CN113109331B - 水体色度快速检测方法和装置 - Google Patents
水体色度快速检测方法和装置 Download PDFInfo
- Publication number
- CN113109331B CN113109331B CN202110388519.1A CN202110388519A CN113109331B CN 113109331 B CN113109331 B CN 113109331B CN 202110388519 A CN202110388519 A CN 202110388519A CN 113109331 B CN113109331 B CN 113109331B
- Authority
- CN
- China
- Prior art keywords
- remote sensing
- chromaticity
- level
- water body
- card
- 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
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
- G01N21/75—Systems in which material is subjected to a chemical reaction, the progress or the result of the reaction being investigated
- G01N21/77—Systems in which material is subjected to a chemical reaction, the progress or the result of the reaction being investigated by observing the effect on a chemical indicator
- G01N21/78—Systems in which material is subjected to a chemical reaction, the progress or the result of the reaction being investigated by observing the effect on a chemical indicator producing a change of colour
Landscapes
- Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Engineering & Computer Science (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Plasma & Fusion (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种水体色度快速检测方法和装置,属于水体监测领域。该方法对色度卡上每一个级别进行光谱信息采集,并进行光谱信息预处理获取每个级别在RGB波段的光谱反射值;对待检测的遥感影像进行遥感影像预处理,获取所有像元在RGB波段的遥感反射值;依据每个级别的RGB波段的光谱反射值和每个像元的RGB波段的遥感反射值,对所有像元进行色度级别的判别,获取每个像元的色度级别,最终获取不同色度级别水体的面积和空间分布。本发明不仅可以避免传统人为因素、天气、光照等因素导致的水体色度不精确的缺陷,还可以简单、自动化、快速、大范围的获取水体色度的空间分布状况,检测结果具有一致性,为区域水环境质量的整体评估提供必要的技术支撑。
Description
技术领域
本发明涉及水体监测领域,特别是指一种水体色度快速检测方法和装置。
背景技术
水体色度可直观的反映水体的质量状况,是海洋水环境监测项目之一。随着海岸带经济的快速发展,不合理的开发利用以及农药化肥的过度使用,导致近岸海域水体富营养化,浒苔、赤潮、马尾藻等生态灾害频发,甚至发生水环境污染事件。无论是水体富营养化导致的生态灾害,还是突发环境事件导致的环境污染,均会导致水体颜色发生改变。为了对水环境质量状况进行评估,需要对水体的颜色(色度)进行检测,以精确的评价水体质量,服务于水环境监管。
目前的海洋水体色度的测量主要是依据现场水体的颜色,利用比色卡和现场水体对比进行目视判断,进而确定水体的色度属于那一个级别,作为判断水体质量状况评价的重要参数。
近些年来遥感技术凭借宏观、客观、大范围、瞬时、经济等优势在水环境质量监测领域发挥了越来越重要的作用。水体的颜色除受水体自身对光的吸收、散射、反射的影响外,还受到水体中叶绿素a、悬浮颗粒物、黄色物质等水体组分的影响,同时也受光照、风场、波浪等周围环境因素的影响,水体颜色是水体自身、水体组分及环境要素综合作用的结果。水体颜色的反演技术主要集中在水体组分的浓度反演,目的是获取水体中不同组分的浓度,用来评价水环境质量状况,其主要原理是依据不同水体组分在水体中的吸收和后向散射系数差异,获取水面以上的遥感反射率,进而反演水体组分的浓度。
