CN113450425A - 一种基于阴影去除的城市黑臭水体遥感制图方法 - Google Patents
一种基于阴影去除的城市黑臭水体遥感制图方法 Download PDFInfo
- Publication number
- CN113450425A CN113450425A CN202110635920.0A CN202110635920A CN113450425A CN 113450425 A CN113450425 A CN 113450425A CN 202110635920 A CN202110635920 A CN 202110635920A CN 113450425 A CN113450425 A CN 113450425A
- Authority
- CN
- China
- Prior art keywords
- water body
- black
- image
- shadow
- odorous water
- 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.)
- Granted
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 272
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000013507 mapping Methods 0.000 title claims abstract description 25
- 238000002310 reflectometry Methods 0.000 claims abstract description 35
- 238000012937 correction Methods 0.000 claims abstract description 13
- 230000005855 radiation Effects 0.000 claims abstract description 4
- 238000000605 extraction Methods 0.000 claims description 48
- 238000004364 calculation method Methods 0.000 claims description 22
- 238000005070 sampling Methods 0.000 claims description 13
- 238000001914 filtration Methods 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 7
- 238000003809 water extraction Methods 0.000 claims description 4
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 238000005192 partition Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 description 6
- 230000003595 spectral effect Effects 0.000 description 5
- 238000001514 detection method Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 241000195493 Cryptophyta Species 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 229930002875 chlorophyll Natural products 0.000 description 2
- 235000019804 chlorophyll Nutrition 0.000 description 2
- ATNHDLDRLWWWCB-AENOIHSZSA-M chlorophyll a Chemical compound C1([C@@H](C(=O)OC)C(=O)C2=C3C)=C2N2C3=CC(C(CC)=C3C)=[N+]4C3=CC3=C(C=C)C(C)=C5N3[Mg-2]42[N+]2=C1[C@@H](CCC(=O)OC\C=C(/C)CCC[C@H](C)CCC[C@H](C)CCCC(C)C)[C@H](C)C2=C5 ATNHDLDRLWWWCB-AENOIHSZSA-M 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 238000005316 response function Methods 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/001—Texturing; Colouring; Generation of texture or colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
