CN113221813B - 一种海岸线遥感提取方法 - Google Patents

一种海岸线遥感提取方法 Download PDF

Info

Publication number
CN113221813B
CN113221813B CN202110579386.6A CN202110579386A CN113221813B CN 113221813 B CN113221813 B CN 113221813B CN 202110579386 A CN202110579386 A CN 202110579386A CN 113221813 B CN113221813 B CN 113221813B
Authority
CN
China
Prior art keywords
resolution
reflectivity
remote sensing
band
sensing 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.)
Active
Application number
CN202110579386.6A
Other languages
English (en)
Other versions
CN113221813A (zh
Inventor
胡泓达
刘旭拢
杨骥
谢蕴文
许剑辉
邓应彬
李勇
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.)
Guangzhou Institute of Geography of GDAS
Southern Marine Science and Engineering Guangdong Laboratory Guangzhou
Original Assignee
Guangzhou Institute of Geography of GDAS
Southern Marine Science and Engineering Guangdong Laboratory Guangzhou
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 Guangzhou Institute of Geography of GDAS, Southern Marine Science and Engineering Guangdong Laboratory Guangzhou filed Critical Guangzhou Institute of Geography of GDAS
Priority to CN202110579386.6A priority Critical patent/CN113221813B/zh
Publication of CN113221813A publication Critical patent/CN113221813A/zh
Application granted granted Critical
Publication of CN113221813B publication Critical patent/CN113221813B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06V20/13—Satellite images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • 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
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30181—Earth observation

Abstract

本发明提供一种海岸线遥感提取方法，包括以下步骤：获取待检测海岸区域的遥感影像；根据遥感影像的第一分辨率的绿波段的反射率和第一分辨率的短红外波段的反射率，计算出遥感影像的第一分辨率的各个像元的水体指数；根据遥感影像的第一分辨率的水体像元的平均值、非水体像元的平均值、影像像元的平均值、以及影像像元的方差，获得遥感影像的水体分割阈值；将水体指数大于水体分割阈值的像元确定为海面像元，将水体指数小于水体分割阈值的像元确定为陆地像元；根据海面像元、陆地像元，获取岸线特征点坐标，根据岸线特征点坐标获得遥感影像中的海岸线。本发明可以提高遥感影像提取的海岸线的空间分辨率和位置精度。