目前,传统的通过比色计进行水体色度的检测,存在以下几个缺点:首先,由于现场测量水体色度,测量的点位有限,不能全面反映区域水体的整体色度状况,代表性不足;其次,现场水体的色度级别是依赖于操作员的眼睛来判断,存在随机性,不同的人因视力(近视情况、辨色情况等)等原因对同一水体的判读可能导致较大差异,造成水体色度判读的人为误差;第三,受天气、光照、海浪及太阳耀斑等的影响,水体色度的判读存在一定的随机性,不能准确反映实际水体的色度大小。
目前,通过遥感技术进行水体颜色反演的技术,普遍存在自动化程度低,操作复杂等缺陷,无法快速获取水体的颜色,可操作性差,实用性不强,难以满足水环境的监管的需求。
发明内容
为解决上述技术问题,本发明提供一种水体色度快速检测方法和装置,本发明可以快速、准确的获取大范围水体色度的空间分布,为水环境质量监测与评估提供支持,为水环境突发环境事件监管提供支撑。
本发明提供技术方案如下:
一种水体色度快速检测方法,所述方法包括:
S1:获取色度卡,并对所述色度卡的每一个级别分别进行光谱采集,得到色度卡的每一个级别的光谱信息;
S2:分别对色度卡的每一个级别的光谱信息进行光谱信息预处理,得到色度卡的每一个级别的红、绿、蓝波段的光谱反射值RYi,GYi,BYi;
其中,Yi为色度卡的第i个级别,i=1,2,…,N,N为色度卡的总级别数;
S3:获取包括待检测水体的遥感影像,并对所述遥感影像进行遥感影像预处理,得到遥感反射率影像;
S4:对所述遥感反射率影像进行云掩膜及水体掩膜,获取水体部分遥感反射率影像;
S5:计算所述水体部分遥感反射率影像中每个像元的红、绿、蓝波段的遥感反射值RP、GP、BP;
S6:对所述水体部分遥感反射率影像中的每个像元,若RP∈RYi±T,且GP∈RYi±T,且BP∈RYi±T,则该像元的色度级别为Yi,得到所述水体部分遥感反射率影像中所有像元的色度空间分布;
其中,T为设定的阈值;
S7:对所有像元的色度空间分布进行统计分析,获取水体不同色度级别的分布面积和分布位置。
进一步的,所述S2包括:
S21:对色度卡的每一个级别,将该级别的光谱信息中的0.63-0.69μm、0.52-0.59μm、0.45-0.52μm三个波段分别进行积分处理,得到该级别的红、绿、蓝波段的光谱反射率R’Yi,G’Yi,B’Yi;
S22:对色度卡的每一个级别,将该级别的红、绿、蓝波段的光谱反射率R’Yi,G’Yi,B’Yi进行归一化处理,得到该级别的红、绿、蓝波段的光谱反射值RYi,GYi,BYi;
其中:RYi=255R’Yi,GYi=255G’Yi,BYi=255B’Yi。
进一步的,通过如下公式计算水体部分遥感反射率影像中每个像元的红、绿、蓝波段的遥感反射值RP、GP、BP;
RP=255R’P,GP=255G’P,BP=255B’P;
其中,R’P、G’P、B’P分别为水体部分遥感反射率影像中每个像元的红、绿、蓝波段的遥感反射率。
进一步的,所述遥感影像为GF-WFV影像。
进一步的,所述遥感影像预处理包括辐射定标、辐射校正和大气校正。
一种水体色度快速检测装置,所述装置包括:
色度卡光谱信息采集模块,用于获取色度卡,并对所述色度卡的每一个级别分别进行光谱采集,得到色度卡的每一个级别的光谱信息;
色度卡光谱信息预处理模块,用于分别对色度卡的每一个级别的光谱信息进行光谱信息预处理,得到色度卡的每一个级别的红、绿、蓝波段的光谱反射值RYi,GYi,BYi;
其中,Yi为色度卡的第i个级别,i=1,2,…,N,N为色度卡的总级别数;
遥感影像预处理模块,用于获取包括待检测水体的遥感影像,并对所述遥感影像进行遥感影像预处理,得到遥感反射率影像;
水体部分遥感反射率影像获取模块,用于对所述遥感反射率影像进行云掩膜及水体掩膜,获取水体部分遥感反射率影像;
遥感反射值计算模块,用于计算所述水体部分遥感反射率影像中每个像元的红、绿、蓝波段的遥感反射值RP、GP、BP;
像元色度空间分布获取模块,用于对所述水体部分遥感反射率影像中的每个像元,若RP∈RYi±T,且GP∈RYi±T,且BP∈RYi±T,则该像元的色度级别为Yi,得到所述水体部分遥感反射率影像中所有像元的色度空间分布;
其中,T为设定的阈值;
水体色度级别获取模块,用于对所有像元的色度空间分布进行统计分析,获取水体不同色度级别的分布面积和分布位置。
进一步的,所述色度卡光谱信息预处理模块包括:
积分单元,用于对色度卡的每一个级别,将该级别的光谱信息中的0.63-0.69μm、0.52-0.59μm、0.45-0.52μm三个波段分别进行积分处理,得到该级别的红、绿、蓝波段的光谱反射率R’Yi,G’Yi,B’Yi;
归一化单元,用于对色度卡的每一个级别,将该级别的红、绿、蓝波段的光谱反射率R’Yi,G’Yi,B’Yi进行归一化处理,得到该级别的红、绿、蓝波段的光谱反射值RYi,GYi,BYi;
