A CN 112489108 A CN112489108 A CN 112489108A CN 202011547364 A CN202011547364 A CN 202011547364A CN 112489108 A CN112489108 A CN 112489108A
Authority
CN
China
Prior art keywords
surface area
coral reef
pixel points
triangle
remote sensing
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
Application number
CN202011547364.3A
Other languages
English (en)
Other versions
CN112489108B (zh
Inventor
杨红强
施祺
张喜洋
谭飞
周胜男
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.)
South China Sea Institute of Oceanology of CAS
Original Assignee
South China Sea Institute of Oceanology of CAS
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 South China Sea Institute of Oceanology of CAS filed Critical South China Sea Institute of Oceanology of CAS
Priority to CN202011547364.3A priority Critical patent/CN112489108B/zh
Publication of CN112489108A publication Critical patent/CN112489108A/zh
Application granted granted Critical
Publication of CN112489108B publication Critical patent/CN112489108B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/60Analysis of geometric attributes
    • G06T7/62Analysis of geometric attributes of area, perimeter, diameter or volume
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00Image enhancement or restoration
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00Image enhancement or restoration
    • G06T5/50Image enhancement or restoration by the use of more than one image, e.g. averaging, subtraction
    • G06T5/80
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10032Satellite or aerial image; Remote sensing
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/20Special algorithmic details
    • G06T2207/20068Projection on vertical or horizontal image axis
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/20Special algorithmic details
    • G06T2207/20112Image segmentation details
    • G06T2207/20132Image cropping
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/20Special algorithmic details
    • G06T2207/20172Image enhancement details
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/20Special algorithmic details
    • G06T2207/20212Image combination
    • G06T2207/20221Image fusion; Image merging
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30181Earth observation
    • G06T2207/30188Vegetation; Agriculture
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02ATECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A40/00Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
    • Y02A40/80Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in fisheries management
    • Y02A40/81Aquaculture, e.g. of fish

Abstract

本发明公开了一种远海珊瑚礁水下表面积反演重建的方法及装置,该方法包括获取遥感数据,并对遥感数据进行处理,获得处理后的遥感数据;从处理后的遥感数据中提取珊瑚礁信息;根据所提取到的珊瑚礁信息来计算出礁体表面积。本发明通过获取遥感数据并对遥感数据进行处理,从中提取出与珊瑚礁相关的信息,从而可以快速、准确并可大面积地计算出珊瑚礁礁体表面积,有利于以开展大面积海域的珊瑚礁调查。