Description

一种海岸线遥感提取方法
技术领域
本发明涉及地理信息检测技术领域，具体涉及一种海岸线遥感提取方法。
背景技术
遥感调查监测已成为大范围海岸线提取与变迁研究的有效技术手段。目前，常见的遥感像元尺度上海岸线自动提取方法如边缘检测法、阈值分割法、面向对象法、人工智能检测等方法在中分辨率影像上提取的海岸线空间分辨率和原影像保持一致，无法用于海岸线变化的精细分析。
发明内容
本发明的目的在于克服现有技术中的缺点与不足，提供一种海岸线遥感提取方法可以提高遥感影像提取的海岸线的空间分辨率和位置精度。
本发明的一个实施例提供一种海岸线遥感提取方法，包括以下步骤：
获取待检测海岸区域的遥感影像；
获取所述遥感影像的第一分辨率的绿波段的反射率；
获取所述遥感影像的第一分辨率的短红外波段的反射率；
根据所述遥感影像的第一分辨率的绿波段的反射率和第一分辨率的短红外波段的反射率，计算出所述遥感影像的第一分辨率的各个像元的水体指数；
根据所述遥感影像的第一分辨率的水体像元的平均值、非水体像元的平均值、影像像元的平均值、以及影像像元的方差，获得所述遥感影像的水体分割阈值；
将所述水体指数大于所述水体分割阈值的像元确定为海面像元，将水体指数小于水体分割阈值的像元确定为陆地像元；
根据所述海面像元、所述陆地像元，获取岸线特征点坐标，根据所述岸线特征点坐标获得所述遥感影像中的海岸线。
相对于现有技术，本发明的海岸线遥感提取方法可以在遥感影像的亚像元尺度上准确地提取出海岸线，且获得的海岸线的空间分辨率和位置精度高。
进一步，所述获取所述遥感影像的第一分辨率的短红外波段的反射率，包括以下步骤：
根据所述遥感影像的第一分辨率的红波段的反射率、第一分辨率的蓝波段的反射率和第二分辨率的短红外波段的反射率，计算出所述遥感影像的第一分辨率的短红外波段的反射率趋势项；其中，所述第一分辨率高于所述第二分辨率；
对所述遥感影像的第二分辨率的短红外波段的反射率残差项进行面到点克里金插值，得到所述遥感影像的第一分辨率的短红外波段的反射率残差项；
将所述遥感影像的第一分辨率的短红外波段的反射率趋势项与第一分辨率的短红外波段的反射率残差项相加，得到所述遥感影像的第一分辨率的短红外波段的反射率。可以获取分辨率高的短红外波段的反射率。
进一步，所述根据所述遥感影像的第一分辨率的红波段的反射率、第一分辨率的蓝波段的反射率和第二分辨率的短红外波段反射率，计算出所述遥感影像的第一分辨率的短红外波段的反射率趋势项，包括以下步骤：
分别获取所述遥感影像的第一分辨率的红波段的反射率、第一分辨率的蓝波段的反射率和第二分辨率的短红外波段的反射率；
对所述第一分辨率的红波段的反射率、第一分辨率的绿波段的反射率和第一分辨率的蓝波段的反射率进行空间升尺度，得到所述遥感影像的第二分辨率的红波段的反射率、第二分辨率的绿波段的反射率和第二分辨率的蓝波段的反射率；
根据所述第二分辨率的红波段的反射率、第二分辨率的绿波段的反射率、第二分辨率的蓝波段的反射率和第二分辨率的短红外波段的反射率建立回归模型，获取回归模型的截距项和若干个回归系数；
获取所述第一分辨率的红波段的反射率、第一分辨率的绿波段的反射率和第一分辨率的蓝波段的反射率，并结合回归模型的截距项和回归系数计算出第一分辨率的短红外波段的反射率趋势项。
进一步，所述根据所述第二分辨率的红波段的反射率、第二分辨率的绿波段的反射率、第二分辨率的蓝波段的反射率和第二分辨率的短红外波段的反射率建立回归模型，获取回归模型的截距项和若干个回归系数，通过以下方式执行：
Figure BDA0003085492090000021
其中，
Figure BDA0003085492090000022
表示第二分辨率的短红外波段的反射率，
Figure BDA0003085492090000023
表示第二分辨率的红波段的反射率，
Figure BDA0003085492090000024
表示第二分辨率的绿波段的反射率，
Figure BDA0003085492090000025
表示第二分辨率的蓝波段的反射率，a0表示截距项，a1表示红波段的回归系数，a2表示绿波段的回归系数，a3表示蓝波段的回归系数，
Figure BDA0003085492090000026
表示回归残差项。
进一步，所述获取第一分辨率的红波段的反射率、第一分辨率的绿波段的反射率和第一分辨率的蓝波段的反射率，并结合回归模型的截距项和回归系数计算出第一分辨率的短红外波段的反射率趋势项，通过以下方式执行：
