CN114022789A - 水体信息提取方法、装置、电子设备及存储介质 - Google Patents
水体信息提取方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN114022789A CN114022789A CN202210019431.7A CN202210019431A CN114022789A CN 114022789 A CN114022789 A CN 114022789A CN 202210019431 A CN202210019431 A CN 202210019431A CN 114022789 A CN114022789 A CN 114022789A
- Authority
- CN
- China
- Prior art keywords
- water body
- data
- region
- amplification index
- determining
- 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.)
- Pending
Links
Images
Landscapes
- Radar Systems Or Details Thereof (AREA)
Abstract
本申请提供一种水体信息提取方法、装置、电子设备及存储介质,涉及水体监测技术领域。该方法包括:对获取的目标区域的SAR卫星数据进行预处理,得到对应的后向散射系数,其中,后向散射系数包括两个极化方向上的散射系数;基于后向散射系数构建水体放大指数模型;基于水体放大指数模型确定水体放大指数数据;根据水体放大指数数据,确定目标区域的初始水体区域;基于SAR卫星数据对应的数据信息去除初始水体区域中的虚假水体区域,确定目标区域中的水体区域。本申请对水体信息进行提取时不受天气影响,还能够对提取的水体区域中的虚假区域进行去除,有效地提高了水体提取的效率以及提取得到的水体区域的精度,满足用户的多种需求。
Description
技术领域
本申请涉及水体监测技术领域,具体而言,涉及一种水体信息提取方法、装置、电子设备及存储介质。
背景技术
现有技术中,在利用卫星遥感数据进行对区域中的水体信息进行提取,一般是利用光学遥感数据和雷达数据进行水体信息提取。
然而,选用光学遥感数据进行水体信息提取,存在受天气影响极大的不足之处,光学卫星在获取地表光学遥感数据时,受天气影响,所获取的光学遥感数据不能反映地表信息,不能进行水体信息提取;而利用雷达数据进行水体信息提取,成本较高且依赖解译人员的工作经验,不适用大范围的应用场景,导致目前导致水体信息提取的精度较低,无法满足用户的需求。
发明内容
有鉴于此,本申请实施例的目的在于提供一种水体信息提取方法、装置、电子设备及存储介质,以改善现有技术中存在的水体信息提取的精度较低的问题。
为了解决上述问题,第一方面,本申请提供了一种水体信息提取方法,包括:
对获取的目标区域的SAR卫星数据进行预处理,得到对应的后向散射系数,其中,所述后向散射系数包括两个极化方向上的散射系数;
基于所述后向散射系数构建水体放大指数模型;
基于所述水体放大指数模型确定水体放大指数数据;
根据所述水体放大指数数据,确定所述目标区域的初始水体区域;
基于所述SAR卫星数据对应的数据信息去除所述初始水体区域中的虚假水体区域,确定所述目标区域中的水体区域。
在上述实现方式中,在利用SAR卫星数据提取水体信息时,获取的SAR卫星数据的时间无限制,可以获取全天时全天候的SAR卫星数据,基于SAR卫星数据对水体进行提取时能够不受天气的影响。在SAR卫星数据的基础上处理得到后向散射系数,基于后向散射系数构建水体放大模型,以确定对应的水体放大指数数据,在水体放大指数数据的基础上进行处理,确定出需要提取水体的目标区域中的初始水体区域,并根据SAR卫星数据中对应的数据信息,去除初始水体区域中由于山体阴影等造成的虚假水体区域,从而获取目标区域中真实的水体区域。实现水体区域的自动提取,降低了人工勾画的大量矢量化工作成本,减少人工矢量化工作中的个人经验误差,有效地提高了水体提取的效率以及提取得到的水体区域的精度,满足用户的多种需求。
可选地,所述基于所述后向散射系数构建水体放大指数模型,包括:
根据所述后向散射系数中垂直发射、垂直接收的极化方向上的第一后向散射系数和垂直发射、水平接收的极化方向上的第二后向散射系数,构建水体放大指数模型,所述水体放大指数模型为:
在上述实现方式中,由于后向散射系数中包括两个极化方向上的散射系数,因此通过垂直发射、垂直接收的极化方向上的第一后向散射系数和垂直发射、水平接收的极化方向上的第二后向散射系数,能够构建对应的水体放大指数模型。
可选地,所述目标区域中包括至少一个子区域,所述水体放大指数数据中包括与每个所述子区域对应的区域放大指数数据;所述根据所述水体放大指数数据,确定所述目标区域的初始水体区域,包括:
基于所述水体放大指数数据,确定搜索阈值;
根据所述搜索阈值判断每个所述区域放大指数数据对应的所述子区域是否属于初始水体区域,其中,小于所述搜索阈值的所述区域放大指数数据对应的所述子区域为所述初始水体区域。
在上述实现方式中,在对目标区域中的水体区域进行确定时,可以在水体放大指数数据的基础上确定搜索阈值,在搜索阈值的基础上,通过阈值分割的方式判断目标区域中的多个子区域对应的区域放大指数数据是否满足搜索阈值,从而对每个子区域是否属于初始水体区域进行判断。能够快速地对目标区域中的多个子区域进行判断,有效地提高了水体区域判断的效率和准确性。
可选地,所述基于所述水体放大指数数据,确定搜索阈值,包括:
根据所述水体放大指数数据生成对应的双峰累计直方图曲线;
基于所述双峰累计直方图曲线中的波峰,生成峰值包络线;
计算所述双峰累计直方图曲线与所述峰值包络线中相同横坐标对应的第一曲线值和第二曲线值;
根据所述第一曲线值和所述第二曲线值的比值对水体放大指数特征位置进行阈值搜索,得到搜索阈值。
在上述实现方式中,通过对水体放大指数数据进行处理,得到用于阈值分割的搜索阈值。根据水体放大指数数据生成对应的双峰累计直方图曲线,以直方图中的波峰位置为基准生成对应的峰值包络线,利用峰值包络线以及包络线消除的方法,能够根据计算得到的双峰累计直方图曲线与峰值包络线中相同横坐标对应的第一曲线值和第二曲线值,计算得到对应的比值,将比值作为水体放大指数特征位置搜索的基础,对双峰累计直方图曲线和峰值包络线的比值进行阈值搜索,得到搜索阈值。能够快速、准确地获取搜索阈值,提高通过搜索阈值提取水体信息的精确度。
