CN115690502B - 一种近岸及内陆水体水波纹消除方法、系统及可读存储介质 - Google Patents
一种近岸及内陆水体水波纹消除方法、系统及可读存储介质 Download PDFInfo
- Publication number
- CN115690502B CN115690502B CN202211363102.0A CN202211363102A CN115690502B CN 115690502 B CN115690502 B CN 115690502B CN 202211363102 A CN202211363102 A CN 202211363102A CN 115690502 B CN115690502 B CN 115690502B
- Authority
- CN
- China
- Prior art keywords
- water
- water body
- wave
- ripple
- reflectivity
- 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
Images
Classifications
-
- 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
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种近岸及内陆水体水波纹消除方法、系统及可读存储介质。所述方法包括:获取覆盖近岸或内陆水体区域的光学遥感影像,对水体区域的光学遥感影像进行预处理,得到地表反射率;然后对预处理后的遥感影像进行HSV空间变换,获取影像的色调分量、饱和度分量;根据色调分量在不同光学组分主导水体的值域范围,将影像图幅范围内的水体像元进行分类;在所提取的水体像元内,根据饱和度提取不同类别水体的水波纹区域;根据水波纹区域的像元样本,构建校正函数,消除图幅范围内水体的水波纹。本发明能够较好地消除影像图幅内水体的波纹影响,保留了水体真实的色彩特征,有助于改善遥感影像成图效果,提高近岸及内陆水体水质遥感的反演精度。
Description
技术领域
本发明涉及遥感技术领域,更具体地,涉及一种近岸及内陆水体水波纹消除方法、系统及可读存储介质。
背景技术
中高分辨率卫星遥感影像可以记录更精细的地面纹理信息,获取对地物的准确描述。但在特定领域也增加了影像处理难度。以水质遥感为例,光学传感器接收的水体信息包括大气程辐射、水表镜面反射、水体散射的出水辐射。光学浅水环境下,还包括水底反射光。其中,仅水体散射包含水质信息,前两种信息需要被消除。对于大气程辐射的去除,目前有较多成熟的大气校正方法可以实现。而水表镜面反射的消除则集中在开阔的大洋水体,近岸及内陆水体的研究较少,这是由光学影像的应用场景导致的。
⑴大洋水体的水质遥感反演参数以水色三要素为主,一般用于全球尺度的海洋初级生产力、物质输移等研究,目前采用的光学遥感影像一般为MODIS/MERRIS(250米)或哨兵三号(300米)。此类影像空间分辨率较低,像元尺度上的水体信息可近似为朗伯体,方向性较强的水表镜面反射弱于整个像元尺度的水色信息。因此,影像处理过程无需特别关注水表镜面反射的干扰。而内陆水体水质遥感反演时,因河道、湖泊、河口的范围远小于海洋,需要空间分辨率更高的遥感数据,例如30米的Landsat系列、10米的哨兵二号或更高分辨率的高分系列影像。当水表被风场、流场扰动时,单个像元记录的水表镜面反射往往强于水体的出水反射,导致水体在影像中表现出白灰色的波纹,不利于水质信息提取。
⑵大洋水体的影像波纹去除方面,以获取水深信息为主,一般应用在岛礁附近的浅海水域。算法原理基于两个假设:①水表镜面反射不随波长变化;②水体底质和水体光学性质的均一性。因此,算法实施环节需首先勾选一个或多个水波纹区域;再统计样本区域的近红外波段最小值,作为不受耀斑干扰的水体像元值;最后,通过样本区建立的近红外波段与可见光波段的回归关系,校正可见光波段。该方法应用在内陆水体会出现以下问题:①内陆水体光学信息复杂,不具备均一性;②人工勾选的样本区受限于水体光学信息的区域变化,单次可处理的影像范围较小;③内陆水体在近红外区域(850nm附近)的反射率并不近似为0,有时反而具备一定的反射特征(例如高浑浊水体和富营养化水体),简单地以样本区的近红外波段作为基准,校正整景影像,会使水体光谱信息异常,给后续水质反演带来误差。
发明内容
鉴于上述问题,为了消除中高分辨率遥感影像应用于近岸及内陆水体水质反演时的水面波纹信息干扰,通过分析水波纹和不同光学组分水体在HSV空间的表达特征,本发明提出一种近岸及内陆水体水波纹消除方法、系统及可读存储介质。