其中:RYi=255R’Yi,GYi=255G’Yi,BYi=255B’Yi。
进一步的,通过如下公式计算水体部分遥感反射率影像中每个像元的红、绿、蓝波段的遥感反射值RP、GP、BP;
RP=255R’P,GP=255G’P,BP=255B’P;
其中,R’P、G’P、B’P分别为水体部分遥感反射率影像中每个像元的红、绿、蓝波段的遥感反射率。
进一步的,所述遥感影像为GF-WFV影像。
进一步的,所述遥感影像预处理包括辐射定标、辐射校正和大气校正。
本发明具有以下有益效果:
1、简单易行,可操作性强。
本发明操作简单,方便易行,可快速的获取待检测影像所有像元的色度级别,可操作性强。
2、可实现自动化,节约时间。
由于色度卡的每个级别是固定的,色度卡的每个色度级别的R、G、B波段的光谱反射值是固定的,一次测量后可以反复使用,不需要重复测量,这样可以实现自动化获取待检测影像上所有像元的色度级别,实现自动化,可大大节省时间,提高色度判别效率。
3、检测结果精确、一致性好。
通过遥感影像自动化检测水体色度,可以避免传统人为因素、天气、光照等因素导致的水体色度不精确的缺陷,检测结果具有一致性。
4、具有客观性和同步性优点。
由于遥感影像的瞬时性特征,该方法获取的色度级别具有大范围、同步特点,避免了传统方法由于采样时间有差异而导致水体色度变化的问题,检测结果具有客观性和同步性强的特点。
附图说明
图1为本发明的水体色度快速检测方法的流程图;
图2为本发明的水体色度快速检测装置的示意图。
具体实施方式
为使本发明要解决的技术问题、技术方案和优点更加清楚,下面将结合附图及具体实施例进行详细描述。
实施例1:
本发明实施例提供一种水体色度快速检测方法,用于快速确定海洋等水体的不同色度级别的分布面积和分布位置,如图1所示,该方法包括:
S1:获取色度卡,并对色度卡的每一个级别分别进行光谱采集,得到色度卡的每一个级别的光谱信息。
假设色度卡的总级别数为N,Yi为色度卡的第i个级别,i=1,2,…,N,对每一个级别Yi,分别采集其光谱信息。
S2:分别对色度卡的每一个级别的光谱信息进行光谱信息预处理,得到色度卡的每一个级别的红、绿、蓝波段的光谱反射值RYi,GYi,BYi。
本发明不限制S2的具体实现方式,在其中一个示例中,S2包括:
S21:对色度卡的每一个级别,将该级别的光谱信息中的0.63-0.69μm、0.52-0.59μm、0.45-0.52μm三个波段分别进行积分处理,得到该级别的红、绿、蓝波段的光谱反射率R’Yi,G’Yi,B’Yi。
S22:对色度卡的每一个级别,将该级别的红、绿、蓝波段的光谱反射率R’Yi,G’Yi,B’Yi进行归一化处理,得到该级别的红、绿、蓝波段的光谱反射值RYi,GYi,BYi。
其中:RYi=255R’Yi,GYi=255G’Yi,BYi=255B’Yi。
在执行时,色度卡的每一个级别分别进行,具体包括:
1、按照红、绿、蓝三个波段设置(R:0.63-0.69μm;G:0.52-0.59μm;B:0.45-0.52μm)进行积分处理,获取色度卡的第一个级别Y1在R、G、B波段的光谱反射率R’Y1,G’Y1,B’Y1(值域为0~1)。
2、对色度卡的第一个级别Y1在R、G、B波段的光谱反射率R’Y1,G’Y1,B’Y1进行归一化处理,得到色度卡的第一个级别Y1在R、G、B波段的光谱反射值RY1,GY1,BY1(值域为0-255)。
其中,第一个级别Y1在R波段的光谱反射率为R’Y1,归一化后的光谱反射值RY1为255R’Y1;
第一个级别Y1在G波段的光谱反射率为G’Y1,归一化后的光谱反射值GY1为255G’Y1;
第一个级别Y1在B波段的光谱反射率为B’Y1,归一化后的光谱反射值BY1为255B’Y1。
3、重复上述步骤1-2,获取色度卡上所有级别的红、绿、蓝波段的光谱反射值RYi,GYi,BYi。
S3:获取包括待检测水体的遥感影像,并对遥感影像进行遥感影像预处理,得到遥感反射率影像。
遥感影像为GF-WFV影像,GF-WFV影像为我国GF(高分)系列卫星的WFV影像,GF-WFV影像具有较高的空间分辨率(16米)。
遥感影像预处理包括辐射定标、辐射校正、大气校正、几何校正、影像配准、镶嵌等。
辐射定标:将影像的亮度灰度值转换为绝对的辐射亮度的过程。
辐射校正(radiometric correction):对由于外界因素,数据获取和传输系统产生的系统的、随机的辐射失真或畸变进行的校正,消除或改正因辐射误差而引起影像畸变的过程。
几何校正:遥感成像的时候,由于飞行器的姿态、高度、速度以及地球自转等因素的影响,造成图像相对于地面目标发生几何畸变,这种畸变表现为像元相对于地面目标的实际位置发生挤压、扭曲、拉伸和偏移等,针对几何畸变进行的误差校正即为几何校正。
几何校正主要包括校正方法确定、控制点输入、像素重采样和精度评价。
1)校正方法确定:可以根据遥感影像几何畸变的性质和遥感影像数据源的不同确定几何校正的方法,例如可以选择多项式校正方法