Figure BDA0003085492090000031
其中，
Figure BDA0003085492090000032
表示第一分辨率的短红外波段的反射率趋势项，
Figure BDA0003085492090000033
表示第一分辨率的红波段的反射率，
Figure BDA0003085492090000034
表示第一分辨率的绿波段的反射率，
Figure BDA0003085492090000035
表示第一分辨率的蓝波段的反射率。
进一步，所述对遥感影像各个像元的第二分辨率的短红外波段的反射率残差项进行面到点克里金插值，得到第一分辨率的短红外波段的反射率残差项，包括以下步骤：
Figure BDA0003085492090000036
Figure BDA0003085492090000037
其中，
Figure BDA0003085492090000038
表示第一分辨率的短红外波段的反射率残差项，N表示插值点的数目，λi表示插值点对应的权重值，
Figure BDA0003085492090000039
表示所述遥感影像的第二分辨率的短红外波段的反射率残差项。
进一步，所述将第一分辨率的短红外波段的反射率趋势项与第一分辨率的短红外波段的反射率残差项相加，得到遥感影像各个像元的第一分辨率的短红外波段的反射率，通过以下方式执行：
Figure BDA00030854920900000310
其中，
Figure BDA00030854920900000311
表示第一分辨率的短红外波段的反射率。
进一步，所述根据所述遥感影像的第一分辨率的绿波段的反射率和第一分辨率的短红外波段的反射率，计算出所述遥感影像的第一分辨率的各个像元的水体指数，通过以下方式执行：
Figure BDA00030854920900000312
其中，MNDWI表示遥感影像的第一分辨率的像元的水体指数。
进一步，所述根据所述遥感影像的第一分辨率的水体像元的平均值、非水体像元的平均值、影像像元的平均值、以及影像像元的方差，获得所述遥感影像的水体分割阈值，通过以下方式执行：
Figure BDA0003085492090000041
其中，μ1表示遥感影像的第一分辨率的水体像元的平均值，μ0表示遥感影像的第一分辨率的非水体像元的平均值，μ表示遥感影像的第一分辨率的影像像元的平均值，σ2表示遥感影像的第一分辨率的影像像元的方差，w1表示遥感影像的第一分辨率的水体的丰度，w0表示遥感影像的第一分辨率的非水体的丰度，threshold表示遥感影像的第一分辨率的像元的水体分割阈值。
进一步，所述根据所述海面像元、所述陆地像元，获取岸线特征点坐标，根据所述岸线特征点坐标获得所述遥感影像中的海岸线，包括以下步骤：
获取相邻的一对海面像元和陆地像元；
计算所述海面像元和陆地像元之间的岸线特征点坐标；
遍历所述岸线特征点坐标，生成遥感影像中的海岸线；
所述计算岸线特征点坐标的方式为：
PA＝αP1+(1-α)P2，
其中，PA为岸线特征点坐标，P1为所述海面像元的中心点坐标，P2为所述陆地像元的中心点坐标，α通过以下方式得到，
Figure BDA0003085492090000042
其中，D1为所述海面像元的水体指数值，D2为所述陆地像元的水体指数值。可以获取相邻的所述海面像元和陆地像元之间的岸线特征点坐标，提高生成的海岸线的准确性。
为了能更清晰的理解本发明，以下将结合附图说明阐述本发明的具体实施方式。
附图说明
图1为本发明一个实施例的海岸线遥感提取方法的流程图。
图2为本发明一个实施例的海岸线遥感提取方法的步骤S3的流程图。
图3为本发明一个实施例的海岸线遥感提取方法的步骤S31的流程图。
图4为本发明一个实施例的海岸线遥感提取方法的步骤S7的流程图。
图5为本发明一个实施例的海岸线遥感提取方法的岸线特征点坐标示意图。
1、海面像元；2、陆地像元。
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。
请参阅图1，其是本发明一个实施例的海岸线遥感提取方法的流程图，包括以下步骤：
S1：获取待检测海岸区域的遥感影像；
所述遥感影像是指记录各种地物电磁波大小的胶片或照片，主要分为航空像片和卫星相片。通过对所述遥感影像进行特征提取，可以从所述遥感影像中抽出光谱特征和空间特征。其中，所述特征提取是通过对图像进行变换，突出其具有代表性的特征的方法。
S2：获取所述遥感影像的第一分辨率的绿波段的反射率；
