CN114494901A - 一种水体提取方法、系统、存储介质及计算设备 - Google Patents
一种水体提取方法、系统、存储介质及计算设备 Download PDFInfo
- Publication number
- CN114494901A CN114494901A CN202210003191.1A CN202210003191A CN114494901A CN 114494901 A CN114494901 A CN 114494901A CN 202210003191 A CN202210003191 A CN 202210003191A CN 114494901 A CN114494901 A CN 114494901A
- Authority
- CN
- China
- Prior art keywords
- water body
- target area
- water
- blocks
- extraction
- 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
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 186
- 238000000605 extraction Methods 0.000 title claims abstract description 85
- 238000003860 storage Methods 0.000 title claims abstract description 11
- 238000000034 method Methods 0.000 claims description 53
- 238000012216 screening Methods 0.000 claims description 15
- 230000015654 memory Effects 0.000 claims description 8
- 238000000638 solvent extraction Methods 0.000 claims description 7
- 238000003809 water extraction Methods 0.000 claims description 5
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 9
- 238000004590 computer program Methods 0.000 description 7
- 239000002352 surface water Substances 0.000 description 6
- 238000012545 processing Methods 0.000 description 5
- 238000009826 distribution Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000011835 investigation Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000007796 conventional method Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 241000282414 Homo sapiens Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000003595 spectral 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
- 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
- G06T2207/20021—Dividing image into blocks, subimages or windows
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种水体提取方法、系统、存储介质及计算设备，本发明采用最大类间差法对水体进行初步提取，对初步提取结果进行分块，对满足预设比例范围的块体，采用最大类间差法进行进一步细小水体提取，不仅减少了人工选取阈值对结果的影响，同时提高了局部细小水体提取效果。
Description
技术领域
本发明涉及一种水体提取方法、系统、存储介质及计算设备，属于遥感科学技术领域。
背景技术
地表水是江、河、湖、海等的总称，与人类的生产生活息息相关。以往多通过实地考察的方式来获取地表水体信息，实地考察虽然可以获得较高的准确性，但地表水在时间上变化迅速，在空间上分布广泛的特点导致了实地考察往往具有局限性。
随着遥感技术的发展，遥感卫星对地观测重访周期短，观测范围大、空间精度高的特点使其成为地表水监测的重要方式。现使用的遥感监测方法大多为水体指数法，即利用水体光谱特性进行地表水提取。但其区分水体与其它地物的阈值人工选取为结果带来了不确定性，另外其往往对细小水体提取效果较差。
发明内容
本发明提供了一种水体提取方法、系统、存储介质及计算设备，解决了背景技术中披露的问题。
为了解决上述技术问题，本发明所采用的技术方案是：
一种水体提取方法，包括：
获取目标区域的遥感影像数据；
根据目标区域的遥感影像数据，采用最大类间差法，提取目标区域的水体和非水体，获取目标区域的水体初步提取结果；
对水体初步提取结果进行分块，筛选出水体和非水利比例在预设范围内的块体；
根据筛选出的块体，采用最大类间差法，提取块体中的细小水体；
用提取出细小水体的块体覆盖水体初步提取结果中原先的块体，获得水体提取结果。
在获取水体初步提取结果之前，还包括对目标区域遥感影像数据进行预处理的步骤，包括：对目标区域的遥感影像数据进行校正。
