CN117152602A - 基于色度指数的多源卫星遥感影像水体提取方法和系统 - Google Patents

基于色度指数的多源卫星遥感影像水体提取方法和系统 Download PDF

Info

Publication number
CN117152602A
CN117152602A CN202311170164.4A CN202311170164A CN117152602A CN 117152602 A CN117152602 A CN 117152602A CN 202311170164 A CN202311170164 A CN 202311170164A CN 117152602 A CN117152602 A CN 117152602A
Authority
CN
China
Prior art keywords
chromaticity
processed
remote sensing
satellite remote
sensing image
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
Application number
CN202311170164.4A
Other languages
English (en)
Inventor
秦雁
罗澍然
吉红香
郑泳
黄本胜
王晟力
彭力恒
蔡季宏
周晓鑫
徐张帆
杨楚旋
钟丽坤
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.)
Guangdong Research Institute of Water Resources and Hydropower
Original Assignee
Guangdong Research Institute of Water Resources and Hydropower
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 Guangdong Research Institute of Water Resources and Hydropower filed Critical Guangdong Research Institute of Water Resources and Hydropower
Priority to CN202311170164.4A priority Critical patent/CN117152602A/zh
Publication of CN117152602A publication Critical patent/CN117152602A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/05—Underwater scenes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/56—Extraction of image or video features relating to colour
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/13—Satellite images

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Astronomy & Astrophysics (AREA)
  • Remote Sensing (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种基于色度指数的多源卫星遥感影像水体提取方法和系统，方法包括：获取待处理卫星遥感影像，所述待处理卫星遥感影像包括合成孔径雷达卫星遥感影像或光学卫星遥感影像；根据所述待处理卫星遥感影像，合成目标彩色图像；根据所述目标彩色图像，计算主波长和纯度；根据所述主波长和所述纯度，从所述目标彩色图像中提取待处理水体图；从所述待处理水体图中提取目标水体图。本发明实现了卫星遥感影像水体提取，提高了识别水体的准确度，降低了阈值的影响，提高了在不同传感器影像间的适用性。本发明可广泛应用于水体提取技术领域。