Description

一种远海珊瑚礁水下表面积反演重建的方法及装置
技术领域
本发明涉及海洋技术领域,具体涉及一种远海珊瑚礁水下表面积反演重建的方法及装置。
背景技术
全球气候和环境变化对热带及亚热带海洋影响巨大,近一、二十年来世界范围内珊瑚礁生态系统处于严重退化之中,几乎所有发育珊瑚礁的海域都出现珊瑚大量死亡和珊瑚礁生态系统严重退化的现象,并且珊瑚死亡和退化程度相当严重。目前的研究者认为,全球变暖和海水温度上升是导致世界范围内珊瑚礁大量死亡的主要原因。珊瑚礁生态系统对全球变化响应已成为当前国际社会所关注的一个热门研究课题。
各主要海洋国家都有对珊瑚礁明显退化问题的关注,也发布了许多区域和全球性的珊瑚礁生态系统状态的报告(Waddell和Clarke,2008;Wilkinson,2008)。这些报告是基于传统的潜水调查方法的结果,主要有3种:(1)1—10m范围的样方法;(2)10—100m范围的截线样条法;(3)100m以上范围的拖板法。这些提供了详细的评估珊瑚礁状态方法,但以上直接现场调查方法,只能涵盖珊瑚礁区域的很小部分,难以开展大面积海域的珊瑚礁调查。即使是现场调查单个礁体,实践中也只能采用抽样统计方法。然而,珊瑚礁群落常呈大斑块分布,甚至密集的布点调查也可能无法充分了解群落分布情况(Hochberg,2011)。此外它不仅费时费力,尤其是在了解偏远地区或有领海争议区域珊瑚礁的状况有困难。因此,目前还没看到有组织完成全面的世界珊瑚礁分布图的报道,对全球珊瑚礁健康状况更是缺乏客观的认识。
发明内容
本发明的目的在于克服上述现有技术的不足,提供一种远海珊瑚礁水下表面积反演重建的方法及装置,以快速地获得远海珊瑚礁水下表面积,有利于以开展大面积海域的珊瑚礁调查。
为实现上述目的,本发明的技术方案是:
第一方面,本发明实施例提供了一种远海珊瑚礁水下表面积反演重建的方法,包括:
获取遥感数据,并对遥感数据进行处理,获得处理后的遥感数据;
从处理后的遥感数据中提取珊瑚礁信息;
根据所提取到的珊瑚礁信息来计算出礁体表面积。
进一步地,所述珊瑚礁信息包括水深数据、两个像素点之间的投影距离以及水深小于预设值的像素点数目。
进一步地,所述根据提取到提取到的珊瑚礁信息来计算出礁体表面积的方式为:像素点面积乘以像素点数目。
进一步地,所述像素点面积的计算方式为:
所要计算的像素点称为目标像素点,目标像素点的表面积计算通过使用三角形网络来计算,目标像素点的表面积等于包围目标像素点的四个像素点所围成的区域面积的一半,四个像素点所围成的区域面积等于围成该区域面积的两个三角形面积之和。
进一步地,所述三角形面积的计算方式为:
计算出三角形的三条边长,
对应三角形的面积采用如下公式计算:
Figure BDA0002856712720000021
其中a、b、c分别为三角形的三条边长,而p为三角形周长的1/2。
进一步地,所述三角形边长的计算方式为:
两个像素点的投影距离与水深构成一个垂直三角形,垂直三角形的斜边即为所要求的三角形某一条边的边长,该边长即为两个像素点之间的距离。
进一步地,所述对遥感数据进行处理包括:图像增强、配准、图像镶嵌与裁剪、去云及阴影处理和光谱归一化。
进一步地,通过水深反演的方式从处理后的遥感数据中提取珊瑚礁信息。
第二方面,本发明实施例提供了一种远海珊瑚礁水下表面积反演重建装置,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上任一所述方法的步骤。
第三方面,本发明实施例提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如上任一所述方法的步骤。
本发明与现有技术相比,其有益效果在于:
本发明通过获取遥感数据并对遥感数据进行处理,从中提取出与珊瑚礁相关的信息,从而可以快速、准确并可大面积地计算出珊瑚礁礁体表面积,有利于以开展大面积海域的珊瑚礁调查。
附图说明
图1为本发明实施例1提供的远海珊瑚礁水下表面积反演重建的方法的流程图;
图2为遥感数据进行预处理的流程图;
图3为三角形网格的计算示意图;
图4为三角形三条边的边长计算示意图;
图5为采用实施例1方法所计算出来的30米以内浅礁体表面积分布图;
图6为本发明实施例2提供的远海珊瑚礁水下表面积反演重建装置的组成示意图。
具体实施方式
下面结合附图和实施例对本发明的技术方案做进一步的说明。
实施例1:
参阅图1所示,本实施例提供的远海珊瑚礁水下表面积反演重建的方法,主要包括如下步骤:
101、获取遥感数据,并对遥感数据进行处理,获得处理后的遥感数据;
102、从处理后的遥感数据中提取珊瑚礁信息;
103、根据所提取到的珊瑚礁信息来计算出礁体表面积。
本方法通过获取遥感数据并对遥感数据进行处理,从中提取出与珊瑚礁相关的信息,从而可以快速、准确并可大面积地计算出珊瑚礁礁体表面积。
本实施例调查所采用的卫星遥感数据包括:美国LANDSAT-8OLI传感器(陆地卫星8号Operational Land Imager,陆地成像仪),美国商业卫星Worldview-2数据、快鸟(QuickBird)卫星数据。由于陆地卫星Landsat-8等空间分辨率较低(30米),而珊瑚礁的面积通常较小,底质空间异质性较大,30米空间分辨率无法达到要求。从光谱分辨率来说,珊瑚礁底质的差异较大,珊瑚底质,沙质底质,海草底质等几种类型底质之间有差异,同一底质类型由于底质颜色也有较大差异。4波段快鸟卫星数据和部分4波段Worldview卫星因波段数较少水深反演会产生较大误差。因此,本实施例主要选用8波段Worldview数据进行珊瑚礁区域水深遥感提取。
由于海洋遥感影像一般受水汽影响严重,表现为灰暗、模糊等现象,往往不利于判读。要改善这些状况,提高判读精度和准确性,需要针对影像进行特定的处理,如图像增强。可以在图像融合前,拉伸图像来增强信息,达到提高图像融合效果的目的。为此,在本实施例中对遥感数据进行预处理,预处理的过程包括:正射纠正、数据融合、数据镶嵌以及色彩增强,主要流程如图2所示。
在本实施例中正射纠正具体为:通过卫星提供的相关参数对全色和多光谱数据进行较为准确的几何纠正,以达到配准的目的。数字微分纠正是根据有关参数于数字地面模型,利用相应的方程式,或者按一定的数学模型用控制点解算从原始非正射的数字影像获取正射影像。制作数字正射影像图通常使用两种纠正方法:非基于DEM的纠正方法和基于DEM的纠正方法。由于缺乏的研究区的DEM数据,同时考虑海平面起伏平缓,根据影像时相和相关的历史数据,采用影像当时的平均海拔值代替在正射过程中需要的DEM。本实施例使用遥感影像处理软件ENVI的正射纠正模块分别进行全色和多光谱正射影像的制作。经过正射纠正的全色和多光谱影像,一般在匹配精度上能够满足需求。