可选地,所述基于所述SAR卫星数据对应的数据信息去除所述初始水体区域中的虚假水体区域,确定所述目标区域中的水体区域,包括:
基于所述SAR卫星数据对应的元数据信息和高程数据确定所述初始水体区域中的虚假水体区域;
去除所述初始水体区域中的所述虚假水体区域,得到所述目标区域的水体区域。
在上述实现方式中,SAR卫星数据具有对应的元数据信息和高程数据。在根据水体放大指数数据确定的初始水体区域中,考虑到山体等阴影对水体区域的判断影响,因此可以基于SAR卫星数据对应的元数据信息和高程数据对初始水体区域中的虚假水体区域进行确定和去除,得到真实的水体区域。能够消除SAR卫星数据受山体遮挡等原因而造成的提取水体区域的错误区域,有效地减小了确定的水体区域的误差,进一步地提高了提取的水体区域的精度。
可选地,所述基于所述SAR卫星数据对应的元数据信息和高程数据确定所述初始水体区域中的虚假水体区域,包括:
基于所述SAR卫星数据对应的元数据信息,获取所述SAR卫星数据生成时的太阳角度数据,其中,所述太阳角度数据包括太阳方位角和太阳高度角参数;
结合所述太阳角度数据和高程数据,生成山体阴影数据;
将所述山体阴影数据映射到所述初始水体区域中,基于所述初始水体区域生成相同空间分辨率的同质数据;
基于所述同质数据进行叠加分析,确定所述山体阴影数据在所述初始水体区域中形成的虚假水体区域。
在上述实现方式中,通过SAR卫星数据对应的元数据信息,能够获取SAR卫星数据生成时的太阳角度数据,能够结合太阳角度数据和高程数据,确定出由山体遮挡造成的山体阴影数据。并通过将山体阴影数据映射到初始水体区域中,基于初始水体区域生成同质数据,通过叠加分析以确定山体阴影数据在初始水体区域中形成的虚假水体区域,能够结合实时的数据快速、准确地对虚假水体区域进行获取,提高了虚假水体区域的精度。
可选地,所述对获取的目标区域的SAR卫星数据进行预处理,得到对应的后向散射系数,包括:
根据所述SAR卫星数据生成强度数据;
对所述强度数据进行滤波处理,得到滤波数据;
对所述滤波数据进行地理编码和辐射定标,得到垂直发射、垂直接收的极化方向上的第一后向散射系数和垂直发射、水平接收的极化方向上的第二后向散射系数。
在上述实现方式中,通过对SAR卫星数据进行预处理,可以获取对应的后向散射系数。以SAR卫星数据为基础生成强度数据,在强度数据的基础上使用滤波工具进行滤波,对强度数据中的噪声进行抑制,得到对应的滤波数据。通过对滤波数据进行地理编码和辐射定标处理,能够生成两个极化方向上的散射系数,得到垂直发射、垂直接收的极化方向上的第一后向散射系数和垂直发射、水平接收的极化方向上的第二后向散射系数。对SAR卫星数据进行多视、滤波、编码和辐射处理,能够有效地提高后向散射系数的准确性。
第二方面,本申请还提供了一种水体信息提取装置,所述装置包括:
处理模块,用于对获取的目标区域的SAR卫星数据进行预处理,得到对应的后向散射系数,其中,所述后向散射系数包括两个极化方向上的散射系数;
建模模块,用于基于所述后向散射系数构建水体放大指数模型;
放大指数模块,用于基于所述水体放大指数模型确定水体放大指数数据;
初始模块,用于根据所述水体放大指数数据,确定所述目标区域的初始水体区域;
去除模块,用于基于所述SAR卫星数据对应的数据信息去除所述初始水体区域中的虚假水体区域,确定所述目标区域中的水体区域。
在上述实现方式中,通过处理模块对获取的目标区域对应的SAR卫星数据进行预处理,得到后向散射系数;通过建模模块在后向散射系数的基础上构建水体放大指数模型;通过放大指数模块在水体放大指数模型的基础上确定水体放大指数数据,根据初始模块在水体放大指数数据的基础上进行处理,确定出需要提取水体的目标区域中的初始水体区域;通过去除模块根据SAR卫星数据中对应的数据信息,去除初始水体区域中由于山体阴影等造成的虚假水体区域,从而获取目标区域中真实的水体区域。实现水体区域的自动提取,降低了人工勾画的大量矢量化工作成本,减少人工矢量化工作中的个人经验误差。在提取水体时不受天气影响,适用于多种应用场景,有效地提高了水体提取的效率以及提取得到的水体区域的精度,满足用户的多种需求。
第三方面,本申请还提供了一种电子设备,所述电子设备包括存储器和处理器,所述存储器中存储有程序指令,所述处理器读取并运行所述程序指令时,执行上述水体信息提取方法中任一实现方式中的步骤。
第四方面,本申请还提供了一种计算机可读取存储介质,所述可读取存储介质中存储有计算机程序指令,所述计算机程序指令被一处理器读取并运行时,执行上述水体信息提取方法中任一实现方式中的步骤。
综上所述,本申请提供了一种水体信息提取方法、装置、电子设备及存储介质,能够在SAR卫星数据的基础上处理得到后向散射系数,基于后向散射系数构建水体放大指数模型,以确定水体放大指数数据,在水体放大指数数据的基础上进行处理,确定出需要提取水体的目标区域中的水体区域。能实现以下技术效果:(1)能够在不受天气影响的情况下进行水体提取,有效地提高了水体提取的效率以及提取得到的水体区域的精度,满足用户的多种需求。(2)快速获取阈值及提高通过该阈值提取水体信息的精确度。(3)消除SAR数据受山体遮挡而造成的水体信息错提区域,进一步提高水体提取精度。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本申请实施例提供的一种水体信息提取方法的流程示意图;
图2为本申请实施例提供的一种步骤S1的详细流程示意图;
图3为本申请实施例提供的一种步骤S4的详细流程示意图;
图4为本申请实施例提供的一种步骤S41的详细流程示意图;
图5为本申请实施例提供的另一种步骤S5的详细流程示意图;
图6为本申请实施例提供的另一种步骤S51的详细流程示意图;
图7为本申请实施例提供的一种水体信息提取装置的结构示意图。
图标:600-水体信息提取装置;610-处理模块;620-建模模块;630-放大指数模块;640-初始模块;650-去除模块。
具体实施方式
