CN116862942A - 一种基于云检测去云及角度校正的海温反演精度修正方法 - Google Patents
一种基于云检测去云及角度校正的海温反演精度修正方法 Download PDFInfo
- Publication number
- CN116862942A CN116862942A CN202311136427.XA CN202311136427A CN116862942A CN 116862942 A CN116862942 A CN 116862942A CN 202311136427 A CN202311136427 A CN 202311136427A CN 116862942 A CN116862942 A CN 116862942A
- Authority
- CN
- China
- Prior art keywords
- cloud
- data
- sea
- angle
- fanyan
- 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.)
- Granted
Links
- 238000012937 correction Methods 0.000 title claims abstract description 41
- 238000001514 detection method Methods 0.000 title claims abstract description 39
- 238000000034 method Methods 0.000 title claims abstract description 31
- 230000005855 radiation Effects 0.000 claims description 12
- 238000012952 Resampling Methods 0.000 claims description 9
- 230000011218 segmentation Effects 0.000 claims description 6
- 230000015572 biosynthetic process Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000009499 grossing Methods 0.000 claims description 3
- 238000003786 synthesis reaction Methods 0.000 claims description 3
- 230000002194 synthesizing effect Effects 0.000 claims description 3
- 238000003709 image segmentation Methods 0.000 abstract description 4
- 238000011156 evaluation Methods 0.000 description 3
- 230000002411 adverse Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013524 data verification Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
- G01J5/0037—Radiation pyrometry, e.g. infrared or optical thermometry for sensing the heat emitted by liquids
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- 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
-
- 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
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Radiation Pyrometers (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于云检测去云及角度校正的海温反演精度修正方法,涉及海温反演领域,包括如下步骤:S1:获取待海温反演区域的MODIS数据,对MODIS数据进行角度校正得到校正后的MODIS数据;S2:读取校正后的MODIS数据中每个像素点的卫星天顶角得到卫星天顶角数据;S3:提取MODIS数据中的多光谱遥感数据,使用云检测自适应阈值算法对云雾进行检测、识别,使用掩膜法对云雾进行去除得到去云数据;S4:根据去云数据和卫星天顶角数据对海表面温度反演。本发明将自适应阈值算法进行云检测,可以根据图像的局部特征,动态地调整阈值,以适应不同的图像分割任务,有效的解决了传统阈值法采用固定的阈值进行图像分割的问题。