本发明第一方面提供了一种近岸及内陆水体水波纹消除方法。所述方法包括以下步骤:
S1:获取覆盖近岸或内陆水体区域的光学遥感影像,对水体区域的光学遥感影像进行预处理,得到地表反射率r;
S2:根据地表反射率r,对预处理后的遥感影像进行HSV空间变换,获取影像的色调分量H、饱和度分量S;
S3:根据色调分量H在不同光学组分主导水体的值域范围,将影像图幅范围内的水体像元进行分类;
S4:在所提取的水体像元内,进一步根据饱和度S提取不同类别水体的水波纹区域;
S5:根据水波纹区域的像元样本,构建校正函数,消除图幅范围内水体的水波纹。
优选地,S1中所述预处理方法为辐射定标、大气校正。
优选地,所述S2具体包括:
S2.1:将地表反射率r转换为uint16型数据ru;
S2.2:对预处理后的遥感影像中的红光、绿光、蓝光的ru进行归一化处理;得到红光、绿光、蓝光三个波段的归一化结果,分别记为R、G、B;
将归一化处理后的R、G、B转换到HSV空间,得到色调分量H和饱和度分量S,公式如下:
其中,V为亮度分量,计算方式为V=max(R,G,B);V′为亮度分量V与R、G、B三个波段最小值的差值,计算方式为V′=V-min(R,G,B);色调分量H的值域范围为0~1,由小到大按色调环的分布对应红、橙、黄、绿、青、蓝、洋红,最后返回红色;饱和度S值域范围为0~1,表示纯色与消色(灰色)的比例,值越高颜色越鲜艳。
优选地,所述S3具体为:
S3.1:根据水体指数NDWI和近红外波段反射率r(NIR),确定图幅范围内的水体像元,水体指数NDWI和近红外波段反射率r(NIR)的阈值为:
其中,r(G)为绿光波段的反射率;
S3.2:针对提取的水体像元,根据不同的色调分量H阈值进行分类,分为水体H1、水体H2、水体H3三类;其中H1对应黄色调的水体,水体光学特性由悬浮颗粒物主导;H2对应绿色调水体,水体光学特性由叶绿素主导;H3对应蓝色调水体,水体光学特性受藻类、悬浮物的影响较小,以水分子的吸收作用为主。
优选地,所述S5具体为:
S5.1:根据水体H1内的水波纹像元区域,提取短波红外波段SWIR的反射率值r(SWIR),作为自变量x;
S5.2:计算水体H1在短波红外波段SWIR的最小值,记为x0;
S5.3:根据水体H1内的水波纹像元区域,提取蓝光波段B的反射率值r(B),作为因变量y;
S5.4:构建一元回归函数y=k*x+b,经最小二乘法拟合得到斜率k;
S5.5:按如下公式计算得到消除水波纹干扰后的水体蓝光波段反射率r′(B):
r′(B)=r(B)-k*(r(SWIR)-x0)
S5.6:重复上述步骤S5.3~S5.5,依次得到消除水波纹干扰后的水体绿光波段反射率r′(G)、红光波段反射率r′(R)、近红外波段反射率r′(NIR);
S5.7:重复上述步骤S5.3~S5.6,依次得到消除水波纹干扰后的水体H2、H3,完成整个校正过程,以消除图幅范围内水体的水波纹。
本发明第二方面提供了一种近岸及内陆水体水波纹消除系统,包括存储器和处理器,所述存储器中包括近岸及内陆水体水波纹消除方法程序,所述近岸及内陆水体水波纹消除方法程序被所述处理器执行时实现如下步骤:
S1:获取覆盖近岸或内陆水体区域的光学遥感影像,对水体区域的光学遥感影像进行预处理,得到地表反射率r;
S2:根据地表反射率r,对预处理后的遥感影像进行HSV空间变换,获取影像的色调分量H、饱和度分量S;
S3:根据色调分量H在不同光学组分主导水体的值域范围,将影像图幅范围内的水体像元进行分类;
S4:在所提取的水体像元内,进一步根据饱和度S提取不同类别水体的水波纹区域;
S5:根据水波纹区域的像元样本,构建校正函数,消除图幅范围内水体的水波纹。
优选地,所述S2具体包括:
S2.1:将地表反射率r转换为uint16型数据ru;
S2.2:对预处理后的遥感影像中的红光、绿光、蓝光的ru进行归一化处理;得到红光、绿光、蓝光三个波段的归一化结果,分别记为R、G、B;
将归一化处理后的R、G、B转换到HSV空间,得到色调分量H和饱和度分量S,公式如下:
其中,V为亮度分量,计算方式为V=max(R,G,B);V′为亮度分量V与R、G、B三个波段最小值的差值,计算方式为V′=V-min(R,G,B);色调分量H的值域范围为0~1,由小到大按色调环的分布对应红、橙、黄、绿、青、蓝、洋红,最后返回红色;饱和度S值域范围为0~1,表示纯色与消色(灰色)的比例,值越高颜色越鲜艳。
优选地,所述S3具体为:
S3.1:根据水体指数NDWI和近红外波段反射率r(NIR),确定图幅范围内的水体像元,水体指数NDWI和近红外波段反射率r(NIR)的阈值为:
其中,r(G)为绿光波段的反射率;
S3.2:针对提取的水体像元,根据不同的色调分量H阈值进行分类,分为水体H1、水体H2、水体H3三类;其中H1对应黄色调的水体,水体光学特性由悬浮颗粒物主导;H2对应绿色调水体,水体光学特性由叶绿素主导;H3对应蓝色调水体,水体光学特性受藻类、悬浮物的影响较小,以水分子的吸收作用为主。
优选地,所述S5具体为:
S5.1:根据水体H1内的水波纹像元区域,提取短波红外波段SWIR的反射率值r(SWIR),作为自变量x;
S5.2:计算水体H1在短波红外波段SWIR的最小值,记为x0;
S5.3:根据水体H1内的水波纹像元区域,提取蓝光波段B的反射率值r(B),作为因变量y;
S5.4:构建一元回归函数y=k*x+b,经最小二乘法拟合得到斜率k;
S5.5:按如下公式计算得到消除水波纹干扰后的水体蓝光波段反射率r′(B):
r′(B)=r(B)-k*(r(SWIR)-x0)
S5.6:重复上述步骤S5.3~S5.5,依次得到消除水波纹干扰后的水体绿光波段反射率r′(G)、红光波段反射率r′(R)、近红外波段反射率r′(NIR);
S5.7:重复上述步骤S5.3~S5.6,依次得到消除水波纹干扰后的水体H2、H3,完成整个校正过程,以消除图幅范围内水体的水波纹。
本发明第三方面提供了一种计算机可读存储介质,所述计算机可读存储介质中包括近岸及内陆水体水波纹消除方法程序,所述近岸及内陆水体水波纹消除方法程序被处理器执行时,实现所述一种近岸及内陆水体水波纹消除方法的步骤。
与现有技术相比,本发明技术方案的有益效果是:本发明所述方法通过分析水波纹和不同光学组分水体在HSV空间的表达特征,通过影像图幅范围内水波纹区域的自动选取;再基于影像色调信息的内陆水体分类,然后以内陆水体光学特征较弱的短波红外波段较为基准,校正可见光-近红外波段遥感影像。本发明能够较好地消除影像图幅内水体的波纹影响,保留了水体真实的色彩特征,有助于改善遥感影像成图效果,提高近岸及内陆水体水质遥感的反演精度。
附图说明
图1为实施例1所述一种近岸及内陆水体水波纹消除方法流程图。
图2为珠江河口灰度图及典型水面波纹区域图。
图3为珠江河口影像水体像元的色调H。
图4为珠江河口影像基于色调H的水体分类。
图5为珠江河口影像水体波纹区域图
图6为珠江河口影像水波纹去除前、后的整体效果对比图。
图7为珠江河口影像水波纹去除前、后的局部效果对比图。
图8为实施例2所述一种近岸及内陆水体水波纹消除系统框图。
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进行进一步的详细描述。需要说明的是,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是,本发明还可以采用其他不同于在此描述的其他方式来实施,因此,本发明的保护范围并不受下面公开的具体实施例的限制。
实施例1
如图1所示,本实施例公开了一种近岸及内陆水体水波纹消除方法。所述方法包括以下步骤:
S1:获取覆盖近岸或内陆水体区域的光学遥感影像,对水体区域的光学遥感影像进行预处理,得到地表反射率r;
S2:根据地表反射率r,对预处理后的遥感影像进行HSV空间变换,获取影像的色调分量H、饱和度分量S;
S3:根据色调分量H在不同光学组分主导水体的值域范围,将影像图幅范围内的水体像元进行分类;
S4:在所提取的水体像元内,进一步根据饱和度S提取不同类别水体的水波纹区域;
S5:根据水波纹区域的像元样本,构建校正函数,消除图幅范围内水体的水波纹。
需要说明的是,作为一个具体的实施例,下面以一个具体的实例进行展开说明:
S1:获取覆盖近岸或内陆水体区域的光学遥感影像,对水体区域的光学遥感影像进行预处理,得到地表反射率r;
⑴以哨兵二号多光谱影像为例,覆盖范围为珠江河口地区,成像日期为2022年9月6日。原始影像通过哨兵系列卫星科研数据中心网站(https://scihub.copernicus.eu/dhus/#/home)下载获取,文件名为S2A_MSIL1C_20220906T025541_N0400_R032_T49QGF_20220906T053144.zip。
⑵对原始影像进行辐射定标、大气校正后获取地表反射率。该步骤可通过欧空局发布的Sen2Cor软件或其他大气校正算法完成,本例采用发明专利《一种城市河网区水体大气校正方法》(专利号:ZL201811374030.3)所述的算法完成处理。大气校正后的区域灰度影像和典型水表波纹区域如图2所示。