下面将结合本申请实施例中附图,对本申请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申请实施例的一部分实施例,而不是全部的实施例。基于本申请实施例的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请实施例保护的范围。
目前,在利用卫星遥感数据进行对区域中的水体信息进行提取时,利用光学遥感数据提取水体主要有地物分类的方法以及水体放大指数法。地物分类方法即是利用不同地物的光谱特征差异,依据分类器进行监督分类或是非监督分类从而提取水体信息的方法;水体放大指数法是利用水体在绿波段和中红外波段的特有差异性构建改正归一化水体放大指数,根据该放大指数灰度图进行单阈值分隔,从而提取水体信息。地物分类方法提取水体存在过度依赖样本和分类器的不足之处,并且光学遥感数据进行水体信息提取易被天气因素影响,光学卫星在获取地表光学遥感数据时,如遇云、雾、雨等天气,所获取的光学遥感数据不能反映地表信息,不能进行水体信息提取;水体放大指数方法受数据光谱信息限制以及目前受遥感数据空谱异质性制约,无法提取高空间分辨率的水体信息。利用雷达数据提取水体主要是利用雷达后向散射系数进行水体提取,对雷达后向散射系数进行目视解译、阈值分割、监督或非监督分类提取水体信息。目视解译精度高,但耗时耗力,且依赖解译人员的工作经验;阈值分割难以适用于大范围不集中水体提取;分类方法提取水体存在过度依赖样本和分类器的不足。因此,目前提取水体信息的方法中对于水体信息的提取效率较低,提取得到的水体信息精度也较低。
为了解决上述问题,本申请实施例提供了一种水体信息提取方法,应用于服务器,服务器可以为个人电脑(Personal Computer,PC)、平板电脑、智能手机、个人数字助理(Personal Digital Assistant,PDA)等具有逻辑计算功能的电子设备,能够对目标区域中的水体区域进行快速、准确地提取。
可选地,电子设备中可以包括存储器、存储控制器、处理器、外设接口、输入输出单元等。电子设备的组件和结构可以根据实际情况进行设置。
上述的存储器、存储控制器、处理器、外设接口、输入输出单元各元件相互之间直接或间接地电性连接,以实现数据的传输或交互。例如,这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。上述的处理器用于执行存储器中存储的可执行模块。
其中,存储器可以是,但不限于,随机存取存储器(Random Access Memory,简称RAM),只读存储器(Read Only Memory,简称ROM),可编程只读存储器(Programmable Read-Only Memory,简称PROM),可擦除只读存储器(Erasable Programmable Read-OnlyMemory,简称EPROM),电可擦除只读存储器(Electric Erasable Programmable Read-OnlyMemory,简称EEPROM)等。其中,存储器用于存储程序,处理器在接收到执行指令后,执行所述程序,本申请实施例任一实施例揭示的过程定义的电子设备所执行的方法可以应用于处理器中,或者由处理器实现。
上述的处理器可能是一种集成电路芯片,具有信号的处理能力。上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(digital signal processor,简称DSP)、专用集成电路(Application Specific Integrated Circuit,简称ASIC)、现场可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
上述的外设接口将各种输入/输出装置耦合至处理器以及存储器。在一些实施例中,外设接口,处理器以及存储控制器可以在单个芯片中实现。在其他一些实例中,他们可以分别由独立的芯片实现。
本实施例中的电子设备可以用于执行本申请实施例提供的各个方法中的各个步骤。下面通过几个实施例详细描述水体信息提取方法的实现过程。
请参阅图1,图1为本申请实施例提供的一种水体信息提取方法的流程示意图,该方法可以包括以下步骤:
步骤S1,对获取的目标区域的SAR卫星数据进行预处理,得到对应的后向散射系数。
其中,获取的SAR(Synthetic Aperture Radar,合成孔径雷达)卫星数据中可以包括多个卫星中的遥感数据,例如Sentinel-1(哨兵1号)卫星的遥感数据,SAR卫星数据还具有对应高度的高程数据,可以在能见度极低的气象条件下得到类似光学照相的高分辨雷达图像。
由于水体与其他地物对微波散射机理的不同,其后向散射系数差异较大,水体在微波后向散射系数较低,在后向散射系数图像中呈为黑色,依据水体在微波后向散射系数图中的特性,在SAR卫星数据的基础上进行预处理,能够得到SAR卫星数据对应的后向散射系数。
可选地,获取的SAR卫星数据可以为全天时、全天候的SAR卫星数据,因此在SAR卫星数据的基础上进行水体提取,在遇到云、雾、雨等天气的情况下,所获取的SAR卫星数据也能够反映地表信息,能够不受天气、时间因素的影响,适用于更多应用场景和实际情况。
其中,得到的后向散射系数中包括两个极化方向上的后向散射系数,即雷达散射系数,是指入射方向目标单位截面积的雷达的反射率,表示入射方向上的散射强度的参数或目标单位面积的平均雷达散射截面,通常以分贝表示。两个极化方向可以为SAR卫星数据进行垂直发射垂直接收的VV单极化方向以及进行垂直发射水平接收的VH双极化方向,能够对水平或垂直方向上的散射进行发送和接收,以提高后向散射系数的精度。
值得说明的是,在对获取的目标区域的SAR卫星数据进行预处理,得到对应的后向散射系数之前,该方法还可以包括:将需要提取水体的区域作为目标区域;基于目标区域在数据库中进行搜索,获取与目标区域对应的SAR卫星数据,其中,数据库中包括多个区域对应的SAR卫星数据。
可选地,在进行水体提取前可以对区域进行选择,将需要提取水体的区域作为目标区域,能够根据用户的实际需求对目标区域进行选择和修改,适用于多种情况,满足用户的多种需求。在确定了目标区域后,可以通过目标区域的具体位置信息、编号信息、定位信息、时间信息等在具有多个区域对应的SAR卫星数据的数据库中进行搜索,得到与目标区域匹配的SAR卫星数据。能够对获取的SAR卫星数据的地域、时间等进行限定,提高SAR卫星数据的有效性。
