CN112991265B - 一种全自动水体提取系统及方法 - Google Patents

一种全自动水体提取系统及方法 Download PDF

Info

Publication number
CN112991265B
CN112991265B CN202110169293.6A CN202110169293A CN112991265B CN 112991265 B CN112991265 B CN 112991265B CN 202110169293 A CN202110169293 A CN 202110169293A CN 112991265 B CN112991265 B CN 112991265B
Authority
CN
China
Prior art keywords
water body
image
reflectivity
wave band
value
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
CN202110169293.6A
Other languages
English (en)
Other versions
CN112991265A (zh
Inventor
杨晓楠
陈盟盟
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.)
Shanghai Pushi Navigation Technology Co ltd
Original Assignee
Shanghai Pushi Navigation 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 Shanghai Pushi Navigation Technology Co ltd filed Critical Shanghai Pushi Navigation Technology Co ltd
Priority to CN202110169293.6A priority Critical patent/CN112991265B/zh
Publication of CN112991265A publication Critical patent/CN112991265A/zh
Application granted granted Critical
Publication of CN112991265B publication Critical patent/CN112991265B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/182—Network patterns, e.g. roads or rivers
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/80—Geometric correction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • 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

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Quality & Reliability (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)
  • Image Processing (AREA)

Abstract

本发明提供一种全自动水体提取系统及方法，涉及遥感图像处理技术领域，包括：数据预处理模块，用于对获取的包含预设波段的遥感影像进行处理得到地表反射率影像；水体提取模块，连接所述数据预处理模块，用于根据预先建立的水体提取模型对所述地表反射率影像进行处理得到所述地表反射率影像中的每个像元的水体指数。有益效果是能够实现水体的全自动提取，无需任何人工干预，能够自动剔除非水体信息，保留水体信息，并可在一定程度上反应水质信息，减少误分误差，提高水体提取精度，具有准确度高、速度快、简便的优点，具有较强的实用性和推广性。

