CN113160262A

CN113160262A - 基于高分辨率卫星遥感影像的蚝排提取方法、系统及介质

Info

Publication number: CN113160262A
Application number: CN202110306801.0A
Authority: CN
Inventors: 刘璐铭; 颜军; 徐晓龙; 颜志宇; 蒋晓华; 周学林; 李先怡
Original assignee: Zhuhai Orbita Aerospace Technology Co ltd
Current assignee: Zhuhai Orbit Satellite Big Data Co ltd
Priority date: 2021-03-23
Filing date: 2021-03-23
Publication date: 2021-07-23

Abstract

本发明公开了基于高分辨率卫星遥感影像的蚝排提取方法、系统及介质，其中方法包括：获取卫星遥感影像并进行预处理操作，得到包括几何定位的反射率数据；对所述反射率数据进行栅格数据处理，并将处理后的栅格数据矢量化，生成蚝排初始矢量结果；基于矢量编辑方法对所述蚝排初始矢量结果进行处理，得到蚝排最终提取结果。本发明基于卫星遥感影像蚝排提取效率低下这一问题，减少人工提取蚝排工作量，降低人工操作导致的识别误差，实现提取方法自动化，提高蚝排提取的准确性和高效性。

Description

基于高分辨率卫星遥感影像的蚝排提取方法、系统及介质

技术领域

本发明涉及遥感图像处理领域，特别涉及一种基于高分辨率卫星遥感影像的蚝排提取方法、系统及介质。

背景技术

我国水产养殖业迅速发展，大大促进了渔业经济持续增长，特别在沿海地区，水产养殖是渔民收入的主要来源，其中，生蚝养殖占据了重要地位。随着生蚝养殖规模不断扩大，特别是粗放型发展模式，远超出水环境的载荷能力，造成氮磷含量增多、水体富营养化等水质问题，破坏了海洋生态环境；另外受经济利益驱使，不符合海洋功能规划的违法养殖也大量存在，这不仅会阻塞航道，影响海上航行安全，还会破坏海滨景观，阻碍海上大型项目建设，因此，亟需对生蚝养殖进行科学管理和合理规划，而掌握生蚝养殖区的空间分布是进行有效管理的重要前提。获取养殖区空间分布，传统手段是通过人工实地考察和地方统计上报，耗费人力、物力和时间成本，并且由于环境影响和人为因素干扰，数据准确性不高，严重影响相关部门的有效管理和宏观调控。

随着遥感技术手段的不断发展和成熟，卫星遥感数据以其周期短、覆盖范围广、反映地面信息丰富等优势，实时、动态、真实的记录了地表信息，为跟踪监测提供有利条件，并且随着遥感影像空间分辨率的提高，微小地物的提取成为可能，成为生蚝养殖监测的重要数据源。利用遥感技术提取蚝排能最大程度的排除人为因素影响，较为客观地反映蚝排真实分布情况，从而为掌握生蚝养殖状况、治理违法养殖行为、进行大范围监测提供有利条件。

目前，利用卫星遥感影像提取蚝排的方法主要有：(1)目视解译法，利用先验知识，通过人工交互式作业，目视识别进行勾绘，这种方法耗时耗力，效率低下，主观性强，自动化程度低；(2)基于像元法，通过分析像元间的光谱或者纹理差异实现蚝排识别和提取，主要通过构建特征指数实现，此方法需针对不同数据的光谱特性构建识别指数，提取准确率不高；(3)面向对象方法，采用分割方法将影像分割为不同斑块，基于光谱、纹理、形状、上下文特征，通过一定规则判定类别，该方法建立的规则集通用性差、分割尺度不确定、耗时长。因此，亟需一种方便、高效、通用性强的技术手段解决上述问题。

发明内容

本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明提出一种基于高分辨率卫星遥感影像的蚝排提取方法，能够大大减少人工工作量，提高蚝排提取效率，保证了提取结果的准确性和高效性。

本发明还提出一种基于高分辨率卫星遥感影像的蚝排提取系统。

本发明还提出一种实施上述方法的计算机可读存储介质。

根据本发明的第一方面实施例的基于高分辨率卫星遥感影像的蚝排提取方法，包括：获取卫星遥感影像并进行预处理操作，得到包括几何定位的反射率数据；对所述反射率数据进行栅格数据处理，并将处理后的栅格数据矢量化，生成蚝排初始矢量结果；基于矢量编辑方法对所述蚝排初始矢量结果进行处理，得到蚝排最终提取结果。

