CN113075167A - 一种水面耀斑的识别方法及装置 - Google Patents
一种水面耀斑的识别方法及装置 Download PDFInfo
- Publication number
- CN113075167A CN113075167A CN202110333672.4A CN202110333672A CN113075167A CN 113075167 A CN113075167 A CN 113075167A CN 202110333672 A CN202110333672 A CN 202110333672A CN 113075167 A CN113075167 A CN 113075167A
- Authority
- CN
- China
- Prior art keywords
- pixel
- remote sensing
- water body
- reflectivity
- image
- 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.)
- Pending
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 172
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000002310 reflectometry Methods 0.000 claims abstract description 134
- 238000012952 Resampling Methods 0.000 claims abstract description 25
- 238000000605 extraction Methods 0.000 claims abstract description 18
- 238000013145 classification model Methods 0.000 claims description 17
- 238000010586 diagram Methods 0.000 description 4
- 210000000746 body region Anatomy 0.000 description 3
- 230000006870 function Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- ONTQJDKFANPPKK-UHFFFAOYSA-L chembl3185981 Chemical compound [Na+].[Na+].CC1=CC(C)=C(S([O-])(=O)=O)C=C1N=NC1=CC(S([O-])(=O)=O)=C(C=CC=C2)C2=C1O ONTQJDKFANPPKK-UHFFFAOYSA-L 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/55—Specular reflectivity
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例公开了一种水面耀斑的识别方法及装置，包括：获取待处理的遥感影像；所述待处理的遥感影像为包含水体的影像；对所述待处理的遥感影像进行重采样，得到同等空间分辨率的反射率影像；从所述反射率影像中提取水体区域；计算所述水体区域中每个像元的太阳耀斑指数；所述太阳耀斑指数与NIR波段的遥感反射率和红边4波段的遥感反射率有关；通过所述太阳耀斑指数，对水体区域中每个像元进行分类，并识别出属于太阳耀斑的像元。由此可知，通过水体和太阳耀斑在NIR波段和红边4波段的遥感反射率的区别来识别太阳耀斑，从而实现了对太阳耀斑的自动化识别。从而避免了由于太阳耀斑对水体信息提取精度的影响，提升了水体信息提取的精度。
Description
技术领域
本发明涉及图像处理领域，尤其涉及一种水面耀斑的识别方法及装置。
背景技术
对于高分辨率遥感卫星影像来说，受卫星与太阳相对位置、波浪表面形态等因素的影响，水面可直接将太阳光线反射到卫星传感器中，形成太阳耀斑现象，简称为耀斑或耀光。水面耀斑被认为是一种严重的数据损失和一种影像污染，会干扰水体信息的提取精度，对水质参数反演、黑臭水体监测等造成较大误差。