2)控制点输入:一般要求控制点均匀分布在整幅遥感影像上,尽量选择明显、清晰的定位识别标志作为控制点,如道路交叉点等特征点。
3)重采样:对原始遥感影像进行重采样,得到消除几何畸变后的影像,例如可以选用双线性内插法进行重采样。
4)精度评价:将消除几何畸变后的遥感影像与控制影像套合,检验精度,要求位移列数的精度在1个像元以内。
镶嵌:对于面积较大的待检测区域而言,需要多景遥感影像才能覆盖,因此需要进行影像镶嵌,包括:
1)指定参考图像:参考图像作为镶嵌过程中对比匹配以及镶嵌后输出图像的地理投影、像元大小、数据类型的基准。
2)影像镶嵌:在相邻两景遥感影像的重叠区内选择一条连接两景遥感影像的拼接线,进行影像镶嵌,要求景与景的接边糟度控制在1个像元以内。
S4:对遥感反射率影像进行云掩膜及水体掩膜,获取水体部分遥感反射率影像。
S5:计算水体部分遥感反射率影像中每个像元的红、绿、蓝波段的遥感反射值RP、GP、BP。
计算公式为:
RP=255R’P,GP=255G’P,BP=255B’P;
其中,R’P、G’P、B’P分别为水体部分遥感反射率影像中每个像元的红、绿、蓝波段的遥感反射率。
S6:对水体部分遥感反射率影像中的每个像元,若RP∈RYi±T,且GP∈RYi±T,且BP∈RYi±T,则该像元的色度级别为Yi,得到水体部分遥感反射率影像中所有像元的色度空间分布。
其中,T为设定的阈值。
具体方法如下:
1’、设水体部分遥感反射率影像中第一行第一列像元P11在R、G、B波段的遥感反射值分别为RP11、GP11、BP11,则:
若RP11∈RY1±T,且GP11∈RY1±T,且BP11∈RY1±T,则第一行一列像元P11的色度级别为Y1;否则进行下一步;
若RP11∈RY2±T,且GP11∈RY2±T,且BP11∈RY2±T,则第一行一列像元P11的色度级别为Y2;否则进行下一步;
……
以此类推,直至最后一个色度级别YN,对第一行第一列像元P11的色度归属进行判读,获取P11的色度级别。
2’、重复上述步骤1’,对水体部分遥感反射率影像中的所有像元的色度归属进行判读,得到水体部分遥感反射率影像中所有像元的色度空间分布。
S7:对所有像元的色度空间分布进行统计分析,获取水体不同色度级别的分布面积和分布位置。
本发明对色度卡上每一个级别进行光谱信息采集,并按照GF-WFV的R、G、B波段设置对光谱进行积分和归一化处理,获取色度卡上每个级别在R、G、B波段的光谱反射值;对待检测的GF-WFV遥感影像进行预处理和归一化,获取所有像元在R、G、B三个波段的遥感反射值;依据色度卡每个级别的R、G、B波段的光谱反射值和待检测GF-WFV影像的每个像元的R、G、B波段的遥感反射值,对所有像元进行色度级别的判别,获取每个像元的色度级别。
本发明具有如下有益效果
1、简单易行,可操作性强。
本发明操作简单,方便易行,可快速的获取待检测影像所有像元的色度级别,可操作性强。
2、可实现自动化,节约时间。
由于色度卡的每个级别是固定的,色度卡的每个色度级别的R、G、B波段的光谱反射值是固定的,一次测量后可以反复使用,不需要重复测量,这样可以实现自动化获取待检测影像上所有像元的色度级别,实现自动化,可大大节省时间,提高色度判别效率。
3、检测结果精确、一致性好。
通过遥感影像自动化检测水体色度,可以避免传统人为因素、天气、光照等因素导致的水体色度不精确的缺陷,检测结果具有一致性。
4、具有客观性和同步性优点。
由于遥感影像的瞬时性特征,该方法获取的色度级别具有大范围、同步特点,避免了传统方法由于采样时间有差异而导致水体色度变化的问题,检测结果具有客观性和同步性强的特点。
5、空间分辨率高。
由于GF-WFV影像具有较高的空间分辨率(16米),因此水体色度级别判定的空间分辨率更高,能更好的服务于水环境监管。
实施例2:
本发明实施例提供一种水体色度快速检测装置,如图2所示,该装置包括:
色度卡光谱信息采集模块1,用于获取色度卡,并对色度卡的每一个级别分别进行光谱采集,得到色度卡的每一个级别的光谱信息。
色度卡光谱信息预处理模块2,用于分别对色度卡的每一个级别的光谱信息进行光谱信息预处理,得到色度卡的每一个级别的红、绿、蓝波段的光谱反射值RYi,GYi,BYi。
其中,Yi为色度卡的第i个级别,i=1,2,…,N,N为色度卡的总级别数。
在其中一个示例中,该色度卡光谱信息预处理模块包括:
积分单元,用于对色度卡的每一个级别,将该级别的光谱信息中的0.63-0.69μm、0.52-0.59μm、0.45-0.52μm三个波段分别进行积分处理,得到该级别的红、绿、蓝波段的光谱反射率R’Yi,G’Yi,B’Yi;
归一化单元,用于对色度卡的每一个级别,将该级别的红、绿、蓝波段的光谱反射率R’Yi,G’Yi,B’Yi进行归一化处理,得到该级别的红、绿、蓝波段的光谱反射值RYi,GYi,BYi;
其中:RYi=255R’Yi,GYi=255G’Yi,BYi=255B’Yi。
遥感影像预处理模块3,用于获取包括待检测水体的遥感影像,并对遥感影像进行遥感影像预处理,得到遥感反射率影像。