所述第一分辨率为10m；10m分辨率的绿波段的反射率可以通过遥感图像处理平台ENVI的光谱分析工具对所述遥感影像进行影像分析得到。
所述绿波段的反射率是指地物在绿波段的反射通量与该波段的入射通量之比。
优选地，对所述遥感影像进行影像分析之前，还通过遥感图像处理平台ENVI对所述遥感影像进行辐射校正，所述辐射校正包括辐射定标和大气校正，所述辐射定标是当需要计算地物的光谱反射率或光谱辐射亮度时，或者需要对不同时间、不同传感器获取的图像进行比较时，将图像的亮度灰度值转换为绝对的辐射亮度的过程；所述大气校正是指传感器最终测得的地面目标的总辐射亮度并不是地表真实反射率的反映，其中包含了由大气吸收，尤其是散射作用造成的辐射量误差。大气校正就是消除这些由大气影响所造成的辐射误差，反演地物真实的表面反射率的过程。
S3：获取所述遥感影像的第一分辨率的短红外波段的反射率；
所述短红外波段的反射率是指地物在短红外波段的反射通量与该波段的入射通量之比。
请参阅图2，在所述步骤S3中，由于第一分辨率为10m，而10m分辨率的段红外波段的反射率无法直接通过影像分析得到，因此本发明通过地统计学方法进行波段融合，将20m分辨率的短红外波段的反射率空间降尺度至10m分辨率的短红外波段的反射率，包括以下步骤：
S31：根据所述遥感影像的第一分辨率的红波段的反射率、第一分辨率的蓝波段的反射率和第二分辨率的短红外波段的反射率，计算出所述遥感影像的第一分辨率的短红外波段的反射率趋势项；其中，所述第一分辨率高于所述第二分辨率。具体地，所述第一分辨率为10m，所述第二分辨率为20m。
所述红波段的反射率是指地物在红波段的反射通量与该波段的入射通量之比，所述蓝波段的反射率是指地物在蓝波段的反射通量与该波段的入射通量之比。
请参阅图3，在一个可行的实施例中，所述步骤S31包括以下步骤：
S311：分别获取所述遥感影像的第一分辨率的红波段的反射率、第一分辨率的蓝波段的反射率和第二分辨率的短红外波段的反射率；
其中，10m分辨率的红波段的反射率、10m分辨率的蓝波段的反射率可以通过遥感图像处理平台ENVI的光谱分析工具对所述遥感影像进行影像分析得到。20m分辨率的短红外波段的反射率也可以通过遥感图像处理平台ENVI的光谱分析工具对所述遥感影像进行影像分析得到。
S312：对所述第一分辨率的红波段的反射率、第一分辨率的绿波段的反射率和第一分辨率的蓝波段的反射率进行空间升尺度，得到所述遥感影像的第二分辨率的红波段的反射率、第二分辨率的绿波段的反射率和第二分辨率的蓝波段的反射率；
所述空间升尺度是指从从小尺度到大尺度，即由点位到小区域再到大区域的转换，使空间分辨率降低，且转换后数据趋于同质且信息量低，关键信息保留少，其作用是常为反演产品提供真实性检验的理论和技术支持。通过对所述第一分辨率的红波段的反射率、第一分辨率的绿波段的反射率和第一分辨率的蓝波段的反射率进行空间升尺度，可以得到分辨率较低的第二分辨率的红波段的反射率、第二分辨率的绿波段的反射率和第二分辨率的蓝波段的反射率。
S313：根据所述第二分辨率的红波段的反射率、第二分辨率的绿波段的反射率、第二分辨率的蓝波段的反射率和第二分辨率的短红外波段的反射率建立回归模型，获取回归模型的截距项和若干个回归系数；
具体地，所述步骤S313通过以下方式执行：
Figure BDA0003085492090000061
其中，
Figure BDA0003085492090000062
表示第二分辨率的短红外波段的反射率，
Figure BDA0003085492090000063
表示第二分辨率的红波段的反射率，
Figure BDA0003085492090000064
表示第二分辨率的绿波段的反射率，
Figure BDA0003085492090000065
表示第二分辨率的蓝波段的反射率，a0表示截距项，a1表示红波段的回归系数，a2表示绿波段的回归系数，a3表示蓝波段的回归系数，
Figure BDA0003085492090000066
表示回归残差项。
S314：获取所述第一分辨率的红波段的反射率、第一分辨率的绿波段的反射率和第一分辨率的蓝波段的反射率，并结合回归模型的截距项和回归系数计算出第一分辨率的短红外波段的反射率趋势项。
具体地，所述步骤S314通过以下方式执行：
Figure BDA0003085492090000071
其中，
Figure BDA0003085492090000072
表示第一分辨率的短红外波段的反射率趋势项，
Figure BDA0003085492090000073
表示第一分辨率的红波段的反射率，