根据本发明的一些实施例，所述预处理操作包括：辐射定标、大气校正、影像融合及几何校正。

根据本发明的一些实施例，所述对所述反射率数据进行栅格数据处理包括：计算所述反射率数据的亮通道影像和暗通道影像；将所述亮通道影像减去所述暗通道影像，得到所述反射率数据的反差影像。

根据本发明的一些实施例，所述对所述反射率数据进行栅格数据处理包括：基于OTSU最大类间方差法对所述反差影像进行阈值分割，计算得到蚝排与非蚝排区域最佳分割阈值，并根据所述最佳分割阈值进行二值化处理；根据统计的蚝排面积最小值设定面积阈值，将面积小于所述面积阈值的斑块删除，得到第一影像；基于图像处理方法对所述第一影像进行处理。

根据本发明的一些实施例，所述基于图像处理方法对所述第一影像进行处理包括：对所述第一影像进行开运算处理和闭运算处理，得到第二影像；对所述第二影像进行孔洞补充，所述孔洞补充是基于形态学算法，膨胀后与原图取反，得到第三影像；对所述第三影像进行中值滤波处理。

根据本发明的一些实施例，所述基于矢量编辑方法对所述蚝排初始矢量结果进行处理步骤包括：对所述蚝排初始矢量进行聚合面编辑，将指定距离内的面要素合并为新的面要素；进行平滑面操作，平滑面轮廓中的尖角，去除毛刺；计算矢量面积，并根据设定的最小阈值删除小于所述最小阈值的非蚝排矢量；进行拓扑检查，设定拓扑容差，添加拓扑规则并修改拓扑错误。

根据本发明的一些实施例，所述基于矢量编辑方法对所述蚝排初始矢量结果进行处理步骤包括：响应于用户操作，修改蚝排提取结果，得到蚝排最终提取结果。

根据本发明的第二方面实施例的基于高分辨率卫星遥感影像的蚝排提取系统，包括：预处理模块，用于获取卫星遥感影像并进行预处理操作，得到包括几何定位的反射率数据；栅格处理模块，用于对所述反射率数据进行栅格数据处理，并将处理后的栅格数据矢量化，生成蚝排初始矢量结果；矢量编辑模块，用于基于矢量编辑方法对所述蚝排初始矢量结果进行处理，得到蚝排最终提取结果。

根据本发明的一些实施例，所述栅格处理模块包括：亮通道影像模块，用于计算所述反射率数据的亮通道影像；暗通道影像模块，用于计算所述反射率数据的暗通道影像；反差影像模块，用于将所述亮通道影像减去所述暗通道影像，得到所述反射率数据的反差影像。

根据本发明的第三方面实施例的计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现本发明的第一方面实施例中任一项的方法。

本发明实施例具有如下有益效果：本发明提出了一种基于高分辨率卫星遥感影像蚝排提取的流程化方法，提出利用基于亮通道影像与暗通道影像作差生成的反差影像作为蚝排提取的基础数据，能够增强蚝排与海水间的像素差异，突出蚝排信息特征，利于蚝排提取；采用OTSU最大类间方差法，自动计算最佳分割阈值，可以保证蚝排识别效果的准确性；并且本发明采用图像处理手段优化蚝排栅格影像，基于矢量编辑对后续矢量快速、准确修正，进一步改善了提取结果，使提取的蚝排矢量更加准确。相比于外业调查、实地统计蚝排空间分布和养殖面积以及人工勾绘蚝排矢量进行数字化等方法，本发明技术方案能够快速高效的提取蚝排矢量，不需要过多人工操作，依靠图像处理算法自动提取，大大减少人工工作量以及人工勾绘带来的识别误差，提高蚝排提取的准确性和高效性，节约成本，省时省力，能够方便快捷地掌握蚝排空间分布情况及养殖面积，为后续动态监测奠定基础。