S2:根据地表反射率r,对预处理后的遥感影像进行HSV空间变换,获取影像的色调分量H、饱和度分量S;
S2.1:将地表反射率r转换为uint16型数据。本实施例中,经大气校正后的r无量纲,值域范围在0~1,将其扩大10000倍后,四舍五入取整,记为ru。
S2.2:对红光、绿光、蓝光的ru进行归一化处理。本例中,uint16数据值域范围为0~65535,因此,令ru除以65535转换到0~1之间,红、绿、蓝三个波段的归一化结果分别记为R、G、B。
S2.3:将归一化处理后的R、G、B转换到HSV空间,得到色调分量H和饱和度分量S,公式如下:
其中,V为亮度分量,计算方式为V=max(R,G,B);V′为亮度分量V与R、G、B三个波段最小值的差值,计算方式为V′=V-min(R,G,B);色调分量H的值域范围为0~1,由小到大按色调环的分布对应红、橙、黄、绿、青、蓝、洋红,最后返回红色;饱和度S值域范围为0~1,表示纯色与消色(灰色)的比例,值越高颜色越鲜艳。水体像元的色调H如图3所示。
S3:根据色调分量H在不同光学组分主导水体的值域范围,将影像图幅范围内的水体像元进行分类;
所述S3具体为:
S3.1:结合水体指数NDWI和近红外波段反射率r(NIR),确定图幅范围内的水体像元,相应的阈值按以下公式所示。其中,r(G)为绿光波段的反射率。
⑵针对提取的水体像元,按如下所示的色调分量H阈值将其分为三类。其中,H1对应黄色调的水体,水体光学特性由悬浮颗粒物主导;H2对应绿色调水体,水体光学特性由叶绿素主导;H3对应蓝色调水体,水体光学特性受藻类、悬浮物的影响较小,以水分子的吸收作用为主。分类结果如图4所示。
S4:在所提取的水体像元内,进一步根据饱和度S提取不同类别水体(H1~H3)的水波纹区域,相应的阈值按以下公式所示。提取结果如图5所示。
0.1≤S<0.25
S5:根据水波纹区域的像元样本,构建校正函数,消除图幅范围内水体的水波纹。
所述S5具体为:
S5.1:根据水体H1内的水波纹像元区域,提取短波红外波段SWIR的反射率值r(SWIR),作为自变量x。本例中,哨兵二号MSI传感器的SWIR对应B12波段,中心波长2202nm。对于Landsat系列的OLI传感器,SWIR对应Band7波段,中心波长2180nm。
S5.2:计算水体H1在SWIR波段的最小值,记为x0。
S5.3:根据水体H1内的水波纹像元区域,提取蓝光波段B的反射率值r(B),作为因变量y。
S5.4:构建一元回归函数y=k*x+b,经最小二乘法拟合得到斜率k。
S5.5:按如下公式计算得到消除水波纹干扰后的水体蓝光波段反射率r′(B)。
r′(B)=r(B)-k*(r(SWIR)-x0)
S5.6:重复上述步骤S5.3~S5.5,依次得到消除水波纹干扰后的水体绿光波段反射率r′(G)、红光波段反射率r′(R)、近红外波段反射率r′(NIR)。
S5.7:重复上述步骤S5.3~S5.6:,依次得到消除水波纹干扰后的水体H2、H3,完成整个校正过程。影像的整体校正结果如图6所示,局部区域的对比如图7所示。可以看出,本方法适用于河口、河道、湖库等多种近岸及内陆水体,能够较好地消除影像图幅内水体的波纹影响,保留了水体真实的色彩特征,有助于改善遥感影像成图效果,提高近岸及内陆水体水质遥感的反演精度。
实施例2
如图8所示,本实施例公开了一种近岸及内陆水体水波纹消除系统,包括存储器和处理器,所述存储器中包括近岸及内陆水体水波纹消除方法程序,所述近岸及内陆水体水波纹消除方法程序被所述处理器执行时实现如下步骤:
S1:获取覆盖近岸或内陆水体区域的光学遥感影像,对水体区域的光学遥感影像进行预处理,得到地表反射率r;
S2:根据地表反射率r,对预处理后的遥感影像进行HSV空间变换,获取影像的色调分量H、饱和度分量S;
S3:根据色调分量H在不同光学组分主导水体的值域范围,将影像图幅范围内的水体像元进行分类;
S4:在所提取的水体像元内,进一步根据饱和度S提取不同类别水体的水波纹区域;
S5:根据水波纹区域的像元样本,构建校正函数,消除图幅范围内水体的水波纹。
根据本发明实施例,所述S2具体包括:
S2.1:将地表反射率r转换为uint16型数据ru;
S2.2:对预处理后的遥感影像中的红光、绿光、蓝光的ru进行归一化处理;得到红光、绿光、蓝光三个波段的归一化结果,分别记为R、G、B;
将归一化处理后的R、G、B转换到HSV空间,得到色调分量H和饱和度分量S,公式如下:
其中,V为亮度分量,计算方式为V=max(R,G,B);V′为亮度分量V与R、G、B三个波段最小值的差值,计算方式为V′=V-min(R,G,B);色调分量H的值域范围为0~1,由小到大按色调环的分布对应红、橙、黄、绿、青、蓝、洋红,最后返回红色;饱和度S值域范围为0~1,表示纯色与消色(灰色)的比例,值越高颜色越鲜艳。