遥感影像为GF-WFV影像,遥感影像预处理包括辐射定标、辐射校正、大气校正、几何校正、影像配准、镶嵌等。
水体部分遥感反射率影像获取模块4,用于对遥感反射率影像进行云掩膜及水体掩膜,获取水体部分遥感反射率影像。
遥感反射值计算模块5,用于计算水体部分遥感反射率影像中每个像元的红、绿、蓝波段的遥感反射值RP、GP、BP。
计算公式为:
RP=255R’P,GP=255G’P,BP=255B’P;
其中,R’P、G’P、B’P分别为水体部分遥感反射率影像中每个像元的红、绿、蓝波段的遥感反射率。
像元色度空间分布获取模块6,用于对水体部分遥感反射率影像中的每个像元,若RP∈RYi±T,且GP∈RYi±T,且BP∈RYi±T,则该像元的色度级别为Yi,得到水体部分遥感反射率影像中所有像元的色度空间分布。
其中,T为设定的阈值。
水体色度级别获取模块7,用于对所有像元的色度空间分布进行统计分析,获取水体不同色度级别的分布面积和分布位置。
本发明实施例所提供的装置,其实现原理及产生的技术效果和前述方法实施例相同,为简要描述,装置实施例部分未提及之处,可参考前述方法实施例1中相应内容。所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,前述描述的装置和单元的具体工作过程,均可以参考上述方法实施例中的对应过程,在此不再赘述。
需要说明的是,本说明书上述所述的装置或者系统根据相关方法实施例的描述还可以包括其他的实施方式,具体的实现方式可以参照方法实施例的描述,在此不作一一赘述。本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于硬件+程序类、存储介质+程序实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定按照要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
上述实施例阐明的系统、装置、模块或单元,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的,计算机例如可以为个人计算机、膝上型计算机、车载人机交互设备、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便,描述以上装置时以功能分为各种模块分别描述。当然,在实施本说明书一个或多个时可以把各模块的功能在同一个或多个软件和/或硬件中实现,也可以将实现同一功能的模块由多个子模块或子单元的组合实现等。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
本领域技术人员也知道,除了以纯计算机可读程序代码方式实现控制器以外,完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件,而对其内部包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至,可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
本发明是参照根据本发明实施例的方法、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。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
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,并不排除在包括所述要素的过程、方法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,本说明书一个或多个实施例可提供为方法、系统或计算机程序产品。因此,本说明书一个或多个实施例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,本说明书一个或多个实施例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。
本说明书一个或多个实施例可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书一个或多个实施例,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本底和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本说明书的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述并不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