Description
技术领域
本发明涉及海温反演领域,具体涉及一种基于云检测去云及角度校正的海温反演精度修正方法。
背景技术
遥感图像中常常存在云、雾等气象干扰,这些干扰会对海表面温度反演的结果产生不利影响。因此,如何准确、快速地检测和去除云、雾等干扰,对海表面温度反演的准确性和可靠性具有重要意义。海表面温度反演是利用遥感技术获取海面温度的一种方法,通常使用红外遥感数据来进行反演。然而,在进行海表面温度反演时,云层会对遥感数据产生干扰,从而降低反演精度。
在海表面温度反演的实际应用中,海温反演算法基本成熟但遥感图像中常常存在云、雾等气象干扰,这些干扰会对海表面温度反演的结果产生不利影响。传统的海表面温度反演方法并未针对云雾进行误差修正,对云、雾等干扰的容错性较弱,容易产生误差和偏差,影响反演结果的准确性和可靠性。
发明内容
针对现有技术的上述不足,本发明提供了一种提高海温反演精度和准确性的基于云检测去云及角度校正的海温反演精度修正方法。
为达到上述发明目的,本发明所采用的技术方案为:
提供一种基于云检测去云及角度校正的海温反演精度修正方法,其包括如下步骤:
S1:获取待海温反演区域的MODIS数据,对MODIS数据进行角度校正得到校正后的MODIS数据;
S2:读取校正后的MODIS数据中每个像素点的卫星天顶角得到卫星天顶角数据;
S3:提取MODIS数据中的多光谱遥感数据,使用云检测自适应阈值算法对云雾进行检测、识别,使用掩膜法对云雾进行去除得到去云数据;
S4:根据去云数据和卫星天顶角数据对海表面温度反演。
进一步的,所述步骤S1包括如下具体步骤:
S11:角度数据合成;使用ENVI将卫星天顶角、卫星方位角、太阳天顶角与太阳方位角进行合成得到合成角度数据;
S12:角度数据重采样;使用三次卷积插值算法对合成角度数据进行重采样得到重采样角度数据,所述重采样角度数据的角度范围与合成角度数据相同;
S13:使用发射率GCP控制点校正重采样角度数据得到校正后的MODIS数据。
进一步的,所述步骤S3对云雾的检测、识别包括如下具体步骤:
S31:将多光谱遥感数据转换为灰度图,并对灰度图平滑处理;
S32:根据平滑后灰度图的直方图计算得到图像的全局阈值和局部阈值;
S33:将多光谱遥感数据根据全局阈值进行二值化处理得到全局阈值二值图;
S34:将多光谱遥感数据根据局部阈值进行二值化处理得到局部阈值二值图;
S35:将全局阈值二值图和局部阈值二值图中小噪点和孤立云团进行剔除后,将二者合并,得到云检测图;
S36:使用云检测自适应阈值算法设定云雾阈值,根据云雾阈值标记云检测图中的薄云和厚云,并将标记了薄云和厚云的云检测图转为矢量数据得到阈值分割数据。
进一步的,所述步骤S3中掩膜去云包括如下具体步骤:
A1:根据检测到的厚云和薄云的阈值分割数据提取云掩膜,得到云掩膜二值图;所述云掩膜二值图中,标签为1的区域为云掩膜覆盖区,标签为0则为非云覆盖区;
A2:对云掩膜二值图取反得到非云掩膜二值图,将非云二值掩膜图应用到原始图像以去云,将去云后的图像读取得到热辐射值;
A3:根据辐射值计算得到亮度温度/>:
;
其中,i为热红外波段;和/>为常数;亮度温度/>即为去云数据。
进一步的,所述步骤A1与步骤A2之间还包括:
A1.1:使用膨胀算法对云掩膜二值图中的云掩膜进行膨胀,扩大云区域。
进一步的,所述步骤A1与步骤A2之间还包括:
A1.2:使用插值法对云掩膜二值图中云掩膜覆盖区进行修补。
进一步的,所述步骤A2中,对云掩膜二值图进行取反前,划分太阳光反射波段和热辐射波段,仅对太阳光反射波段进行取反,热辐射波段不取反。
进一步的,所述步骤S4包括如下具体步骤:
遍历校正后的MODIS数据,计算每个像素点的海温反演值;
;
其中,为MODIS数据中31波段的亮度温度;/>为MODIS数据中32波段的亮度温度;/>为第n个像素点的卫星天顶角;/>、/>、/>和/>均为回归系数。
进一步的,海温反演值计算时包括白天的海温和夜晚的海温;当计算白天的海温时,回归系数分别为:;/>;/>;/>;
当计算夜晚的海温时,回归系数分别为:;/>;/>;。
本发明的有益效果为:
本发明将自适应阈值算法进行云检测,可以根据图像的局部特征,动态地调整阈值,以适应不同的图像分割任务,有效的解决了传统阈值法采用固定的阈值进行图像分割的问题以便精准地检测图像中的云层,提高云检测的准确性和鲁棒性。去云处理和角度校正技术共同对海温进行修正,可以有效地消除遥感图像中的云覆盖以及卫星天顶角的影响,使得海表面温度反演的覆盖范围更加全面进而反演结果更加一致和可靠。
附图说明
图1为本发明的流程示意图;
具体实施方式
下面对本发明的具体实施方式进行描述,以便于本技术领域的技术人员理解本发明,但应该清楚,本发明不限于具体实施方式的范围,对本技术领域的普通技术人员来讲,只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内,这些变化是显而易见的,一切利用本发明构思的发明创造均在保护之列。
