CN113610714B - 一种基于遥感的河口海岸水动力信息增强显示方法 - Google Patents
一种基于遥感的河口海岸水动力信息增强显示方法 Download PDFInfo
- Publication number
- CN113610714B CN113610714B CN202110518353.0A CN202110518353A CN113610714B CN 113610714 B CN113610714 B CN 113610714B CN 202110518353 A CN202110518353 A CN 202110518353A CN 113610714 B CN113610714 B CN 113610714B
- Authority
- CN
- China
- Prior art keywords
- image
- color image
- remote sensing
- false color
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 52
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 60
- 238000012937 correction Methods 0.000 claims description 20
- 230000002708 enhancing effect Effects 0.000 claims description 9
- 238000003384 imaging method Methods 0.000 claims description 9
- 230000002452 interceptive effect Effects 0.000 claims description 8
- 230000005855 radiation Effects 0.000 claims description 6
- 238000002310 reflectometry Methods 0.000 claims description 5
- 239000000443 aerosol Substances 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 abstract description 6
- 230000003287 optical effect Effects 0.000 abstract description 4
- 230000003595 spectral effect Effects 0.000 abstract description 2
- 230000000694 effects Effects 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 3
- 238000013016 damping Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 239000003086 colorant Substances 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000004445 quantitative analysis Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 239000004576 sand Substances 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 239000000700 radioactive tracer Substances 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 239000013049 sediment Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于遥感的河口海岸水动力信息增强显示方法,基于光学遥感影像,根据陆域植被和水体光谱特征,首先将遥感影像分别以不同波段组合方式成像并进行增强显示,提取假彩色合成影像的水域,之后将水域和真彩色陆域进行镶嵌,最后得到突出显示水体流态信息而又真实表达陆域信息的河口海岸区水动力信息分析图件。相较于现有技术,利用本发明方法处理后的水动力分析影像色彩鲜明、图像丰富、层次好,不仅能使得水体水动力信息得到增强显示,同时又能真实表达陆域植被信息。
Description
技术领域
本发明涉及遥感技术领域,具体涉及一种基于遥感的河口海岸水动力信息增强显示方法。
背景技术
河口海岸地区往往是人口密集、经济高度发达的地区,同时又受到径流、潮流、波浪、泥沙等多重因子共同作用,水流流速、流向多变,泥沙输运复杂。准确掌握河口海岸地区的潮流流向、流态以及泥沙输移特征等动力信息,是开展河口海岸相关科学研究、规划制定、工程论证等工作的前提。