最后应说明的是:以上所述实施例,仅为本发明的具体实施方式,用以说明本发明的技术方案,而非对其限制,本发明的保护范围并不局限于此,尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围。都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (6)
1.一种水体色度快速检测方法,其特征在于,所述方法包括:
S1:获取色度卡,并对所述色度卡的每一个级别分别进行光谱采集,得到色度卡的每一个级别的光谱信息;
S2:分别对色度卡的每一个级别的光谱信息进行光谱信息预处理,得到色度卡的每一个级别的红、绿、蓝波段的光谱反射值RYi,GYi,BYi;
其中,Yi为色度卡的第i个级别,i=1,2,…,N,N为色度卡的总级别数;
S3:获取包括待检测水体的遥感影像,并对所述遥感影像进行遥感影像预处理,得到遥感反射率影像;其中,所述遥感影像为GF-WFV影像;
S4:对所述遥感反射率影像进行云掩膜及水体掩膜,获取水体部分遥感反射率影像;
S5:计算所述水体部分遥感反射率影像中每个像元的红、绿、蓝波段的遥感反射值RP、GP、BP;
S6:对所述水体部分遥感反射率影像中的每个像元,若RP∈RYi±T,且GP∈RYi±T,且BP∈RYi±T,则该像元的色度级别为Yi,得到所述水体部分遥感反射率影像中所有像元的色度空间分布;
其中,T为设定的阈值;
S7:对所有像元的色度空间分布进行统计分析,获取水体不同色度级别的分布面积和分布位置;
所述S2包括:
S21:对色度卡的每一个级别,将该级别的光谱信息中的0.63-0.69μm、0.52-0.59μm、0.45-0.52μm三个波段分别进行积分处理,得到该级别的红、绿、蓝波段的光谱反射率R’Yi,G’Yi,B’Yi;
S22:对色度卡的每一个级别,将该级别的红、绿、蓝波段的光谱反射率R’Yi,G’Yi,B’Yi进行归一化处理,得到该级别的红、绿、蓝波段的光谱反射值RYi,GYi,BYi;
其中:RYi=255R’Yi,GYi=255G’Yi,BYi=255B’Yi。
2.根据权利要求1所述的水体色度快速检测方法,其特征在于,通过如下公式计算水体部分遥感反射率影像中每个像元的红、绿、蓝波段的遥感反射值RP、GP、BP;
RP=255R’P,GP=255G’P,BP=255B’P;
其中,R’P、G’P、B’P分别为水体部分遥感反射率影像中每个像元的红、绿、蓝波段的遥感反射率。
3.根据权利要求2所述的水体色度快速检测方法,其特征在于,所述遥感影像预处理包括辐射定标、辐射校正和大气校正。
4.一种水体色度快速检测装置,其特征在于,所述装置包括:
色度卡光谱信息采集模块,用于获取色度卡,并对所述色度卡的每一个级别分别进行光谱采集,得到色度卡的每一个级别的光谱信息;
色度卡光谱信息预处理模块,用于分别对色度卡的每一个级别的光谱信息进行光谱信息预处理,得到色度卡的每一个级别的红、绿、蓝波段的光谱反射值RYi,GYi,BYi;
其中,Yi为色度卡的第i个级别,i=1,2,…,N,N为色度卡的总级别数;
遥感影像预处理模块,用于获取包括待检测水体的遥感影像,并对所述遥感影像进行遥感影像预处理,得到遥感反射率影像;其中,所述遥感影像为GF-WFV影像;
水体部分遥感反射率影像获取模块,用于对所述遥感反射率影像进行云掩膜及水体掩膜,获取水体部分遥感反射率影像;
遥感反射值计算模块,用于计算所述水体部分遥感反射率影像中每个像元的红、绿、蓝波段的遥感反射值RP、GP、BP;
像元色度空间分布获取模块,用于对所述水体部分遥感反射率影像中的每个像元,若RP∈RYi±T,且GP∈RYi±T,且BP∈RYi±T,则该像元的色度级别为Yi,得到所述水体部分遥感反射率影像中所有像元的色度空间分布;
其中,T为设定的阈值;
水体色度级别获取模块,用于对所有像元的色度空间分布进行统计分析,获取水体不同色度级别的分布面积和分布位置;
所述色度卡光谱信息预处理模块包括:
积分单元,用于对色度卡的每一个级别,将该级别的光谱信息中的0.63-0.69μm、0.52-0.59μm、0.45-0.52μm三个波段分别进行积分处理,得到该级别的红、绿、蓝波段的光谱反射率R’Yi,G’Yi,B’Yi;
归一化单元,用于对色度卡的每一个级别,将该级别的红、绿、蓝波段的光谱反射率R’Yi,G’Yi,B’Yi进行归一化处理,得到该级别的红、绿、蓝波段的光谱反射值RYi,GYi,BYi;
其中:RYi=255R’Yi,GYi=255G’Yi,BYi=255B’Yi。
5.根据权利要求4所述的水体色度快速检测装置,其特征在于,通过如下公式计算水体部分遥感反射率影像中每个像元的红、绿、蓝波段的遥感反射值RP、GP、BP;
RP=255R’P,GP=255G’P,BP=255B’P;
其中,R’P、G’P、B’P分别为水体部分遥感反射率影像中每个像元的红、绿、蓝波段的遥感反射率。