如图1所示,一种基于云检测去云及角度校正的海温反演精度修正方法,其包括如下步骤:
S1:获取待海温反演区域的MODIS数据,具体实施时,在NASA下载待海温反演区域的MODIS数据;对MODIS数据进行角度校正得到校正后的MODIS数据;
S2:读取校正后的MODIS数据中每个像素点的卫星天顶角得到卫星天顶角数据;
S3:提取MODIS数据中的多光谱遥感数据,使用云检测自适应阈值算法对云雾进行检测、识别,使用掩膜法对云雾进行去除得到去云数据;
S4:根据去云数据和卫星天顶角数据对海表面温度反演。
步骤S1包括如下具体步骤:
S11:角度数据合成;使用ENVI将卫星天顶角、卫星方位角、太阳天顶角与太阳方位角进行合成得到合成角度数据;
S12:角度数据重采样;使用三次卷积插值算法对合成角度数据进行重采样得到重采样角度数据,重采样角度数据的角度范围与合成角度数据相同;
S13:使用发射率GCP控制点校正重采样角度数据得到校正后的MODIS数据。
步骤S3对云雾的检测、识别包括如下具体步骤:
S31:将多光谱遥感数据转换为灰度图,并对灰度图平滑处理;
S32:根据平滑后灰度图的直方图计算得到图像的全局阈值和局部阈值;
S33:将多光谱遥感数据根据全局阈值进行二值化处理得到全局阈值二值图;
S34:将多光谱遥感数据根据局部阈值进行二值化处理得到局部阈值二值图;
S35:将全局阈值二值图和局部阈值二值图中小噪点和孤立云团进行剔除后,将二者合并,得到云检测图;
S36:使用云检测自适应阈值算法设定云雾阈值,根据云雾阈值标记云检测图中的薄云和厚云,并将标记了薄云和厚云的云检测图转为矢量数据得到阈值分割数据。
步骤S3中掩膜去云包括如下具体步骤:
A1:根据检测到的厚云和薄云的阈值分割数据提取云掩膜,得到云掩膜二值图;云掩膜二值图中,标签为1的区域为云掩膜覆盖区,标签为0则为非云覆盖区;
A2:对云掩膜二值图取反得到非云掩膜二值图,将非云二值掩膜图应用到原始图像以去云,将去云后的图像读取得到热辐射值;
A3:根据辐射值计算得到亮度温度/>:
;
其中,i为热红外波段;和/>为常数;亮度温度/>即为去云数据。
步骤A1与步骤A2之间还包括:
A1.1:使用膨胀算法对云掩膜二值图中的云掩膜进行膨胀,扩大云区域。
步骤A1与步骤A2之间还包括:
A1.2:使用插值法对云掩膜二值图中云掩膜覆盖区进行修补。
步骤A2中,对云掩膜二值图进行取反前,划分太阳光反射波段和热辐射波段,仅对太阳光反射波段进行取反,热辐射波段不取反。
步骤S4包括如下具体步骤:
遍历校正后的MODIS数据,计算每个像素点的海温反演值;
;
其中,为MODIS数据中31波段的亮度温度;/>为MODIS数据中32波段的亮度温度;/>为第n个像素点的卫星天顶角;/>、/>、/>和/>均为回归系数。
海温反演值计算时包括白天的海温和夜晚的海温;当计算白天的海温时,回归系数分别为:;/>;/>;/>;
当计算夜晚的海温时,回归系数分别为:;/>;/>;。
数据验证
使用本发明提出的修正方法对现有数据库中南海北部冬季数据的多光谱遥感数据,随机抽取该区域中40个地面控制站点(GCP)的数据进行海温反演,并与1m水深处的实测温度进行对比,以SST误差和相对误差作为评价指标对本发明的准确度进行评价,得到如表1所示的评价表;
SST误差=反演值-实测值;相对误差=(反演值-实测值)/实测值
表1
由表1可知,使用本发明的修正方法反演得到的海温与实测温度相比,SST误差的平均值为-0.196℃,相对误差的平均值为2.12%。本发明能够精准的对海温进行反演,误差小、精确度高。
采用本发明与现有技术中只执行角度校正未进行去云的现有方案一以及未角度校正且未去云的现有方案二反演得到的海温与实际海温进行对比,得到如表2所示的对比评价表。
表2
其中,▲为空值。
由表2可知,本发明反演结果的平均误差为-0.195℃,绝对误差大于2℃的数据有0组,占比为0%;绝对误差介于1℃与2℃之间的有10组,占比为10%;绝对误差介于0.5℃与1℃之间的有10组,占比为25%;其余26组数据的绝对误差均小于0.5℃,占比65%。
现有方案一反演结果的平均误差为-0.311℃,出现空值1组,绝对误差大于2℃的数据有1组,占比为2.5%;绝对误差介于1℃与2℃之间的有6组,占比为15%;绝对误差介于0.5℃与1℃之间的有16组,占比为40%;其余16组数据的绝对误差均小于0.5℃,占比40%,
现有方案二反演结果的平均误差为-0.767℃,出现空值2组,绝对误差大于2℃的数据有2组,占比为5%;绝对误差介于1℃与2℃之间的有14组,占比为35%;绝对误差介于0.5℃与1℃之间的有17组,占比为42.5%;其余26组数据的绝对误差均小于0.5℃,占比12.5%。
由表2可知本发明有效的解决了出现数据缺失或反演精度不准确的问题,使得海表面温度反演的覆盖范围更加全面进而反演结果更加一致和可靠。
Claims (9)
1.一种基于云检测去云及角度校正的海温反演精度修正方法,其特征在于,包括如下步骤:
S1:获取待海温反演区域的MODIS数据,对MODIS数据进行角度校正得到校正后的MODIS数据;