示例地,数据库可以为各种SAR卫星对应的数据库。
步骤S2,基于所述后向散射系数构建水体放大指数模型。
其中,在获取的后向散射系数的基础上,可以根据后向散射系数中垂直发射、垂直接收的极化方向上的第一后向散射系数和垂直发射、水平接收的极化方向上的第二后向散射系数,构建水体放大指数模型,水体放大指数模型为:
其中,VV为垂直发射、垂直接收的极化方向,即单极化方向上的第一后向散射系数,VH为垂直发射、水平接收的极化方向,即双极化方向上的第二后向散射系数。
步骤S3,基于所述水体放大指数模型确定水体放大指数数据。
其中,将两个极化方向的后向散射系数代入水体放大指数模型中,能够在水体放大指数模型的基础上计算得到水体放大指数数据。
步骤S4,根据所述水体放大指数数据,确定所述目标区域的初始水体区域。
其中,基于确定的水体放大指数数据,能够对目标区域中的水体区域进行初步确定,从而对目标区域的水体区域进行提取,得到初始水体区域。
步骤S5,基于所述SAR卫星数据对应的数据信息去除所述初始水体区域中的虚假水体区域,确定所述目标区域中的水体区域。
其中,考虑到山体等阴影对水体区域的判断影响,因此可以基于SAR卫星数据对应数据信息,对初始水体区域中由山体阴影等造成的虚假水体区域进行确定和去除,以获取目标区域的真实的水体区域,进一步提高了水体提取的精度。
在图1所示的实施例中,能够实现水体区域的自动提取,降低了人工勾画的大量矢量化工作成本,减少人工矢量化工作中的个人经验误差,有效地提高了水体提取的效率以及提取得到的水体区域的精度,满足用户的多种需求。
可选地,请参阅图2,图2为本申请实施例提供的一种步骤S1的详细流程示意图,步骤S1还可以包括步骤S11-S13:
步骤S11,根据所述SAR卫星数据生成强度数据。
其中,可以在服务器中的遥感数据处理软件,例如在ENVI遥感图像处理平台中,对SAR卫星数据进行处理,将SAR卫星数据在ENVI中的SARscape模块中进行处理,将SAR卫星数据作为输入数据输入SARscape模块,在SARscape模块中对SAR卫星数据适配的系统参数进行配置,为后续的提取工作做基础准备。利用SARscape模块中的多视工具,对SAR卫星数据进行处理,生成对应的强度数据。
示例地,遥感数据处理软件还可以为eCongnition智能化影像分析软件和ERDSA遥感图像处理系统等多种软件。
步骤S12,对所述强度数据进行滤波处理,得到滤波数据。
其中,可以将获取的强度数据作为输入数据,使用遥感数据处理软件中的滤波工具对强度数据进行处理,对强度数据中的噪声进行抑制,得到噪声较小的滤波数据。
步骤S13,对所述滤波数据进行地理编码和辐射定标,得到垂直发射、垂直接收的极化方向上的第一后向散射系数和垂直发射、水平接收的极化方向上的第二后向散射系数。
其中,可以将获取的滤波数据作为输入数据,输入到遥感数据处理软件中的SARscape模块自带的DEM(Digital Elevation Model,数字高程模型)中,通过有限的地形高程数据实现对地面地形的数字化模拟,进行地理编码处理和辐射定标处理,生成VV和VH两个极化方向上的后向散射系数,即垂直发射、垂直接收的极化方向上的第一后向散射系数和垂直发射、水平接收的极化方向上的第二后向散射系数,得到相应的后向散射系数。
可选地,地理编码为将坐标对、地址或地名等位置描述转换为地球表面上某位置的过程,通过地理编码能够将遥感的滤波数据描述转换为对应的目标区域的上的相应位置。辐射定标为将图像的数字量化值(DN)转化为辐射亮度值或者反射率或者表面温度等物理量的处理过程,通过辐射定标能够在用户需要计算滤波数据中的光谱反射率或光谱辐射亮度时,或者滤波数据的图像进行比较时,将图像的亮度灰度值转换为绝对的辐射亮度,以此提高获取的后向散射系数的准确性。
在图2所示的实施例中,能够对SAR卫星数据进行多视、滤波、编码和辐射处理,能够有效地提高后向散射系数的准确性。
可选地,请参阅图3,图3为本申请实施例提供的一种步骤S4的详细流程示意图,步骤S4还可以包括步骤S41-S42:
步骤S41,基于所述水体放大指数数据,确定搜索阈值。
其中,可以采用阈值分割的方式,对目标区域中的水体区域进行提取,在水体放大指数数据的基础上,根据水体与陆地特征,快速地确定出搜索阈值,以搜索阈值为参数进行阈值分割。
步骤S42,根据所述搜索阈值判断每个所述区域放大指数数据对应的所述子区域是否属于初始水体区域。
其中,在对目标区域中的水体进行初步判断时,由于目标区域中包括至少一个子区域,水体放大指数数据中包括与每个子区域对应的区域放大指数数据,可以利用搜索阈值对目标区域以及对应的区域放大指数数据进行分割,将每个子区域对应的区域放大指数数据与搜索阈值进行对比,判断每个子区域是否属于初始水体区域,以小于搜索阈值的区域放大指数数据对应的子区域为初始水体区域,得到目标水体中的一个或多个初始水体区域。
在图3所示的实施例中,通过搜索阈值对目标区域的水体进行提取,能够快速地对目标区域中的多个子区域进行判断,有效地提高了初始水体区域判断的效率和准确性,提高了获取的初始水体区域的精度。
可选地,请参阅图4,图4为本申请实施例提供的一种步骤S41的详细流程示意图,步骤S41还可以包括步骤S411-S414:
步骤S411,根据所述水体放大指数数据生成对应的双峰累计直方图曲线。
其中,在获取搜索阈值时,先在水体放大指数数据的基础上生成双峰累计直方图曲线。
步骤S412,基于所述双峰累计直方图曲线中的波峰,生成峰值包络线。
其中,以双峰累计直方图曲线中的波峰为基础,对波峰的包络进行提取,生成对应的峰值包络线,以对包络线进行对应地消除。
步骤S413,计算所述双峰累计直方图曲线与所述峰值包络线中相同横坐标对应的第一曲线值和第二曲线值。
其中,在获取的双峰累计直方图曲线和峰值包络线中,分别计算在相同横坐标下,双峰累计直方图曲线对应的第一曲线值和峰值包络线对应的第二曲线值。
步骤S414,根据所述第一曲线值和所述第二曲线值的比值对水体放大指数特征位置进行阈值搜索,得到搜索阈值。
其中,计算第一曲线值和第二曲线值的比值,利用峰值包络线以及包络线消除的方法,以比值作为水体放大指数数据进行特征位置搜索的基础,对双峰累计直方图曲线和峰值包络线的比值进行阈值搜索,得到对应的搜索阈值。