- G06T5/94—Dynamic range modification of images or parts thereof based on local image properties, e.g. for local contrast enhancement
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/30—Assessment of water resources
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种基于阴影去除的城市黑臭水体遥感制图方法，包括获取高质量的高分二号卫星多光谱影像，并对获取的影像进行正射校正、辐射校正以及flaash大气校正，以获取遥感反射率影像；通过单波段阈值法对遥感反射率影像中的水体进行提取，并通过图像二值化将提取的水体部分导出形成水体影像；根据城市阴影指数对水体影像进行阴影去除，并进一步通过阴影与水面的纹理特性对水体影像进行修正，获取修正影像；通过逐步的去除阴影来提高对水体的提取精度，进一步能够根据黑臭水体与正常水体在可见波段以及红外波段的反射率差异性，实现对黑臭水体的精准提取，可有效的避免成因城市中建筑物阴影的影响，而无法精准探测到黑臭水体的问题。
Description
技术领域
本发明涉及一种基于阴影去除的城市黑臭水体遥感制图方法，属于遥感监测技术领域。
背景技术
城市黑臭水体是指城市建成区内，呈现令人不悦的颜色和散发令人不适气味的水体的统称，是工业化过程的产物，其主要形成原因是污染物的排放和水体本身的不流通，近年来，黑臭水体严重影响了城市居民的生活环境，使城市水生态系统面临巨大挑战，因此，对黑臭水体的集中控制至关重要，而黑臭水体的筛查是首要任务。
事实上，大多数城市黑臭水体都是狭长的河流或小型的池塘，其中有的永久存在，有的是临时的积水，有些还会随着季节变化而变化，这些特点使其在短时间内难以实现精确、大规模的筛查，传统的筛查方法需要对水质进行测量，不仅需要克服现场测量的困难，还需要耗费大量的金钱、人力和时间。
遥感技术具有大范围快速识别物体的能力，在检测黑臭水方面具有优势。
中国专利“CN108645853A一种黑臭水体遥感识别的比值指数方法”提供了一种比值指数WRI的黑臭水体遥感识别方法，适用于国产高分系列卫星多光谱数据。该专利针对经辐射定标、大气校正等预处理后的高分二号影像中的水体，计算WRI指数，通过设定阈值提取出黑臭水体。
中国专利“CN109374537A城市黑臭水体识别方法及装置”提供了一种黑臭水体分级指数BOCI，在识别黑臭水体的同时能够确定黑臭水体等级。该专利利用水面待识别点的蓝光和红光波段的遥感反射率计算该点处的绿光波段的插值反射率，再根据绿光波段的遥感反射率和插值反射率以及红光波段的遥感反射率计算BOCI，从而确定该点是否为黑臭水体，并当其为黑臭水体时，确定该点的黑臭等级。在经过融合、正射校正、大气校正的遥感影像中利用水体指数以及人工修改的方式得到水体的提取结果，在此基础上计算BOCI，得到黑臭水体的识别结果。
中国专利“CN107167431B一种基于光谱指数模型的黑臭水体识别方法及系统”提供了一种光谱指数模型H，用于高分辨率影像上的黑臭水体提取。该专利在进行预处理后的影像上利用河流水系矢量文件或掩膜文件获取河流的遥感图像，对河流影像进行H的计算，通过设定阈值提取出黑臭水体，并对其进行分级。
此外，还有很多研究通过构建指数进行黑臭水体的遥感探测：一种基于CIE色度图的颜色纯度的方法、黑臭水体指数BOI、水体清洁指数WCI等。
以上方法在一定程度上解决了黑臭水体的识别问题，但是现有的黑臭水体遥感识别方法主要存在两个问题：
第一，由于黑臭水体的形成机理有所差异，不同地区、不同季节的黑臭水体的光谱信息也有所不同，现有的识别方法很难适用于所有类型的黑臭水体。
第二，由于城市下垫面条件非常复杂，在遥感影像中，城市区域的复杂地物，特别是阴影很容易与黑臭水体混淆，而现有方法并没有解决黑臭水体与其余背景地物错分的问题，只是将普通水体与黑臭水体进行了区分，在实际应用中，想要精确提取黑臭水体，还需要得到准确的水体边界，由于黑臭水体反射率普遍较低、形状面积狭小，现有的水体提取方法并不能完全满足探测黑臭水体的精度需要，因此，大多还需要人工进行水体边界的数字化。
公开于该背景技术部分的信息仅仅旨在增加对本发明的总体背景的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域普通技术人员所公知的现有技术。
发明内容
本发明的目的在于克服现有技术中的不足，提供一种基于阴影去除的城市黑臭水体遥感制图方法，以解决现有技术中黑臭水体容易与城市建筑物的阴影混淆，无法实现精准提取黑臭水的技术问题。