为了解决上述问题，一些遥感卫星影像的拍摄设备通过侧摆功能，例如通过倾斜20度，避免遥感影像产生太阳耀斑，但是并不是所有的机载或者星载设备都具备侧摆的功能，例如哨兵2号卫星属于固定轨道，无法通过侧摆避免太阳耀斑。
发明内容
有鉴于此，本发明实施例提供的了一种水面耀斑的识别方法及装置，实现了自动化识别水面耀斑的目的，从而避免了由于太阳耀斑对水体信息提取精度的影响，提升了水体信息提取的精度。
本发明实施例公开了一种水面耀斑的识别方法，包括：
获取待处理的遥感影像；所述待处理的遥感影像为包含水体的影像；
对所述待处理的遥感影像进行重采样，得到同等空间分辨率的反射率影像；
从所述反射率影像中提取水体区域；
计算所述水体区域中每个像元的太阳耀斑指数；所述太阳耀斑指数与NIR波段的遥感反射率和红边4波段的遥感反射率有关；
通过所述太阳耀斑指数，对水体区域中每个像元进行分类，并识别出属于太阳耀斑的像元。
可选的，所述从所述反射率影像中提取水体区域，包括：
获取反射率影像中每个像元的绿波段和NIR波段的反射率；
通过每个像元的绿波段和NIR波段的反射率，计算每个像元的水体指数；
通过每个像元的水体指数和预设的第一分类模型，对反射率影像中的每个像元进行分类；
计算每一类的水体指数的均值，将水体指数的均值最大的一类作为水体。
可选的，所述计算所述水体区域中每个像元的太阳耀斑指数，包括：
将反射率影像的水体区域除以π，得到水体的遥感反射率影像；
从水体的遥感反射率影像中，获取每个像元的NIR波段的遥感反射率和红边4波段的遥感反射率。
针对每个像元，计算该像元在NIR波段的遥感反射率和红边4波段的遥感反射率的差值的绝对值，得到该像元的太阳耀斑指数。
可选的，所述通过所述太阳耀斑指数，识别水体区域的每个像元是否为太阳耀斑，包括：
将每个像元的太阳耀斑指数输入到预设的第二分类模型中，对每个像元进行分类；
计算每个类别的太阳耀斑指数的均值；
将太阳耀斑指数的均值最大的类别识别为太阳耀斑。
可选的，所述对所述待处理的遥感影像进行重采样，使得所有的波段具有相同的分辨率，包括：
获取所述待处理的遥感影像中每个波段的分辨率，并确定最大的分辨率；
以最大的分辨率为基准，对所述待处理的遥感影像进行重采样，使得待处理的遥感影像的每个波段的分辨率均为最大的分辨率。
本发明实施例公开了一种水面耀斑的识别装置，包括：
获取单元，用于获取待处理的遥感影像；所述待处理的遥感影像为包含水体的影像；
重采样单元，用于对所述待处理的遥感影像进行重采样，得到同等空间分辨率的反射率影像；
水体提取单元，用于从所述反射率影像中提取水体区域；
计算单元，用于计算所述水体区域中每个像元的太阳耀斑指数；所述太阳耀斑指数与NIR波段的遥感反射率和红边4波段的遥感反射率有关；
太阳耀斑识别单元，用于通过所述太阳耀斑指数，对水体区域中每个像元进行分类，并识别出属于太阳耀斑的像元。
可选的，所述水体提取单元，包括：
第一获取子单元，用于获取反射率影像中每个像元的绿波段和NIR波段的反射率；
第一计算子单元，用于通过每个像元的绿波段和NIR波段的反射率，计算每个像元的水体指数；
第一分类子单元，用于通过每个像元的水体指数和预设的第一分类模型，对反射率影像中的每个像元进行分类；
水体识别子单元，用于计算每一类的水体指数的均值，将水体指数的均值最大的一类作为水体。
可选的，所述计算单元，包括：
第二获取子单元，用于将反射率影像的水体区域除以π，得到水体的遥感反射率影像；
第三获取子单元，用于从水体的遥感反射率影像中，获取每个像元的NIR波段的遥感反射率和红边4波段的遥感反射率。
太阳耀斑指数计算子单元，用于针对每个像元，计算该像元在NIR波段的遥感反射率和红边4波段的遥感反射率的差值的绝对值，得到该像元的太阳耀斑指数。
可选的，所述太阳耀斑识别单元，包括：
第二分类子单元，用于将每个像元的太阳耀斑指数输入到预设的第二分类模型中，对每个像元进行分类；
均值计算子单元，用于计算每个类别的太阳耀斑指数的均值；
太阳耀斑识别子单元，用于将太阳耀斑指数的均值最大的类别识别为太阳耀斑。
本发明实施例还公开了一种电子设备，包括：
存储器和处理器；
其中，所述处理器用于执行所述存储器中存储的程序；
所述存储器用于存储程序，所述程序用于执行上述所述的水面耀斑识别的方法。