Description

一种全自动水体提取系统及方法
技术领域
本发明涉及遥感图像处理技术领域，尤其涉及一种全自动水体提取系统及方法。
背景技术
水体是生态系统的重要组成部分，它具有生态循环、涵养土壤、调节温湿度、改善气候等多种功能，因此水体的精准提取对城市管理、生态保护具有至关重要的作用。随着高空间分辨率卫星传感器的发展，利用高分遥感影像快速提取水体信息已成为水资源动态监测的重要手段，但也正是因为高分辨率遥感卫星的发展，所获取的遥感影像细节信息更加丰富，进而也加大了水体提取的难度，在水体提取的过程中，通常会遇到建筑物阴影干扰、浑浊水体和地物分类难度大等问题。
现阶段基于卫星影像水体提取的方法主要包括两类，分别是影像分类法和光谱指数法。其中，影像分类法是基于像元特征建立训练样本，通过训练样本实现影像的分类，进而达到水体提取的目的，但是其方法需要人为选择训练样本，其最终结果的准确性与选择的训练样本密切相关，造成主观性强，普适性不高。指数方法通过不同地物在不同波段的反射率波谱特征的不同来辨别地物的，通过对不同波段进行波谱分析，并进行波段组合运算，实现水体的提取，典型的算法有归一化水体指数NDWI、归一化差异水体指数MNDWI、水体指数NWI等，但该类方法除NDWI以外，大多需要热红外波段参加运算，导致无法适用于高分辨率卫星影像，同时该类方法计算出影像为灰度影像，仍需要通过阈值提取水体，但阈值的选取受人为主观干扰较大，最终提取水体的精准度与影像阈值选取密切相关。
发明内容
针对现有技术中存在的问题，本发明提供一种全自动水体提取系统，包括：
数据预处理模块，用于对获取的包含预设波段的遥感影像进行处理得到地表反射率影像；
水体提取模块，连接所述数据预处理模块，用于根据预先建立的水体提取模型对所述地表反射率影像进行处理得到所述地表反射率影像中的每个像元的水体指数，以根据所述水体指数对所述地表反射率影像进行水体提取。
优选的，所述数据预处理模块包括：
第一处理单元，用于对所述遥感影像进行正射校正得到正射校正后灰度值影像；
第二处理单元，连接所述第一处理单元，用于对所述正射校正后灰度值影像进行辐射定标得到表观辐亮度值影像；
第三处理单元，连接所述第二处理单元，用于对所述表观辐亮度影像进行大气校正得到地表反射率影像。
优选的，所述预设波段包括近红波段，红波段和绿波段；
则所述水体提取模块包括：
第一提取单元，用于由所述地表反射率影像中分别提取各所述像元在所述近红波段的第一反射率值，在所述红波段的第二反射率值以及在所述绿波段的第三反射率值；
第二提取单元，连接所述第一提取单元，用于将所述第一反射率值、所述第二反射率值和所述第三反射率值输入所述水体提取模型处理得到所述像元的所述水体指数，以根据所述水体指数对所述地表反射率影像进行水体提取。
优选的，还包括一模型建立模块，连接所述水体提取模块，所述模型建立模块包括：
数据获取单元，用于由一标准地表反射率影像中分别提取得到预先选取的包含水体的多个类别的典型地物在不同波段的多个标准反射率值；
数据处理单元，连接所述数据获取单元，用于根据所述标准反射率值分别计算每个类别的所述典型地物在各所述波段的反射率均值，并根据各所述反射率均值处理得到各所述典型地物的光谱曲线；
模型建立单元，连接所述数据处理单元，用于根据各所述光谱曲线分析得到所述近红波段、所述红波段和所述绿波段作为建模波段，并根据所述建模波段建立所述水体提取模型。
优选的，所述水体提取模型的表达式如下：
其中，
AFWEI用于表示所述水体指数；
用于表示波长范围在750nm至910nm之间的所述近红波段的所述第一反射率值；
用于表示波长范围在590nm至690nm之间的所述红波段的所述第二反射率值；
用于表示波长范围在500nm至590nm之间的所述绿波段的所述第三反射率值。
本发明还提供一种全自动水体提取方法，应用于上述的全自动水体提取系统，包括：
步骤S1，所述全自动水体提取系统对获取的包含预设波段的遥感影像进行处理得到地表反射率影像；
步骤S2，所述全自动水体提取系统根据预先建立的水体提取模型对所述地表反射率影像进行处理得到所述地表反射率影像中的每个像元的水体指数，以根据所述水体指数对所述地表反射率影像进行水体提取。
优选的，所述步骤S1包括：
步骤S11，所述全自动水体提取系统对所述遥感影像进行正射校正得到正射校正后灰度值影像；
步骤S12，所述全自动水体提取系统对所述正射校正后灰度值影像进行辐射定标得到表观辐亮度值影像；
步骤S13，所述全自动水体提取系统对所述表观辐亮度影像进行大气校正得到地表反射率影像。
优选的，所述预设波段包括近红波段，红波段和绿波段；
则所述步骤S2包括：
步骤S21，所述全自动水体提取系统由所述地表反射率影像中分别提取各所述像元在所述近红波段的第一反射率值，在所述红波段的第二反射率值以及在所述绿波段的第三反射率值；