为解决上述技术问题，本发明是采用下述技术方案实现的：
一种基于阴影去除的城市黑臭水体遥感制图方法，包括：
获取高质量的高分二号卫星多光谱影像，并对获取的影像进行正射校正、辐射校正以及flaash大气校正，以获取遥感反射率影像；
通过单波段阈值法对遥感反射率影像中的水体进行提取，并通过图像二值化将提取的水体部分导出形成水体影像；
根据城市阴影指数对水体影像进行阴影去除，并进一步通过阴影与水面的纹理特性对水体影像进行修正，获取修正影像；
根据黑臭水体的可见波段反射率以及红外波段的反射率，以及黑臭水体在蓝绿光波段之间的差距，提取修正影像中的黑臭水体，生成黑臭水体遥感制图影像。
作为本发明的一种优选技术方案，通过单波段提取水体具体包括：
获取反射率影像中近红外波段影像，并提取近红外波段影像中水体及地物的像元值；
设定提取阈值，并根据提取阈值完成对水体的提取。
作为本发明的一种优选技术方案，对所述水体影像进行阴影去除的具体方法包括：
以水体影像中的水体边界作为约束计算城市阴影指数；
通过城市阴影指数对水体影像中的阴影进行识别和去除。
作为本发明的一种优选技术方案，所述城市阴影指数计算公式为：
其中，PixelBb、PixelBg、PixelBr和PixelBnir分别为水体影像中的一个像元在蓝、绿、红和近红波段的像元值。
作为本发明的一种优选技术方案，对所述水体影像进行修正的具体方法包括：
获取高分二号反射率影像中水体的红、绿、蓝波波段，并进行低通滤波处理，消除水体和阴影内部的异常值；
对低通滤波处理结果进行标准化处理，并以水体影像中的水体边界，依次对标准化处理后的红、绿、蓝波波段进行分区统计的标准差计算，并进行标准差求和计算；
根据标准差求和计算结果中的水体区域以及阴影区域的像素值设定提取阈值；
根据提取阈值对通过城市阴影指数对水体影像进行阴影去除的影像进行二次水体提取，完成对水体影像的修正。
作为本发明的一种优选技术方案，对低通滤波结果进行标准化处理的公式为：
其中，bi为第i波段标准化后的结果；
bandi为第i波段的低通滤波后的影像。
作为本发明的一种优选技术方案，对所述黑臭水的提取还包括：
对修正影像中的水体进行波段计算，提取黑臭水体与普通水体的像素值；
根据黑臭水体和普通水体的像素值，设定黑臭水体提取阈值；
根据黑臭水体提取阈值，完成对黑臭水体的提取。
作为本发明的一种优选技术方案，对所述黑臭水体进行提取的公式为：
(BG-BB)·(BG-BNIR)<h
其中，BB、BG和BNIR分别为修正影像的蓝、绿和近红外波段；
h为黑臭水提取阈值。
作为本发明的一种优选技术方案，还包括对黑臭水体遥感制图影像进行验证，对所述黑臭水体遥感制图影像进行验证的公式为：
其中，AR为黑臭水体的提取精度；
FAR为虚警率；
T为黑臭水体采样点的数量；
F为非黑臭水体采样点的数量；
TT为是黑臭水的同时，又被探测出来的采样点数量；
FF为是黑臭水，但未被探测出来的采样点数量；
TF为非黑臭水，但被检测为目标的样本点数量。
与现有技术相比，本发明所达到的有益效果：
本发明能够通过逐步的去除阴影来提高对水体的提取精度，进一步能够根据黑臭水体与正常水体在可见波段以及红外波段的反射率差异性，实现对黑臭水体的精准提取，可有效的避免成因城市中建筑物阴影的影响，而无法精准探测到黑臭水体的问题。
附图说明
图1是本发明的流程图；
图2是本发明中去除阴影的流程图。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”等仅用于描述目的，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。由此，限定有“第一”、“第二”等的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，除非另有说明，“多个”的含义是两个或两个以上。
在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以通过具体情况理解上述术语在本发明中的具体含义。
如图1和图2所示，一种基于阴影去除的城市黑臭水体遥感制图方法，包括：包括：
获取高质量的高分二号卫星多光谱影像，并对获取的影像进行正射校正、辐射校正以及flaash大气校正，以获取遥感反射率影像；
所获取的高分二号卫星多光谱影像，要求该影像覆盖待探测黑臭水体的区域，并且该影像的云量在预定的范围内，水体区域未被云覆盖。
通过单波段阈值法对遥感反射率影像中的水体进行提取，并通过图像二值化将提取的水体部分导出形成水体影像；
根据城市阴影指数对水体影像进行阴影去除，并进一步通过阴影与水面的纹理特性对水体影像进行修正，获取修正影像；
根据黑臭水体的可见波段反射率以及红外波段的反射率，以及黑臭水体在蓝绿光波段之间的差距，提取修正影像中的黑臭水体，生成黑臭水体遥感制图影像。