本发明实施例公开了一种水面耀斑的识别方法及装置，包括：获取待处理的遥感影像；所述待处理的遥感影像为包含水体的影像；对所述待处理的遥感影像进行重采样，得到同等空间分辨率的反射率影像；从所述反射率影像中提取水体区域；计算所述水体区域中每个像元的太阳耀斑指数；所述太阳耀斑指数与NIR波段的遥感反射率和红边4波段的遥感反射率有关；通过所述太阳耀斑指数，对水体区域中每个像元进行分类，并识别出属于太阳耀斑的像元。由此可知，通过水体和太阳耀斑在NIR波段和红边4波段的遥感反射率的区别来识别太阳耀斑，从而实现了对太阳耀斑的自动化识别。从而避免了由于太阳耀斑对水体信息提取精度的影响，提升了水体信息提取的精度
附图说明
为了更清楚地说明本发明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发明的实施例，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，还可以根据提供的附图获得其他的附图。
图1示出了本发明实施例提供的一种水面耀斑的识别方法的流程示意图；
图2示出了哨兵2号影像太阳耀斑和一般水体的遥感反射率曲线的示意图；
图3示出了本发明实施例提供的一种水面耀斑的识别装置的结构示意图；
图4示出了本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。
术语解释：
在哨兵2遥感影像中，提供了如下表1的波段信息：
表1
| NIR | 近红外波段 | 第8波段 |
| Green | 绿波段 | 第3波段 |
| RedEdge4 | 红边4波段 | 第8a波段 |
其中，表1中每一行的信息表示相同的波段信息。
参考图1，示出了本发明实施例提供的一种水面耀斑的识别方法的流程示意图，在本实施例中，该方法包括：
S101：获取待处理的遥感影像；所述待处理的遥感影像为包含水体的影像；
本实施例中，待处理的遥感影像可以为哨兵2号遥感影像，或者也可以为其它的遥感影像。
S102：对所述待处理的遥感影像进行重采样，使得所述待处理的遥感影像所有波段的分辨率相同；
本实施例中，对待处理的遥感影像进行重采样后，得到的每个波段的分辨率可以是待处理的遥感影像最大的分辨率，也可以是预设的分辨率。
基于此，S102包括如下两种实现方法：
方法一：
获取所述待处理的遥感影像中每个波段的分辨率，并确定最大的分辨率；
以最大的分辨率为基准，对所述待处理的遥感影像进行重采样，使得待处理的遥感影像的每个波段的分辨率均为最大的分辨率。
方法二：
以预设的分辨率为基准，对所述待处理的遥感影像进行重采样，使得待处理的遥感影像的每个波段的分辨率均为预设的分辨率。
S103：从所述待处理的遥感影像中提取水体区域；
本实施例中，可以通过多种方法提取待处理的遥感影像中的提取区域，本实施例中，不进行限定，优选的，可以采用如下的方法：
获取反射率影像中每个像元的绿波段和NIR(英文全称：Near Infrared，中文全称：近红外)波段的反射率；
通过每个像元的绿波段和NIR波段的反射率，计算每个像元的水体指数；
通过每个像元的水体指数和预设的第一分类模型，对反射率影像中的每个像元进行分类；
计算每一类的水体指数的均值，将水体指数的均值最大的一类作为水体。
举例说明：水体指数可以通过如下的公式1)计算：
其中，R(Green)为绿波段的反射率，R(NIR)为NIR波段的反射率，NDWI为水体指数。
其中，第一分类模型可以为任何一种可以进行分类的模型，优选的可以为ISODATA(英文全称：Iterative Selforganizing Data Analysis Techniques Algorithm，中文全称：迭代自组织数据分析算法)模型。
除此之外，本实施例中，还可以采用另一种方式，识别水体，具体的，还包括：
获取反射率影像中每个像元绿波段和NIR波段的反射率；
通过每个像元绿波段和NIR波段的反射率，计算每个像元的水体指数；
将水体指数大于等于第一预设阈值的像元表示为水体。
其中，第一预设阈值是根据需求设置的，本实施例中不进行限定。
举例说明：当某个像元的水体指数大于等于N时，即
时，则认为该像元为水体。
其中，由表示水体的像元组成的区域为水体区域。
S104：计算所述水体区域中每个像元的太阳耀斑指数；所述太阳耀斑指数与NIR波段的反射率和红边4波段的反射率有关；