步骤S22，所述全自动水体提取系统将所述第一反射率值、所述第二反射率值和所述第三反射率值输入所述水体提取模型处理得到所述像元的所述水体指数，以根据所述水体指数对所述地表反射率影像进行水体提取。
优选的，执行所述步骤S2之前，还包括一水体模型建立的过程，包括：
步骤A1，所述全自动水体提取系统由一标准地表反射率影像中分别提取得到预先选取的包含水体的多个类别的典型地物在不同波段的多个标准反射率值；
步骤A2，所述全自动水体提取系统根据所述标准反射率值分别计算每个类别的所述典型地物在各所述波段的反射率均值，并根据各所述反射率均值处理得到各所述典型地物的光谱曲线；
步骤A3，所述全自动水体提取系统根据各所述光谱曲线分析得到所述近红波段、所述红波段和所述绿波段作为建模波段，并根据所述建模波段建立所述水体提取模型。
优选的，所述水体提取模型的表达式如下：
其中，
AFWEI用于表示所述水体指数；
用于表示波长范围在750nm至910nm之间的所述近红波段的所述第一反射率值；
用于表示波长范围在590nm至690nm之间的所述红波段的所述第二反射率值；
用于表示波长范围在500nm至590nm之间的所述绿波段的所述第三反射率值。
上述技术方案具有如下优点或有益效果：能够实现水体的全自动提取，无需任何人工干预，能够自动剔除非水体信息，保留水体信息，实现像元级的水体提取，并可在一定程度上反应水质信息，减少误分误差，提高水体提取精度，具有准确度高、速度快、简便的优点，具有较强的实用性和推广性。
附图说明
图1为本发明的较佳的实施例中，一种全自动水体提取系统的结构示意图；
图2为本发明的较佳的实施例中，各典型地物的光谱曲线示意图；
图3为本发明的较佳的实施例中，一种全自动水体提取方法的流程示意图；
图4为本发明的较佳的实施例中，对遥感影像预处理过程的流程示意图；
图5为本发明的较佳的实施例中，水体指数提取过程的流程示意图；
图6为本发明的较佳的实施例中，水体模型建立的过程的流程示意图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。本发明并不限定于该实施方式，只要符合本发明的主旨，则其他实施方式也可以属于本发明的范畴。
本发明的较佳的实施例中，基于现有技术中存在的上述问题，现提供一种全自动水体提取系统，如图1所示，包括：
数据预处理模块1，用于对获取的包含预设波段的遥感影像进行处理得到地表反射率影像；
水体提取模块2，连接数据预处理模块1，用于根据预先建立的水体提取模型对地表反射率影像进行处理得到地表反射率影像中的每个像元的水体指数，以根据水体指数对地表反射率影像进行水体提取。
具体地，本实施例中，上述遥感影像适用于所有包含波段范围750nm至910nm近红波段、590nm至690nm红波段、500nm至590nm绿波段影像，包括但不限于高景卫星影像、北京2号卫星影像以及鸽群卫星影像。为使得最终获取的水体指数能够在一定程度上反映水质情况，通过对遥感影像进行处理得到地表反射率影像，进行基于地表反射率影像进行水体提取。优选的，上述水体指数可以以矩阵的方式直接输出，也可以以图像的方式输出，即可以根据各个像元的水体指数，预先设定相应的显示色调，使得表征水体的各个像元采用预设的不同色调显示于遥感图像上，更为直观地显示水体提取结果。进一步地，基于不同色调进行显示，也可以通过不同色调直观反馈相应的水质情况。作为优选，可以预先设定不同的水体指数区间，水体指数在在相同水体指数区间内的各像元采用相同的色调进行显示。上述实施方式只是一个实施例，可以根据需求对水体指数进行进一步处理，以采用不同方式显示水体提取结果，并不以此对本申请进行限定。
本发明的较佳的实施例中，数据预处理模块1包括：
第一处理单元11，用于对遥感影像进行正射校正得到正射校正后灰度值影像；
第二处理单元12，连接第一处理单元11，用于对正射校正后灰度值影像进行辐射定标得到表观辐亮度值影像；
第三处理单元13，连接第二处理单元12，用于对表观辐亮度影像进行大气校正得到地表反射率影像。
具体地，本实施例中，遥感影像为卫星拍摄得到的原始灰度值卫星影像，通过对该原始灰度值卫星影像进行正射校正，能够有效避免拍摄时因地形起伏而造成的图像几何失真，进一步提升后续水体提取的准确性。
本发明的较佳的实施例中，预设波段包括近红波段，红波段和绿波段；
则水体提取模块2包括：
第一提取单元21，用于由地表反射率影像中分别提取各像元在近红波段的第一反射率值，在红波段的第二反射率值以及在绿波段的第三反射率值；
第二提取单元22，连接第一提取单元21，用于将第一反射率值、第二反射率值和第三反射率值输入水体提取模型处理得到像元的水体指数，以根据水体指数对地表反射率影像进行水体提取。
本发明的较佳的实施例中，还包括一模型建立模块3，连接水体提取模块2，模型建立模块3包括：
数据获取单元31，用于由一标准地表反射率影像中分别提取得到预先选取的包含水体的多个类别的典型地物在不同波段的多个标准反射率值；
