CN113706387A - 一种适合低山丘陵地区农作物提取遥感底图的获取方法 - Google Patents

一种适合低山丘陵地区农作物提取遥感底图的获取方法 Download PDF

Info

Publication number
CN113706387A
CN113706387A CN202111114283.9A CN202111114283A CN113706387A CN 113706387 A CN113706387 A CN 113706387A CN 202111114283 A CN202111114283 A CN 202111114283A CN 113706387 A CN113706387 A CN 113706387A
Authority
CN
China
Prior art keywords
image
multispectral
remote sensing
spatial resolution
crops
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.)
Withdrawn
Application number
CN202111114283.9A
Other languages
English (en)
Inventor
王克晓
周蕊
虞豹
黄祥
李波
查茜
王茜
詹火木
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.)
Chongqing Academy of Agricultural Sciences
Original Assignee
Chongqing Academy of Agricultural Sciences
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 Chongqing Academy of Agricultural Sciences filed Critical Chongqing Academy of Agricultural Sciences
Priority to CN202111114283.9A priority Critical patent/CN113706387A/zh
Publication of CN113706387A publication Critical patent/CN113706387A/zh
Withdrawn legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
    • G06T3/4053—Scaling of whole images or parts thereof, e.g. expanding or contracting based on super-resolution, i.e. the output image resolution being higher than the sensor resolution
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/14—Transformations for image registration, e.g. adjusting or mapping for alignment of images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/77—Retouching; Inpainting; Scratch removal
    • 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
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • 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
    • G06T2207/10036—Multispectral image; Hyperspectral image
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20112—Image segmentation details
    • G06T2207/20132—Image cropping
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20212—Image combination
    • G06T2207/20221—Image fusion; Image merging

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

一种适合低山丘陵地区农作物提取遥感底图的获取方法，涉及遥感图像数据处理领域，能够在保持Sentinel‑2遥感影像多光谱特征的前提下，将其空间分辨率10m/20m的提高到2m，处理结果可适用于农作物遥感分类信息提取。包括以下步骤：1)Sentinel‑2多光谱及成像近期GF‑1全色影像获取；2)多光谱影像大气校正；3)全色影像正射校正处理；4)多光谱影像空间分辨率增强处理；5)多光谱影像波段输出与叠合；6)多光谱影像与全色影像几何配准；7)多光谱影像与全色影像融合处理；8)融合影像坏点修复处理；9)裁剪。经本技术方法处理的高分辨率、多光谱遥感影像底图有助于对我国西南低山丘陵复杂地貌地区开展农作物分类识别研究，可有效提高丘陵山地农作物分类识别精度。