图像融合是以图像为研究对象的数据融合,是指在同一时间,将同一景物的不同波段或来自不同传感器的两个或两个以上的图像进行处理,形成一幅合成图像,以获取更多的关于目标信息的图像处理过程。图像融合过程,可以弥补单一图像上信息的不足,扩大各自信息的应用范围,也大大提高了遥感影像分析的精度。图像融合按照其处理体系可分为信号级融合,象素级融合,特征级融合和决策级融合。像素级图像融合发展最为成熟,包括了多种融合方法:色彩变换方法,数字统计方法和数值计算方法。色彩变换主要有HIS变换等;数字统计方法主要有主成分分析和回归分析方法;数值计算指多数据源进行四则运算,而复杂的运算主要包括傅立叶变换和小波变换等。本实施例采用Gram-Schmidt PanSharping的方法进行图形融合。
本实施例采用FLAASH模型对研究中获取的Worldview数据进行大气校正,比较大气校正前后各波段反射率变化情况,同时对比研究区典型水体和不同水深处的反射率变化差异。FLAASH模型是对MODTRAN模型改进后提出的,相对于其他模型,该模型具有输入参数简单、输出反射率精度高的特点,是目前常用的、效果较好的适用于高光谱、多光谱遥感的大气校正模型。
如此,经过上述的处理后,即可以从处理后的遥感数据中采用水深反演的方式提取珊瑚礁信息,该珊瑚礁信息包括水深数据、两个像素点之间的投影距离以及水深小于预设值的像素点数目。由于遥感影像所获取的是两个像素点之间的投影距离,即得到珊瑚礁表面积仅仅是垂直投影的表面积,其不能反映珊瑚礁真实的表面积,珊瑚礁真实的表面积应该要比垂直投影的表面积大。
由于任何四个及以上点连接成而成图形不一定在一个平面上,因此计算一个像素点礁体表面积需要使用三角形网格,计算示意图如3所示:
需计算目标像素点(位于图3心位置的五角星图案)礁体的面积,实际为礁体上投影为浅色线条正方形的图形的表面积(即包围中心位置五角星图案的正方形),可以近似为两个投影为浅色线条三角形的图形的面积的一半(即包围目标像素点的四个像素点所围成的区域面积的一半)。因此,分别计算投影为两个蓝色三角形的图形的面积,具体计算方式如下:
首先计算礁体上三角形三条边的边长
如图4所示,任何两点的距离(三角形的边长),需要考虑高程差(水深),两个像素点的投影与高程差构成一个垂直三角形,垂直三角形的斜边长即为礁体表面上三角形某一条边的边长(某两个像素点之间的距离。)
利用上述方法计算出像素点所代表的礁体上三角形三条边的边长后,礁体上对应三角形的面积采用如下公式计算:
Figure BDA0002856712720000051
其中a、b、c分别为三角形的三条边长,而p为三角形周长的1/2。
那么该像素点所代表的礁体的表面积为:(S1+S2)/2;其中,是S1第一个三角的面积,S2为第二个三角形的面积。
下面以某一个礁群为例,来对本方法进行进一步地说明:
首先读入带经纬度的高程数据,计算30米以浅的像素点的个数,每个像元点的投影面积约为1.44平方米,像元数目约为6.14×10^6个,投影面积约为8.84平方公里。
而通过采用本实施例所提供的方法,计算获得每个像素点的面积为1.61平方米,从而可以快速计算获得30米以内浅礁体总的表面积计算约为5.36平方公里,分布图如图5所示。
实施例2:
参阅图6所示,本实施例提供的远海珊瑚礁水下表面积反演重建装置包括处理器61、存储器62以及存储在该存储器62中并可在所述处理器61上运行的计算机程序63,例如远海珊瑚礁水下表面积反演重建处理程序。该处理器61执行所述计算机程序63时实现上述实施例1步骤,例如图1所示的步骤。
示例性的,所述计算机程序63可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器62中,并由所述处理器61执行,以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序63在所述远海珊瑚礁水下表面积反演重建装置中的执行过程。
所述远海珊瑚礁水下表面积反演重建装置可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述远海珊瑚礁水下表面积反演重建装置可包括,但不仅限于,处理器61、存储器62。本领域技术人员可以理解,图6仅仅是远海珊瑚礁水下表面积反演重建装置的示例,并不构成远海珊瑚礁水下表面积反演重建装置的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述远海珊瑚礁水下表面积反演重建装置还可以包括输入输出设备、网络接入设备、总线等。
所称处理器61可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(FieldProgrammable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器62可以是所述远海珊瑚礁水下表面积反演重建装置的内部存储元,例如远海珊瑚礁水下表面积反演重建装置的硬盘或内存。所述存储器62也可以是所述远海珊瑚礁水下表面积反演重建装置的外部存储设备,例如所述远海珊瑚礁水下表面积反演重建装置上配备的插接式硬盘,智能存储卡(SmartMedia Card,SMC),安全数字(SecureDigital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器62还可以既包括所述远海珊瑚礁水下表面积反演重建装置的内部存储单元也包括外部存储设备。所述存储器62用于存储所述计算机程序以及所述远海珊瑚礁水下表面积反演重建装置所需的其他程序和数据。所述存储器62还可以用于暂时地存储已经输出或者将要输出的数据。
实施例3:
本实施例提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现实施例1所述方法的步骤。
所示计算机可读介质可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质,例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理再以电子方式获得所述程序,然后将其存储在计算机存储器中。
上述实施例只是为了说明本发明的技术构思及特点,其目的是在于让本领域内的普通技术人员能够了解本发明的内容并据以实施,并不能以此限制本发明的保护范围。凡是根据本发明内容的实质所做出的等效的变化或修饰,都应涵盖在本发明的保护范围内。