相对于传统的站点式水文观测方法,利用遥感技术开展河口海岸地区的流态、泥沙等的水动力监测,具有监测范围广、成本低、效率高等优势。根据数据源的不同,利用遥感影像开展河口海岸区的水动力信息监测主要包括定性、半定量、定量等方法,其中定性、半定量方法基于光学卫星影像,定量方法主要基于雷达、微波数据源,但在河口海岸等近岸水体流速反演精度相对较差。
基于光学卫星的水动力定性分析方法,主要是在对遥感影像进行整体增强的基础上,以河口海岸区的泥沙为示踪剂,结合相关潮位、流速等实测资料,对研究区的宏观流场、流势及悬沙空间分布特征进行目视解译和分析。遥感影像波段组合和成像后拉伸增强效果会对解译结果产生直接影响,在进行影像处理时,一般以红光、绿光、蓝光的真彩色波段组合或近红外、红光、绿光的假彩色波段组合进行成像,同时对影像进行整体拉伸增强,最后制作流态分析的基础图件;若以红光、绿光、蓝光的真彩色波段组合进行成像,水体整体偏暗,层次感不强,难以突出显示河口流态信息;若以近红外、红光、绿光的假彩色波段组合进行成像,虽然河口流态信息可以得到突出显示,但由于植被对红光的强吸收作用,陆地区域一般显示为红色,不能真实反映陆域情况,同时基础图件不美观。
发明内容
针对现有技术的不足,本发明旨在提供一种基于遥感的河口海岸水动力信息增强显示方法。
为了实现上述目的,本发明采用如下技术方案:
一种基于遥感的河口海岸水动力信息增强显示方法,包括如下步骤:
S1、对原始的遥感影像进行辐射校正;
S2、对经过辐射校正的影像进行大气校正;
S3、对于经过步骤S2处理的影像,分别以红光、绿光、蓝光波段组合生成真彩色影像和以近红外、红光、绿光波段组合生成假彩色影像,并采用交互式线性拉伸方法分别对获得的真彩色影像和假彩色影像进行增强;
S4、根据归一化水体指数NDWI提取步骤S3中经过增强的假彩色影像的水域部分;
S5、将步骤S4获得的假彩色影像的水域部分的影像对位到步骤S3中经过增强的真彩色影像的水域部分的上方进行镶嵌。
进一步地,步骤S1的具体过程为:获取卫星数据公布的辐射定标方法和定标参数,对原始的遥感影像进行辐射定标,获得辐射亮度影像。
进一步地,步骤S2的具体过程为:
S2.1、打开ENVI FLAASH大气校正模块,导入经过步骤S1处理的影像文件;
S2.2、输入传感器类型、图像区域平均海拔、成像时间;
S2.3、设置大气模型、气溶胶模型的类型,完成大气校正。
进一步地,步骤S3的具体过程为:
将经过步骤S2大气校正后的影像以红光、绿光、蓝光波段组合方式生成真彩色影像,然后采用交互式线性拉伸方法对真彩色影像进行增强,将增强后的真彩色影像保存为新的影像文件;
将经过步骤S2大气校正后的影像以近红外、红光、绿光波段组合方式生成假彩色影像,然后采用交互式线性拉伸方法对假彩色影像进行增强,将增强后的假彩色影像保存为新的影像文件。
进一步地,步骤S4的具体过程为:
S4.1、利用经过步骤S2大气校正后的影像的反射率计算归一化水体指数:
其中,Rw(NIR)和Rw(GREEN)分别表示近红外波段和绿光波段的反射率;
S4.2、确定归一化水体指数阈值,生成水陆二值图像,之后将水陆二值图像通过栅格转矢量转换为矢量文件;
S4.3、利用步骤S4.2得到的矢量文件对步骤S3中经过增强的假彩色影像的水域部分进行提取并保存为新的影像文件。
更进一步地,步骤S5的具体过程为:将步骤S4生成的假彩色影像的水域部分的影像置于步骤S3中经过增强的真彩色影像的上方并进行镶嵌,忽略假彩色影像的水域部分的影像的0值,同时不考虑假彩色影像的水域部分的影像和真彩色影像之间的颜色平衡。
本发明的有益效果在于:本发明方法基于光学遥感影像,根据陆域植被和水体光谱特征,首先将遥感影像分别以不同波段组合方式成像并进行增强显示,提取假彩色合成影像的水域,之后将水域和真彩色陆域进行镶嵌,最后得到突出显示水体流态信息而又真实表达陆域信息的河口海岸区水动力信息分析图件。相较于现有技术,利用本发明方法处理后的水动力分析影像色彩鲜明、图像丰富、层次好,不仅能使得水体水动力信息得到增强显示,同时又能真实表达陆域植被信息。
附图说明
图1为本发明实施例的方法流程示意图;
图2为本发明实施例中Landsat8卫星影像增强后的真彩色影像;
图3为本发明实施例中Landsat8卫星影像增强后的假彩色影像;
图4为本发明实施例中Landsat8卫星影像经过本发明方法处理后水动力信息增强显示效果图;
图5为本发明实施例中GF1卫星影像增强后的真彩色影像;
图6为本发明实施例中GF1卫星影像增强后的假彩色影像;
图7为本发明实施例中GF1卫星影像经本发明方法处理后水动力信息增强显示效果图。
具体实施方式
以下将结合附图对本发明作进一步的描述,需要说明的是,本实施例以本技术方案为前提,给出了详细的实施方式和具体的操作过程,但本发明的保护范围并不限于本实施例。
本实施例以广西钦江河口湾2013年12月4日Landsat8卫星影像、广东珠江河口2016年12月27日GF1卫星影像数据作为示例,详细说明一种基于遥感的河口海岸水动力信息增强显示的方法的具体过程为,如图1所示:
1、获取卫星数据的辐射定标参数:对于国外卫星影像数据,定标参数一般从头文件中读取;国产卫星数据定标参数变化比较频繁,可从中国资源卫星中心官网(URL:http://www.cresda.com/CN/)查询。
本实施例中,对于2013年12月4日Landsat8卫星影像,定标参数从头文件中读取;2016年12月27日GF1影像定标参数从中国资源卫星中心官网(URL:http://www.cresda.com/CN/)查询。
2、对原始的遥感图像数据进行辐射校正:根据卫星数据公布的辐射定标方法及定标参数,对原始的遥感影像数据进行辐射定标,获得辐射亮度影像L(λ)。辐射亮度值按下式计算:
L(λ)=Gain*DN+Bias (1)
式中,L(λ)为转换后的辐亮度值,单位为W/(m2.μm.sr),λ为卫星传感器各通道的中心波长,单位μm;DN为卫星载荷观测值;Gain为定标斜率,Bias为定标截距,GF1号卫星参数均可从相关网站查询获取。
3、打开ENVI FLAASH大气校正模块,导入辐射亮度影像;
4、输入卫星数据传感器类型、图像区域平均海拔、成像时间等传感器与图像信息;
5、设置大气模型、气溶胶模型的类型,完成大气校正。
6、将大气校正后的影像以红光、绿光、蓝光波段组合方式生成真彩色影像,采用交互式线性拉伸方法对真彩色影像进行增强。真彩色影像重点突出显示陆域植被信息,同时确保图像丰富、色彩鲜明、层次好;将增强后的真彩色影像保存为新的影像文件。
7、将大气校正后的影像以近红外、红光、绿光波段组合方式生成假彩色影像,采用交互式线性拉伸方法对假彩色影像进行增强。假彩色影像重点突出显示水体流态、悬沙等信息,同时确保图像丰富、色彩鲜明、层次好;将增强后的假彩色影像保存为新的影像文件。
8、利用大气校正过遥感影像反射率计算归一化水体指数:
其中,Rw(NIR)、Rw(GREEN)分别表示近红外波段、绿光波段的反射率。计算过程可通过ArcGIS或ENVI波段运算功能实现。
确定归一化水体指数阈值,本实施例中,对于两景影像阈值均取0,对于NDWI>0判定为水体,生成水陆二值图像,计算过程可通过ArcGIS或ENVI波段运算功能实现。利用ArcGIS中栅格转矢量工具将水陆二值图像转换为矢量文件。
9、利用步骤8获得的水域矢量文件对步骤7得到的假彩色影像的水域部分进行提取,将提取出来的假彩色影像的水域部分的影像保存为新的影像文件。
10、将步骤9生成的将假彩色影像的水域部分对位到步骤6的真彩色影像的水域部分的上方然后进行镶嵌,忽略假彩色影像的水域部分的影像的0值,同时忽略假彩色影像和真彩色影像之间的颜色平衡;将镶嵌后的影像保存为新的影像文件。
需要说明的是,步骤6、7、8都是对大气校正后的遥感图像进行处理或计算,三者的先后顺序可以调整。
图2为Landsat8影像红光、绿光、蓝光波段组合增强后的钦江河口湾流态图,图3为同景影像近红外、红光、绿光波段组合后流态图,图4为利用上述方法将两者镶嵌后的流态图。与图2相比,图4中钦江河口湾落潮阶段高含沙水体流向、流路得到了增强显示,同时外海低含沙水体颜色偏蓝,色调偏暗,与河口湾落潮水体对比鲜明,层次好,图像水体信息更为丰富,更好地显示了钦江河口湾落潮阶段的径潮相互作用。与图3相比,图4的水域信息与图3一致,但陆域以真彩色显示,真实反映了陆域尤其是植被信息,图像色彩更鲜明,成像效果更为美观。
图5为GF1卫星影像红光、绿光、蓝光波段组合增强后的珠江河口湾流态图,图6为同景影像近红外、红光、绿光波段组合后流态图,图7为采用本方法将两者镶嵌后的流态图。与图5相比,图7中珠江河口湾涨潮阶段高含沙水体流向、流路得到了增强显示,同时外海低含沙水体颜色偏蓝,色调偏暗,与河口湾落潮水体对比鲜明,层次好,图像水体信息更为丰富,能清晰显示涨潮流流路,更好地展示了珠江河口湾落潮阶段的径潮相互作用。与图6相比,图7中的水域信息与图6一致,但陆域以真彩色显示,真实反映了陆域尤其是植被信息,图像色彩更鲜明,成像效果更为美观。
对于本领域的技术人员来说,可以根据以上的技术方案和构思,给出各种相应的改变和变形,而所有的这些改变和变形,都应该包括在本发明权利要求的保护范围之内。
Claims (6)
1.一种基于遥感的河口海岸水动力信息增强显示方法,其特征在于,包括如下步骤:
S1、对原始的遥感影像进行辐射校正;
S2、对经过辐射校正的影像进行大气校正;
S3、对于经过步骤S2处理的影像,分别以红光、绿光、蓝光波段组合生成真彩色影像和以近红外、红光、绿光波段组合生成假彩色影像,并采用交互式线性拉伸方法分别对获得的真彩色影像和假彩色影像进行增强;
S4、根据归一化水体指数NDWI提取步骤S3中经过增强的假彩色影像的水域部分;
S5、将步骤S4获得的假彩色影像的水域部分的影像对位到步骤S3中经过增强的真彩色影像的水域部分的上方进行镶嵌。
2.根据权利要求1所述的方法,其特征在于,步骤S1的具体过程为:获取卫星数据公布的辐射定标方法和定标参数,对原始的遥感影像进行辐射定标,获得辐射亮度影像。
3.根据权利要求1所述的方法,其特征在于,步骤S2的具体过程为:
S2.1、打开ENVI FLAASH大气校正模块,导入经过步骤S1处理的影像文件;