Description

基于色度指数的多源卫星遥感影像水体提取方法和系统
技术领域
本发明涉及水体提取技术领域，尤其涉及基于色度指数的多源卫星遥感影像水体提取方法和系统。
背景技术
水资源是重要战略资源，快速准确地获取水体信息及其分布对于水资源调查等方面具有重要意义。传统的基于影像光谱特征的方法，针对影像单个或多个波段构建模型，设置阈值以像元尺度提取水体，易将阴影或建筑物识别为水体。现有技术中，水体提取方法识别水体的准确度低，受阈值影响大，在不同传感器影像间的适用性低。
发明内容
以下是对本文详细描述的主题的概述。本概述并非是为了限制权利要求的保护范围。
本发明实施例提供了一种基于色度指数的多源卫星遥感影像水体提取方法和系统，能够有效地提高了识别水体的准确度，降低了阈值的影响，提高了在不同传感器影像间的适用性。
一方面，本发明实施例提供了基于色度指数的多源卫星遥感影像水体提取方法，包括以下步骤：
获取待处理卫星遥感影像，所述待处理卫星遥感影像包括合成孔径雷达卫星遥感影像或光学卫星遥感影像；
根据所述待处理卫星遥感影像，合成目标彩色图像；
根据所述目标彩色图像，计算主波长和纯度；
根据所述主波长和所述纯度，从所述目标彩色图像中提取待处理水体图；
从所述待处理水体图中提取目标水体图。
在一些实施例中，所述根据所述待处理卫星遥感影像，合成目标彩色图像，包括：
对所述待处理卫星遥感影像进行预处理，得到目标卫星遥感影像；
根据目标卫星遥感影像，合成待处理彩色图像，所述待处理彩色图像包括伪彩色图像、视真彩色图像或标准假彩色图像；
对所述待处理彩色图像进行图像拉伸，得到目标彩色图像。
在一些实施例中，所述根据所述目标彩色图像，计算主波长和纯度，包括：
根据所述目标彩色图像，计算目标刺激值，所述目标刺激值包括第一刺激值、第二刺激值或第三刺激值；
根据所述目标刺激值，计算待处理色度坐标；
根据所述待处理色度坐标，计算待处理色度点距离和纯度；
根据所述待处理色度点距离，计算主波长。
在一些实施例中，所述根据所述目标彩色图像，计算目标刺激值，包括：
获取所述目标彩色图像的三原色；
根据所述三原色，分别计算所述第一刺激值、所述第二刺激值和所述第三刺激值。
在一些实施例中，所述根据所述目标刺激值，计算待处理色度坐标，包括：
根据所述目标刺激值，计算第一归一化值；
根据所述目标刺激值，计算第二归一化值；
根据所述第一归一化值和第二归一化值，计算所述待处理色度坐标。
在一些实施例中，所述待处理色度坐标包括光谱轨迹色度坐标、等能白光点色度坐标或第一色度坐标，所述根据所述待处理色度坐标，计算待处理色度点距离，包括：
根据所述等能白光点色度坐标和所述第一色度坐标，计算斜率，所述斜率的计算公式如下：
式中，k为所述斜率，xc为所述第一色度坐标的横坐标，yc为所述第一色度坐标的纵坐标，xs为所述等能白光点色度坐标的横坐标，ys为所述等能白光点色度坐标的纵坐标；
根据所述斜率和所述光谱轨迹色度坐标、所述等能白光点色度坐标和所述第一色度坐标，计算待处理色度点距离，所述待处理色度点距离的计算公式如下：
式中，d为所述待处理色度点距离，k为所述斜率，xλ为所述光谱轨迹色度坐标的横坐标，yc为所述第一色度坐标的纵坐标，ys为所述等能白光点色度坐标的纵坐标。
在一些实施例中，所述待处理色度点距离包括第一色度点距离或第二色度点距离，所述根据所述待处理色度点距离，计算主波长，包括：
获取所述第一色度点距离对应的第一波长和所述第二色度点距离对应的第二波长；
根据所述第一色度点距离、所述第一波长、所述第二色度点距离和所述第二波长，计算主波长，所述主波长的计算公式如下：
式中，λd为所述主波长，d1为所述第一色度点距离，λ1为所述第一波长，d2为所述第二色度点距离，λ2为所述第二波长。
在一些实施例中，所述根据所述待处理色度坐标，计算纯度，包括：
根据所述光谱轨迹色度坐标和所述等能白光点色度坐标，计算第一距离，所述第一距离的计算公式如下：
式中，SD为所述第一距离，xλ为所述光谱轨迹色度坐标的横坐标，yλ为所述光谱轨迹色度坐标的纵坐标，xs为所述等能白光点色度坐标的横坐标，ys为所述等能白光点色度坐标的纵坐标；
根据所述第一色度坐标和所述等能白光点色度坐标，计算第二距离，所述第二距离的计算公式如下：
式中，SC为所述第二距离，xc为所述第一色度坐标的横坐标，yc为所述第一色度坐标的纵坐标，xs为所述等能白光点色度坐标的横坐标，ys为所述等能白光点色度坐标的纵坐标；