根据目标区域的遥感影像数据，采用最大类间差法，提取目标区域的水体和非水体，获取目标区域的水体初步提取结果，包括：
根据目标区域的遥感影像数据，计算归一化水体指数；
根据归一化水体指数，采用最大类间差法，提取目标区域的水体和非水体；
根据目标区域的水体和非水体，获取目标区域的水体初步提取结果。
归一化水体指数计算公式为：
NDWI=(GREEN-NIR)/ (GREEN+NIR)
其中，NDWI 为归一化水体指数，GREEN为卫星B3波段，NIR为卫星B8波段。
预设范围为水体占比在35%到65%之间。
根据筛选出的块体，采用最大类间差法，提取块体中的细小水体，包括：
将筛选出的块体合并为进一步提取文件；
根据进一步提取文件，计算归一化水体指数；
根据归一化水体指数，采用最大类间差法，提取块体中的细小水体。
一种水体提取系统，包括：
获取模块：获取目标区域的遥感影像数据；
初步提取模块：根据目标区域的遥感影像数据，采用最大类间差法，提取目标区域的水体和非水体，获取目标区域的水体初步提取结果；
筛选模块：对水体初步提取结果进行分块，筛选出水体和非水利比例在预设范围内的块体；
进一步提取模块：根据筛选出的块体，采用最大类间差法，提取块体中的细小水体；
覆盖模块：用提取出细小水体的块体覆盖水体初步提取结果中原先的块体，获得水体提取结果。
一种存储一个或多个程序的计算机可读存储介质，所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行水体提取方法。
一种计算设备，包括一个或多个处理器、一个或多个存储器以及一个或多个程序，其中一个或多个程序存储在所述一个或多个存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行水体提取方法的指令。
本发明所达到的有益效果：本发明采用最大类间差法对水体进行初步提取，对初步提取结果进行分块，对满足预设比例范围的块体，采用最大类间差法进行进一步细小水体提取，不仅减少了人工选取阈值对结果的影响，同时提高了局部细小水体提取效果。
附图说明
图1为水体提取方法的流程图；
图2为目标区域Sentinel-2影像；
图3为目标区域归一化水体指数分布图；
图4为水体初步提取结果图；
图5为最终的水体提取结果图。
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。
如图1所示，一种水体提取方法，包括：
步骤1，获取目标区域的遥感影像数据；
步骤2，根据目标区域的遥感影像数据，采用最大类间差法，提取目标区域的水体和非水体，获取目标区域的水体初步提取结果；
步骤3，对水体初步提取结果进行分块，筛选出水体和非水利比例在预设范围内的块体；
步骤4，根据筛选出的块体，采用最大类间差法，提取块体中的细小水体；
步骤5，用提取出细小水体的块体覆盖水体初步提取结果中原先的块体，获得水体提取结果。
上述方法采用最大类间差法对水体进行初步提取，对初步提取结果进行分块，对满足预设比例范围的块体，采用最大类间差法进行进一步细小水体提取，不仅减少了人工选取阈值对结果的影响，同时提高了局部细小水体提取效果。
目标区域遥感影像数据可基于遥感卫星获得，这里采用多光谱遥感卫星Sentinel-2，其具有10m分辨率的近红外波段与绿光波段，可用于计算归一化水体指数，获得数据后，对其进行预处理，即对对目标区域的遥感影像数据进行校正，如数据筛选、去云等。
根据校正后的遥感影像数据，采用如下公式可计算归一化水体指数：
NDWI=(GREEN-NIR)/ (GREEN+NIR)
其中，NDWI 为归一化水体指数，GREEN为卫星（Sentinel-2）B3波段，为绿光波段，NIR为卫星（Sentinel-2）B8波段，为近红外波段。
根据归一化水体指数，采用最大类间差法OSTU方法，自动选取阈值，提取目标区域的水体和非水体，目标区域可二值化为0（非水体）和1（水体），根据目标区域的水体和非水体，获得目标区域的水体初步提取结果，其中水体初步提取结果为图片形式。
之前过程中在整个目标区域利用OSTU方法计算阈值，其局部水体提取精度可能有所丢失，且OSTU方法原理决定了在目标区域目标类型与其它类型处于1：1时精度最高，因此需要对部分区域进行进一步水体提取。
对水体初步提取结果进行分块，筛选出水体和非水利比例在预设范围内的块体；其中，预设范围为水体占比在35%到65%之间，此时水体与非水体所占比例大致为1：1。将筛选出的块体合并为进一步提取文件，具体为栅格文件，根据进一步提取文件，计算归一化水体指数，根据归一化水体指数，采用最大类间差法，提取块体中的细小水体。最后用提取出细小水体的块体覆盖水体初步提取结果中原先的块体，获得水体提取结果。
上述方法可结合Google Earth Engine云平台实施，具体过程可以为：
1）确定目标区域：Google Earth Engine允许用户上传自己的文件，在Asset中上传目标研究区域；如为上传文件为矢量则需同时上传shp、dbf、shx文件，另外，如用户不上传自己的prj坐标系统文件，则Google Earth Engine默认坐标系统为WGS-1984。
2）遥感影像数据校正：Google Earth Engine平台提供经过大气校正的Sentinel-2 Level-2A数据可以直接使用；利用Google Earth Engine提供的函数对Sentinel-2Level-2A数据进行筛选，filterDate函数用于筛选时间范围，filterBounds函数用于筛选区域，在filterMetadata函数中选择"CLOUD_COVERAGE_ASSESSMENT"属性，对其小于20的遥感影像进行去云处理，Google Earth Emgine也提供相关方法利用Sentinel-2卫星的“QA60”波段来去云；
3）根据公式计算归一化水体指数；