数据处理单元32，连接数据获取单元31，用于根据标准反射率值分别计算每个类别的典型地物在各波段的反射率均值，并根据各反射率均值处理得到各典型地物的光谱曲线；
模型建立单元33，连接数据处理单元32，用于根据各光谱曲线分析得到近红波段、红波段和绿波段作为建模波段，并根据建模波段建立水体提取模型。
具体地，本实施例中，上述多个类别的典型地物包括但不限于水体、植被、建筑以及裸土，对于每个类别的典型地物，由标准地表反射率影像中能够提取得到其在各个波段的多个标准反射率值，上述各个波段可以包括波长范围在750nm至910nm之间的近红波段、波长范围在590nm至690nm之间的红波段、波长范围在500nm至590nm之间的绿波段以及波长范围在450nm至520nm之间的蓝波段。则针对每个类别的典型地物，如水体，其对应四个数据集合，每个数据集合分别关联一个波段，每个数据集合中保存有多个该波段的标准反射率值。随后计算各个数据集合中的标准反射率值的均值，进而根据计算得到的各反射率均值处理得到各典型地物的光谱曲线，如图2所示，其中，纵坐标表示反射率均值，由图中可以看出，植被在近红外波段反射率高，而在红波段反射率低，水体在所有波段的反射率均低于其他典型地物，但在蓝波段反射率较高，且与其他典型地物差异性较小，为提升差异性，便于水体提取，基于水体和植被、裸土以及建筑的光谱差异，选取绿波段、红波段和近红波段作为建模波段。
本发明的较佳的实施例中，水体提取模型的表达式如下：
其中，
AFWEI用于表示水体指数；
用于表示波长范围在750nm至910nm之间的近红波段的第一反射率值；
用于表示波长范围在590nm至690nm之间的红波段的第二反射率值；
用于表示波长范围在500nm至590nm之间的绿波段的第三反射率值。
具体地，本实施例中，基于各典型地物在各波段的光谱差异性分析结果可知，水体在各个波段其反射率与其他典型地物的反射率相比均较低，且在近红波段的各典型地物的反射率差异性最大。则针对每个像元，其为水体区域时，上述差值的计算结果为负值，即对数运算的运算对象为正数，即该像元对应的水体指数为对数运算的结果。其为其他典型地物时，上述差值的计算结果为正值，即对数运算的运算对象为复数，由于负数无法进行对数运算，即该像元对应的水体指数没有数学含义，可以将该部分像元作为非水体信息剔除，保留水体信息。进一步地，由于不同水质其对应的反射率值是不同的，也即是对应的像元的水体指数是具有差异性的，通过水体指数的差异能够一定程度上反应水质信息。
本发明还提供一种全自动水体提取方法，应用于上述的全自动水体提取系统，如图3所示，包括：
步骤S1，全自动水体提取系统对获取的包含预设波段的遥感影像进行处理得到地表反射率影像；
步骤S2，全自动水体提取系统根据预先建立的水体提取模型对地表反射率影像进行处理得到地表反射率影像中的每个像元的水体指数，以根据水体指数对地表反射率影像进行水体提取。
本发明的较佳的实施例中，如图4所示，步骤S1包括：
步骤S11，全自动水体提取系统对遥感影像进行正射校正得到正射校正后灰度值影像；
步骤S12，全自动水体提取系统对正射校正后灰度值影像进行辐射定标得到表观辐亮度值影像；
步骤S13，全自动水体提取系统对表观辐亮度影像进行大气校正得到地表反射率影像。
本发明的较佳的实施例中，预设波段包括近红波段，红波段和绿波段；
如图5所示，则步骤S2包括：
步骤S21，全自动水体提取系统由地表反射率影像中分别提取各像元在近红波段的第一反射率值，在红波段的第二反射率值以及在绿波段的第三反射率值；
步骤S22，全自动水体提取系统将第一反射率值、第二反射率值和第三反射率值输入水体提取模型处理得到像元的水体指数，以根据水体指数对地表反射率影像进行水体提取。
本发明的较佳的实施例中，执行步骤S2之前，还包括一水体模型建立的过程，如图6所示，包括：
步骤A1，全自动水体提取系统由一标准地表反射率影像中分别提取得到预先选取的包含水体的多个类别的典型地物在不同波段的多个标准反射率值；
步骤A2，全自动水体提取系统根据标准反射率值分别计算每个类别的典型地物在各波段的反射率均值，并根据各反射率均值处理得到各典型地物的光谱曲线；
步骤A3，全自动水体提取系统根据各光谱曲线分析得到近红波段、红波段和绿波段作为建模波段，并根据建模波段建立水体提取模型。
本发明的较佳的实施例中，水体提取模型的表达式如下：
其中，
AFWEI用于表示水体指数；
用于表示波长范围在750nm至910nm之间的近红波段的第一反射率值；
用于表示波长范围在590nm至690nm之间的红波段的第二反射率值；
用于表示波长范围在500nm至590nm之间的绿波段的第三反射率值。
以上所述仅为本发明较佳的实施例，并非因此限制本发明的实施方式及保护范围，对于本领域技术人员而言，应当能够意识到凡运用本说明书及图示内容所作出的等同替换和显而易见的变化所得到的方案，均应当包含在本发明的保护范围内。