根据所述第一距离和所述第二距离，计算纯度，所述纯度的计算公式如下：
P＝SC/SD
式中，P为所述纯度，SC为所述第二距离，SD为所述第一距离。
另一方面，本发明实施例提供了基于色度指数的多源卫星遥感影像水体提取系统，包括：
第一模块，用于获取待处理卫星遥感影像，所述待处理卫星遥感影像包括合成孔径雷达卫星遥感影像或光学卫星遥感影像；
第二模块，用于根据所述待处理卫星遥感影像，合成目标彩色图像；
第三模块，用于根据所述目标彩色图像，计算主波长和纯度；
第四模块，用于根据所述主波长和所述纯度，从所述目标彩色图像中提取待处理水体图；
第五模块，用于从所述待处理水体图中提取目标水体图。
另一方面，本发明实施例提供了基于色度指数的多源卫星遥感影像水体提取系统，包括：
至少一个存储器，用于存储程序；
至少一个处理器，用于加载所述程序以执行所述的基于色度指数的多源卫星遥感影像水体提取方法。
本发明所具有的有益效果如下：
本发明首先获取待处理卫星遥感影像，根据待处理卫星遥感影像，合成目标彩色图像，然后根据目标彩色图像，计算主波长和纯度，根据主波长和纯度，从目标彩色图像中提取待处理水体图，最后从待处理水体图中提取目标水体图，实现了卫星遥感影像水体提取，提高了识别水体的准确度，降低了阈值的影响，提高了在不同传感器影像间的适用性。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，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的附图。
图1为本发明实施例一种基于色度指数的多源卫星遥感影像水体提取方法的流程图；
图2为本发明实施例一种对合成孔径雷达卫星遥感影像进行图像拉伸后的目标伪彩色图像；
图3为本发明实施例一种根据目标彩色图像计算主波长和纯度的流程图；
图4为本发明实施例一种CIE-xy二维色度图；
图5为本发明实施例一种根据目标伪彩色图像计算纯度得到的结果图；
图6为本发明实施例一种CIE-xy二维色度坐标分区图；
图7为本发明实施例一种根据目标伪彩色图像计算主波长得到的结果图；
图8为本发明实施例一种从目标伪彩色图像中提取得到的目标水体图；
图9为本发明实施例一种从目标视真彩色图像中提取得到的目标水体图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。
为了使本发明的目的、技术方案及优点更加清楚明白，下面结合附图和具体实施例对本发明做进一步的详细说明。对于以下实施例中的步骤编号，其仅为了便于阐述说明而设置，对步骤之间的顺序不做任何限定，实施例中的各步骤的执行顺序均可根据本领域技术人员的理解来进行适应性调整。
在本发明的描述中，若干的含义是一个以上，多个的含义是两个以上，大于、小于、超过等理解为不包括本数，以上、以下、以内等理解为包括本数。如果有描述到第一、第二只是用于区分技术特征为目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系。
除非另有定义，本发明实施例所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本发明实施例中所使用的术语只是为了描述本发明实施例的目的，不是旨在限制本发明。
如图1所示，本发明实施例提供了基于色度指数的多源卫星遥感影像水体提取方法，本实施例的方法可应用于卫星遥感影像水体提取软件对应的后台处理器、服务器或云端设备。
在应用过程中，本实施例的方法包括但不限于以下步骤：
步骤S11、获取待处理卫星遥感影像，待处理卫星遥感影像包括合成孔径雷达卫星遥感影像或光学卫星遥感影像。
在本实施例中，可以通过装载在卫星上的合成孔径雷达采集地面数据，得到合成孔径雷达卫星遥感影像。其中，合成孔径雷达是一种高分辨率成像雷达，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。也可以通过装载在卫星上的光学采集设备采集地面数据，得到光学卫星遥感影像。
步骤S12、根据待处理卫星遥感影像，合成目标彩色图像。
在本实施例中，当待处理卫星遥感影像为合成孔径雷达卫星遥感影像时，步骤S12的执行过程如下：
对待处理卫星遥感影像进行预处理，得到目标卫星遥感影像。