Description

一种适合低山丘陵地区农作物提取遥感底图的获取方法
技术领域
本发明属于遥感图像数据处理领域，具体涉及一种适合低山丘陵地区农作物提取遥感底图的获取方法。
背景技术
目前，较为常用的高空间分辨率遥感影像一般只有蓝色波段B、绿色波段G、红色波段R、近红外波段NIR等四个波段，其波段通道数量的限制在一定程度上制约了产品在农作物遥感分类识别研究中的应用前景。Sentinel-2遥感影像是新一代多光谱影像，具有高时间、高光谱分辨率的优势，包括13个光谱波段，空间分辨率为10m、20m和60m。其光谱涵盖可见光-红边-近红外-短波红外等光谱范围，更加有利于开展农作物及其它地物遥感分类识别研究。然而，在我国西南低山丘陵地块破碎地区，其空间分辨率仍然难以满足农作物遥感识别相关研究。于是，探索一种既能保持其多光谱特征，又能大幅度提高其空间分辨率的方法显得十分必要。
多光谱图像通常空间分辨率较低，而全色图像通常具有较高的空间分辨率，但缺乏光谱信息。通过利用全色光谱图像与多光谱图像融合技术得到具有较高空间分辨率的多光谱图像，是一种提高多光谱遥感图像空间分辨率的有效方法。因此，通过影像数据融合处理技术在保持Sentinel-2遥感多光谱影像的多波段特征的同时，将其空间分辨率提高到米级，能够有效提高我国西南丘陵山地破碎地区农作物分类识别精度，促进遥感技术在我国西南地区农作物遥感识别中的应用。
发明内容
有鉴于此，本发明提供一种适合低山丘陵地区农作物提取遥感底图的获取方法。
本发明为解决技术问题，所采用的技术方案如下：
一种适合低山丘陵地区农作物提取遥感底图的获取方法，其中，包括以下步骤：
S1、多光谱遥感影像及全色影像获取：获取研究区Sentinel-2多光谱L1C级别影像，包含10个空间分辨率为10m/20m的可见光-红边-近红外-短波红外波段和3个空间分辨率为60m的其它用途波段特征；获取与上述影像成像时间接近的研究区GF-1全色单波段影像；
S2、多光谱影像大气校正：对S1步骤中下载的L1C级别Sentinel-2多光谱影像进行大气校正，将地物像元反射率由大气顶层反射率转换为地表反射率，产品级别转换为L2A级别。如若产品级别已为L2A，则本步骤可以省略；
S3、全色影像正射校正：利用研究区DEM对S1步骤中下载的GF-1全色影像进行正射校正，消除地形对影像造成的几何影响。如若产品已经过正射校正，则本步骤可以省略；
S4、多光谱影像空间分辨率增强处理：对S2步骤中L2A级Sentinel-2多光谱影像产品中空间分辨率为20m的红边波段B5、B6、B7、B8A和短波红外B11、B12等共6个波段进行空间分辨率增强，在保持其地表反射率不变的同时，将其空间分辨率提高至10m；
S5、多光谱影像波段输出与叠合：对S2步骤中的空间分辨率为10m的蓝色波段B2、绿色波段B3、红色波段B4、近红外波段B8等4个波段以及S4步骤中的6个波段共计10个波段图像逐一进行图像归一化到[0,255]，并叠合为一个包含10个波段的多光谱图像；
S6、多光谱影像与全色影像几何配准：对S3及S5步骤中获得的全色影像及多光谱影像进行高精度几何配准，并保持坐标系统一致；
S7、多光谱影像与全色影像融合：选择10m空间分辨率的多光谱影像为低分辨率影像，选择2m空间分辨率的全色影像为高分辨率影像，对S6步骤中的全色影像及多光谱影像进行融合处理；
S8、融合后多光谱影像坏点修复：选择必要的矢量掩膜文件及合适的核尺寸，对S7步骤中多光谱融合影像进行快速坏点修复处理；
S9、裁剪：选择必要的矢量掩膜文件对S8步骤处理结果进行裁剪。
本发明的有益效果在于，既保持了Sentinel-2遥感影像的多光谱特征，又大幅度提高了其空间分辨率，将其空间分辨率从10m/20m提高到2m。本技术方法可以获取一组包含10个波段特征的高分辨率多光谱图像，更加有利于西南丘陵山地破碎地区开展农作物及其其它地物遥感分类识别研究。
附图说明
图1为本发明一种适合低山丘陵地区农作物提取遥感底图的获取方法的流程图。
图2为采用本技术方法的遥感影像融合局部效果对比图。
图3为不同波段原始图像与融合图像指标比较。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明作进一步详细描述。
本发明的优选实施方式中，遥感图像处理软件采用Sentinel ApplicationPlatform(SNAP)和The Environment for Visualizing Images(ENVI)实施。
一种适合低山丘陵地区农作物提取遥感底图的获取方法，如图1，包括以下步骤：
S1、多光谱遥感影像及全色影像获取：获取研究区Sentinel-2多光谱L1C级别影像，包含10个空间分辨率为10m/20m的可见光-红边-近红外-短波红外波段和3个空间分辨率为60m的其它用途波段特征；获取与上述影像成像时间接近的研究区GF-1全色单波段影像；
S2、多光谱影像大气校正：基于SNAP对S1步骤中下载的L1C级别Sentinel-2多光谱影像进行大气校正，将地物像元反射率由大气顶层反射率转换为地表反射率，产品级别转换为L2A级别。如若产品级别已为L2A，则本步骤可以省略；
S3、全色影像正射校正：利用研究区DEM对S1步骤中下载的GF-1全色影像进行正射校正，消除地形对影像造成的几何影响。如若产品已经过正射校正，则本步骤可以省略；
S4、多光谱影像空间分辨率增强处理：基于SNAP对S2步骤中L2A级Sentinel-2多光谱影像产品中空间分辨率为20m的红边波段B5、B6、B7、B8A和短波红外B11、B12等共6个波段进行空间分辨率增强，在保持其地表反射率不变的同时，将其空间分辨率提高至10m；
S5、多光谱影像波段输出与叠合：对S2步骤中的空间分辨率为10m的蓝色波段B2、绿色波段B3、红色波段B4、近红外波段B8等4个波段以及S4步骤中的6个波段共计10个波段图像逐一进行图像归一化到[0,255]，并叠合为一个包含10个波段的多光谱图像；
S6、多光谱影像与全色影像几何配准：利用ENVI对S3及S5步骤中获得的全色影像及多光谱影像进行高精度几何配准，并保持坐标系统一致；
S7、多光谱影像与全色影像融合：利用ENVI选择10m空间分辨率的多光谱影像为低分辨率影像，选择2m空间分辨率的全色影像为高分辨率影像，对S6步骤中的全色影像及多光谱影像进行融合处理；
S8、融合后多光谱影像坏点修复：利用ENVI选择必要的矢量掩膜文件及合适的核尺寸，对S7步骤中多光谱融合影像进行快速坏点修复处理；
S9、裁剪：选择必要的矢量掩膜文件对S8步骤处理结果进行裁剪，效果如图2。
表1为不同波段原始图像与融合图像的指标比较，融合后图像各波段均值均有所增加，标准差均有所减小，平均梯度值均有所增加，亮度有所提升，整体上融合图像细节反差和纹理变化的表达能力均得到增强，图像的清晰度有较大提高，与原始光谱特征相似程度保持较高。
本文中应用了具体步骤对本发明的技术流程进行了详细阐述，以上说明只是用于帮助理解本发明所采用的技术方法；同时，对于本领域的一般技术人员，基于本方法在具体实施方式及应用范围上均会有所改变，但不应理解为对本发明的限制。