黑臭水体的可见波段反射率以及红外波段的反射率，是指其在高分二号反射率影像上可见光波段反射率以及近红外波段反射率，此数据为预先收集的数据，为了保证数据的准确性，在实际的操作过程中，可优选为现场采样分析。
需要注意的是，这里的水体影像包含有水体，以及水体的矢量边界，实际在进行阴影去除时，其是以水体的矢量边界作为约束，根据城市阴影指数对水体进行阴影去除。
通过单波段提取水体具体包括：
获取反射率影像中近红外波段影像，并提取近红外波段影像中水体及地物的像元值；
设定提取阈值，并根据提取阈值完成对水体的提取。
图像二值化，就是将图像上的像素点的灰度值设置为0或255，也就是将整个图像呈现出明显的黑白效果的过程，便于后期对提取的水体影像进行处理。
城市中桥梁建筑错综复杂，在提取时水体与阴影混淆，这里主要是通过将其全部提取出来，然后在后期对整体提取的图像进行去除阴影的方式，来以此获得实际水体图像。
由于水体和阴影在近红外波段都是低反射率地物，因此使用单波段阈值法提取的水体中往往存在很多错分的阴影，要对其进行去除，而阴影去除的方法大致可以分为基于颜色空间变换与波段计算的方法、基于光照模型的方法以及基于机器学习的方法等。
基于颜色空间变化与波段计算的方法无法将阴影完全去除，会留有很多细碎图斑，由于黑臭水体本身面积比较小，这些细碎的错分图斑会严重影响到提取的精度，增加虚警率；基于光照模型的方法需要很多的复杂参数，在实际应用很难获得这些参数；基于机器学习的方法往往需要人工选取大量样本，不利于广泛的推广与应用；除此之外，由于黑臭水体往往深度较浅，受限于DEM数据的分辨率及精度，无法有效利用地形信息去除阴影；在高分辨率的影像上，时间序列影像去除阴影也无法达到较好的精度。
由于阴影所投射下垫面的复杂性，其光谱曲线具有不确定性，在高分二号影像仅有的四个波段信息中，无法区分黑臭水体与阴影，因此这里采用先将水体大致提取出来，通过逐步的去除阴影实现对水体的精准提取。
对水体影像中阴影部分进行去除的整体步骤为：
以水体影像中的水体边界作为约束计算城市阴影指数；
通过城市阴影指数对水体影像中的阴影进行识别和去除。
在实际的阴影去除过程中，其需要以每个水体的水体边界作为约束，来计算每个水体内部的城市阴影指数的平均值，以确保在通过城市阴影指数对水体影像中的阴影进行识别和去除时，能够更加的精准。
获取高分二号反射率影像中水体的红、绿、蓝波波段，并进行低通滤波处理，消除水体和阴影内部的异常值；
对低通滤波结果进行标准化处理的公式为：
其中，bi为第i波段标准化后的结果；
bandi为第i波段的低通滤波后的影像。
这里优选为通过ENVI软件中的bandmath工具进行运算，方便工作人员后续对数据进行管理。
对低通滤波处理结果进行标准化处理，并以水体影像中的水体边界，依次对标准化处理后的红、绿、蓝波波段进行分区统计的标准差计算，并进行标准差求和计算；
根据标准差求和计算结果中的水体区域以及阴影区域的像素值设定提取阈值；
根据提取阈值对通过城市阴影指数对水体影像进行阴影去除的影像进行二次水体提取，完成对水体影像的修正。
所进行的标准差求和计算，主要是在这三个波段的检测结果中，黑臭水体与正常水体的检测结果之间差异较小难以进行区分，这里主要是将数据的差异性变大，使工作人员在后续能够更加方便的对其进行区分。
这里的提取阈值同样基于此设定，避免黑臭水体与正常水体在标准化处理后的红、绿、蓝波波段数据差异性较小，而难以将其进行区分的问题。
城市阴影指数计算公式为：
其中，PixelBb、PixelBg、PixelBr和PixelBnir分别为水体影像中的一个像元在蓝、绿、红和近红波段的像元值。
去除阴影分为两部分，第一部分对水体中阴影部分进行粗略大范围的去除，第二部分则是对经过粗略处理的水体影像进行二次处理，实现更高精度的阴影去除。
在对黑臭水体提取前，需要工作人员现场采集相关的高光谱数据进行分析，并利用高光谱数据模拟高分二号卫星的等效宽波段，主要是用于避免高分二号卫星所采集的多光谱影像与实际的影像存在偏差，进而导致检测结果会出现较大偏差的问题。
高分二号卫星的光谱响应函数为：
其中，Req(λi)为第i波段的高分二号卫星等效宽波发射率；
Rrs(λ)为测量的高光谱数据；
F0(λ)为太阳常数。
而根据黑臭水体的可见波段反射率以及红外波段的反射率，提取修正影像中的黑臭水体，主要是正常水体中的叶绿素含量是影响水质的重要因素之一，当水中的藻类在厌氧环境下被分解时，水就会变得又黑又臭，而藻类死亡留下的叶绿素则会使黑臭水体在近红外波段的发射率出现明显的升高，由此来区分正常水体和黑臭水体。
以上在实际的区分正常水体和黑臭水体时，其是通过上述两种特征来综合对黑臭水体进行提取，进一步增加对黑臭水体提取的精准度。
对黑臭水的提取还包括：
对修正影像中的水体进行波段计算，提取黑臭水体与普通水体的像素值；
根据黑臭水体和普通水体的像素值，设定黑臭水体提取阈值；
根据黑臭水体提取阈值，完成对黑臭水体的提取。