在本实施例中，对获取到的合成孔径雷达卫星遥感影像进行预处理，依次进行轨道校正、热噪声去除、辐射定标(转换为后向散射系数)、相干斑滤波(采用改进的Lee滤波器)、地形校正、后向散射系数分贝化处理，得到目标合成孔径雷达卫星遥感影像。其中，后向散射系数分贝化的计算公式如下：
σ0(dB)＝10×log10σ0
式中，σ0(dB)为经过分贝化后的后向散射系数，σ0为后向散射系数。
根据目标卫星遥感影像，合成待处理彩色图像；其中，待处理彩色图像可以包括但不限于伪彩色图像、视真彩色图像或标准假彩色图像。
在本实施例中，根据目标合成孔径雷达卫星遥感影像，可以通过双极化或全极化计算得到不同极化波段，再按不同波段顺序合成伪彩色图像。本实施例采用双极化来计算按σVV(dB)波段、σVH(dB)波段和σVV-VH(dB)波段，其中，σVV-VZH(dB)波段的计算公式如下：
σVV-VH(dB)＝σVV(dB)-σVH(dB)
式中，σVV-VH(dB)为极化波段差，σVV(dB)为垂直发射垂直接收单极化波段，σVH(dB)为垂直发射水平接收双极化波段。
在本实施例中，根据计算得到的波段，将RGB通道按σVV(dB)、σVH(dB)、σVV-VH(dB)波段顺序合成为伪彩色图像。
对待处理彩色图像进行图像拉伸，得到目标彩色图像。
在本实施例中，采用裁剪线性拉伸方法，对合成孔径雷达卫星遥感影像合成的伪彩色图像进行图像拉伸处理，将直方图累积在5％至95％之间的像元值拉伸，并输出为值域范围在0-255之间的8位目标伪彩色图像，图像拉伸结果如图2所示。
在本实施例中，当待处理卫星遥感影像为光学卫星遥感影像时，步骤S12的执行过程如下：
对待处理卫星遥感影像进行预处理，得到目标卫星遥感影像。
在本实施例中，对获取到的光学卫星遥感影像进行预处理，依次进行正射纠正、辐射定标、去云处理、数据融合预处理，得到目标光学卫星遥感影像。
根据目标卫星遥感影像，合成待处理彩色图像，待处理彩色图像包括伪彩色图像、视真彩色图像或标准假彩色图像。
在本实施例中，可以通过对目标光学卫星遥感影像进行反射率分析，得到RR红波段、RG绿波段、RB蓝波段、RNIR近红外波段、RSWIR短波红外波段。根据得到的波段，将RGB通道按RSWIR、RNIR、RR波段顺序合成为视真彩色图像或按RNIR、RR、RG波段顺序合成为标准假彩色图像。
对待处理彩色图像进行图像拉伸，得到目标彩色图像。
在本实施例中，采用裁剪线性拉伸方法，对光学卫星遥感影像合成的视真彩色图像或标准假彩色图像进行图像拉伸处理，将直方图累积在5％至95％之间的像元值拉伸，并输出为值域范围在0-255之间的8位目标视真彩色图像或目标标准假彩色图像。
步骤S13、根据目标彩色图像，计算主波长和纯度。
在本实施例中，如图3所示，根据目标彩色图像，计算主波长和纯度，包括以下步骤：
步骤S201、根据目标彩色图像，计算目标刺激值，目标刺激值包括第一刺激值、第二刺激值或第三刺激值。
在本实施例中，获取目标彩色图像的三原色，分别计算第一刺激值、第二刺激值和第三刺激值。其中，目标刺激值的计算公式如下：
X＝2.7689R+1.7517G+1.1302B
Y＝1.0000R+4.5907G+0.0601B
Z＝0.0000R+0.0565G+5.5934B
式中，X为第一刺激值，Y为第二刺激值，Z为第三刺激值，R为三原色中的红色，G为三原色中的绿色，B为三原色中的蓝色。
步骤S202、根据目标刺激值，计算待处理色度坐标。
在本实施例中，根据第一刺激值、第二刺激值和第三刺激值，分别计算第一归一化值和第二归一化值。其中，第一归一化值和第二归一化值的计算公式如下：
式中，x为第一归一化值，X为第一刺激值，Y为第二刺激值，Z为第三刺激值。
式中，y为第二归一化值，X为第一刺激值，Y为第二刺激值，Z为第三刺激值。
式中，z为第三归一化值，X为第一刺激值，Y为第二刺激值，Z为第三刺激值。
x+y+z＝1
式中，x为第一归一化值，y为第二归一化值，z为第三归一化值。
在本实施例中，根据第一归一化值和第二归一化值，将(x，y)作为待处理色度坐标，第三归一化值用于限制待处理色度坐标。本实施例将目标彩色图像中所需要的色度点计算为待处理色度坐标，形成色度图，如图4所示，计算得到的待处理色度坐标均位于CIE-xy二维色度图中，CIE-xy二维色度图用于表示可见光范围内的多种颜色，每种颜色都对应一个色度坐标(x，y)，每个色度坐标均落在马蹄形的光谱轨迹包围的范围内。