S2.2、输入传感器类型、图像区域平均海拔、成像时间;
S2.3、设置大气模型、气溶胶模型的类型,完成大气校正。
4.根据权利要求1所述的方法,其特征在于,步骤S3的具体过程为:
将经过步骤S2大气校正后的影像以红光、绿光、蓝光波段组合方式生成真彩色影像,然后采用交互式线性拉伸方法对真彩色影像进行增强,将增强后的真彩色影像保存为新的影像文件;
将经过步骤S2大气校正后的影像以近红外、红光、绿光波段组合方式生成假彩色影像,然后采用交互式线性拉伸方法对假彩色影像进行增强,将增强后的假彩色影像保存为新的影像文件。
6.根据权利要求1或5所述的方法,其特征在于,步骤S5的具体过程为:将步骤S4生成的假彩色影像的水域部分的影像置于步骤S3中经过增强的真彩色影像的上方并进行镶嵌,忽略假彩色影像的水域部分的影像的0值,同时不考虑假彩色影像的水域部分的影像和真彩色影像之间的颜色平衡。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110518353.0A CN113610714B (zh) | 2021-05-12 | 2021-05-12 | 一种基于遥感的河口海岸水动力信息增强显示方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110518353.0A CN113610714B (zh) | 2021-05-12 | 2021-05-12 | 一种基于遥感的河口海岸水动力信息增强显示方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113610714A CN113610714A (zh) | 2021-11-05 |
CN113610714B true CN113610714B (zh) | 2022-02-22 |
Family
ID=78336433
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110518353.0A Active CN113610714B (zh) | 2021-05-12 | 2021-05-12 | 一种基于遥感的河口海岸水动力信息增强显示方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113610714B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102063710A (zh) * | 2009-11-13 | 2011-05-18 | 烟台海岸带可持续发展研究所 | 一种遥感图像融合增强的实现方法 |
CN103364793A (zh) * | 2013-07-11 | 2013-10-23 | 兰州交通大学 | 基于spot5影像的水体自动提取方法 |
CN105046087A (zh) * | 2015-08-04 | 2015-11-11 | 中国资源卫星应用中心 | 一种遥感卫星多光谱影像的水体信息自动提取方法 |
CN111104889A (zh) * | 2019-12-04 | 2020-05-05 | 山东科技大学 | 一种基于U-net的水体遥感识别方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI482121B (zh) * | 2011-04-28 | 2015-04-21 | Univ Nat Central | The method of correcting the color of the image |
CN108537795A (zh) * | 2018-04-23 | 2018-09-14 | 中国科学院地球化学研究所 | 一种山区河流信息提取方法 |
-
2021
- 2021-05-12 CN CN202110518353.0A patent/CN113610714B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102063710A (zh) * | 2009-11-13 | 2011-05-18 | 烟台海岸带可持续发展研究所 | 一种遥感图像融合增强的实现方法 |
CN103364793A (zh) * | 2013-07-11 | 2013-10-23 | 兰州交通大学 | 基于spot5影像的水体自动提取方法 |
CN105046087A (zh) * | 2015-08-04 | 2015-11-11 | 中国资源卫星应用中心 | 一种遥感卫星多光谱影像的水体信息自动提取方法 |
CN111104889A (zh) * | 2019-12-04 | 2020-05-05 | 山东科技大学 | 一种基于U-net的水体遥感识别方法 |
Non-Patent Citations (2)
Title |
---|