4）利用OSTU方法初步提取水体：在Google Earth Engine中引入OSTU方法，自动选取阈值，根据归一化水体指数，分出水体与非水体，对目标区域二值化为0（非水体）和1（水体）；
5）导出水体初步提取结果：利用Google Earth Engine平台提供的函数将二值化所得结果导出为TIF文件，下载到本地后用arcgis打开，此时可初步区分水体与非水体；
6）局部细小水体提取：利用arcgis将水体初步提取结果划分为N*N个块体，此时每个块体中均为二值化的水体（1）与非水体（0），因此利用arcgis统计每个区域的平均值，即水体所占的比例；筛选出水体占比在35%到65%之间的部分，将这些部分合称为一个栅格文件，此栅格文件中水体与非水体所占比例大致为1：1。将其上传到Google Earth Engine平台，重复此前操作，提取得到局部细小水体，对比初步结果精度有较高幅度上升；
8）合并得到最终结果：提取出细小水体的块体覆盖水体初步提取结果中原先的块体，得到目标区域的水体提取结果，即目标区域的水体分布。
以图2中某区域2020年12月的遥感影像为例，采用上述的方法获得如图3所示的归一化水体指数分布图，如图4所示的水体初步提取结果图，以及图5所示的水体提取结果图。从图中可以看出，在细小水体上取得了较好的精度，改善了常规方法在细小水体精度上的不足。
同时与Google Earth Engine平台结合，用户不需下载遥感影像，所有操作都在Google Earth Engine云平台上进行，简化了常规方法的操作复杂性，同时自动化程度高，解决了常规遥感处理难以进行大范围、长时间的水体监测的痛点
基于相同的技术方案，本发明还公开了上述方法的软件系统，一种水体提取系统，包括：
获取模块：获取目标区域的遥感影像数据；
初步提取模块：根据目标区域的遥感影像数据，采用最大类间差法，提取目标区域的水体和非水体，获取目标区域的水体初步提取结果；
筛选模块：对水体初步提取结果进行分块，筛选出水体和非水利比例在预设范围内的块体；
进一步提取模块：根据筛选出的块体，采用最大类间差法，提取块体中的细小水体；
覆盖模块：用提取出细小水体的块体覆盖水体初步提取结果中原先的块体，获得水体提取结果。
上述水体提取系统中，各模块的数据处理流程与方法中的一致，这里不重复描述了。
水体提取系统封装了操作代码，用户不需遥感专业相关知识，不需操作相关专业软件即可提取地表水体，减少了常规遥感操作对用户的专业要求。
基于相同的技术方案，本发明还公开了一种存储一个或多个程序的计算机可读存储介质，所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行水体提取方法。
基于相同的技术方案，本发明还公开了一种计算设备，包括一个或多个处理器、一个或多个存储器以及一个或多个程序，其中一个或多个程序存储在所述一个或多个存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行水体提取方法的指令。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。
以上仅为本发明的实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均包含在申请待批的本发明的权利要求范围之内。
Claims (9)
1.一种水体提取方法，其特征在于，包括：
获取目标区域的遥感影像数据；
根据目标区域的遥感影像数据，采用最大类间差法，提取目标区域的水体和非水体，获取目标区域的水体初步提取结果；
对水体初步提取结果进行分块，筛选出水体和非水利比例在预设范围内的块体；
根据筛选出的块体，采用最大类间差法，提取块体中的细小水体；
用提取出细小水体的块体覆盖水体初步提取结果中原先的块体，获得水体提取结果。
2.根据权利要求1所述的一种水体提取方法，其特征在于，在获取水体初步提取结果之前，还包括对目标区域遥感影像数据进行预处理的步骤，包括：对目标区域的遥感影像数据进行校正。
3.根据权利要求1所述的一种水体提取方法，其特征在于，根据目标区域的遥感影像数据，采用最大类间差法，提取目标区域的水体和非水体，获取目标区域的水体初步提取结果，包括：
根据目标区域的遥感影像数据，计算归一化水体指数；
根据归一化水体指数，采用最大类间差法，提取目标区域的水体和非水体；
根据目标区域的水体和非水体，获取目标区域的水体初步提取结果。
4.根据权利要求3所述的一种水体提取方法，其特征在于，归一化水体指数计算公式为：
NDWI=(GREEN-NIR)/ (GREEN+NIR)
其中，NDWI 为归一化水体指数，GREEN为卫星B3波段，NIR为卫星B8波段。
5.根据权利要求1所述的一种水体提取方法，其特征在于，预设范围为水体占比在35%到65%之间。
6.根据权利要求1所述的一种水体提取方法，其特征在于，根据筛选出的块体，采用最大类间差法，提取块体中的细小水体，包括：
将筛选出的块体合并为进一步提取文件；
根据进一步提取文件，计算归一化水体指数；
根据归一化水体指数，采用最大类间差法，提取块体中的细小水体。
7.一种水体提取系统，其特征在于，包括：
获取模块：获取目标区域的遥感影像数据；
初步提取模块：根据目标区域的遥感影像数据，采用最大类间差法，提取目标区域的水体和非水体，获取目标区域的水体初步提取结果；
筛选模块：对水体初步提取结果进行分块，筛选出水体和非水利比例在预设范围内的块体；
进一步提取模块：根据筛选出的块体，采用最大类间差法，提取块体中的细小水体；
覆盖模块：用提取出细小水体的块体覆盖水体初步提取结果中原先的块体，获得水体提取结果。
8.一种存储一个或多个程序的计算机可读存储介质，其特征在于：所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行根据权利要求1至6所述的方法中的任一方法。
9.一种计算设备，其特征在于，包括：