步骤S203、根据待处理色度坐标，计算待处理色度点距离和纯度。
在本实施例中，待处理色度坐标包括光谱轨迹色度坐标、等能白光点色度坐标或第一色度坐标。在本实施例中，根据待处理色度坐标，计算待处理色度点距离，包括：
根据等能白光点色度坐标和第一色度坐标，计算斜率。其中，斜率的计算公式如下：
式中，k为斜率，xc为第一色度坐标的横坐标，yc为第一色度坐标的纵坐标，xs为等能白光点色度坐标的横坐标，ys为等能白光点色度坐标的纵坐标。
在本实施例中，将图4中S点作为等能白光点，其坐标作为等能白光点色度坐标，坐标值为表示三种原色等量混合。同时，可以将光谱轨迹范围内的任一点作为第一色度点，本实施例将图4中C点作为第一色度点，其坐标可以为(xc，yc)。基于上述斜率的计算公式，可以得到S点与C点连成的直线的斜率。
根据斜率和光谱轨迹色度坐标、等能白光点色度坐标和第一色度坐标，计算待处理色度点距离。其中，待处理色度点距离的计算公式如下：
式中，d为待处理色度点距离，k为斜率，xλ为光谱轨迹色度坐标的横坐标，yc为第一色度坐标的纵坐标，ys为等能白光点色度坐标的纵坐标。
在本实施例中，可以从光谱轨迹上选取任一点作为光谱轨迹色度点，其坐标作为光谱轨迹色度坐标，坐标值为(xλ，yλ)。可以理解的是，CIE-XYZ系统中光谱轨迹的第一刺激值、第二刺激值和第三刺激值都是已知的，因此光谱轨迹上任一点的色度坐标(xλ，yλ)也是已知的。基于上述待处理色度点距离的计算公式，可以计算得到光谱轨迹上的任一点(xλ，yλ)到S点与C点连成的直线的距离。示例性地，可以将光谱轨迹上的D点作为光谱轨迹色度点，其坐标作为光谱轨迹色度坐标，通过上述待处理色度点距离的计算公式，可以计算得到D点到直线SC的距离。
在本实施例中，根据待处理色度坐标，计算纯度，包括：
根据光谱轨迹色度坐标、等能白光点色度坐标和第一色度坐标，分别计算第一距离和第二距离，第一距离和第二距离的计算公式如下：
式中，SD为第一距离，xλ为光谱轨迹色度坐标的横坐标，yλ为光谱轨迹色度坐标的纵坐标，xs为等能白光点色度坐标的横坐标，ys为等能白光点色度坐标的纵坐标；
式中，SC为第二距离，xc为第一色度坐标的横坐标，yc为第一色度坐标的纵坐标，xs为等能白光点色度坐标的横坐标，ys为等能白光点色度坐标的纵坐标；
根据第一距离和第二距离，计算纯度，纯度的计算公式如下：
P＝SC/SD
式中，P为纯度，SC为第二距离，SD为第一距离。
在本实施例中，可以通过第一距离的计算公式，计算得到图4中S点到D点的距离，通过第二距离的计算公式，计算得到图4中S点到C点的距离。基于纯度的计算公式，将S点到C点的距离与S点到D点的距离做比值，可以计算得到纯度，计算结果如图5所示。
步骤S204、根据待处理色度点距离，计算主波长。
在本实施例中，待处理色度点距离包括第一色度点距离或第二色度点距离，根据待处理色度点距离，计算主波长，包括：
获取第一色度点距离对应的第一波长和第二色度点距离对应的第二波长，并根据第一色度点距离、第一波长、第二色度点距离和第二波长，计算主波长，主波长的计算公式如下：
式中，λd为主波长，d1为第一色度点距离，λ1为第一波长，d2为第二色度点距离，λ2为第二波长。
在本实施例中，根据CIE-xy色度图，可以将整个色度空间分为四个区域，区域划分结果如图6所示。可以理解的是，在I区或III区内，当色度点距离取值为零时，点E与任一色度点所连成的直线和光谱轨迹有两个交点，每个色度点既有主波长又有补色波长。当色度点在I区内时，色度点与点E所连成的直线与I区内光谱轨迹的交点为该色度点的主波长，与III区内光谱轨迹的交点为该色度点的补色波长，当色度点在III区内时则相反。在II区或IV区内，点E与任一色度点所连成的直线和光谱轨迹只有一个交点。当色度点在II区内时，色度点与点E所连成的直线与II区内光谱轨迹的交点为该色度点的主波长，当色度点在IV区内时则为补色波长。
示例性地，在图4中，从S点指向C点的射线与光谱轨迹的交点D所对应的波长为C点颜色的主波长，从C点指向S点的射线与光谱轨迹的交点M所对应的波长为C点颜色的补色波长。可以理解的是，从等能白光点指向光谱轨迹的每条射线上的点都具有相同的主波长或补色波长，主波长或补色波长是颜色量化的重要指标，它以1nm为间隔在380nm到700nm的范围内将可见光标识为不同颜色，能够以具体的波长形式表示一种颜色的色调。当色度点距离取值为零时，即能确定以1nm为精度的色度点的主波长或补色波长。