申请人通过对水体和太阳耀斑的遥感反射率曲线进行研究发现，水体和太阳耀斑在一些波段上的遥感反射率有很大的不同，以哨兵2号影像为例，如图2所示，为哨兵2号影像太阳耀斑和一般水体的遥感反射率曲线，通过该曲线可以看出，一般水体在第8波段和第8a波段与太阳耀斑的遥感反射率有很大的差别，其中第8波段为NIR波段，第8a波段为红边波段。由此，可以通过NIR波段和第8a波段的遥感反射率，从水体中识别出太阳耀斑。
其中，太阳耀斑指数的计算过程可以包括：
将反射率影像的水体区域除以π，得到水体的遥感反射率影像；
从水体的遥感反射率影像中，获取每个像元的NIR波段的遥感反射率和红边4波段的遥感反射率；
针对每个像元，计算该像元的NIR波段的遥感反射率和红边4波段的遥感反射率的差值的绝对值，得到该像元的太阳耀斑指数。举例说明：太阳耀斑指数可以通过如下的公式2)计算：
2)GI＝abs(Rrs(NIR)-Rrs(RedEdge4))；
其中，GI表示太阳耀斑指数，Rrs(NIR)表示NIR波段的遥感反射率，Rrs(RedEdge4)表示红边4波段的遥感反射率，abs表示取绝对值。
S105：通过所述太阳耀斑指数，对水体区域中每个像元进行分类，并识别出属于太阳耀斑的像元。
本实施例中，结合太阳耀斑指数，可以通过多种方法对水体区域中每个像元进行分类，优选的，可以采用如下的两种方法：
方法一：
将每个像元的太阳耀斑指数输入到预设的第二分类模型中，对每个像元进行分类；
计算每个类别的太阳耀斑指数的均值；
将太阳耀斑指数的均值最大的类别识别为太阳耀斑。
其中，预设的第二分类模型可以为任意一种用于分类的模型，优选的，可以采用ISODATA模型。
本实施例中，通过第二分类模型可以将像元分为至少两类，计算每类的太阳耀斑指数的均值，将均值最大的类别表示为太阳耀斑。
方法二：
判断每个像元的太阳耀斑指数与预设的第二阈值的关系；
将太阳耀斑指数大于等于预设的第二阈值的像元表示为太阳耀斑。
本实施例中，获取待处理的遥感影像；所述待处理的遥感影像为包含水体的影像；对所述待处理的遥感影像进行重采样，得到同等空间分辨率的反射率影像；从所述反射率影像中提取水体区域；计算所述水体区域中每个像元的太阳耀斑指数；所述太阳耀斑指数与NIR波段的遥感反射率和红边4波段的遥感反射率有关；通过所述太阳耀斑指数，对水体区域中每个像元进行分类，并识别出属于太阳耀斑的像元。由此可知，通过水体和太阳耀斑在NIR波段和红边4波段的遥感反射率的区别来识别太阳耀斑，从而实现了对太阳耀斑的自动化识别。从而避免了由于太阳耀斑对水体信息提取精度的影响，提升了水体信息提取的精度。
参考图3，示出了本发明实施例提供的一种水面耀斑的识别装置的结构示意图，在本实施例中，该装置包括：
获取单元301，用于获取待处理的遥感影像；所述待处理的遥感影像为包含水体的影像；
重采样单元302，用于对所述待处理的遥感影像进行重采样，得到同等空间分辨率的反射率影像；
水体提取单元303，用于从所述反射率影像中提取水体区域；
计算单元304，用于计算所述水体区域中每个像元的太阳耀斑指数；所述太阳耀斑指数与NIR波段的遥感反射率和红边4波段的遥感反射率有关；
太阳耀斑识别单元305，用于通过所述太阳耀斑指数，对水体区域中每个像元进行分类，并识别出属于太阳耀斑的像元。
可选的，所述水体提取单元，包括：
第一获取子单元，用于获取反射率影像中每个像元的绿波段和NIR波段的反射率；
第一计算子单元，用于通过每个像元的绿波段和NIR波段的反射率，计算每个像元的水体指数；
第一分类子单元，用于通过每个像元的水体指数和预设的第一分类模型，对反射率影像中的每个像元进行分类；
水体识别子单元，用于计算每一类的水体指数的均值，将水体指数的均值最大的一类作为水体。
可选的，所述计算单元，包括：
第二获取子单元，用于将反射率影像的水体区域除以π，得到水体的遥感反射率影像；
第三获取子单元，用于从水体的遥感反射率影像中，获取每个像元的NIR波段的遥感反射率和红边4波段的遥感反射率。
太阳耀斑指数计算子单元，用于针对每个像元，计算该像元在NIR波段的遥感反射率和红边4波段的遥感反射率的差值的绝对值，得到该像元的太阳耀斑指数。
可选的，所述太阳耀斑识别单元，包括：