Figure BDA0003085492090000074
表示第一分辨率的绿波段的反射率，
Figure BDA0003085492090000075
表示第一分辨率的蓝波段的反射率。
S32：对所述遥感影像的第二分辨率的短红外波段的反射率残差项进行面到点克里金插值，得到所述遥感影像的第一分辨率的短红外波段的反射率残差项，即为邻近20m分辨率格网点的短红外波段反射率回归残差项的线性加权平均，
Figure BDA0003085492090000076
Figure BDA0003085492090000077
其中，
Figure BDA0003085492090000078
表示第一分辨率的短红外波段的反射率残差项，N表示插值点的数目，λi表示插值点对应的权重值，
Figure BDA0003085492090000079
表示所述遥感影像的第二分辨率的短红外波段的反射率残差项。
S33：将所述遥感影像的第一分辨率的短红外波段的反射率趋势项与第一分辨率的短红外波段的反射率残差项相加，得到所述遥感影像的第一分辨率的短红外波段的反射率。
其中，所述步骤S33，通过以下方式执行：
Figure BDA00030854920900000710
其中，
Figure BDA00030854920900000711
表示第一分辨率的短红外波段的反射率。
可以获取分辨率高的短红外波段的反射率。
S4：根据所述遥感影像的第一分辨率的绿波段的反射率和第一分辨率的短红外波段的反射率，计算出所述遥感影像的第一分辨率的各个像元的水体指数；
其中，所述遥感影像的第一分辨率的各个像元的水体指数为MNDWI，为改进的归一化水体指数。
所述MNDWI通过以下方式获得：
Figure BDA0003085492090000081
其中，MNDWI表示遥感影像的第一分辨率的像元的水体指数。
S5：根据所述遥感影像的第一分辨率的水体像元的平均值、非水体像元的平均值、影像像元的平均值、以及影像像元的方差，获得所述遥感影像的水体分割阈值；
所述水体分割阈值是利用最大类间方差法确定的用于区分海水水体与岸线周边土地利用/覆盖(建筑物、沙滩及湿地植被等)情况的分割阈值。
所述水体分割阈值通过以下方式执行：
Figure BDA0003085492090000082
其中，μ1表示遥感影像的第一分辨率的水体像元的平均值，μ0表示遥感影像的第一分辨率的非水体像元的平均值，μ表示遥感影像的第一分辨率的影像像元的平均值，σ2表示遥感影像的第一分辨率的影像像元的方差，w1表示遥感影像的第一分辨率的水体的丰度，w0表示遥感影像的第一分辨率的非水体的丰度，threshold表示遥感影像的第一分辨率的像元的水体分割阈值。
S6：将所述水体指数大于所述水体分割阈值的像元确定为海面像元，将水体指数小于水体分割阈值的像元确定为陆地像元；
S7：根据所述海面像元、所述陆地像元，获取岸线特征点坐标，根据所述岸线特征点坐标获得所述遥感影像中的海岸线。其中，可以通过遍历所述岸线特征点坐标生成遥感影像中的海岸线。
相对于现有技术，本发明的海岸线遥感提取方法可以在遥感影像的亚像元尺度上准确地提取出海岸线，且获得的海岸线的空间分辨率和位置精度高。
请参阅图4和图5，在一个可行的实施例中，由于所述海面像元和陆地像元相交边缘的中点不一定是准确的岸线特征点坐标，因此，本申请还通过以下步骤获得所述岸线特征点坐标：
其中，所述岸线特征点坐标为所述海面像元和陆地像元之间的水体指数与水体分割阈值相等的坐标点。
S71：获取相邻的一对海面像元1和陆地像元2；
S72：计算所述海面像元1和陆地像元2之间的岸线特征点坐标；
S73：遍历所述岸线特征点坐标，生成遥感影像中的海岸线；
所述计算岸线特征点坐标的方式为：
PA＝αP1+(1-α)P2，
其中，PA为岸线特征点坐标，P1为所述海面像元1的中心点坐标，P2为所述陆地像元2的中心点坐标，α通过以下方式得到，
Figure BDA0003085492090000091
其中，D1为所述海面像元1的水体指数值，D2为所述陆地像元2的水体指数值。
在本实施例中，当出现海面像元1和陆地像元2相邻的时候，影响生成海岸线的准确性，而通过步骤S5的操作，可以获取相邻的所述海面像元1和陆地像元2之间的岸线特征点坐标，并在遍历所述岸线特征点坐标后，可以得到高精度的海岸线，从而提高生成的海岸线的准确性。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (8)