在本实施例中，CIE-xy色度图提供的光谱轨迹的色度坐标值是以1nm为间隔，当色度点距离的值无法取零时，可以通过上述主波长的计算公式，计算得到该色度点的主波长。示例性地，在图6中，当点H的色度坐标值不在以1nm为间隔的整数值上时，选择与点H距离最近的两个整数值作为辅助计算点，即为点J和点K，将点J到直线EG的距离作为第一色度点距离，点J对应的波长作为第一波长，点K到直线EG的距离作作为第二色度点距离，点K对应的波长作为第二波长，通过上述主波长的计算公式，可以计算得到色度点G的主波长，计算结果如图7所示。
步骤S14、根据主波长和纯度，从目标彩色图像中提取待处理水体图。
在本实施例中，可以根据主波长和纯度，依据目标伪彩色图像中水体的颜色，从目标伪彩色图像中筛选主波长小于500nm且纯度小于0.35的像素点，并将其像元值标为1，而对于不符合条件的像素点将其像元值标为0，提取二值化水体图作为待处理水体图。
在另一些实施例中，也可以根据主波长，依据目标视真彩色图像中水体的颜色，从目标视真彩色图像中筛选主波长在400nm-460nm范围内或主波长为0的像素点，并将其像元值标为1，而对于不符合条件的像素点将其像元值标为0，提取二值化水体图作为待处理水体图。
在另一些实施例中，还可以依据目标标准假彩色图像中水体的颜色，从目标标准假彩色图像中筛选主波长小于490nm的像素点，并将其像元值标为1，而对于不符合条件的像素点将其像元值标为0，提取二值化水体图作为待处理水体图。
步骤S15、从待处理水体图中提取目标水体图。
在本实施例中，采用PCI图像处理软件的SIEVE滤波工具，通过在待处理水体图中统计每个像元周围同类像元的数量，按照预设阈值剔除较小值，从而可以剔除孤立水体像元，滤波处理后可以得到目标水体图。示例性地，可以通过将周围同类像元数量小于3的像元的值标为0，从而可以剔除孤立水体像元，得到目标水体图。本实施例从目标伪彩色图像中提取目标水体图的提取结果如图8所示，从目标视真彩色图像中提取目标水体图的提取结果如图9所示。
实施本发明实施例的有益效果包括：本发明首先获取待处理卫星遥感影像，根据待处理卫星遥感影像，合成目标彩色图像，然后根据目标彩色图像，计算主波长和纯度，根据主波长和纯度，从目标彩色图像中提取待处理水体图，最后从待处理水体图中提取目标水体图，实现了卫星遥感影像水体提取，提高了识别水体的准确度，降低了阈值的影响，提高了在不同传感器影像间的适用性。并且，方法具有适用于微波、光学不同类型、不同分辨率数据的优势。阈值设置根据伪彩色图像水体颜色物理意义设置，抗干扰性强，对于卫星光学影像可抗大气影响，无需进行大气纠正。基于影像波段信息的计算，无需大量样本，计算效率高。方法还适用于两种极化方式以上的微波影像，能够在不利用数字高程模型数据的情况下，排除山体阴影影响，提高水体提取精度。
本发明实施例还提供了基于色度指数的多源卫星遥感影像水体提取系统，包括：
第一模块，用于获取待处理卫星遥感影像，待处理卫星遥感影像包括合成孔径雷达卫星遥感影像或光学卫星遥感影像；
第二模块，用于根据待处理卫星遥感影像，合成目标彩色图像；
第三模块，用于根据目标彩色图像，计算主波长和纯度；
第四模块，用于根据主波长和纯度，从目标彩色图像中提取待处理水体图；
第五模块，用于从待处理水体图中提取目标水体图。
可见，上述方法实施例中的内容均适用于本系统实施例中，本系统实施例所具体实现的功能与上述方法实施例相同，并且达到的有益效果与上述方法实施例所达到的有益效果也相同。
本发明实施例还提供了基于色度指数的多源卫星遥感影像水体提取系统，包括：
至少一个存储器，用于存储程序；
至少一个处理器，用于加载程序以执行图1所示的基于色度指数的多源卫星遥感影像水体提取方法。
可见，上述方法实施例中的内容均适用于本系统实施例中，本系统实施例所具体实现的功能与上述方法实施例相同，并且达到的有益效果与上述方法实施例所达到的有益效果也相同。
以上是对本发明的较佳实施进行了具体说明，但本发明并不局限于上述实施方式，熟悉本领域的技术人员在不违背本发明精神的前提下还可作出种种的等同变形或替换，这些等同的变形或替换均包含在本发明权利要求所限定的范围内。