第二分类子单元，用于将每个像元的太阳耀斑指数输入到预设的第二分类模型中，对每个像元进行分类；
均值计算子单元，用于计算每个类别的太阳耀斑指数的均值；
太阳耀斑识别子单元，用于将太阳耀斑指数的均值最大的类别识别为太阳耀斑。
可选的，所述重采样单元，包括：
第四获取子单元，用于获取所述待处理的遥感影像中每个波段的分辨率，并确定最大的分辨率；
重采样子单元，用于以最大的分辨率为基准，对所述待处理的遥感影像进行重采样，使得待处理的遥感影像的每个波段的分辨率均为最大的分辨率。
通过本实施例的装置，获取待处理的遥感影像；所述待处理的遥感影像为包含水体的影像；对所述待处理的遥感影像进行重采样，得到同等空间分辨率的反射率影像；从所述反射率影像中提取水体区域；计算所述水体区域中每个像元的太阳耀斑指数；所述太阳耀斑指数与NIR波段的遥感反射率和红边4波段的遥感反射率有关；通过所述太阳耀斑指数，对水体区域中每个像元进行分类，并识别出属于太阳耀斑的像元。由此可知，通过水体和太阳耀斑在NIR波段和红边4波段的遥感反射率的区别来识别太阳耀斑，从而实现了对太阳耀斑的自动化识别。从而避免了由于太阳耀斑对水体信息提取精度的影响，提升了水体信息提取的精度。
参考图4，示出了本发明实施例提供的一种电子设备的结构示意图，在本实施例中，该电子设备包括：
存储器401和处理器402；
其中，所述处理器用于执行所述存储器中存储的程序；
所述存储器用于存储程序，所述程序用于执行如下的水面耀斑识别方法：
获取待处理的遥感影像；所述待处理的遥感影像为包含水体的影像；
对所述待处理的遥感影像进行重采样，得到同等空间分辨率的反射率影像；
从所述反射率影像中提取水体区域；
计算所述水体区域中每个像元的太阳耀斑指数；所述太阳耀斑指数与NIR波段的遥感反射率和红边4波段的遥感反射率有关；
通过所述太阳耀斑指数，对水体区域中每个像元进行分类，并识别出属于太阳耀斑的像元。
可选的，所述从所述反射率影像中提取水体区域，包括：
获取反射率影像中每个像元的绿波段和NIR波段的反射率；
通过每个像元的绿波段和NIR波段的反射率，计算每个像元的水体指数；
通过每个像元的水体指数和预设的第一分类模型，对反射率影像中的每个像元进行分类；
计算每一类的水体指数的均值，将水体指数的均值最大的一类作为水体。
可选的，所述计算所述水体区域中每个像元的太阳耀斑指数，包括：
将反射率影像的水体区域除以π，得到水体的遥感反射率影像；
从水体的遥感反射率影像中，获取每个像元的NIR波段的遥感反射率和红边4波段的遥感反射率。
针对每个像元，计算该像元在NIR波段的遥感反射率和红边4波段的遥感反射率的差值的绝对值，得到该像元的太阳耀斑指数。
可选的，所述通过所述太阳耀斑指数，识别水体区域的每个像元是否为太阳耀斑，包括：
将每个像元的太阳耀斑指数输入到预设的第二分类模型中，对每个像元进行分类；
计算每个类别的太阳耀斑指数的均值；
将太阳耀斑指数的均值最大的类别识别为太阳耀斑。
可选的，所述对所述待处理的遥感影像进行重采样，使得所有的波段具有相同的分辨率，包括：
获取所述待处理的遥感影像中每个波段的分辨率，并确定最大的分辨率；
以最大的分辨率为基准，对所述待处理的遥感影像进行重采样，使得待处理的遥感影像的每个波段的分辨率均为最大的分辨率。
需要说明的是，本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。
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发明。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发明的精神或范围的情况下，在其它实施例中实现。因此，本发明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 (10)
1.一种水面耀斑的识别方法，其特征在于，包括：
获取待处理的遥感影像；所述待处理的遥感影像为包含水体的影像；
对所述待处理的遥感影像进行重采样，得到同等空间分辨率的反射率影像；
从所述反射率影像中提取水体区域；
计算所述水体区域中每个像元的太阳耀斑指数；所述太阳耀斑指数与NIR波段的遥感反射率和红边4波段的遥感反射率有关；
通过所述太阳耀斑指数，对水体区域中每个像元进行分类，并识别出属于太阳耀斑的像元。