6.根据权利要求5所述的水体色度快速检测装置,其特征在于,所述遥感影像预处理包括辐射定标、辐射校正和大气校正。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110388519.1A CN113109331B (zh) | 2021-04-12 | 2021-04-12 | 水体色度快速检测方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110388519.1A CN113109331B (zh) | 2021-04-12 | 2021-04-12 | 水体色度快速检测方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113109331A CN113109331A (zh) | 2021-07-13 |
CN113109331B true CN113109331B (zh) | 2021-10-01 |
Family
ID=76715570
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110388519.1A Active CN113109331B (zh) | 2021-04-12 | 2021-04-12 | 水体色度快速检测方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113109331B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102147373A (zh) * | 2011-01-19 | 2011-08-10 | 重庆大学 | 基于momes微型光谱仪的多参数水质监测微系统 |
WO2015034783A1 (en) * | 2013-09-09 | 2015-03-12 | Baker Hughes Incorporated | Methods of measuring dissolved oxygen in a hydrocarbon stream |
GB2545227A (en) * | 2015-12-09 | 2017-06-14 | Bae Systems Plc | Improvements in and relating to remote sensing |
CN108333148A (zh) * | 2018-01-11 | 2018-07-27 | 中国科学院遥感与数字地球研究所 | 一种黑臭水体的识别方法及装置 |
CN110097535A (zh) * | 2019-03-22 | 2019-08-06 | 华南农业大学 | 植物叶片含氮量检测方法、装置、计算机设备和存储介质 |
CN209589827U (zh) * | 2019-01-29 | 2019-11-05 | 苏州科技大学 | 一种城市景观水体颜色提取装置 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104361602B (zh) * | 2014-11-26 | 2017-12-08 | 中国科学院遥感与数字地球研究所 | 一种基于modis图像的水体颜色检测方法及装置 |
CN112161973B (zh) * | 2020-08-31 | 2022-04-08 | 中国水利水电科学研究院 | 一种基于无人机的水体污染快速检测方法 |
CN112179854B (zh) * | 2020-09-30 | 2022-05-27 | 中国科学院南京地理与湖泊研究所 | 基于p-fui水色指数的富营养化湖泊蓝藻水华遥感监测方法 |
-
2021
- 2021-04-12 CN CN202110388519.1A patent/CN113109331B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102147373A (zh) * | 2011-01-19 | 2011-08-10 | 重庆大学 | 基于momes微型光谱仪的多参数水质监测微系统 |
WO2015034783A1 (en) * | 2013-09-09 | 2015-03-12 | Baker Hughes Incorporated | Methods of measuring dissolved oxygen in a hydrocarbon stream |
GB2545227A (en) * | 2015-12-09 | 2017-06-14 | Bae Systems Plc | Improvements in and relating to remote sensing |
CN108333148A (zh) * | 2018-01-11 | 2018-07-27 | 中国科学院遥感与数字地球研究所 | 一种黑臭水体的识别方法及装置 |
CN209589827U (zh) * | 2019-01-29 | 2019-11-05 | 苏州科技大学 | 一种城市景观水体颜色提取装置 |