S2:读取校正后的MODIS数据中每个像素点的卫星天顶角得到卫星天顶角数据;
S3:提取MODIS数据中的多光谱遥感数据,使用云检测自适应阈值算法对云雾进行检测、识别,使用掩膜法对云雾进行去除得到去云数据;
S4:根据去云数据和卫星天顶角数据对海表面温度反演。
2.根据权利要求1所述的基于云检测去云及角度校正的海温反演精度修正方法,其特征在于,所述步骤S1包括如下具体步骤:
S11:角度数据合成;使用ENVI将卫星天顶角、卫星方位角、太阳天顶角与太阳方位角进行合成得到合成角度数据;
S12:角度数据重采样;使用三次卷积插值算法对合成角度数据进行重采样得到重采样角度数据,所述重采样角度数据的角度范围与合成角度数据相同;
S13:使用发射率GCP控制点校正重采样角度数据得到校正后的MODIS数据。
3.根据权利要求1所述的基于云检测去云及角度校正的海温反演精度修正方法,其特征在于,所述步骤S3对云雾的检测、识别包括如下具体步骤:
S31:将多光谱遥感数据转换为灰度图,并对灰度图平滑处理;
S32:根据平滑后灰度图的直方图计算得到图像的全局阈值和局部阈值;
S33:将多光谱遥感数据根据全局阈值进行二值化处理得到全局阈值二值图;
S34:将多光谱遥感数据根据局部阈值进行二值化处理得到局部阈值二值图;
S35:将全局阈值二值图和局部阈值二值图中小噪点和孤立云团进行剔除后,将二者合并,得到云检测图;
S36:使用云检测自适应阈值算法设定云雾阈值,根据云雾阈值标记云检测图中的薄云和厚云,并将标记了薄云和厚云的云检测图转为矢量数据得到阈值分割数据。
4.根据权利要求1所述的基于云检测去云及角度校正的海温反演精度修正方法,其特征在于,所述步骤S3中掩膜去云包括如下具体步骤:
A1:根据检测到的厚云和薄云的阈值分割数据提取云掩膜,得到云掩膜二值图;所述云掩膜二值图中,标签为1的区域为云掩膜覆盖区,标签为0则为非云覆盖区;
A2:对云掩膜二值图取反得到非云掩膜二值图,将非云二值掩膜图应用到原始图像以去云,将去云后的图像读取得到热辐射值;
A3:根据辐射值计算得到亮度温度/>:
;
其中,i为热红外波段;和/>为常数;亮度温度/>即为去云数据。
5.根据权利要求4所述的基于云检测去云及角度校正的海温反演精度修正方法,其特征在于,所述步骤A1与步骤A2之间还包括:
A1.1:使用膨胀算法对云掩膜二值图中的云掩膜进行膨胀,扩大云区域。
6.根据权利要求4所述的基于云检测去云及角度校正的海温反演精度修正方法,其特征在于,所述步骤A1与步骤A2之间还包括:
A1.2:使用插值法对云掩膜二值图中云掩膜覆盖区进行修补。
7.根据权利要求4所述的基于云检测去云及角度校正的海温反演精度修正方法,其特征在于,所述步骤A2中,对云掩膜二值图进行取反前,划分太阳光反射波段和热辐射波段,仅对太阳光反射波段进行取反,热辐射波段不取反。
8.根据权利要求1所述的基于云检测去云及角度校正的海温反演精度修正方法,其特征在于,所述步骤S4包括如下具体步骤:
遍历校正后的MODIS数据,计算每个像素点的海温反演值;
;
其中,为MODIS数据中31波段的亮度温度;/>为MODIS数据中32波段的亮度温度;/>为第n个像素点的卫星天顶角;/>、/>、/>和/>均为回归系数。
9.根据权利要求8所述的基于云检测去云及角度校正的海温反演精度修正方法,其特征在于,海温反演值计算时包括白天的海温和夜晚的海温;当计算白天的海温时,回归系数分别为:;/>;/>;/>;
当计算夜晚的海温时,回归系数分别为:;/>;/>;。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311136427.XA CN116862942B (zh) | 2023-09-05 | 2023-09-05 | 一种基于云检测去云及角度校正的海温反演精度修正方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311136427.XA CN116862942B (zh) | 2023-09-05 | 2023-09-05 | 一种基于云检测去云及角度校正的海温反演精度修正方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116862942A true CN116862942A (zh) | 2023-10-10 |
CN116862942B CN116862942B (zh) | 2023-12-19 |
Family
ID=88219555
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311136427.XA Active CN116862942B (zh) | 2023-09-05 | 2023-09-05 | 一种基于云检测去云及角度校正的海温反演精度修正方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116862942B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102103203A (zh) * | 2011-01-19 | 2011-06-22 | 环境保护部卫星环境应用中心 | 基于环境一号卫星的地表温度单窗反演方法 |