1.一种海岸线遥感提取方法，其特征在于，包括以下步骤：
获取待检测海岸区域的遥感影像；
获取所述遥感影像的第一分辨率的绿波段的反射率；
获取所述遥感影像的第一分辨率的短红外波段的反射率；
根据所述遥感影像的第一分辨率的绿波段的反射率和第一分辨率的短红外波段的反射率，计算出所述遥感影像的第一分辨率的各个像元的水体指数；
根据所述遥感影像的第一分辨率的水体像元的平均值、非水体像元的平均值、影像像元的平均值、以及影像像元的方差，获得所述遥感影像的水体分割阈值；
将所述水体指数大于所述水体分割阈值的像元确定为海面像元，将水体指数小于水体分割阈值的像元确定为陆地像元；
根据所述海面像元、所述陆地像元，获取岸线特征点坐标，根据所述岸线特征点坐标获得所述遥感影像中的海岸线；
所述获取所述遥感影像的第一分辨率的短红外波段的反射率，包括以下步骤：
根据所述遥感影像的第一分辨率的红波段的反射率、第一分辨率的蓝波段的反射率和第二分辨率的短红外波段的反射率，计算出所述遥感影像的第一分辨率的短红外波段的反射率趋势项；其中，所述第一分辨率高于所述第二分辨率；
对所述遥感影像的第二分辨率的短红外波段的反射率残差项进行面到点克里金插值，得到所述遥感影像的第一分辨率的短红外波段的反射率残差项；
将所述遥感影像的第一分辨率的短红外波段的反射率趋势项与第一分辨率的短红外波段的反射率残差项相加，得到所述遥感影像的第一分辨率的短红外波段的反射率；
所述根据所述遥感影像的第一分辨率的红波段的反射率、第一分辨率的蓝波段的反射率和第二分辨率的短红外波段反射率，计算出所述遥感影像的第一分辨率的短红外波段的反射率趋势项，包括以下步骤：
分别获取所述遥感影像的第一分辨率的红波段的反射率、第一分辨率的蓝波段的反射率和第二分辨率的短红外波段的反射率；
对所述第一分辨率的红波段的反射率、第一分辨率的绿波段的反射率和第一分辨率的蓝波段的反射率进行空间升尺度，得到所述遥感影像的第二分辨率的红波段的反射率、第二分辨率的绿波段的反射率和第二分辨率的蓝波段的反射率；
根据所述第二分辨率的红波段的反射率、第二分辨率的绿波段的反射率、第二分辨率的蓝波段的反射率和第二分辨率的短红外波段的反射率建立回归模型，获取回归模型的截距项和若干个回归系数；
获取所述第一分辨率的红波段的反射率、第一分辨率的绿波段的反射率和第一分辨率的蓝波段的反射率，并结合回归模型的截距项和回归系数计算出第一分辨率的短红外波段的反射率趋势项。
2.根据权利要求1所述的海岸线遥感提取方法，其特征在于，所述根据所述第二分辨率的红波段的反射率、第二分辨率的绿波段的反射率、第二分辨率的蓝波段的反射率和第二分辨率的短红外波段的反射率建立回归模型，获取回归模型的截距项和若干个回归系数，通过以下方式执行：
Figure FDA0003793683350000021
其中，
Figure FDA0003793683350000022
表示第二分辨率的短红外波段的反射率，
Figure FDA0003793683350000023
表示第二分辨率的红波段的反射率，
Figure FDA0003793683350000024
表示第二分辨率的绿波段的反射率，
Figure FDA0003793683350000025
表示第二分辨率的蓝波段的反射率，a0表示截距项，a1表示红波段的回归系数，a2表示绿波段的回归系数，a3表示蓝波段的回归系数，
Figure FDA0003793683350000026
表示回归残差项。
3.根据权利要求2所述的海岸线遥感提取方法，其特征在于，所述获取第一分辨率的红波段的反射率、第一分辨率的绿波段的反射率和第一分辨率的蓝波段的反射率，并结合回归模型的截距项和回归系数计算出第一分辨率的短红外波段的反射率趋势项，通过以下方式执行：
Figure FDA0003793683350000027
其中，
Figure FDA0003793683350000028
表示第一分辨率的短红外波段的反射率趋势项，