2.根据权利要求1所述的方法，其特征在于，所述从所述反射率影像中提取水体区域，包括：
获取反射率影像中每个像元的绿波段和近红外NIR波段的反射率；
通过每个像元的绿波段和NIR波段的反射率，计算每个像元的水体指数；
通过每个像元的水体指数和预设的第一分类模型，对反射率影像中的每个像元进行分类；
计算每一类的水体指数的均值，将水体指数的均值最大的一类作为水体。
3.根据权利1所述的方法，其特征在于，所述计算所述水体区域中每个像元的太阳耀斑指数，包括：
将反射率影像的水体区域除以π，得到水体的遥感反射率影像；
从水体的遥感反射率影像中，获取每个像元的NIR波段的遥感反射率和红边4波段的遥感反射率；
针对每个像元，计算该像元在NIR波段的遥感反射率和红边4波段的遥感反射率的差值的绝对值，得到该像元的太阳耀斑指数。
4.根据权利要求1所述的方法，其特征在于，所述通过所述太阳耀斑指数，识别水体区域的每个像元是否为太阳耀斑，包括：
将每个像元的太阳耀斑指数输入到预设的第二分类模型中，对每个像元进行分类；
计算每个类别的太阳耀斑指数的均值；
将太阳耀斑指数的均值最大的类别识别为太阳耀斑。
5.根据权利要求1所述的方法，其特征在于，所述对所述待处理的遥感影像进行重采样，使得所有的波段具有相同的分辨率，包括：
获取所述待处理的遥感影像中每个波段的分辨率，并确定最大的分辨率；
以最大的分辨率为基准，对所述待处理的遥感影像进行重采样，使得待处理的遥感影像的每个波段的分辨率均为最大的分辨率。
6.一种水面耀斑的识别装置，其特征在于，包括：
获取单元，用于获取待处理的遥感影像；所述待处理的遥感影像为包含水体的影像；
重采样单元，用于对所述待处理的遥感影像进行重采样，得到同等空间分辨率的反射率影像；
水体提取单元，用于从所述反射率影像中提取水体区域；
计算单元，用于计算所述水体区域中每个像元的太阳耀斑指数；所述太阳耀斑指数与NIR波段的遥感反射率和红边4波段的遥感反射率有关；
太阳耀斑识别单元，用于通过所述太阳耀斑指数，对水体区域中每个像元进行分类，并识别出属于太阳耀斑的像元。
7.根据权利要求6所述的装置，其特征在于，所述水体提取单元，包括：
第一获取子单元，用于获取反射率影像中每个像元的绿波段和NIR波段的反射率；
第一计算子单元，用于通过每个像元的绿波段和NIR波段的反射率，计算每个像元的水体指数；
第一分类子单元，用于通过每个像元的水体指数和预设的第一分类模型，对反射率影像中的每个像元进行分类；
水体识别子单元，用于计算每一类的水体指数的均值，将水体指数的均值最大的一类作为水体。
8.根据权利6所述的装置，其特征在于，所述计算单元，包括：
第二获取子单元，用于将反射率影像的水体区域除以π，得到水体的遥感反射率影像；
第三获取子单元，用于从水体的遥感反射率影像中，获取每个像元的NIR波段的遥感反射率和红边4波段的遥感反射率；
太阳耀斑指数计算子单元，用于针对每个像元，计算该像元在NIR波段的遥感反射率和红边4波段的遥感反射率的差值的绝对值，得到该像元的太阳耀斑指数。
9.根据权利要求6所述的装置，其特征在于，所述太阳耀斑识别单元，包括：
第二分类子单元，用于将每个像元的太阳耀斑指数输入到预设的第二分类模型中，对每个像元进行分类；
均值计算子单元，用于计算每个类别的太阳耀斑指数的均值；
太阳耀斑识别子单元，用于将太阳耀斑指数的均值最大的类别识别为太阳耀斑。
10.一种电子设备，其特征在于，包括：
存储器和处理器；
其中，所述处理器用于执行所述存储器中存储的程序；
所述存储器用于存储程序，所述程序用于执行权利要求1-6所述的水面耀斑的识别方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110333672.4A CN113075167A (zh) | 2021-03-29 | 2021-03-29 | 一种水面耀斑的识别方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110333672.4A CN113075167A (zh) | 2021-03-29 | 2021-03-29 | 一种水面耀斑的识别方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113075167A true CN113075167A (zh) | 2021-07-06 |