KR101681178B1 (ko) * | 2015-12-01 | 2016-11-30 | 한국항공우주연구원 | 위성 영상 처리 방법 및 장치 |
US20170299686A1 (en) * | 2014-09-26 | 2017-10-19 | Reuniwatt | Detection unit and method for identifying and monitoring clouds in an observed area of the sky |
US20190331831A1 (en) * | 2018-04-26 | 2019-10-31 | Jiangsu Meteorological Observatory | Sea fog monitoring method based on multi-source satellite remote sensing data |
CN111899194A (zh) * | 2020-07-30 | 2020-11-06 | 青海省地理空间和自然资源大数据中心 | 一种遥感影像中云和云阴影的去除方法 |
CN113822381A (zh) * | 2021-11-22 | 2021-12-21 | 国家卫星气象中心(国家空间天气监测预警中心) | 一种基于海温差阈值的海上云检测方法 |
CN114139444A (zh) * | 2021-11-24 | 2022-03-04 | 大连海事大学 | 一种基于机器学习的近海海表温度反演方法 |
CN114923867A (zh) * | 2022-07-19 | 2022-08-19 | 中国海洋大学 | 基于fy-3d mersi-ii数据的赤潮监测方法及装置 |
CN115062527A (zh) * | 2022-03-14 | 2022-09-16 | 北京华云星地通科技有限公司 | 一种基于深度学习的静止卫星海温反演方法及系统 |
CN115496685A (zh) * | 2022-09-21 | 2022-12-20 | 重庆地质矿产研究院 | 一种针对高分二号卫星遥感影像的快速去薄云方法 |
CN115712807A (zh) * | 2022-11-24 | 2023-02-24 | 哈尔滨工程大学 | 一种利用卫星遥感数据反演海洋三维温盐场的方法 |
CN116343054A (zh) * | 2023-02-23 | 2023-06-27 | 中国科学院空天信息创新研究院 | 遥感图像的云检测方法、装置、电子设备和存储介质 |
-
2023
- 2023-09-05 CN CN202311136427.XA patent/CN116862942B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102103203A (zh) * | 2011-01-19 | 2011-06-22 | 环境保护部卫星环境应用中心 | 基于环境一号卫星的地表温度单窗反演方法 |
US20170299686A1 (en) * | 2014-09-26 | 2017-10-19 | Reuniwatt | Detection unit and method for identifying and monitoring clouds in an observed area of the sky |
KR101681178B1 (ko) * | 2015-12-01 | 2016-11-30 | 한국항공우주연구원 | 위성 영상 처리 방법 및 장치 |
US20190331831A1 (en) * | 2018-04-26 | 2019-10-31 | Jiangsu Meteorological Observatory | Sea fog monitoring method based on multi-source satellite remote sensing data |
CN111899194A (zh) * | 2020-07-30 | 2020-11-06 | 青海省地理空间和自然资源大数据中心 | 一种遥感影像中云和云阴影的去除方法 |
CN113822381A (zh) * | 2021-11-22 | 2021-12-21 | 国家卫星气象中心(国家空间天气监测预警中心) | 一种基于海温差阈值的海上云检测方法 |
CN114139444A (zh) * | 2021-11-24 | 2022-03-04 | 大连海事大学 | 一种基于机器学习的近海海表温度反演方法 |
CN115062527A (zh) * | 2022-03-14 | 2022-09-16 | 北京华云星地通科技有限公司 | 一种基于深度学习的静止卫星海温反演方法及系统 |