黑臭水体的提取阈值根据实际的情况进行设定，这里主要是预先采集相应的黑臭水体样本和非臭水体样本，对黑臭水体样本以及非黑臭水体中的蓝、绿和近红外波段进行检测计算，获取黑臭水体样本和非黑臭水体的结果范围值，因黑臭水体和非黑臭水体的蓝、绿和近红外波段存在一定差异，因此黑臭水体样本和非黑臭水体的结果范围值也会存在一定差异，黑臭水体提取阈值则在此差异范围内进行选取，以此区分黑臭水体和非黑水体。
进一步在实际的计算过程中，通过黑臭水体提取阈值来实现对黑臭水体的精准提取。
对黑臭水体进行提取的公式为：
(BG-BB)·(BG-BNIR)<h
其中，BB、BG和BNIR分别为修正影像的蓝、绿和近红外波段；
h为黑臭水提取阈值。
在实际的计算过程中，可优选为通过ENVI软件中的bandmath工具对其按照上述公式进行波段计算，并查看黑臭水体与普通水体的像素值，以此黑臭水提取阈值，获取黑臭水体的提取结果。
还包括对黑臭水体遥感制图影像进行验证，对黑臭水体遥感制图影像进行验证的公式为：
其中，AR为黑臭水体的提取精度；
FAR为虚警率；
T为黑臭水体采样点的数量；
F为非黑臭水体采样点的数量；
TT为是黑臭水的同时，又被探测出来的采样点数量；
FF为是黑臭水，但未被探测出来的采样点数量；
TF为非黑臭水，但被检测为目标的样本点数量。
即用于在后期验证对黑臭水体的提取精度，进而可便于工作人员根据提取精度对相应的提取阈值做出适应性修改，进一步提高检测的精准度。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。
Claims (9)
1.一种基于阴影去除的城市黑臭水体遥感制图方法，其特征在于，包括：
获取高质量的高分二号卫星多光谱影像，并对获取的影像进行正射校正、辐射校正以及flaash大气校正，以获取遥感反射率影像；
通过单波段阈值法对遥感反射率影像中的水体进行提取，并通过图像二值化将提取的水体部分导出形成水体影像；
根据城市阴影指数对水体影像进行阴影去除，并进一步通过阴影与水面的纹理特性对水体影像进行修正，获取修正影像；
根据黑臭水体的可见波段反射率以及红外波段的反射率，以及黑臭水体在蓝绿光波段之间的差距，提取修正影像中的黑臭水体，生成黑臭水体遥感制图影像。
2.根据权利要求1所述的一种基于阴影去除的城市黑臭水体遥感制图方法，其特征在于，通过单波段提取水体具体包括：
获取反射率影像中近红外波段影像，并提取近红外波段影像中水体及地物的像元值；
设定提取阈值，并根据提取阈值完成对水体的提取。
3.根据权利要求1所述的一种基于阴影去除的城市黑臭水体遥感制图方法，其特征在于，对所述水体影像进行阴影去除的具体方法包括：
以水体影像中的水体边界作为约束计算城市阴影指数；
通过城市阴影指数对水体影像中的阴影进行识别和去除。
4.根据权利要求3所述的一种基于阴影去除的城市黑臭水体遥感制图方法，其特征在于，所述城市阴影指数计算公式为：
其中，PixelBb、PixelBg、PixelBr和PixelBnir分别为水体影像中的一个像元在蓝、绿、红和近红波段的像元值。
5.根据权利要求1所述的一种基于阴影去除的城市黑臭水体遥感制图方法，其特征在于，对所述水体影像进行修正的具体方法包括：
获取高分二号反射率影像中水体的红、绿、蓝波波段，并进行低通滤波处理，消除水体和阴影内部的异常值；
对低通滤波处理结果进行标准化处理，并以水体影像中的水体边界，依次对标准化处理后的红、绿、蓝波波段进行分区统计的标准差计算，并进行标准差求和计算；
根据标准差求和计算结果中的水体区域以及阴影区域的像素值设定提取阈值；
根据提取阈值对通过城市阴影指数对水体影像进行阴影去除的影像进行二次水体提取，完成对水体影像的修正。
6.根据权利要求5所述的一种基于阴影去除的城市黑臭水体遥感制图方法，其特征在于，对低通滤波结果进行标准化处理的公式为：
其中，bi为第i波段标准化后的结果；
bandi为第i波段的低通滤波后的影像。
7.根据权利要求1所述的一种基于阴影去除的城市黑臭水体遥感制图方法，其特征在于，对所述黑臭水的提取还包括：
对修正影像中的水体进行波段计算，提取黑臭水体与普通水体的像素值；
根据黑臭水体和普通水体的像素值，设定黑臭水体提取阈值；
根据黑臭水体提取阈值，完成对黑臭水体的提取。
8.根据权利要求7所述的一种基于阴影去除的城市黑臭水体遥感制图方法，其特征在于，对所述黑臭水体进行提取的公式为：
(BG-BB)·(BG-BNIR)<h
其中，BB、BG和BNIR分别为修正影像的蓝、绿和近红外波段；
h为黑臭水提取阈值。
9.根据权利要求1所述的一种基于阴影去除的城市黑臭水体遥感制图方法，其特征在于，还包括对黑臭水体遥感制图影像进行验证，对所述黑臭水体遥感制图影像进行验证的公式为：
其中，AR为黑臭水体的提取精度；
FAR为虚警率；
T为黑臭水体采样点的数量；
F为非黑臭水体采样点的数量；
TT为是黑臭水的同时，又被探测出来的采样点数量；
FF为是黑臭水，但未被探测出来的采样点数量；