在图4所示的实施例中,能够快速、准确地获取搜索阈值,提高通过搜索阈值提取水体信息的精确度。
可选地,请参阅图5,图5为本申请实施例提供的另一种步骤S5的详细流程示意图,步骤S5还可以包括步骤S51-S52:
步骤S51,基于所述SAR卫星数据对应的元数据信息和高程数据确定所述初始水体区域中的虚假水体区域。
其中,SAR卫星数据对应的元数据信息中包括对SAR卫星数据的关键特征进行描述的多种数据,考虑到山体等阴影对水体区域的判断影响,确定的初始水体区域中可能存在一些虚假水体区域。因此,在初始水体区域的基础上,可以根据SAR卫星数据对应的元数据信息和高程数据对其中的虚假水体区域进行确定,以减少虚假水体区域带来的不利影响。
步骤S52,去除所述初始水体区域中的所述虚假水体区域,得到所述目标区域的水体区域。
其中,可以在确定的虚假水体区域的基础上,去除初始水体区域中的虚假水体区域,得到真实的水体区域。减小由山体阴影等引起的虚假水体区域造成的误差及误判,提高了获取的水体区域的精度和有效性。
在图5所示的实施例中,能够消除SAR卫星数据受山体遮挡等原因而造成的提取水体区域的错误区域,有效地减小了确定的水体区域的误差,进一步地提高了提取的水体区域的精度。
可选地,请参阅图6,图6为本申请实施例提供的另一种步骤S51的详细流程示意图,步骤S51还可以包括步骤S511-S514:
步骤S511,基于所述SAR卫星数据对应的元数据信息,获取所述SAR卫星数据生成时的太阳角度数据。
其中,通过SAR卫星数据对应的元数据信息,能够获取SAR卫星数据在生成时的太阳角度数据,太阳角度数据可以包括太阳方位角和太阳高度角参数,能够对太阳的位置、高度等信息进行确定。
步骤S512,结合所述太阳角度数据和高程数据,生成山体阴影数据。
其中,SAR卫星数据还具有对应的高程数据,高程数据为某一点相对于基准面的高度数据,例如,高程数据可以为距离地面30米的高程数据等。在太阳角度数据的基础上结合高程数据,能够得到山体在目标区域中形成的山体阴影数据。
步骤S513,将所述山体阴影数据映射到所述初始水体区域中,基于所述初始水体区域生成相同空间分辨率的同质数据。
其中,将获取的山体阴影数据映射到初始水体区域中,能够在映射后,以初级水体区域为基准生成相同空间分辨率的同质数据,以在同质数据的基础上得到山体阴影在初始水体区域中形成的虚假水体区域。
步骤S514,基于所述同质数据进行叠加分析,确定所述山体阴影数据在所述初始水体区域中形成的虚假水体区域。
其中,在生成的同质数据的基础上对初始水体区域和山体阴影数据进行叠加分析,能够确定山体阴影数据在初始水体区域中形成的虚假水体区域。
在图6所示的实施例中,能够结合实时的数据快速、准确地对虚假水体区域进行获取,提高了虚假水体区域的精度。
请参阅图7,图7为本申请实施例提供的一种水体信息提取装置的结构示意图,水体信息提取装置600包括:
处理模块610,用于对获取的目标区域的SAR卫星数据进行预处理,得到对应的后向散射系数,其中,所述后向散射系数包括所述两个极化方向上的散射系数;
建模模块620,用于基于所述后向散射系数构建水体放大指数模型;
放大指数模块630,用于基于所述水体放大指数模型确定水体放大指数数据;
初始模块640,用于根据所述水体放大指数数据,确定所述目标区域的初始水体区域;
去除模块650,用于基于所述SAR卫星数据对应的数据信息去除所述初始水体区域中的虚假水体区域,确定所述目标区域中的水体区域。
在一可选的实施方式中,建模模块620还用于根据所述后向散射系数中垂直发射、垂直接收的极化方向上的第一后向散射系数和垂直发射、水平接收的极化方向上的第二后向散射系数,构建水体放大指数模型,所述水体放大指数模型为:
在一可选的实施方式中,所述目标区域中包括至少一个子区域,所述水体放大指数数据中包括与每个所述子区域对应的区域放大指数数据;初始模块640还可以包括阈值子模块和判断子模块;
阈值子模块,用于基于所述水体放大指数数据,确定搜索阈值;
判断子模块,用于根据所述搜索阈值判断每个所述区域放大指数数据对应的所述子区域是否属于初始水体区域,其中,小于所述搜索阈值的所述区域放大指数数据对应的所述子区域为所述初始水体区域。
在一可选的实施方式中,阈值子模块还可以包括直方单元、包络单元和阈值搜索单元;
直方单元,用于根据所述水体放大指数数据生成对应的双峰累计直方图曲线;
包络单元,用于基于所述双峰累计直方图曲线中的波峰,生成峰值包络线;
阈值搜索单元,用于计算所述双峰累计直方图曲线与所述峰值包络线中相同横坐标对应的第一曲线值和第二曲线值;根据所述第一曲线值和所述第二曲线值的比值对水体放大指数特征位置进行阈值搜索,得到搜索阈值。
在一可选的实施方式中,去除模块650还可以包括虚假子模块和去除子模块;
虚假子模块,用于基于所述SAR卫星数据对应的元数据信息和高程数据确定所述初始水体区域中的虚假水体区域;
去除子模块,用于去除所述初始水体区域中的所述虚假水体区域,得到所述目标区域的水体区域。
在一可选的实施方式中,虚假子模块还可以包括角度单元、阴影单元、映射单元和叠加单元;
角度单元,用于基于所述SAR卫星数据对应的元数据信息,获取所述SAR卫星数据生成时的太阳角度数据,其中,所述太阳角度数据包括太阳方位角和太阳高度角参数;
阴影单元,用于结合所述太阳角度数据和高程数据,生成山体阴影数据;
映射单元,用于将所述山体阴影数据映射到所述初始水体区域中,基于所述初始水体区域生成相同空间分辨率的同质数据;
叠加单元,用于基于所述同质数据进行叠加分析,确定所述山体阴影数据在所述初始水体区域中形成的虚假水体区域。
在一可选的实施方式中,处理模块610还可以包括多视子模块、滤波子模块和编码辐射子模块;
多视子模块,用于根据所述SAR卫星数据生成强度数据;
滤波子模块,用于对所述强度数据进行滤波处理,得到滤波数据;
编码辐射子模块,用于对所述滤波数据进行地理编码和辐射定标,得到垂直发射、垂直接收的极化方向上的第一后向散射系数和垂直发射、水平接收的极化方向上的第二后向散射系数。
由于本申请实施例中的水体信息提取装置解决问题的原理与前述的水体信息提取方法的实施例相似,因此本实施例中的装置的实施可以参见上述方法的实施例中的描述,重复之处不再赘述。