本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：

图1是本发明实施例的蚝排提取流程图。

图2是本发明实施例的原始卫星遥感影像图。

图3是本发明实施例的暗通道原理图。

图4是本发明实施例反差影像图。

图5是本发明实施例的OTSU阈值分割效果图。

图6是本发明实施例的栅格数据处理效果图。

图7是本发明实施例的矢量编辑效果图。

图8是本发明实施例提取的蚝排矢量放大效果图。

图9是本发明实施例蚝排提取结果与原始影像叠加效果图。

图10是本发明实施例的系统模块示意框图。

具体实施方式

为了便于本领域技术人员理解和实施本发明，下面结合附图及实施例对本发明作进一步详细描述，应当理解，此处所描述的实施示例仅用于说明和解释本发明，并不用于限定本发明。

在本发明的描述中，若干的含义是一个或者多个，多个的含义是两个及两个以上，大于、小于、超过等理解为不包括本数，以上、以下、以内等理解为包括本数。如果有描述到第一、第二只是用于区分技术特征为目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系。

应理解，本发明实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。

请见图1，本发明实施例提供一种基于高分辨率卫星遥感影像的蚝排提取方法，包括以下步骤：

步骤1，获取高分辨卫星遥感影像，对其进行预处理操作，包括辐射定标、大气校正、影像融合、几何校正，将原始数据转化为具有准确几何定位的反射率数据；

在本实施例中，采用法国的Pleiades数据作为蚝排提取的遥感影像，图2是原始卫星遥感影像图，该数据包括全色影像(0.5米)和多光谱影像(2米)。首先利用数据自带的绝对辐射定标系数，进行辐射定标，将原始影像转换为定标结果：其中，全色影像利用绝对辐射定标系数和太阳辐照度输出表观反射率，多光谱影像利用绝对辐射定标系数生成辐亮度；然后对定标后的多光谱影像采用FLAASH模型进行大气校正，消除由大气影响所造成的辐射误差，反演地物真实的反射率；将辐射定标后的全色影像和大气校正后的多光谱影像采用PANSHARP方法进行影像融合，该融合方法利用最小二乘法找到被融合波段之间的匹配灰度，对各个波段参数进行个性化调整，经过融合操作，能够提高多光谱影像空间分辨率，保留波谱和色调特征，增强信息判读与识别程度；最后采集地面控制点，对融合后的影像进行几何校正，消除几何误差，得到正确几何定位。上述操作均可采用ENVI软件实施。

步骤2，对所述反射率数据，进行栅格数据处理，包括计算亮通道、暗通道和反差影像、OTSU分割、删除小碎斑、形态学方法处理等，并将处理后栅格数据矢量化，生成蚝排初始矢量结果；

在本实施例中，使用预处理后的反射率数据，进行栅格数据处理，生成蚝排初始矢量结果，具体实现方式如下：

步骤2.1，计算所述反射率数据的亮通道影像；

亮通道数学表达式为：

式中，J^C(y)表示影像的每个通道，Ω(x)表示以像素x为中心的窗口。以像素点x为中心，分别取每个波段窗口Ω内的最大值，然后再取相应最大值作为像素点x亮通道的值。本实施例中，亮通道窗口大小设置为3*3。

步骤2.2，计算所述反射率数据的暗通道影像；

暗通道是一个基本假设，对大部分远景图像来说，某一些像素总会有至少一个颜色通道具有很低的值，该区域光强度是个很小的数。暗通道的数学定义为：对于任意的输入图像J，其暗通道可以用下式表达：

式中，J^C(y)表示影像的每个通道，Ω(x)表示以像素x为中心的窗口。

以像素点x为中心，分别取每个波段窗口Ω内的最小值，然后再取相应最小值作为像素点x的暗通道的值，图3为暗通道原理图。在本实施例中，暗通道窗口大小设置为3*3。

步骤2.3，计算所述反射率数据的反差影像，即用步骤2.1计算的亮通道影像减去步骤2.2计算的暗通道影像，图4是本实施例反差影像效果图。反差影像能够增强蚝排与海水间的像素差异，突出信息特征，利于后续蚝排的提取；