根据本发明实施例,所述S3具体为:
S3.1:根据水体指数NDWI和近红外波段反射率r(NIR),确定图幅范围内的水体像元,水体指数NDWI和近红外波段反射率r(NIR)的阈值为:
其中,r(G)为绿光波段的反射率;
S3.2:针对提取的水体像元,根据不同的色调分量H阈值进行分类,分为水体H1、水体H2、水体H3三类;其中H1对应黄色调的水体,水体光学特性由悬浮颗粒物主导;H2对应绿色调水体,水体光学特性由叶绿素主导;H3对应蓝色调水体,水体光学特性受藻类、悬浮物的影响较小,以水分子的吸收作用为主。
根据本发明实施例,所述S5具体为:
S5.1:根据水体H1内的水波纹像元区域,提取短波红外波段SWIR的反射率值r(SWIR),作为自变量x;
S5.2:计算水体H1在短波红外波段SWIR的最小值,记为x0;
S5.3:根据水体H1内的水波纹像元区域,提取蓝光波段B的反射率值r(B),作为因变量y;
S5.4:构建一元回归函数y=k*x+b,经最小二乘法拟合得到斜率k;
S5.5:按如下公式计算得到消除水波纹干扰后的水体蓝光波段反射率r′(B):
r′(B)=r(B)-k*(r(SWIR)-x0)
S5.6:重复上述步骤S5.3~S5.5,依次得到消除水波纹干扰后的水体绿光波段反射率r′(G)、红光波段反射率r′(R)、近红外波段反射率r′(NIR);
S5.7:重复上述步骤S5.3~S5.6,依次得到消除水波纹干扰后的水体H2、H3,完成整个校正过程,以消除图幅范围内水体的水波纹。
实施例3
本实施例公开了一种计算机可读存储介质,所述计算机可读存储介质中包括近岸及内陆水体水波纹消除方法程序,所述近岸及内陆水体水波纹消除方法程序被处理器执行时,实现实施例1所述一种近岸及内陆水体水波纹消除方法的步骤。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,如:多个单元或组件可以结合,或可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,设备或单元的间接耦合或通信连接,可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的,作为单元显示的部件可以是、或也可以不是物理单元;既可以位于一个地方,也可以分布到多个网络单元上;可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外,在本发明各实施例中的各功能单元可以全部集成在一个处理单元中,也可以是各单元分别单独作为一个单元,也可以两个或两个以上单元集成在一个单元中;上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:移动存储设备、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。
或者,本发明上述集成的单元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,也可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实施例的技术方案本质上或者说对现有技术做出贡献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)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括:移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
Claims (6)
1.一种近岸及内陆水体水波纹消除方法,其特征在于,所述方法包括以下步骤:
S1:获取覆盖近岸或内陆水体区域的光学遥感影像,对水体区域的光学遥感影像进行预处理,得到地表反射率r;
S2:根据地表反射率r,对预处理后的遥感影像进行HSV空间变换,获取影像的色调分量H、饱和度分量S;
S3:根据色调分量H在不同光学组分主导水体的值域范围,将影像图幅范围内的水体像元进行分类;
所述S3具体为:
S3.1:根据水体指数NDWI和近红外波段反射率r(NIR),确定图幅范围内的水体像元,水体指数NDWI和近红外波段反射率r(NIR)的阈值为:
其中,r(G)为绿光波段的反射率;
S3.2:针对提取的水体像元,根据不同的色调分量H阈值进行分类,分为水体H1、水体H2、水体H3三类;分类结果为:
其中H1对应黄色调的水体,水体光学特性由悬浮颗粒物主导;H2对应绿色调水体,水体光学特性由叶绿素主导;H3对应蓝色调水体,水体光学特性受藻类、悬浮物的影响小,以水分子的吸收作用为主;
S4:在所提取的水体像元内,根据饱和度S提取不同类别水体的水波纹区域;相应的阈值按以下公式所示,提取结果下:
0.1≤S<0.25
S5:根据水波纹区域的像元样本,构建校正函数,消除图幅范围内水体的水波纹;
所述S5具体为:
S5.1:根据水体H1内的水波纹像元区域,提取短波红外波段SWIR的反射率值r(SWIR),作为自变量x;
S5.2:计算水体H1在短波红外波段SWIR的最小值,记为x0;
S5.3:根据水体H1内的水波纹像元区域,提取蓝光波段B的反射率值r(B),作为因变量y;
S5.4:构建一元回归函数y=k*x+b,经最小二乘法拟合得到斜率k;
S5.5:按如下公式计算得到消除水波纹干扰后的水体蓝光波段反射率r′(B):
r′(B)=r(B)-k*(r(SWIR)-x0)
S5.6:重复上述步骤S5.3~S5.5,依次得到消除水波纹干扰后的水体绿光波段反射率r′(G)、红光波段反射率r′(R)、近红外波段反射率r′(NIR);
S5.7:针对H2、H3,重复上述步骤S5.1~S5.6,依次得到消除水波纹干扰后的水体H2、H3,完成整个校正过程,以消除图幅范围内水体的水波纹。
2.根据权利要求1所述的一种近岸及内陆水体水波纹消除方法,其特征在于,S1中所述预处理方法为辐射定标、大气校正。
3.根据权利要求1或2所述的一种近岸及内陆水体水波纹消除方法,其特征在于,所述S2具体包括:
S2.1:将地表反射率r转换为uint16型数据ru;
S2.2:对预处理后的遥感影像中的红光、绿光、蓝光的ru进行归一化处理;得到红光、绿光、蓝光三个波段的归一化结果,分别记为R、G、B;
将归一化处理后的R、G、B转换到HSV空间,得到色调分量H和饱和度分量S,公式如下:
其中,V为亮度分量,计算方式为V=max(R,G,B);V′为亮度分量V与R、G、B三个波段最小值的差值,计算方式为V′=V-min(R,G,B);色调分量H的值域范围为0~1,由小到大按色调环的分布对应红、橙、黄、绿、青、蓝、洋红,最后返回红色;饱和度S值域范围为0~1,表示纯色与消色的比例,值越高颜色越鲜艳。
4.一种近岸及内陆水体水波纹消除系统,其特征在于,包括存储器和处理器,所述存储器中包括近岸及内陆水体水波纹消除方法程序,所述近岸及内陆水体水波纹消除方法程序被所述处理器执行时实现如下步骤:
S1:获取覆盖近岸或内陆水体区域的光学遥感影像,对水体区域的光学遥感影像进行预处理,得到地表反射率r;
S2:根据地表反射率r,对预处理后的遥感影像进行HSV空间变换,获取影像的色调分量H、饱和度分量S;
S3:根据色调分量H在不同光学组分主导水体的值域范围,将影像图幅范围内的水体像元进行分类;
所述S3具体为:
S3.1:根据水体指数NDWI和近红外波段反射率r(NIR),确定图幅范围内的水体像元,水体指数NDWI和近红外波段反射率r(NIR)的阈值为:
其中,r(G)为绿光波段的反射率;
S3.2:针对提取的水体像元,根据不同的色调分量H阈值进行分类,分为水体H1、水体H2、水体H3三类;分类结果为:
其中H1对应黄色调的水体,水体光学特性由悬浮颗粒物主导;H2对应绿色调水体,水体光学特性由叶绿素主导;H3对应蓝色调水体,水体光学特性受藻类、悬浮物的影响小,以水分子的吸收作用为主;
S4:在所提取的水体像元内,根据饱和度S提取不同类别水体的水波纹区域;相应的阈值按以下公式所示,提取结果下:
0.1≤S<0.25
S5:根据水波纹区域的像元样本,构建校正函数,消除图幅范围内水体的水波纹;
所述S5具体为:
S5.1:根据水体H1内的水波纹像元区域,提取短波红外波段SWIR的反射率值r(SWIR),作为自变量x;
S5.2:计算水体H1在短波红外波段SWIR的最小值,记为x0;
S5.3:根据水体H1内的水波纹像元区域,提取蓝光波段B的反射率值r(B),作为因变量y;
S5.4:构建一元回归函数y=k*x+b,经最小二乘法拟合得到斜率k;
S5.5:按如下公式计算得到消除水波纹干扰后的水体蓝光波段反射率r′(B):
r′(B)=r(B)-k*(r(SWIR)-x0)
S5.6:重复上述步骤S5.3~S5.5,依次得到消除水波纹干扰后的水体绿光波段反射率r′(G)、红光波段反射率r′(R)、近红外波段反射率r′(NIR);
S5.7:针对H2、H3,重复上述步骤S5.1~S5.6,依次得到消除水波纹干扰后的水体H2、H3,完成整个校正过程,以消除图幅范围内水体的水波纹。