本申请实施例还提供了一种电子设备,该电子设备包括存储器和处理器,所述存储器中存储有程序指令,所述处理器读取并运行所述程序指令时,执行本实施例提供的水体信息提取方法中任一项所述方法中的步骤。
应当理解是,该电子设备可以是个人电脑、平板电脑、智能手机、个人数字助理等具有逻辑计算功能的电子设备。
本申请实施例还提供了一种计算机可读取存储介质,所述可读取存储介质中存储有计算机程序指令,所述计算机程序指令被一处理器读取并运行时,执行本实施例提供的水体信息提取方法中任一项所述方法中的步骤。
综上所述,本申请实施例提供了一种水体信息提取方法、装置、电子设备及存储介质,能够在SAR卫星数据的基础上处理得到后向散射系数,基于后向散射系数构建水体放大指数模型,以确定水体放大指数数据,在水体放大指数数据的基础上进行处理,确定出需要提取水体的目标区域中的水体区域。能实现以下技术效果:(1)能够在不受天气影响的情况下进行水体提取,有效地提高了水体提取的效率以及提取得到的水体区域的精度,满足用户的多种需求。(2)快速获取阈值及提高通过该阈值提取水体信息的精确度。(3)消除SAR数据受山体遮挡而造成的水体信息错提区域,进一步提高水体提取精度。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,附图中的框图显示了根据本申请的多个实施例的设备的可能实现的体系架构、功能和操作。在这点上,框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图中的每个方框、以及框图的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。因此本实施例还提供了一种可读取存储介质中存储有计算机程序指令,所述计算机程序指令被一处理器读取并运行时,执行区块数据存储方法中任一项所述方法中的步骤。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,RanDom Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本申请的实施例而已,并不用于限制本申请的保护范围,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
Claims (10)
1.一种水体信息提取方法,其特征在于,包括:
对获取的目标区域的SAR卫星数据进行预处理,得到对应的后向散射系数,其中,所述后向散射系数包括两个极化方向上的散射系数;
基于所述后向散射系数构建水体放大指数模型;
基于所述水体放大指数模型确定水体放大指数数据;
根据所述水体放大指数数据,确定所述目标区域的初始水体区域;
基于所述SAR卫星数据对应的数据信息去除所述初始水体区域中的虚假水体区域,确定所述目标区域中的水体区域。
3.根据权利要求1所述的方法,其特征在于,所述目标区域中包括至少一个子区域,所述水体放大指数数据中包括与每个所述子区域对应的区域放大指数数据;所述根据所述水体放大指数数据,确定所述目标区域的初始水体区域,包括:
基于所述水体放大指数数据,确定搜索阈值;
根据所述搜索阈值判断每个所述区域放大指数数据对应的所述子区域是否属于初始水体区域,其中,小于所述搜索阈值的所述区域放大指数数据对应的所述子区域为所述初始水体区域。
4.根据权利要求3所述的方法,其特征在于,所述基于所述水体放大指数数据,确定搜索阈值,包括:
根据所述水体放大指数数据生成对应双峰累计直方图曲线;
基于所述双峰累计直方图曲线中的波峰,生成峰值包络线;
计算所述双峰累计直方图曲线与所述峰值包络线中相同横坐标对应的第一曲线值和第二曲线值;
根据所述第一曲线值和所述第二曲线值的比值对水体放大指数特征位置进行阈值搜索,得到搜索阈值。
5.根据权利要求1所述的方法,其特征在于,所述基于所述SAR卫星数据对应的数据信息去除所述初始水体区域中的虚假水体区域,确定所述目标区域中的水体区域,包括:
基于所述SAR卫星数据对应的元数据信息和高程数据确定所述初始水体区域中的虚假水体区域;
去除所述初始水体区域中的所述虚假水体区域,得到所述目标区域的水体区域。
6.根据权利要求5所述的方法,其特征在于,所述基于所述SAR卫星数据对应的元数据信息和高程数据确定所述初始水体区域中的虚假水体区域,包括:
基于所述SAR卫星数据对应的元数据信息,获取所述SAR卫星数据生成时的太阳角度数据,其中,所述太阳角度数据包括太阳方位角和太阳高度角参数;
结合所述太阳角度数据和高程数据,生成山体阴影数据;
将所述山体阴影数据映射到所述初始水体区域中,基于所述初始水体区域生成相同空间分辨率的同质数据;
基于所述同质数据进行叠加分析,确定所述山体阴影数据在所述初始水体区域中形成的虚假水体区域。
7.根据权利要求1所述的方法,其特征在于,所述对获取的目标区域的SAR卫星数据进行预处理,得到对应的后向散射系数,包括:
根据所述SAR卫星数据生成强度数据;
对所述强度数据进行滤波处理,得到滤波数据;
对所述滤波数据进行地理编码和辐射定标,得到垂直发射、垂直接收的极化方向上的第一后向散射系数和垂直发射、水平接收的极化方向上的第二后向散射系数。
8.一种水体信息提取装置,其特征在于,所述装置包括:
处理模块,用于对获取的目标区域的SAR卫星数据进行预处理,得到对应的后向散射系数,其中,所述后向散射系数包括两个极化方向上的散射系数;
建模模块,用于基于所述后向散射系数构建水体放大指数模型;
放大指数模块,用于基于所述水体放大指数模型确定水体放大指数数据;
初始模块,用于根据所述水体放大指数数据,确定所述目标区域的初始水体区域;
去除模块,用于基于所述SAR卫星数据对应的数据信息去除所述初始水体区域中的虚假水体区域,确定所述目标区域中的水体区域。
9.一种电子设备,其特征在于,所述电子设备包括存储器和处理器,所述存储器中存储有程序指令,所述处理器运行所述程序指令时,执行权利要求1-7中任一项所述方法中的步骤。