Claims (10)

1.基于色度指数的多源卫星遥感影像水体提取方法，其特征在于，包括以下步骤：
获取待处理卫星遥感影像，所述待处理卫星遥感影像包括合成孔径雷达卫星遥感影像或光学卫星遥感影像；
根据所述待处理卫星遥感影像，合成目标彩色图像；
根据所述目标彩色图像，计算主波长和纯度；
根据所述主波长和所述纯度，从所述目标彩色图像中提取待处理水体图；
从所述待处理水体图中提取目标水体图。
2.根据权利要求1所述的基于色度指数的多源卫星遥感影像水体提取方法，其特征在于，所述根据所述待处理卫星遥感影像，合成目标彩色图像，包括：
对所述待处理卫星遥感影像进行预处理，得到目标卫星遥感影像；
根据目标卫星遥感影像，合成待处理彩色图像，所述待处理彩色图像包括伪彩色图像、视真彩色图像或标准假彩色图像；
对所述待处理彩色图像进行图像拉伸，得到目标彩色图像。
3.根据权利要求1所述的基于色度指数的多源卫星遥感影像水体提取方法，其特征在于，所述根据所述目标彩色图像，计算主波长和纯度，包括：
根据所述目标彩色图像，计算目标刺激值，所述目标刺激值包括第一刺激值、第二刺激值或第三刺激值；
根据所述目标刺激值，计算待处理色度坐标；
根据所述待处理色度坐标，计算待处理色度点距离和纯度；
根据所述待处理色度点距离，计算主波长。
4.根据权利要求3所述的基于色度指数的多源卫星遥感影像水体提取方法，其特征在于，所述根据所述目标彩色图像，计算目标刺激值，包括：
获取所述目标彩色图像的三原色；
根据所述三原色，分别计算所述第一刺激值、所述第二刺激值和所述第三刺激值。
5.根据权利要求3所述的基于色度指数的多源卫星遥感影像水体提取方法，其特征在于，所述根据所述目标刺激值，计算待处理色度坐标，包括：
根据所述目标刺激值，计算第一归一化值；
根据所述目标刺激值，计算第二归一化值；
根据所述第一归一化值和第二归一化值，计算所述待处理色度坐标。
6.根据权利要求3所述的基于色度指数的多源卫星遥感影像水体提取方法，其特征在于，所述待处理色度坐标包括光谱轨迹色度坐标、等能白光点色度坐标或第一色度坐标，所述根据所述待处理色度坐标，计算待处理色度点距离，包括：
根据所述等能白光点色度坐标和所述第一色度坐标，计算斜率，所述斜率的计算公式如下：
式中，k为所述斜率，xc为所述第一色度坐标的横坐标，yc为所述第一色度坐标的纵坐标，xs为所述等能白光点色度坐标的横坐标，ys为所述等能白光点色度坐标的纵坐标；
根据所述斜率和所述光谱轨迹色度坐标、所述等能白光点色度坐标和所述第一色度坐标，计算待处理色度点距离，所述待处理色度点距离的计算公式如下：
式中，d为所述待处理色度点距离，k为所述斜率，xλ为所述光谱轨迹色度坐标的横坐标，yc为所述第一色度坐标的纵坐标，ys为所述等能白光点色度坐标的纵坐标。
7.根据权利要求3所述的基于色度指数的多源卫星遥感影像水体提取方法，其特征在于，所述待处理色度点距离包括第一色度点距离或第二色度点距离，所述根据所述待处理色度点距离，计算主波长，包括：
获取所述第一色度点距离对应的第一波长和所述第二色度点距离对应的第二波长；
根据所述第一色度点距离、所述第一波长、所述第二色度点距离和所述第二波长，计算主波长，所述主波长的计算公式如下：
式中，λd为所述主波长，d1为所述第一色度点距离，λ1为所述第一波长，d2为所述第二色度点距离，λ2为所述第二波长。
8.根据权利要求6所述的基于色度指数的多源卫星遥感影像水体提取方法，其特征在于，所述根据所述待处理色度坐标，计算纯度，包括：
根据所述光谱轨迹色度坐标和所述等能白光点色度坐标，计算第一距离，所述第一距离的计算公式如下：
式中，SD为所述第一距离，xλ为所述光谱轨迹色度坐标的横坐标，yλ为所述光谱轨迹色度坐标的纵坐标，xs为所述等能白光点色度坐标的横坐标，ys为所述等能白光点色度坐标的纵坐标；
根据所述第一色度坐标和所述等能白光点色度坐标，计算第二距离，所述第二距离的计算公式如下：
式中，SC为所述第二距离，xc为所述第一色度坐标的横坐标，yc为所述第一色度坐标的纵坐标，xs为所述等能白光点色度坐标的横坐标，ys为所述等能白光点色度坐标的纵坐标；
根据所述第一距离和所述第二距离，计算纯度，所述纯度的计算公式如下：
P＝SC/SD
式中，P为所述纯度，SC为所述第二距离，SD为所述第一距离。
9.基于色度指数的多源卫星遥感影像水体提取系统，其特征在于，包括：
第一模块，用于获取待处理卫星遥感影像，所述待处理卫星遥感影像包括合成孔径雷达卫星遥感影像或光学卫星遥感影像；
第二模块，用于根据所述待处理卫星遥感影像，合成目标彩色图像；
第三模块，用于根据所述目标彩色图像，计算主波长和纯度；
第四模块，用于根据所述主波长和所述纯度，从所述目标彩色图像中提取待处理水体图；
第五模块，用于从所述待处理水体图中提取目标水体图。
10.基于色度指数的多源卫星遥感影像水体提取系统，其特征在于，包括：
至少一个存储器，用于存储程序；
至少一个处理器，用于加载所述程序以执行如权利要求1-8任一项所述的基于色度指数的多源卫星遥感影像水体提取方法。
CN202311170164.4A 2023-09-12 2023-09-12 基于色度指数的多源卫星遥感影像水体提取方法和系统 Pending CN117152602A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311170164.4A CN117152602A (zh) 2023-09-12 2023-09-12 基于色度指数的多源卫星遥感影像水体提取方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311170164.4A CN117152602A (zh) 2023-09-12 2023-09-12 基于色度指数的多源卫星遥感影像水体提取方法和系统