5.根据权利要求4所述的一种近岸及内陆水体水波纹消除系统,其特征在于,所述S2具体包括:
S2.1:将地表反射率r转换为uint16型数据ru;
S2.2:对预处理后的遥感影像中的红光、绿光、蓝光的ru进行归一化处理;得到红光、绿光、蓝光三个波段的归一化结果,分别记为R、G、B;
将归一化处理后的R、G、B转换到HSV空间,得到色调分量H和饱和度分量S,公式如下:
其中,V为亮度分量,计算方式为V=max(R,G,B);V′为亮度分量V与R、G、B三个波段最小值的差值,计算方式为V′=V-min(R,G,B);色调分量H的值域范围为0~1,由小到大按色调环的分布对应红、橙、黄、绿、青、蓝、洋红,最后返回红色;饱和度S值域范围为0~1,表示纯色与消色的比例,值越高颜色越鲜艳。
6.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中包括近岸及内陆水体水波纹消除方法程序,所述近岸及内陆水体水波纹消除方法程序被处理器执行时,实现如权利要求1至3中任一项所述的一种近岸及内陆水体水波纹消除方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211363102.0A CN115690502B (zh) | 2022-11-02 | 2022-11-02 | 一种近岸及内陆水体水波纹消除方法、系统及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211363102.0A CN115690502B (zh) | 2022-11-02 | 2022-11-02 | 一种近岸及内陆水体水波纹消除方法、系统及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115690502A CN115690502A (zh) | 2023-02-03 |
CN115690502B true CN115690502B (zh) | 2023-06-13 |
Family
ID=85047427
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211363102.0A Active CN115690502B (zh) | 2022-11-02 | 2022-11-02 | 一种近岸及内陆水体水波纹消除方法、系统及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115690502B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109118548A (zh) * | 2018-07-17 | 2019-01-01 | 浙江大学 | 一种综合智能水质识别方法 |
CN112801925A (zh) * | 2021-01-12 | 2021-05-14 | 扬州大学 | 基于信息熵最大化消除水波纹影响的水下图像增强方法 |
CN113176211A (zh) * | 2021-04-27 | 2021-07-27 | 中国科学院南海海洋研究所 | 一种基于hsv颜色空间模型变换的日间云检测方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11640653B2 (en) * | 2019-07-01 | 2023-05-02 | Advanced Remote Sensing Inc. | Method to correct satellite data to surface reflectance using scene statistics |
-
2022
- 2022-11-02 CN CN202211363102.0A patent/CN115690502B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109118548A (zh) * | 2018-07-17 | 2019-01-01 | 浙江大学 | 一种综合智能水质识别方法 |
CN112801925A (zh) * | 2021-01-12 | 2021-05-14 | 扬州大学 | 基于信息熵最大化消除水波纹影响的水下图像增强方法 |
CN113176211A (zh) * | 2021-04-27 | 2021-07-27 | 中国科学院南海海洋研究所 | 一种基于hsv颜色空间模型变换的日间云检测方法 |