Claims (10)

1.一种远海珊瑚礁水下表面积反演重建的方法,其特征在于,包括:
获取遥感数据,并对遥感数据进行处理,获得处理后的遥感数据;
从处理后的遥感数据中提取珊瑚礁信息;
根据所提取到的珊瑚礁信息来计算出礁体表面积。
2.如权利要求1所述的远海珊瑚礁水下表面积反演重建的方法,其特征在于,所述珊瑚礁信息包括水深数据、两个像素点之间的投影距离以及水深小于预设值的像素点数目。
3.如权利要求2所述的远海珊瑚礁水下表面积反演重建的方法,其特征在于,所述根据提取到提取到的珊瑚礁信息来计算出礁体表面积的方式为:像素点面积乘以像素点数目。
4.如权利要求3所述的远海珊瑚礁水下表面积反演重建的方法,其特征在于,所述像素点面积的计算方式为:
所要计算的像素点称为目标像素点,目标像素点的表面积计算通过使用三角形网络来计算,目标像素点的表面积等于包围目标像素点的四个像素点所围成的区域面积的一半,四个像素点所围成的区域面积等于围成该区域面积的两个三角形面积之和。
5.如权利要求4所述的远海珊瑚礁水下表面积反演重建的方法,其特征在于,所述三角形面积的计算方式为:
计算出三角形的三条边长,
对应三角形的面积采用如下公式计算:
Figure FDA0002856712710000011
其中a、b、c分别为三角形的三条边长,而p为三角形周长的1/2。
6.如权利要求5所述的远海珊瑚礁水下表面积反演重建的方法,其特征在于,所述三角形边长的计算方式为:
两个像素点的投影距离与水深构成一个垂直三角形,垂直三角形的斜边即为所要求的三角形某一条边的边长,该边长即为两个像素点之间的距离。
7.如权利要求1所述的远海珊瑚礁水下表面积反演重建的方法,其特征在于,所述对遥感数据进行处理包括:图像增强、配准、图像镶嵌与裁剪、去云及阴影处理和光谱归一化。
8.如权利要求1所述的远海珊瑚礁水下表面积反演重建的方法,其特征在于,通过水深反演的方式从处理后的遥感数据中提取珊瑚礁信息。
9.一种远海珊瑚礁水下表面积反演重建装置,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至8任一所述方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至8任一所述方法的步骤。
CN202011547364.3A 2020-12-24 2020-12-24 一种远海珊瑚礁水下表面积反演重建的方法及装置 Active CN112489108B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011547364.3A CN112489108B (zh) 2020-12-24 2020-12-24 一种远海珊瑚礁水下表面积反演重建的方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011547364.3A CN112489108B (zh) 2020-12-24 2020-12-24 一种远海珊瑚礁水下表面积反演重建的方法及装置