步骤2.4，基于OTSU最大类间方差法对步骤2.3处理后的反差影像进行阈值分割，自动计算得到蚝排与非蚝排区域最佳分割阈值，根据所述阈值进行二值化处理；

OTSU是由日本人大津提出的一种对图像进行二值化的高效算法，被认为是图像分割领域阈值选取的最佳方法，计算简单，不受图像亮度和对比度影响，它按图像的灰度特性，将图像分成背景和前景两部分。因方差是灰度分布均匀性的一种度量，背景和前景之间的类间方差越大，说明构成图像的两部分的差别越大，当部分前景错分为背景或部分背景错分为前景都会导致两部分差别变小。因此，使类间方差最大的分割意味着错分概率最小。由于蚝排所处背景为海洋，背景单一，特别适合使用OTSU法进行阈值分割。

OTSU法基本思想如下：首先计算图像的归一化直方图，假设图像的灰度等级为L，灰度值为i的像素个数为ni，其中i∈[0,L]的正整数，那么，图像总像素为

灰度值i的概率为

然后计算累积概率和累积均值，假设寻找的分割阀值是T，那么小于T的将被归为一类，大于T的将被归为另一类，根据前面的概率和均值计算公式，我们可以得到累积概率P(T)和类内均值μ(T)，具体计算公式如下：

其中，P₀(T)是前景的累积概率，μ₀(T)是前景的类内均值，P₁(T)是后景的累积概率，μ₁(T)是后景的类内均值。

接着根据上述公式计算的类内均值和累积概率，计算类间方差σ(T)，具体计算公式如下：

σ(T)＝P₀(T)×P₁(T)×(μ₀(T)-μ₁(T))²

并规定使σ(T)最大的阈值为最佳阈值。

在本实施例中，将步骤2.3计算出的反差影像进行降位处理，由16位降至8位，像素DN值范围为[0，255]，采用OTSU法计算出蚝排和海水分割的阈值为126，将DN值小于126的像素赋值为1，其余像素赋值为0，分割结果如图5所示；

步骤2.5，根据统计的蚝排面积最小值，设定面积阈值d，将面积小于阈值d的斑块删除，排除干扰像素；

在本实施例中，设置的蚝排面积阈值为30平方米，将小于阈值的碎斑删除，减少干扰像素的影响。

步骤2.6：利用图像处理方法，包括开运算和闭运算等形态学算法、孔洞填充、影像滤波，将步骤2.5得到的影像进一步处理，去除噪声影响，消除小物体，在细微处分离地物，平滑较大物体边界，使蚝排提取结果更加准确；