Claims (2)

1.一种适合低山丘陵地区农作物提取遥感底图的获取方法，其特征在于，包括以下步骤：
S1、多光谱遥感影像及全色影像获取：获取研究区Sentinel-2多光谱L1C级别影像，包含10个空间分辨率为10m/20m的可见光-红边-近红外-短波红外波段和3个空间分辨率为60m的其它用途波段特征；获取与上述影像成像时间接近的研究区GF-1全色单波段影像；
S2、多光谱影像大气校正：对S1步骤中下载的L1C级别Sentinel-2多光谱影像进行大气校正，将地物像元反射率由大气顶层反射率转换为地表反射率，产品级别转换为L2A级别。如若产品级别已为L2A，则本步骤可以省略；
S3、全色影像正射校正：利用研究区DEM对S1步骤中下载的GF-1全色影像进行正射校正，消除地形对影像造成的几何影响。如若产品已经过正射校正，则本步骤可以省略；
S4、多光谱影像空间分辨率增强处理：对S2步骤中L2A级Sentinel-2多光谱影像产品中空间分辨率为20m的红边波段B5、B6、B7、B8A和短波红外B11、B12等共6个波段进行空间分辨率增强，在保持其地表反射率不变的同时，将其空间分辨率提高至10m；
S5、多光谱影像波段输出与叠合：对S2步骤中的空间分辨率为10m的蓝色波段B2、绿色波段B3、红色波段B4、近红外波段B8等4个波段以及S4步骤中的6个波段共计10个波段图像逐一进行图像归一化到[0,255]，并叠合为一个包含10个波段的多光谱图像；
S6、多光谱影像与全色影像几何配准：对S3及S5步骤中获得的全色影像及多光谱影像进行高精度几何配准，并保持坐标系统一致；
S7、多光谱影像与全色影像融合：选择10m空间分辨率的多光谱影像为低分辨率影像，选择2m空间分辨率的全色影像为高分辨率影像，对S6步骤中的全色影像及多光谱影像进行融合处理；
S8、融合后多光谱影像坏点修复：选择必要的矢量掩膜文件及合适的核尺寸，对S7步骤中多光谱融合影像进行快速坏点修复处理；
S9、裁剪：选择必要的矢量掩膜文件对S8步骤处理结果进行裁剪。
2.根据权利要求1所述的一种适合低山丘陵地区农作物提取遥感底图的获取方法，其特征在于，通过实施步骤S1至S9既可以保持Sentinel-2遥感影像的多光谱特征，又可将其空间分辨率从10m/20m提高到2m，更加有利于西南丘陵山地破碎地区开展农作物及其其它地物遥感分类识别研究。
CN202111114283.9A 2021-09-23 2021-09-23 一种适合低山丘陵地区农作物提取遥感底图的获取方法 Withdrawn CN113706387A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111114283.9A CN113706387A (zh) 2021-09-23 2021-09-23 一种适合低山丘陵地区农作物提取遥感底图的获取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111114283.9A CN113706387A (zh) 2021-09-23 2021-09-23 一种适合低山丘陵地区农作物提取遥感底图的获取方法