Family
ID=76611100
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110333672.4A Pending CN113075167A (zh) | 2021-03-29 | 2021-03-29 | 一种水面耀斑的识别方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113075167A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114140697A (zh) * | 2021-09-02 | 2022-03-04 | 广东海启星海洋科技有限公司 | 海表流场遥感探测方法及装置 |
| CN117789056A (zh) * | 2024-02-27 | 2024-03-29 | 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 (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104820224A (zh) * | 2015-05-08 | 2015-08-05 | 中国科学院南京地理与湖泊研究所 | 富营养化湖泊水体叶绿素a的MODIS卫星高精度监测方法 |
| CN108956505A (zh) * | 2018-09-18 | 2018-12-07 | 航天信德智图（北京）科技有限公司 | 基于Sentinel-2图像的小型水体中叶绿素a浓度的检测方法及装置 |
| CN109284709A (zh) * | 2018-09-19 | 2019-01-29 | 南京大学 | 一种基于耀光反射差异的海面溢油光学遥感检测方法 |
| CN109709061A (zh) * | 2019-01-11 | 2019-05-03 | 中国科学院烟台海岸带研究所 | 一种太阳耀光非敏感水体指数的去耀光方法 |
| 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 |
| US20200355612A1 (en) * | 2019-05-06 | 2020-11-12 | Sweetsense, Inc. | Alarm threshold organic and microbial fluorimeter and methods |
| CN111932651A (zh) * | 2020-08-13 | 2020-11-13 | 北京观澜智图科技有限公司 | 一种水面耀斑的提取方法及相关装置 |
-
2021
- 2021-03-29 CN CN202110333672.4A patent/CN113075167A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104820224A (zh) * | 2015-05-08 | 2015-08-05 | 中国科学院南京地理与湖泊研究所 | 富营养化湖泊水体叶绿素a的MODIS卫星高精度监测方法 |
| CN108956505A (zh) * | 2018-09-18 | 2018-12-07 | 航天信德智图（北京）科技有限公司 | 基于Sentinel-2图像的小型水体中叶绿素a浓度的检测方法及装置 |
| CN109284709A (zh) * | 2018-09-19 | 2019-01-29 | 南京大学 | 一种基于耀光反射差异的海面溢油光学遥感检测方法 |
| CN109709061A (zh) * | 2019-01-11 | 2019-05-03 | 中国科学院烟台海岸带研究所 | 一种太阳耀光非敏感水体指数的去耀光方法 |
| US20200355612A1 (en) * | 2019-05-06 | 2020-11-12 | Sweetsense, Inc. | Alarm threshold organic and microbial fluorimeter and methods |
| 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 |