Figure FDA0003793683350000029
表示第一分辨率的红波段的反射率，
Figure FDA00037936833500000210
表示第一分辨率的绿波段的反射率，
Figure FDA00037936833500000211
表示第一分辨率的蓝波段的反射率。
4.根据权利要求3所述的海岸线遥感提取方法，其特征在于，对遥感影像各个像元的第二分辨率的短红外波段的反射率残差项进行面到点克里金插值，得到第一分辨率的短红外波段的反射率残差项，包括以下步骤：
Figure FDA00037936833500000212
Figure FDA00037936833500000213
其中，
Figure FDA0003793683350000031
表示第一分辨率的短红外波段的反射率残差项，N表示插值点的数目，λi表示插值点对应的权重值，
Figure FDA0003793683350000032
表示所述遥感影像的第二分辨率的短红外波段的反射率残差项。
5.根据权利要求4所述的海岸线遥感提取方法，其特征在于，所述将第一分辨率的短红外波段的反射率趋势项与第一分辨率的短红外波段的反射率残差项相加，得到遥感影像各个像元的第一分辨率的短红外波段的反射率，通过以下方式执行：
Figure FDA0003793683350000033
其中，
Figure FDA0003793683350000034
表示第一分辨率的短红外波段的反射率。
6.根据权利要求5所述的海岸线遥感提取方法，其特征在于，所述根据所述遥感影像的第一分辨率的绿波段的反射率和第一分辨率的短红外波段的反射率，计算出所述遥感影像的第一分辨率的各个像元的水体指数，通过以下方式执行：
Figure FDA0003793683350000035
其中，MNDWI表示遥感影像的第一分辨率的像元的水体指数。
7.根据权利要求1所述的海岸线遥感提取方法，其特征在于，所述根据所述遥感影像的第一分辨率的水体像元的平均值、非水体像元的平均值、影像像元的平均值、以及影像像元的方差，获得所述遥感影像的水体分割阈值，通过以下方式执行：
Figure FDA0003793683350000036
其中，μ1表示遥感影像的第一分辨率的水体像元的平均值，μ0表示遥感影像的第一分辨率的非水体像元的平均值，μ表示遥感影像的第一分辨率的影像像元的平均值，σ2表示遥感影像的第一分辨率的影像像元的方差，w1表示遥感影像的第一分辨率的水体的丰度，w0表示遥感影像的第一分辨率的非水体的丰度，threshold表示遥感影像的第一分辨率的像元的水体分割阈值。
8.根据权利要求7所述的海岸线遥感提取方法，其特征在于，所述根据所述海面像元、和所述陆地像元，获得所述遥感影像中的海岸线，包括以下步骤：
获取相邻的一对海面像元和陆地像元；
计算所述海面像元和陆地像元之间的岸线特征点坐标；
遍历所述岸线特征点坐标，生成遥感影像中的海岸线；
所述计算岸线特征点坐标的方式为：
PA＝αP1+(1-α)P2，
其中，PA为岸线特征点坐标，P1为所述海面像元的中心点坐标，P2为所述陆地像元的中心点坐标，α通过以下方式得到，
Figure FDA0003793683350000041
其中，D1为所述海面像元的水体指数值，D2为所述陆地像元的水体指数值。
CN202110579386.6A 2021-05-26 2021-05-26 一种海岸线遥感提取方法 Active CN113221813B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110579386.6A CN113221813B (zh) 2021-05-26 2021-05-26 一种海岸线遥感提取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110579386.6A CN113221813B (zh) 2021-05-26 2021-05-26 一种海岸线遥感提取方法