Non-Patent Citations (1)
Title |
---|
内河视频监控中运动船舶检测算法研究;李双双;中国优秀硕士学位论文全文数据库工程科技2级;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN115690502A (zh) | 2023-02-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8855412B2 (en) | Systems, methods, and apparatus for image processing, for color classification, and for skin color detection | |
Jonckheere et al. | Assessment of automatic gap fraction estimation of forests from digital hemispherical photography | |
CN111967454B (zh) | 基于混合像元的绿潮覆盖比例提取模型确定方法及设备 | |
JP2014515587A (ja) | デジタル画像装置用の画像処理パイプラインの学習 | |
JP2019537151A (ja) | 画像処理装置、画像処理方法及び画像処理プログラム | |
CN112434642B (zh) | 一种适用于处理大场景光学遥感数据的海陆分割方法 | |
CN113340817B (zh) | 光源光谱和多光谱反射率图像获取方法、装置及电子设备 | |
Teng et al. | Investigation of epifauna coverage on seagrass blades using spatial and spectral analysis of hyperspectral images | |
CN114676773A (zh) | 基于sar数据的北极海冰分类方法 | |
CN108428237A (zh) | 基于稀疏非负矩阵欠近似的高光谱彩绘文物线稿提取方法 | |
CN115690502B (zh) | 一种近岸及内陆水体水波纹消除方法、系统及可读存储介质 | |
Mihoubi | Snapshot multispectral image demosaicing and classification | |
Kampel et al. | Color classification of archaeological fragments | |
CN116452872A (zh) | 一种基于改进的Deeplabv3+的森林场景树种分类方法 | |
CN115587961A (zh) | 一种基于多曝光图像融合技术的细胞成像方法 | |
CN113340816A (zh) | 光源光谱和多光谱反射率图像获取方法、装置及电子设备 | |
CN113297977A (zh) | 活体检测方法、装置及电子设备 | |
Zheng | A channel-based color fusion technique using multispectral images for night vision enhancement | |
Korosov et al. | Fusion of data from Sentinel-2/MSI and Sentinel-3/OLCI | |
CN114359103B (zh) | 高光谱图像去雾方法、装置、计算机产品及存储介质 | |
CN109949320A (zh) | 基于熵与互信息的高光谱图像超像元分割方法 | |
Abdalla et al. | Color Consistency of UAV Imagery using Multi-Channel CNN-based Image-to-Image Regression and Residual Learning | |
CN117115077B (zh) | 一种湖泊蓝藻水华检测方法 | |
CN114170444B (zh) | 一种基于人工智能与高光谱成像的红枣品种鉴别方法 | |
Lecca et al. | Review and Comparison of Random Spray Retinex and of its variants STRESS and QBRIX |
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 |