TF为非黑臭水，但被检测为目标的样本点数量。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110635920.0A CN113450425B (zh) | 2021-06-08 | 2021-06-08 | 一种基于阴影去除的城市黑臭水体遥感制图方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110635920.0A CN113450425B (zh) | 2021-06-08 | 2021-06-08 | 一种基于阴影去除的城市黑臭水体遥感制图方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113450425A true CN113450425A (zh) | 2021-09-28 |
| CN113450425B CN113450425B (zh) | 2023-07-28 |
Family
ID=77811025
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110635920.0A Active CN113450425B (zh) | 2021-06-08 | 2021-06-08 | 一种基于阴影去除的城市黑臭水体遥感制图方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113450425B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115294461A (zh) * | 2022-10-10 | 2022-11-04 | 中国电建集团山东电力建设第一工程有限公司 | 基于bim和遥感图像的电力设施塌斜评估方法及系统 |
| CN118009914A (zh) * | 2024-04-08 | 2024-05-10 | 上海中医药大学附属岳阳中西医结合医院 | 基于红外光谱的智能艾灸机器人部件温度变形监测方法 |
| CN118038191A (zh) * | 2024-04-11 | 2024-05-14 | 山东农业大学 | 融合阴影动态变化的城市下垫面识别方法、系统、装置 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN109300133A (zh) * | 2018-11-19 | 2019-02-01 | 珠江水利委员会珠江水利科学研究院 | 一种城市河网区水体提取方法 |
| CN109374537A (zh) * | 2018-09-30 | 2019-02-22 | 中国科学院遥感与数字地球研究所 | 城市黑臭水体识别方法及装置 |
| CN111426637A (zh) * | 2020-04-16 | 2020-07-17 | 江苏省环境监测中心 | 一种利用无人机获取城市黑臭河流水质参数的方法 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107167431B (zh) * | 2017-05-26 | 2019-07-05 | 中国科学院遥感与数字地球研究所 | 一种基于光谱指数模型的黑臭水体识别方法及系统 |
| CN108645853A (zh) * | 2018-05-11 | 2018-10-12 | 南京吉泽信息科技有限公司 | 一种黑臭水体遥感识别的比值指数方法 |
| CN111272662B (zh) * | 2019-11-18 | 2022-07-26 | 深圳市深水水务咨询有限公司 | 一种基于遥感光谱的城市黑臭水体识别方法 |
| CN112014331A (zh) * | 2020-08-21 | 2020-12-01 | 中国第一汽车股份有限公司 | 一种水体污染的检测方法、装置、设备以及存储介质 |
-
2021
- 2021-06-08 CN CN202110635920.0A patent/CN113450425B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN109374537A (zh) * | 2018-09-30 | 2019-02-22 | 中国科学院遥感与数字地球研究所 | 城市黑臭水体识别方法及装置 |
| CN109300133A (zh) * | 2018-11-19 | 2019-02-01 | 珠江水利委员会珠江水利科学研究院 | 一种城市河网区水体提取方法 |
| CN111426637A (zh) * | 2020-04-16 | 2020-07-17 | 江苏省环境监测中心 | 一种利用无人机获取城市黑臭河流水质参数的方法 |
Non-Patent Citations (3)
| Title |
|---|