| CN111932651A (zh) * | 2020-08-13 | 2020-11-13 | 北京观澜智图科技有限公司 | 一种水面耀斑的提取方法及相关装置 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114140697A (zh) * | 2021-09-02 | 2022-03-04 | 广东海启星海洋科技有限公司 | 海表流场遥感探测方法及装置 |
| CN117789056A (zh) * | 2024-02-27 | 2024-03-29 | 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 |
| 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 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108764229B (zh) | 一种基于计算机视觉技术的水尺图像自动识别方法 | |
| KR102018789B1 (ko) | 지형정규화 모델 평가 방법, 및 이를 이용한 식생지수 맵의 지형효과 보정방법 및 그 장치 | |
| CN113075167A (zh) | 一种水面耀斑的识别方法及装置 | |
| CN103679714A (zh) | 一种基于梯度互相关的光学和sar图像自动配准方法 | |
| CN101650784B (zh) | 一种利用结构上下文特征进行图像匹配的方法 | |
| CN112001374B (zh) | 一种高光谱影像的云检测方法和装置 | |
| CN108182449A (zh) | 一种高光谱图像分类方法 | |
| WO2018116367A1 (en) | Image processing device, method and storage medium for removing clouds from an image | |
| CN115439759B (zh) | 遥感影像中植被的提取方法、装置、电子设备及介质 | |
| WO2019049324A1 (en) | IMAGE PROCESSING DEVICE, IMAGE PROCESSING METHOD, AND STORAGE MEDIUM | |
| US20120328197A1 (en) | Identifying matching images | |
| CN113326807A (zh) | 一种黑臭水体识别方法、装置及电子设备 | |
| CN116468958B (zh) | 通信铁塔安全检测方法及系统 | |
| CN114004790A (zh) | 一种电池盖质量检测方法、装置、计算机设备及存储介质 | |
| CN111310571A (zh) | 一种基于空谱维滤波的高光谱图像分类方法及装置 | |
| CN114255468A (zh) | 一种笔迹识别方法及其相关设备 | |
| CN115497109A (zh) | 基于智能翻译的文字图像预处理方法 | |
| CN110008949B (zh) | 一种图像目标检测方法、系统、装置和存储介质 | |
| JP2021512406A (ja) | 画像処理装置、画像処理方法及び画像処理プログラム | |
| CN114863431A (zh) | 一种文本检测方法、装置及设备 | |
| CN117456371A (zh) | 一种组串热斑检测方法、装置、设备及介质 | |
| CN111199251B (zh) | 一种基于加权邻域的多尺度高光谱图像分类方法 | |
| CN113516177A (zh) | 基于光谱纹理特征和支持向量机的小麦倒伏区域识别方法 | |
| CN111047616B (zh) | 一种遥感图像滑坡目标约束性主动轮廓特征提取方法 | |
| CN110298347B (zh) | 一种基于GrayWorld与PCA-CNN的汽车尾气分析仪屏幕的识别方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210706 |