River Delineation from Remotely Sensed Imagery Using a Multi-Scale Classification Approach;Kang Yang et al;《IEEE JOURNAL OF SELECTED TOPICS IN APPLIED EARTH OBSERVATIONS AND REMOTE SENSING》;20141231;全文 * |
基于光谱信息的指定地物遥感图像彩色增强方法——以湖泊蓝藻水华为例;蒋钰;《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》;20190115;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113610714A (zh) | 2021-11-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109581372B (zh) | 一种生态环境遥感监测方法 | |
De Keukelaere et al. | Atmospheric correction of Landsat-8/OLI and Sentinel-2/MSI data using iCOR algorithm: validation for coastal and inland waters | |
Pozdnyakov et al. | Operational algorithm for the retrieval of water quality in the Great Lakes | |
CN102176001B (zh) | 一种基于透水波段比值因子的水深反演方法 | |
CN105651263B (zh) | 浅海水深多源遥感融合反演方法 | |
CN109974665B (zh) | 一种针对缺少短波红外数据的气溶胶遥感反演方法及系统 | |
de Wildt et al. | Operational snow mapping using multitemporal Meteosat SEVIRI imagery | |
CN109059796A (zh) | 无水深控制点区域的浅海水深多光谱卫星遥感反演方法 | |
Pan et al. | Remote sensing of picophytoplankton distribution in the northern South China Sea | |
CN109145494B (zh) | 一种海面温度反演方法及系统 | |
CN111008664B (zh) | 一种基于空谱联合特征的高光谱海冰检测方法 | |
CN113970376B (zh) | 一种基于海洋区域再分析资料的卫星红外载荷定标方法 | |
CN107966210B (zh) | 基于高光谱图像的热红外融合重构方法 | |
CN108256186A (zh) | 一种在线计算查找表的逐像元大气校正方法 | |
US9383478B2 (en) | System and method for atmospheric parameter enhancement | |
CN114564767A (zh) | 一种基于太阳-云-卫星观测几何的云下地表温度估算方法 | |
CN114266958A (zh) | 一种基于云平台的红树林遥感快速精准提取方法 | |
CN111561916B (zh) | 一种基于四波段多光谱遥感图像的浅海水深无控提取方法 | |
CN116822141A (zh) | 利用卫星微光遥感反演夜间大气气溶胶光学厚度的方法 | |
Hoarau | Reaching a compromise between contextual constraints and cartographic rules: Application to sustainable maps | |
CN113610714B (zh) | 一种基于遥感的河口海岸水动力信息增强显示方法 | |
CN112257531B (zh) | 基于多样性特征联合的林地变化遥感监测方法 | |
Tang et al. | Multi-source high-resolution satellite products in Yangtze Estuary: cross-comparisons and impacts of signal-to-noise ratio and spatial resolution | |
Li et al. | Multi-sensor multispectral reconstruction framework based on projection and reconstruction | |
Li | Dynamic monitoring algorithm of natural resources in scenic spots based on MODIS Remote Sensing technology |
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 |