Claims (7)

1.一种全自动水体提取系统，其特征在于，包括：
数据预处理模块，用于对获取的包含预设波段的遥感影像进行处理得到地表反射率影像；
水体提取模块，连接所述数据预处理模块，用于根据预先建立的水体提取模型对所述地表反射率影像进行处理得到所述地表反射率影像中的每个像元的水体指数，以根据所述水体指数对所述地表反射率影像进行水体提取；
所述预设波段包括近红波段，红波段和绿波段；
则所述水体提取模块包括：
第一提取单元，用于由所述地表反射率影像中分别提取各所述像元在所述近红波段的第一反射率值，在所述红波段的第二反射率值以及在所述绿波段的第三反射率值；
第二提取单元，连接所述第一提取单元，用于将所述第一反射率值、所述第二反射率值和所述第三反射率值输入所述水体提取模型处理得到所述像元的所述水体指数，以根据所述水体指数对所述地表反射率影像进行水体提取；
还包括一模型建立模块，连接所述水体提取模块，所述模型建立模块包括：
数据获取单元，用于由一标准地表反射率影像中分别提取得到预先选取的包含水体的多个类别的典型地物在不同波段的多个标准反射率值；
数据处理单元，连接所述数据获取单元，用于根据所述标准反射率值分别计算每个类别的所述典型地物在各所述波段的反射率均值，并根据各所述反射率均值处理得到各所述典型地物的光谱曲线；
模型建立单元，连接所述数据处理单元，用于根据各所述光谱曲线分析得到所述近红波段、所述红波段和所述绿波段作为建模波段，并根据所述建模波段建立所述水体提取模型；
所述水体提取模型的表达式如下：
其中，
AFWEI用于表示所述水体指数；
用于表示波长范围在750nm至910nm之间的所述近红波段的所述第一反射率值；
用于表示波长范围在590nm至690nm之间的所述红波段的所述第二反射率值；
用于表示波长范围在500nm至590nm之间的所述绿波段的所述第三反射率值。
2.根据权利要求1所述的全自动水体提取系统，其特征在于，所述数据预处理模块包括：
第一处理单元，用于对所述遥感影像进行正射校正得到正射校正后灰度值影像；
第二处理单元，连接所述第一处理单元，用于对所述正射校正后灰度值影像进行辐射定标得到表观辐亮度值影像；
第三处理单元，连接所述第二处理单元，用于对所述表观辐亮度影像进行大气校正得到地表反射率影像。
3.一种全自动水体提取方法，其特征在于，应用于如权利要求1或2所述的全自动水体提取系统，包括：
步骤S1，所述全自动水体提取系统对获取的包含预设波段的遥感影像进行处理得到地表反射率影像；
步骤S2，所述全自动水体提取系统根据预先建立的水体提取模型对所述地表反射率影像进行处理得到所述地表反射率影像中的每个像元的水体指数，以根据所述水体指数对所述地表反射率影像进行水体提取。
4.根据权利要求3所述的全自动水体提取方法，其特征在于，所述步骤S1包括：
步骤S11，所述全自动水体提取系统对所述遥感影像进行正射校正得到正射校正后灰度值影像；
步骤S12，所述全自动水体提取系统对所述正射校正后灰度值影像进行辐射定标得到表观辐亮度值影像；
步骤S13，所述全自动水体提取系统对所述表观辐亮度影像进行大气校正得到地表反射率影像。
5.根据权利要求3所述的全自动水体提取方法，其特征在于，所述预设波段包括近红波段，红波段和绿波段；
则所述步骤S2包括：
步骤S21，所述全自动水体提取系统由所述地表反射率影像中分别提取各所述像元在所述近红波段的第一反射率值，在所述红波段的第二反射率值以及在所述绿波段的第三反射率值；
步骤S22，所述全自动水体提取系统将所述第一反射率值、所述第二反射率值和所述第三反射率值输入所述水体提取模型处理得到所述像元的所述水体指数，以根据所述水体指数对所述地表反射率影像进行水体提取。
6.根据权利要求5所述的全自动水体提取方法，其特征在于，执行所述步骤S2之前，还包括一水体模型建立的过程，包括：
步骤A1，所述全自动水体提取系统由一标准地表反射率影像中分别提取得到预先选取的包含水体的多个类别的典型地物在不同波段的多个标准反射率值；
步骤A2，所述全自动水体提取系统根据所述标准反射率值分别计算每个类别的所述典型地物在各所述波段的反射率均值，并根据各所述反射率均值处理得到各所述典型地物的光谱曲线；
步骤A3，所述全自动水体提取系统根据各所述光谱曲线分析得到所述近红波段、所述红波段和所述绿波段作为建模波段，并根据所述建模波段建立所述水体提取模型。
7.根据权利要求6所述的全自动水体提取方法，其特征在于，所述水体提取模型的表达式如下：
其中，
AFWEI用于表示所述水体指数；
用于表示波长范围在750nm至910nm之间的所述近红波段的所述第一反射率值；
用于表示波长范围在590nm至690nm之间的所述红波段的所述第二反射率值；
用于表示波长范围在500nm至590nm之间的所述绿波段的所述第三反射率值。
CN202110169293.6A 2021-02-07 2021-02-07 一种全自动水体提取系统及方法 Active CN112991265B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110169293.6A CN112991265B (zh) 2021-02-07 2021-02-07 一种全自动水体提取系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110169293.6A CN112991265B (zh) 2021-02-07 2021-02-07 一种全自动水体提取系统及方法