CN114923867A (zh) * | 2022-07-19 | 2022-08-19 | 中国海洋大学 | 基于fy-3d mersi-ii数据的赤潮监测方法及装置 |
CN115496685A (zh) * | 2022-09-21 | 2022-12-20 | 重庆地质矿产研究院 | 一种针对高分二号卫星遥感影像的快速去薄云方法 |
CN115712807A (zh) * | 2022-11-24 | 2023-02-24 | 哈尔滨工程大学 | 一种利用卫星遥感数据反演海洋三维温盐场的方法 |
CN116343054A (zh) * | 2023-02-23 | 2023-06-27 | 中国科学院空天信息创新研究院 | 遥感图像的云检测方法、装置、电子设备和存储介质 |
Non-Patent Citations (4)
Title |
---|
CAO MENGMENG 等: "A new global gridded sea surface temperature data product based on multisource data", 《EARTH SYSTEM SCIENCE DATA》, vol. 13, no. 05 * |
李俊杰 等: ""高分七号"卫星遥感影像自动云检测", 《航天返回与遥感》, no. 02 * |
林平 等: "基于LANDSAT 8城市地温反演精度分析", 《福建师范大学学报(自然科学版)》, no. 04 * |
郑贵洲 等: "利用MODIS数据反演南海南部海表温度及时空变化分析", 《遥感技术与应用》, no. 01 * |
Also Published As
Publication number | Publication date |
---|---|
CN116862942B (zh) | 2023-12-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10325151B1 (en) | Method of extracting image of port wharf through multispectral interpretation | |
CN108985137B (zh) | 一种车牌识别方法、装置及系统 | |
CN111899194A (zh) | 一种遥感影像中云和云阴影的去除方法 | |
CN109934788B (zh) | 一种基于标准遥感图像的遥感图像缺失数据修复方法 | |
CN110569797B (zh) | 地球静止轨道卫星影像山火检测方法、系统及其存储介质 | |
CN109508709B (zh) | 一种基于机器视觉的单指针仪表读数方法 | |
CN114663776A (zh) | 一种基于gk-2a的高频空间自适应阈值火情遥感监测方法 | |
CN113221813B (zh) | 一种海岸线遥感提取方法 | |
WO2019184269A1 (zh) | 基于Landsat8含雪影像的云检测方法 | |
CN112818989A (zh) | 一种基于梯度幅值随机采样的图像匹配方法 | |
CN116862942B (zh) | 一种基于云检测去云及角度校正的海温反演精度修正方法 | |
CN111310771B (zh) | 遥感影像的道路图像提取方法、装置、设备及存储介质 | |
CN106886988B (zh) | 一种基于无人机遥感的线性目标检测方法及系统 | |
CN110986998A (zh) | 一种基于有理函数模型的卫星视频相机在轨几何定标方法 | |
CN113705564B (zh) | 一种指针式仪表识别读数方法 | |
CN109389063B (zh) | 基于波段相关性的遥感影像条带噪声去除方法 | |
CN114332085A (zh) | 一种光学卫星遥感影像检测方法 | |
CN117253063A (zh) | 一种基于点线特征描述的两阶段多模图像匹配方法 | |
CN116883446A (zh) | 一种车载摄像头镜片碾磨程度实时监测系统 | |
CN104406569A (zh) | 辐射亮温与摄影测量相结合的云底高度测量系统及方法 | |
CN111189399A (zh) | 一种用于圆形工业零件尺寸的图像测量算法 | |
CN110942452B (zh) | 一种基于多时相热红外遥感影像的云检测方法 | |
CN111105418A (zh) | 一种针对图像中矩形目标的高精度图像分割方法 | |
CN113592744A (zh) | 一种适用于高分辨率遥感影像的几何精校正方法 | |
Xu et al. | Research on machine vision-based reading method for pointer meters |
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 |