Publications (2)

Publication Number Publication Date
CN112489108A true CN112489108A (zh) 2021-03-12
CN112489108B CN112489108B (zh) 2023-08-01

Family

ID=74915511

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011547364.3A Active CN112489108B (zh) 2020-12-24 2020-12-24 一种远海珊瑚礁水下表面积反演重建的方法及装置

Country Status (1)

Country Link
CN (1) CN112489108B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116088542A (zh) * 2023-04-12 2023-05-09 中国水产科学研究院南海水产研究所 一种基于遥感技术的渔船作业安全预警方法及系统
CN116109829A (zh) * 2023-04-11 2023-05-12 耕宇牧星(北京)空间科技有限公司 一种基于融合网络的珊瑚礁水域图像分割方法

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070047809A1 (en) * 2005-08-24 2007-03-01 Denso Corporation Environment recognition device
CN103530904A (zh) * 2013-11-04 2014-01-22 东南大学 一种基于克里金方法的水下地形数字高程建立方法
CN105184807A (zh) * 2015-10-13 2015-12-23 贾帅东 一种提高海图水深自动选取效率的方法
CN105865424A (zh) * 2016-04-13 2016-08-17 中测新图(北京)遥感技术有限责任公司 一种基于非线性模型的多光谱遥感水深反演方法及装置
CN107202982A (zh) * 2017-05-22 2017-09-26 徐泽宇 一种基于无人机位姿计算的信标布置及图像处理方法
CN108520511A (zh) * 2018-03-19 2018-09-11 中国海洋大学 一种基于鱼探仪的水下鱼类目标探测与识别方法
CN108665549A (zh) * 2018-05-09 2018-10-16 辽宁省海洋水产科学研究院 项目用海的三维海底模型建立方法及海洋生物损失量的计算方法
CN108981842A (zh) * 2018-08-17 2018-12-11 湖北凯瑞知行智能装备有限公司 基于激光线性光源辅助的胶带物料堆形体积计算及偏载和堵料识别方法
CN109615653A (zh) * 2018-12-19 2019-04-12 上海大学 基于深度学习与视场投影模型的渗漏水面积检测与识别方法
CN110208193A (zh) * 2019-05-09 2019-09-06 航天恒星科技有限公司 一种基于光学遥感卫星影像的珊瑚礁一体化监测方法
CN110235808A (zh) * 2019-05-13 2019-09-17 浙江省海洋水产研究所 一种潜水调查岛礁区珊瑚断面的方法
CN112069579A (zh) * 2020-09-04 2020-12-11 华能澜沧江水电股份有限公司 基于dem数字地形分析的土石坝变形震害定量评估方法