Publications (2)

Publication Number Publication Date
CN112991265A CN112991265A (zh) 2021-06-18
CN112991265B true CN112991265B (zh) 2024-05-07

Family

ID=76349072

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110169293.6A Active CN112991265B (zh) 2021-02-07 2021-02-07 一种全自动水体提取系统及方法

Country Status (1)

Country Link
CN (1) CN112991265B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106127133A (zh) * 2016-06-16 2016-11-16 西安科技大学 一种基于红光‑近红外光谱特征空间的水体提取方法
CN108387525A (zh) * 2018-01-26 2018-08-10 中国科学院遥感与数字地球研究所 一种基于evi2季节变化曲线的年gpp估算方法及系统
CN111007039A (zh) * 2019-11-29 2020-04-14 航天东方红卫星有限公司 中低分辨率遥感图像亚像元级水体自动提取方法和系统
CN111932567A (zh) * 2020-07-30 2020-11-13 中国科学院空天信息创新研究院 基于卫星影像的冰湖轮廓自动提取方法
CN112051222A (zh) * 2020-08-30 2020-12-08 山东锋士信息技术有限公司 一种基于高分卫星影像的河湖水质监测方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8094960B2 (en) * 2008-07-07 2012-01-10 Harris Corporation Spectral calibration of image pairs using atmospheric characterization