一个或多个处理器、一个或多个存储器以及一个或多个程序，其中一个或多个程序存储在所述一个或多个存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行根据权利要求1至6所述的方法中的任一方法的指令。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210003191.1A CN114494901A (zh) | 2022-01-04 | 2022-01-04 | 一种水体提取方法、系统、存储介质及计算设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210003191.1A CN114494901A (zh) | 2022-01-04 | 2022-01-04 | 一种水体提取方法、系统、存储介质及计算设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114494901A true CN114494901A (zh) | 2022-05-13 |
Family
ID=81509604
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210003191.1A Pending CN114494901A (zh) | 2022-01-04 | 2022-01-04 | 一种水体提取方法、系统、存储介质及计算设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114494901A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115561199A (zh) * | 2022-09-26 | 2023-01-03 | 重庆数字城市科技有限公司 | 一种基于卫星遥感影像的水华监测方法 |
-
2022
- 2022-01-04 CN CN202210003191.1A patent/CN114494901A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115561199A (zh) * | 2022-09-26 | 2023-01-03 | 重庆数字城市科技有限公司 | 一种基于卫星遥感影像的水华监测方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113095303B (zh) | 模型训练方法及林地变化检测方法及系统及装置及介质 | |
| Huang et al. | Individual tree crown detection and delineation from very-high-resolution UAV images based on bias field and marker-controlled watershed segmentation algorithms | |
| US20140093138A1 (en) | Plant species identification apparatus and method | |
| CN111161090B (zh) | 圈养栏信息的确定方法、装置及系统、存储介质 | |
| CN106650812A (zh) | 一种卫星遥感影像的城市水体提取方法 | |
| CN114445703B (zh) | 基于时间序列分析的森林增长年份自动识别方法、系统 | |
| CN114463623A (zh) | 一种基于多尺度遥感影像的耕地变化检测方法及装置 | |
| CN116958503B (zh) | 一种基于图像处理的污泥干化等级识别方法及系统 | |
| CN118279596B (zh) | 一种水下鱼类阳光折射图像去噪方法及系统 | |
| CN115393728A (zh) | 一种基于Sentinel-1/2时间序列遥感图像的废弃鱼塘提取方法 | |
| CN114494901A (zh) | 一种水体提取方法、系统、存储介质及计算设备 | |
| CN113343945B (zh) | 水体识别方法、装置、电子设备及存储介质 | |
| CN117315489B (zh) | 一种基于局部背景特征信息的水体提取方法及装置 | |
| CN111476308B (zh) | 基于先验几何约束的遥感影像分类方法、装置和电子设备 | |
| CN112711793B (zh) | 一种削山建设识别方法及装置 | |
| CN109934342A (zh) | 神经网络模型训练方法、深度图像修复方法及系统 | |
| Wang et al. | A Novel Wireless Leaf Area Index Sensor Based on a Combined U-Net Deep Learning Model | |
| CN115661471A (zh) | 紫菜养殖区提取方法、装置、可读存储介质及电子设备 | |
| CN110689549B (zh) | 对象提取方法、装置和设备 | |
| CN114581370A (zh) | 基于图像的烟丝宽度测量方法、装置、设备及存储介质 | |
| CN114463343A (zh) | 一种自动提取海岸带养殖工厂轮廓的方法及装置 | |
| CN113160262A (zh) | 基于高分辨率卫星遥感影像的蚝排提取方法、系统及介质 | |
| CN116109906B (zh) | 一种基于MaskRCNN结合U-Net的人工智能岩体RQD计算方法 | |
| CN116994072B (zh) | 基于决策树分类模型的湿地提取方法、装置、设备和介质 | |
| CN118608992A (zh) | 一种基于输变电工程环境的植被恢复数据分析方法及系统 |
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 |