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070047809A1 (en) * 2005-08-24 2007-03-01 Denso Corporation Environment recognition device
CN103530904A (zh) * 2013-11-04 2014-01-22 东南大学 一种基于克里金方法的水下地形数字高程建立方法
CN105184807A (zh) * 2015-10-13 2015-12-23 贾帅东 一种提高海图水深自动选取效率的方法
CN105865424A (zh) * 2016-04-13 2016-08-17 中测新图(北京)遥感技术有限责任公司 一种基于非线性模型的多光谱遥感水深反演方法及装置
CN107202982A (zh) * 2017-05-22 2017-09-26 徐泽宇 一种基于无人机位姿计算的信标布置及图像处理方法
CN108520511A (zh) * 2018-03-19 2018-09-11 中国海洋大学 一种基于鱼探仪的水下鱼类目标探测与识别方法
CN108665549A (zh) * 2018-05-09 2018-10-16 辽宁省海洋水产科学研究院 项目用海的三维海底模型建立方法及海洋生物损失量的计算方法
CN108981842A (zh) * 2018-08-17 2018-12-11 湖北凯瑞知行智能装备有限公司 基于激光线性光源辅助的胶带物料堆形体积计算及偏载和堵料识别方法
CN109615653A (zh) * 2018-12-19 2019-04-12 上海大学 基于深度学习与视场投影模型的渗漏水面积检测与识别方法
CN110208193A (zh) * 2019-05-09 2019-09-06 航天恒星科技有限公司 一种基于光学遥感卫星影像的珊瑚礁一体化监测方法
CN110235808A (zh) * 2019-05-13 2019-09-17 浙江省海洋水产研究所 一种潜水调查岛礁区珊瑚断面的方法
CN112069579A (zh) * 2020-09-04 2020-12-11 华能澜沧江水电股份有限公司 基于dem数字地形分析的土石坝变形震害定量评估方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
ADI LAVY等: "A quick, easy and non-intrusivemethod for underwater volume and surface area evaluation of benthic organisms by 3D computer modelling" *
张源榆;黄荣永;余克服;樊明顺;周国清;: "基于卫星高光谱遥感影像的浅海水深反演方法" *
赵婷等: "基于DEM的秦岭陕西段地表面积与垂直投影面积差异性分析" *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116109829A (zh) * 2023-04-11 2023-05-12 耕宇牧星(北京)空间科技有限公司 一种基于融合网络的珊瑚礁水域图像分割方法
CN116109829B (zh) * 2023-04-11 2023-06-16 耕宇牧星(北京)空间科技有限公司 一种基于融合网络的珊瑚礁水域图像分割方法
CN116088542A (zh) * 2023-04-12 2023-05-09 中国水产科学研究院南海水产研究所 一种基于遥感技术的渔船作业安全预警方法及系统
CN116088542B (zh) * 2023-04-12 2023-08-18 中国水产科学研究院南海水产研究所 一种基于遥感技术的渔船作业安全预警方法及系统

Also Published As

Publication number Publication date
CN112489108B (zh) 2023-08-01

Similar Documents

Publication Publication Date Title
Chirayath et al. Drones that see through waves–preliminary results from airborne fluid lensing for centimetre‐scale aquatic conservation
Meng et al. Pansharpening for cloud-contaminated very high-resolution remote sensing images
Greene et al. Side scan sonar: A cost-efficient alternative method for measuring seagrass cover in shallow environments
Roelfsema et al. An integrated field and remote sensing approach for mapping seagrass cover, Moreton Bay, Australia
EP3002729A1 (en) Automated geospatial image mosaic generation with radiometric normalization
Manessa et al. Determination of the best methodology for bathymetry mapping using SPOT 6 imagery: A study of 12 empirical algorithms
CN112489108B (zh) 一种远海珊瑚礁水下表面积反演重建的方法及装置
Rende et al. Advances in micro-cartography: A two-dimensional photo mosaicing technique for seagrass monitoring
CN111008664B (zh) 一种基于空谱联合特征的高光谱海冰检测方法
Kibele et al. Nonparametric empirical depth regression for bathymetric mapping in coastal waters
Ventura et al. Seagrass restoration monitoring and shallow-water benthic habitat mapping through a photogrammetry-based protocol
Al-Rawi et al. Intensity normalization of sidescan sonar imagery
CN116972814A (zh) 主被动遥感融合的浅海水深探测方法、设备及存储介质
CN116012723A (zh) 基于时序遥感影像的湿地类型提取方法、装置及电子设备
Albanai Mapping Kuwait bathymetry using passive multispectral remote sensing
Shen et al. Retrieval of near-shore bathymetry from multispectral satellite images using generalized additive models
JP2005346664A (ja) 海岸線抽出方法及び海岸線抽出システム
CN116109829B (zh) 一种基于融合网络的珊瑚礁水域图像分割方法
CN111145231A (zh) 遥感图像的波段偏移确定方法、装置和电子设备
Fletcher et al. A semiautomated approach for monitoring landscape changes in Texas seagrass beds from aerial photography
CN111696054B (zh) 基于全极化sar图像的橡胶坝体检测方法
Bostater Jr et al. Enhanced Data fusion protocol for surface and subsurface imaging of released oil in littoral zones
Hartanto et al. A Comparative Analysis to Model Bathymetry using Multi-sensor Satellite Imageries
CN115082810B (zh) 同步轨道卫星红外图像船舶检测方法、装置、设备及介质
Gruen et al. DSM generation with ALOS/PRISM data using SAT-PP

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