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106127133A (zh) * 2016-06-16 2016-11-16 西安科技大学 一种基于红光‑近红外光谱特征空间的水体提取方法
CN108387525A (zh) * 2018-01-26 2018-08-10 中国科学院遥感与数字地球研究所 一种基于evi2季节变化曲线的年gpp估算方法及系统
CN111007039A (zh) * 2019-11-29 2020-04-14 航天东方红卫星有限公司 中低分辨率遥感图像亚像元级水体自动提取方法和系统
CN111932567A (zh) * 2020-07-30 2020-11-13 中国科学院空天信息创新研究院 基于卫星影像的冰湖轮廓自动提取方法
CN112051222A (zh) * 2020-08-30 2020-12-08 山东锋士信息技术有限公司 一种基于高分卫星影像的河湖水质监测方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
基于GF-1卫星影像的改进SWI水体提取方法;王瑾杰;丁建丽;张成;陈文倩;;国土资源遥感(第01期);第29-35页 *
太湖水体反射率的光谱特征波长分析;申茜 等;光谱学与光谱分析;第31卷(第7期);第1892-1897页 *
水体指数构建及其在复杂环境下有效性研究;王小标 等;遥感学报;第360–372页 *

Also Published As

Publication number Publication date
CN112991265A (zh) 2021-06-18

Similar Documents

Publication Publication Date Title
WO2022252242A1 (zh) 一种基于多光谱图像的水污染区域识别方法和系统
Cointault et al. In‐field Triticum aestivum ear counting using colour‐texture image analysis
CN113029971B (zh) 一种作物冠层氮素监测方法及系统
CN110849814A (zh) 一种基于多源遥感卫星的遥感影像处理方法
CN109522929A (zh) 一种基于多源图像融合的自然环境下麦田杂草识别方法
CN112287904B (zh) 基于卫星影像的机场目标识别方法和装置
CN110110131B (zh) 一种基于深度学习与双目立体视觉的飞机线缆支架识别与参数获取方法
CN112557307B (zh) 天空地一体化湖库水质监测融合数据方法
CN114612794A (zh) 一种细碎化农业区土地覆被与种植结构的遥感识别方法
CN108564021B (zh) 一种基于数码相片提取荒漠植被盖度的方法
CN110097535A (zh) 植物叶片含氮量检测方法、装置、计算机设备和存储介质
CN113887493B (zh) 一种基于id3算法的黑臭水体遥感影像识别方法
CN113570538B (zh) 一种叶片rgb图像偏态分布参数信息采集及分析方法
CN114778483A (zh) 用于监测山地的遥感影像近红外波段地形阴影校正方法
CN116337781A (zh) 一种基于光谱图像重建的高粱品种识别方法
Wang et al. The impact of variable illumination on vegetation indices and evaluation of illumination correction methods on chlorophyll content estimation using UAV imagery
CN115015258A (zh) 一种农作物长势与土壤水分关联确定方法及相关装置
CN114067222A (zh) 一种城市水体遥感分类方法及装置
CN112991265B (zh) 一种全自动水体提取系统及方法
CN112098415B (zh) 一种杨梅品质无损检测方法
CN117589767A (zh) 一种烟叶采收时间确定方法、电子设备和存储介质
CN116258968B (zh) 一种林果病虫管理方法及系统
CN113439870A (zh) 一种雪茄烟外观分类方法及装置
CN116740580A (zh) 基于遥感技术的园林工程数据处理方法
CN116721385A (zh) 一种基于机器学习的rgb摄像头数据蓝藻水华监测方法

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