Publications (1)

Publication Number Publication Date
CN113706387A true CN113706387A (zh) 2021-11-26

Family

ID=78661732

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111114283.9A Withdrawn CN113706387A (zh) 2021-09-23 2021-09-23 一种适合低山丘陵地区农作物提取遥感底图的获取方法

Country Status (1)

Country Link
CN (1) CN113706387A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117392500A (zh) * 2023-12-12 2024-01-12 国网天津市电力公司信息通信公司 一种针对树木和农作物的遥感影像特征增强方法及系统
CN117575970A (zh) * 2024-01-15 2024-02-20 航天宏图信息技术股份有限公司 基于分类的卫星影像自动处理方法、装置、设备及介质

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117392500A (zh) * 2023-12-12 2024-01-12 国网天津市电力公司信息通信公司 一种针对树木和农作物的遥感影像特征增强方法及系统
CN117392500B (zh) * 2023-12-12 2024-04-23 国网天津市电力公司信息通信公司 一种针对树木和农作物的遥感影像特征增强方法及系统
CN117575970A (zh) * 2024-01-15 2024-02-20 航天宏图信息技术股份有限公司 基于分类的卫星影像自动处理方法、装置、设备及介质
CN117575970B (zh) * 2024-01-15 2024-04-16 航天宏图信息技术股份有限公司 基于分类的卫星影像自动处理方法、装置、设备及介质

Similar Documents

Publication Publication Date Title
US11823363B2 (en) Infrared and visible light fusion method
CN108596103B (zh) 基于最佳光谱指数选择的高分辨遥感影像建筑物提取方法
US8712148B2 (en) Generating agricultural information products using remote sensing
CN113706387A (zh) 一种适合低山丘陵地区农作物提取遥感底图的获取方法
Qiu et al. Building extraction from very high-resolution remote sensing images using refine-UNet
CN111126203A (zh) 基于ndvi百分比匹配的浓密植被识别方法
CN107688777B (zh) 一种协同多源遥感影像的城市绿地提取方法
AU2021100848A4 (en) A Regional Extraction Method of Ecological Restoration Project in the Grassland Based on the High-resolution Remote Sensing Images
CN113255452A (zh) 一种目标水体的提取方法及提取系统
CN113436071A (zh) 一种多源卫星遥感影像镶嵌方法、系统及存储介质
CN102855607A (zh) 一种基于机器学习的遥感图像色彩校正方法
Jhan et al. A generalized tool for accurate and efficient image registration of UAV multi-lens multispectral cameras by N-SURF matching
CN116109535A (zh) 一种图像融合方法、设备及计算机可读存储介质
Gu et al. Automatic Cloud Detection and Removal Algorithm for MODIS Remote Sensing Imagery.
CN112883823B (zh) 基于多源遥感数据融合的土地覆盖类别亚像素定位方法
KR102397148B1 (ko) 대용량 항공정사영상의 저해상도 컬러영상을 이용한 색상보정 방법
Zhao et al. Assessment of SPOT-6 optical remote sensing data against GF-1 using NNDiffuse image fusion algorithm
CN107392208B (zh) 基于光谱空间映射与纯化的对象光谱特征提取方法
CN110033460A (zh) 一种基于尺度空间变换的卫星影像中海上养殖区提取方法
CN107705280B (zh) 一种结构驱动的光谱映射遥感图像融合方法
Huang et al. Land use change moritoring in nature reserves base on GF-1/GF-2
Mou et al. Obtaining farmland information from high resolution remote sensing satellite images
Elshora A Novel Fusion Technique for GeoEye-1 Satellite Imagery
CN114298918A (zh) 一种高分一号多光谱影像大气校正方法
CN113850318A (zh) 一种可见光与热红外融合的温度信息增强方法

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
WW01 Invention patent application withdrawn after publication

Application publication date: 20211126

WW01 Invention patent application withdrawn after publication