10.一种计算机可读取存储介质,其特征在于,所述可读取存储介质中存储有计算机程序指令,所述计算机程序指令被一处理器运行时,执行权利要求1-7任一项所述方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210019431.7A CN114022789A (zh) | 2022-01-10 | 2022-01-10 | 水体信息提取方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210019431.7A CN114022789A (zh) | 2022-01-10 | 2022-01-10 | 水体信息提取方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114022789A true CN114022789A (zh) | 2022-02-08 |
Family
ID=80069753
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210019431.7A Pending CN114022789A (zh) | 2022-01-10 | 2022-01-10 | 水体信息提取方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114022789A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116452985A (zh) * | 2023-02-21 | 2023-07-18 | 清华大学 | 地表水监测方法、装置、计算机设备和存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103353616A (zh) * | 2013-07-05 | 2013-10-16 | 吉林大学 | 一种基于高光谱遥感数据快速识别油气微渗漏的方法 |
CN103793907A (zh) * | 2013-12-12 | 2014-05-14 | 中国科学院深圳先进技术研究院 | 一种水体信息的提取方法及装置 |
KR20160093341A (ko) * | 2015-01-29 | 2016-08-08 | 계명대학교 산학협력단 | 인공위성 영상과 랜덤포레스트 분류기 결합을 이용한 자동 하천 검출 시스템 및 방법 |
CN111598961A (zh) * | 2020-05-22 | 2020-08-28 | 中国科学院西北生态环境资源研究院 | 地物信息提取方法、装置、电子设备及存储介质 |
CN113379759A (zh) * | 2021-05-11 | 2021-09-10 | 中国资源卫星应用中心 | 一种光学遥感卫星影像水体自动提取方法 |
-
2022
- 2022-01-10 CN CN202210019431.7A patent/CN114022789A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103353616A (zh) * | 2013-07-05 | 2013-10-16 | 吉林大学 | 一种基于高光谱遥感数据快速识别油气微渗漏的方法 |
CN103793907A (zh) * | 2013-12-12 | 2014-05-14 | 中国科学院深圳先进技术研究院 | 一种水体信息的提取方法及装置 |
KR20160093341A (ko) * | 2015-01-29 | 2016-08-08 | 계명대학교 산학협력단 | 인공위성 영상과 랜덤포레스트 분류기 결합을 이용한 자동 하천 검출 시스템 및 방법 |
CN111598961A (zh) * | 2020-05-22 | 2020-08-28 | 中国科学院西北生态环境资源研究院 | 地物信息提取方法、装置、电子设备及存储介质 |
CN113379759A (zh) * | 2021-05-11 | 2021-09-10 | 中国资源卫星应用中心 | 一种光学遥感卫星影像水体自动提取方法 |
Non-Patent Citations (3)
Title |
---|
和海霞: "《洪涝灾害卫星遥感监测技术与实践》", 30 April 2017, 中国地质大学出版社 * |
巩钰等: "基于Sentinel-1 SAR影像的洪水淹没范围快速提取与变化分析", 《江苏省测绘地理信息学会2020年学术年会论文集》 * |
贾诗超等: "基于Sentinel-1 数据的水体信息提取方法研究", 《人民长江》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116452985A (zh) * | 2023-02-21 | 2023-07-18 | 清华大学 | 地表水监测方法、装置、计算机设备和存储介质 |
CN116452985B (zh) * | 2023-02-21 | 2023-10-31 | 清华大学 | 地表水监测方法、装置、计算机设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Khandelwal et al. | An approach for global monitoring of surface water extent variations in reservoirs using MODIS data | |
Feyisa et al. | Automated Water Extraction Index: A new technique for surface water mapping using Landsat imagery | |
Jakovljević et al. | Waterbody mapping: A comparison of remotely sensed and GIS open data sources | |
JP6822569B2 (ja) | 画像処理装置、画像処理方法及び画像処理プログラム | |
CN113221813B (zh) | 一种海岸线遥感提取方法 | |
CN111126028B (zh) | 数据处理方法、装置及设备 | |
Black et al. | Mapping sub‐pixel fluvial grain sizes with hyperspatial imagery | |