在本实施例中，先采用开运算处理，即先腐蚀后膨胀，去除孤立小点和毛刺；后采用闭运算处理，即先膨胀后腐蚀，填平小孔，弥合小裂缝。

腐蚀、膨胀、开运算和闭运算的公式如下：

腐蚀：

膨胀：

开运算：

闭运算：

式中，X为输入影像，B为结构元素。

进一步地，对上步处理的影像进行孔洞填充，孔洞填充是基于形态学算法，膨胀后与原图取反实现，公式如下：

式中，X为输入影像，B为对称结构元，A表示集合。先取出一个洞的坐标，对该图用结构元进行膨胀，再与原图求反，进行迭代，直至所有洞补完。

进一步地，在本实施例中，影像滤波采用中值滤波，该方法滤波效果显著，同时对图像边缘细节保持较好且计算量小，实时性好，公式如下：

I(x，y)＝median{S_I(x，y)}

其中，I(x，y)为图像坐标(x，y)处的像素值，S为3*3大小的滤波模板。

上述图像处理算法均基于OpenCV库采用C++语言编程实现，图6是本实施例经栅格数据处理后的效果图。

步骤2.7：将步骤2.6处理后的影像矢量化，生成蚝排初始矢量结果。

步骤3：对上述初始蚝排矢量进行编辑操作，经过若干处理，得到最终蚝排提取结果，图7为蚝排提取的最终矢量结果。本实施例中，矢量编辑子步骤如下：

步骤3.1：首先对蚝排初始矢量进行聚合面编辑，将指定距离内的面要素合并为新的面要素；

在本实施例中，面要素边界间距离设置10个像素，实现适度比例聚合。

步骤3.2：对上述处理后的矢量进行平滑面操作，平滑面轮廓中的尖角，去除毛刺，保留细节；

在本实施例中，选择PEAK(指数核的多项式近似)方法根据平滑容差进行平滑处理，平滑容差设置为8个像素。

步骤3.3：计算矢量面积，设定最小阈值，删除小于阈值的非蚝排矢量；在本实施例中，设定最小阈值为200个像素，进一步去除引入的小斑块。

步骤3.4：对上述矢量进行拓扑检查，设定拓扑容差，添加拓扑规则，修改拓扑错误，保证矢量结果不能有空隙、不许有重叠，符合拓扑要求；

拓扑是点、线和多边形要素共享几何的排列布置，能够限制要素共享几何，定义并执行数据完整性规则，在本实施例中，拓扑规则设定为相邻面无空隙、面要素间不许有重叠，按照该规则对矢量结果进行拓扑检查，并修改相关错误。

步骤3.5：人工修改蚝排提取结果，删除错误矢量，补充遗漏蚝排，得到最终提取结果。

上述矢量编辑操作均利用Arcgis软件实现，图7是本实施例的矢量编辑效果图，图8为提取的蚝排矢量放大效果图，图9是蚝排提取结果与原始影像叠加效果图。

以上内容对本发明所提供的一种基于高分辨率卫星遥感影像的蚝排提取方法进行了详细介绍。本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以对本发明进行若干改进和修饰，这些改进和修饰也落入本发明权利要求的保护范围内。

与前述实施例相对应，本发明还提供了系统的实施例。对于系统实施例而言，由于其基本对应于方法实施例，所以相关之处参见方法实施例的部分说明即可。

参照图10，本发明实施例的系统包括：预处理模块，用于获取卫星遥感影像并进行预处理操作，得到包括几何定位的反射率数据；栅格处理模块，用于对反射率数据进行栅格数据处理，并将处理后的栅格数据矢量化，生成蚝排初始矢量结果；矢量编辑模块，用于基于矢量编辑方法对蚝排初始矢量结果进行处理，得到蚝排最终提取结果。

尽管本文描述了具体实施方案，但是本领域中的普通技术人员将认识到，许多其它修改或另选的实施方案同样处于本公开的范围内。例如，结合特定设备或组件描述的功能和/或处理能力中的任一项可以由任何其它设备或部件来执行。另外，虽然已根据本公开的实施方案描述了各种例示性具体实施和架构，但是本领域中的普通技术人员将认识到，对本文所述的例示性具体实施和架构的许多其它修改也处于本公开的范围内。

上文参考根据示例性实施方案所述的系统、方法、系统和/或计算机程序产品的框图和流程图描述了本公开的某些方面。应当理解，框图和流程图中的一个或多个块以及框图和流程图中的块的组合可分别通过执行计算机可执行程序指令来实现。同样，根据一些实施方案，框图和流程图中的一些块可能无需按示出的顺序执行，或者可以无需全部执行。另外，超出框图和流程图中的块所示的那些部件和/或操作以外的附加部件和/或操作可存在于某些实施方案中。

因此，框图和流程图中的块支持用于执行指定功能的装置的组合、用于执行指定功能的元件或步骤的组合以及用于执行指定功能的程序指令装置。还应当理解，框图和流程图中的每个块以及框图和流程图中的块的组合可以由执行特定功能、元件或步骤的专用硬件计算机系统或者专用硬件和计算机指令的组合来实现。

本文所述的程序模块、应用程序等可包括一个或多个软件组件，包括例如软件对象、方法、数据结构等。每个此类软件组件可包括计算机可执行指令，所述计算机可执行指令响应于执行而使本文所述的功能的至少一部分(例如，本文所述的例示性方法的一种或多种操作)被执行。

软件组件可以用各种编程语言中的任一种来编码。一种例示性编程语言可以为低级编程语言，诸如与特定硬件体系结构和/或操作系统平台相关联的汇编语言。包括汇编语言指令的软件组件可能需要在由硬件架构和/或平台执行之前由汇编程序转换为可执行的机器代码。另一种示例性编程语言可以为更高级的编程语言，其可以跨多种架构移植。包括更高级编程语言的软件组件在执行之前可能需要由解释器或编译器转换为中间表示。编程语言的其它示例包括但不限于宏语言、外壳或命令语言、作业控制语言、脚本语言、数据库查询或搜索语言、或报告编写语言。在一个或多个示例性实施方案中，包含上述编程语言示例中的一者的指令的软件组件可直接由操作系统或其它软件组件执行，而无需首先转换成另一种形式。