CN110097535A (zh) * | 2019-03-22 | 2019-08-06 | 华南农业大学 | 植物叶片含氮量检测方法、装置、计算机设备和存储介质 |
Non-Patent Citations (1)
Title |
---|
Numerical modelling of natural water colour: implications for remote sensing and limnological studies;D. V. POZDNYAKOV et al;《int. j. remote sensing》;20101125;第1913-1932页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113109331A (zh) | 2021-07-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111307727B (zh) | 基于时序遥感影像的水体水色异常识别方法和装置 | |
CN106896069B (zh) | 一种基于彩色数码相机单幅rgb图像的光谱重建方法 | |
Berberoglu et al. | Assessing different remote sensing techniques to detect land use/cover changes in the eastern Mediterranean | |
CN111007021A (zh) | 基于一维卷积神经网络的高光谱水质参数反演系统及方法 | |
US8509476B2 (en) | Automated system and method for optical cloud shadow detection over water | |
Valença et al. | Damage assessment on concrete surfaces using multi-spectral image analysis | |
CN113033381B (zh) | 基于遥感数据的矿山和固废填埋场自动提取方法和装置 | |
US20220129674A1 (en) | Method and device for determining extraction model of green tide coverage ratio based on mixed pixels | |
CN111914767B (zh) | 一种基于多源遥感数据的散乱污企业检测方法及系统 | |
CN111398176A (zh) | 基于像元尺度特征的水体水色异常遥感识别方法和装置 | |
CN110889423A (zh) | 一种基于极限学习机的高分一号黄东海绿潮遥感探测方法 | |
CN106940887A (zh) | 一种gf‑4卫星序列图像云与云下阴影检测方法 | |
CN116361737B (zh) | 一种湖泊异常动态监测方法、装置、电子设备及存储介质 | |
CN113486975A (zh) | 遥感图像的地物分类方法、装置、设备及存储介质 | |
CN114373009A (zh) | 基于高分辨率遥感影像的建筑物阴影测高智能化计算方法 | |
CN105241429A (zh) | 一种基于航空遥感的近海工业温排水提取方法 | |
CN113109331B (zh) | 水体色度快速检测方法和装置 | |
Schwalbe et al. | Hemispheric image modeling and analysis techniques for solar radiation determination in forest ecosystems | |
CN113298755B (zh) | 基于时序影像的生态环境变化斑块快速检测方法和装置 | |
CN115760885B (zh) | 基于消费级无人机影像的高郁闭度湿地森林参数提取方法 | |
CN116630352A (zh) | 一种基于双向级联像素差分网络的岩心测量方法及装置 | |
Birgand et al. | Field performance of the GaugeCam image-based water level measurement system | |
CN116385894A (zh) | 基于遥感图像的海岸线识别方法、装置以及设备 | |
CN113096129B (zh) | 高光谱卫星影像中的云量检测方法和装置 | |
Wang et al. | A Novel Wireless Leaf Area Index Sensor Based on a Combined U-Net Deep Learning Model |
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 |