Chen et al. | A mathematical morphology-based multi-level filter of LiDAR data for generating DTMs | |
CN110826509A (zh) | 一种基于高分遥感影像的草原围栏信息提取系统及方法 | |
Song et al. | Efficient water area classification using Radarsat-1 SAR imagery in a high relief mountainous environment | |
Singh et al. | Detection of 2011 Sikkim earthquake-induced landslides using neuro-fuzzy classifier and digital elevation model | |
Sarp et al. | An approach for detection of buildings and changes in buildings using orthophotos and point clouds: A case study of Van Erriş earthquake | |
Jarchow et al. | Using full and partial unmixing algorithms to estimate the inundation extent of small, isolated stock ponds in an arid landscape | |
CN114022789A (zh) | 水体信息提取方法、装置、电子设备及存储介质 | |
Lei et al. | A novel algorithm of individual tree crowns segmentation considering three-dimensional canopy attributes using UAV oblique photos | |
Tran et al. | Improving hydrologic modeling using cloud-free modis flood maps | |
Nguyen et al. | Gaussian anamorphosis for ensemble kalman filter analysis of SAR-derived wet surface ratio observations | |
Sun et al. | Identifying terraces in the hilly and gully regions of the Loess Plateau in China | |
Xu et al. | A comparative study on the applicability and effectiveness of NSVI and NDVI for estimating fractional vegetation cover based on multi-source remote sensing image | |
US20210383546A1 (en) | Learning device, image processing device, learning method, image processing method, learning program, and image processing program | |
Roque et al. | OBIA flood delimitation assisted by threshold determination with principal component analysis | |
Surwase et al. | Development of algorithms for evaluating performance of flood simulation models with satellite-derived flood | |
Dumitru et al. | Accurate monitoring of the danube delta dynamics using copernicus data | |
Zhu et al. | Integrating extraction framework and methods of individual tree parameters based on close-range photogrammetry | |
Carani et al. | Detection of Tornado damage in forested regions via convolutional neural networks and uncrewed aerial system photogrammetry |
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 | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: No. 200, building 16, middle section of shuangshenggang Avenue, Shuangliu District, Chengdu, Sichuan Province Applicant after: Chengdu Guoxing Aerospace Technology Co.,Ltd. Address before: 610094 No. 16, floor 1, building 7, No. 333, middle section of Shuangnan Avenue, Dongsheng Street, Shuangliu District, Chengdu, Sichuan Applicant before: CHENGDU GUOXING AEROSPACE TECHNOLOGY Co.,Ltd. |
|
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220208 |