软件组件可存储为文件或其它数据存储构造。具有相似类型或相关功能的软件组件可一起存储在诸如特定的目录、文件夹或库中。软件组件可为静态的(例如，预设的或固定的)或动态的(例如，在执行时创建或修改的)。

上面结合附图对本发明实施例作了详细说明，但是本发明不限于上述实施例，在所属技术领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下作出各种变化。

Claims

1.一种基于高分辨率卫星遥感影像的蚝排提取方法，其特征在于，包括：

获取卫星遥感影像并进行预处理操作，得到包括几何定位的反射率数据；

对所述反射率数据进行栅格数据处理，并将处理后的栅格数据矢量化，生成蚝排初始矢量结果；

基于矢量编辑方法对所述蚝排初始矢量结果进行处理，得到蚝排最终提取结果。

2.根据权利要求1所述的基于高分辨率卫星遥感影像的蚝排提取方法，其特征在于，所述预处理操作包括：辐射定标、大气校正、影像融合及几何校正。

3.根据权利要求1所述的基于高分辨率卫星遥感影像的蚝排提取方法，其特征在于，所述对所述反射率数据进行栅格数据处理包括：

计算所述反射率数据的亮通道影像和暗通道影像；

将所述亮通道影像减去所述暗通道影像，得到所述反射率数据的反差影像。

4.根据权利要求3所述的基于高分辨率卫星遥感影像的蚝排提取方法，其特征在于，所述对所述反射率数据进行栅格数据处理包括：

基于OTSU最大类间方差法对所述反差影像进行阈值分割，计算得到蚝排与非蚝排区域最佳分割阈值，并根据所述最佳分割阈值进行二值化处理；

根据统计的蚝排面积最小值设定面积阈值，将面积小于所述面积阈值的斑块删除，得到第一影像；

基于图像处理方法对所述第一影像进行处理。

5.根据权利要求4所述的基于高分辨率卫星遥感影像的蚝排提取方法，其特征在于，所述基于图像处理方法对所述第一影像进行处理包括：

对所述第一影像进行开运算处理和闭运算处理，得到第二影像；

对所述第二影像进行孔洞补充，所述孔洞补充是基于形态学算法，膨胀后与原图取反，得到第三影像；

对所述第三影像进行中值滤波处理。

6.根据权利要求1所述的基于高分辨率卫星遥感影像的蚝排提取方法，其特征在于，所述基于矢量编辑方法对所述蚝排初始矢量结果进行处理步骤包括：

对所述蚝排初始矢量进行聚合面编辑，将指定距离内的面要素合并为新的面要素；

进行平滑面操作，平滑面轮廓中的尖角，去除毛刺；

计算矢量面积，并根据设定的最小阈值删除小于所述最小阈值的非蚝排矢量；

进行拓扑检查，设定拓扑容差，添加拓扑规则并修改拓扑错误。

7.根据权利要求1所述的基于高分辨率卫星遥感影像的蚝排提取方法，其特征在于，所述基于矢量编辑方法对所述蚝排初始矢量结果进行处理步骤包括：响应于用户操作，修改蚝排提取结果，得到蚝排最终提取结果。

8.一种基于高分辨率卫星遥感影像的蚝排提取系统，其特征在于，包括：

预处理模块，用于获取卫星遥感影像并进行预处理操作，得到包括几何定位的反射率数据；

栅格处理模块，用于对所述反射率数据进行栅格数据处理，并将处理后的栅格数据矢量化，生成蚝排初始矢量结果；

矢量编辑模块，用于基于矢量编辑方法对所述蚝排初始矢量结果进行处理，得到蚝排最终提取结果。

9.根据权利要求8所述的基于高分辨率卫星遥感影像的蚝排提取系统，其特征在于，所述栅格处理模块包括：

亮通道影像模块，用于计算所述反射率数据的亮通道影像；

暗通道影像模块，用于计算所述反射率数据的暗通道影像；

反差影像模块，用于将所述亮通道影像减去所述暗通道影像，得到所述反射率数据的反差影像。

10.一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1至7中任一项的方法。