| HONG FANG 等: "Detection of Building Shadow in Remote Sensing Imagery of Urban Areas With Fine Spatial Resolution Based on Saturation and Near-Infrared Information", 《IEEE JOURNAL OF SELECTED TOPICS IN APPLIED EARTH OBSERVATIONS AND REMOTE SENSING》 * |
| WEIWU 等: "wo-Step Urban Water Index (TSUWI): A New Technique for High-Resolution Mapping of Urban Surface Water", 《REMOTE SENSING》 * |
| 胡国庆 等: "基于高分二号的城市黑臭水体动态监测", 《国土资源遥感》 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115294461A (zh) * | 2022-10-10 | 2022-11-04 | 中国电建集团山东电力建设第一工程有限公司 | 基于bim和遥感图像的电力设施塌斜评估方法及系统 |
| CN118009914A (zh) * | 2024-04-08 | 2024-05-10 | 上海中医药大学附属岳阳中西医结合医院 | 基于红外光谱的智能艾灸机器人部件温度变形监测方法 |
| CN118009914B (zh) * | 2024-04-08 | 2024-06-11 | 上海中医药大学附属岳阳中西医结合医院 | 基于红外光谱的智能艾灸机器人部件温度变形监测方法 |
| CN118038191A (zh) * | 2024-04-11 | 2024-05-14 | 山东农业大学 | 融合阴影动态变化的城市下垫面识别方法、系统、装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113450425B (zh) | 2023-07-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113450425A (zh) | 一种基于阴影去除的城市黑臭水体遥感制图方法 | |
| CN109374537B (zh) | 城市黑臭水体识别方法及装置 | |
| WO2022252242A1 (zh) | 一种基于多光谱图像的水污染区域识别方法和系统 | |
| CN111832518B (zh) | 基于时空融合的tsa遥感影像土地利用方法 | |
| WO2016142651A1 (en) | Method and apparatus for processing spectral images | |
| CN106778629B (zh) | 大棚识别方法及装置 | |
| CN112541921A (zh) | 城市绿地植被信息数据化精准测定方法 | |
| CN111007013B (zh) | 面向东北冷凉区的作物轮作休耕遥感监测方法与装置 | |
| CN110376202B (zh) | 基于成像高光谱技术的茶树炭疽病病斑识别方法 | |
| CN117636185B (zh) | 基于图像处理的松材线虫病检测系统 | |
| CN115439759B (zh) | 遥感影像中植被的提取方法、装置、电子设备及介质 | |
| CN110987955A (zh) | 一种基于决策树的城市黑臭水体分级方法 | |
| CN112329790B (zh) | 一种城市不透水面信息快速提取方法 | |
| CN113327214B (zh) | 一种连续时间序列水体遥感制图方法 | |
| CN111553922A (zh) | 一种卫星遥感影像自动云检测方法 | |
| CN111060455B (zh) | 面向东北冷凉区的遥感图像作物标记方法和装置 | |
| CN112052757B (zh) | 火烧迹地信息提取方法、装置、设备和存储介质 | |
| CN113011354A (zh) | 基于深度学习的无人机高光谱影像松材线虫病识别方法 | |
| 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 | |
| CN114781537A (zh) | 一种基于高分辨率卫星影像的入海排口疑似排污识别方法 | |
| CN117115077A (zh) | 一种湖泊蓝藻水华检测方法 | |
| CN102184389B (zh) | 用于心材与边材高色差树种的年轮自动识别方法 | |
| Kaewmanee | Pseudo invariant calibration sites: PICS evolution | |
| JP5481140B2 (ja) | スペクトル解析装置 | |
| CN110929739A (zh) | 一种自动化的不透水面范围遥感迭代提取方法 |
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 |