Publications (2)

Publication Number Publication Date
CN113221813A CN113221813A (zh) 2021-08-06
CN113221813B true CN113221813B (zh) 2022-12-06

Family

ID=77099555

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110579386.6A Active CN113221813B (zh) 2021-05-26 2021-05-26 一种海岸线遥感提取方法

Country Status (1)

Country Link
CN (1) CN113221813B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115424142A (zh) * 2022-08-26 2022-12-02 南方海洋科学与工程广东省实验室(广州) 基于遥感影像的海岸线类型判别方法、装置、介质和设备
CN115439748B (zh) * 2022-09-13 2023-09-26 中山大学 一种海岸线侵蚀程度的监测方法、装置以及电子设备
CN116258869B (zh) * 2023-01-10 2023-08-18 滁州学院 一种基于Sentinel-2遥感数据的毛竹林大小年边界线提取方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6711404B1 (en) * 2000-07-21 2004-03-23 Scoreboard, Inc. Apparatus and method for geostatistical analysis of wireless signal propagation
CN102013015A (zh) * 2010-12-02 2011-04-13 南京大学 一种面向对象的遥感影像海岸线提取方法
WO2019157348A1 (en) * 2018-02-09 2019-08-15 The Board Of Trustees Of The University Of Illinois A system and method to fuse multiple sources of optical data to generate a high-resolution, frequent and cloud-/gap-free surface reflectance product
CN110648347A (zh) * 2019-09-24 2020-01-03 北京航天宏图信息技术股份有限公司 一种基于遥感影像的海岸线提取方法及装置
CN112380980A (zh) * 2020-11-12 2021-02-19 西南林业大学 一种人工龙竹林lai遥感估测最佳尺度选择方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10371860B2 (en) * 2013-05-22 2019-08-06 S.S. Papadopulos & Associates, Inc. Simultaneous multi-event universal kriging methods for spatio-temporal data analysis and mapping
CN109635309A (zh) * 2018-10-17 2019-04-16 广州地理研究所 一种地表温度空间降尺度方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6711404B1 (en) * 2000-07-21 2004-03-23 Scoreboard, Inc. Apparatus and method for geostatistical analysis of wireless signal propagation
CN102013015A (zh) * 2010-12-02 2011-04-13 南京大学 一种面向对象的遥感影像海岸线提取方法
WO2019157348A1 (en) * 2018-02-09 2019-08-15 The Board Of Trustees Of The University Of Illinois A system and method to fuse multiple sources of optical data to generate a high-resolution, frequent and cloud-/gap-free surface reflectance product
CN110648347A (zh) * 2019-09-24 2020-01-03 北京航天宏图信息技术股份有限公司 一种基于遥感影像的海岸线提取方法及装置
CN112380980A (zh) * 2020-11-12 2021-02-19 西南林业大学 一种人工龙竹林lai遥感估测最佳尺度选择方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
利用气溶胶光学厚度遥感数据估算PM_(2.5)浓度的时空回归克里金方法;胡泓达;《中国博士学位论文全文数据库 工程科技Ⅰ辑》;20180615;第B027-127页 *
融合GF-1与MODIS数据生成高时空分辨率LAI产品;黄汝根;《中国优秀硕士学位论文全文数据库 基础科学辑》;20170315;第A006-673页 *
高寒草地土壤有机碳影响因子与模拟模型的研究;王翀;《中国博士学位论文全文数据库 农业科技辑》;20190215;第D050-4页 *

Also Published As

Publication number Publication date
CN113221813A (zh) 2021-08-06

Similar Documents

Publication Publication Date Title
CN113221813B (zh) 一种海岸线遥感提取方法
Sagar et al. Extracting the intertidal extent and topography of the Australian coastline from a 28 year time series of Landsat observations
CN107610164B (zh) 一种基于多特征混合的高分四号影像配准方法
CN109934200B (zh) 一种基于改进M-Net的RGB彩色遥感图像云检测方法及系统
KR101732111B1 (ko) 위성영상을 이용한 기름유출 탐지장치 및 방법
Pe’eri et al. Satellite remote sensing as a reconnaissance tool for assessing nautical chart adequacy and completeness
CN105243367B (zh) 一种基于卫星遥感数据的水体范围监测方法和装置
CN106600574A (zh) 一种基于遥感影像与高程数据的滑坡提取方法
Im et al. An automated binary change detection model using a calibration approach
CN114612769B (zh) 一种融入局部结构信息的集成感知红外成像舰船检测方法
CN112013822A (zh) 基于改进gwr模型的多光谱遥感水深反演方法
JP2019537151A (ja) 画像処理装置、画像処理方法及び画像処理プログラム
Song et al. Efficient water area classification using Radarsat-1 SAR imagery in a high relief mountainous environment
CN108230375A (zh) 基于结构相似性快速鲁棒的可见光图像与sar图像配准方法
CN105469393A (zh) 基于决策融合的浅海水深多时相遥感影像反演方法
CN113639716A (zh) 一种基于深度残差收缩网络的水深遥感反演方法
CN115984778A (zh) 一种基于多特征优化的Sentinel-1数据快速动态洪灾监测方法
CN117423002B (zh) 一种基于dem的小尺度潮滩图像处理方法
CN115979972B (zh) 海面原油油膜高光谱实时监测方法和系统
CN110097562B (zh) 海面溢油区域图像探测方法
CN116844049A (zh) 基于图像差值法的森林扰动监测方法、系统、设备及介质
Ye et al. Building detection by local region features in SAR images
CN114545410B (zh) 基于合成孔径雷达双极化数据相干性的作物倒伏监测方法
CN114724023A (zh) 一种基于孪生网络的水体变化检测方法
CN115060656A (zh) 基于稀疏先验实测点的卫星遥感水深反演方法

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