Publications (1)

Publication Number Publication Date
CN117152602A true CN117152602A (zh) 2023-12-01

Family

ID=88907798

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311170164.4A Pending CN117152602A (zh) 2023-09-12 2023-09-12 基于色度指数的多源卫星遥感影像水体提取方法和系统

Country Status (1)

Country Link
CN (1) CN117152602A (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101449589A (zh) * 2006-05-15 2009-06-03 夏普株式会社 彩色图像显示设备和色彩变换设备
CN101566505A (zh) * 2009-03-24 2009-10-28 中科院广州电子技术有限公司 一种快速计算发光二极管主波长的方法
CN102288554A (zh) * 2011-07-29 2011-12-21 国家海洋局第一海洋研究所 赤潮优势藻种色度学的实时识别方法
CN102721655A (zh) * 2012-06-01 2012-10-10 天津科技大学 一种赤潮水体及其优势藻的光学判别方法
CN103292904A (zh) * 2013-06-21 2013-09-11 深圳大学 一种确定高斯型光源峰值波长与主波长关系的方法及系统
CN105488488A (zh) * 2015-12-10 2016-04-13 中国科学院遥感与数字地球研究所 城市黑臭水体遥感识别方法及装置
CN112559949A (zh) * 2021-02-26 2021-03-26 杭州罗莱迪思科技股份有限公司 Led灯具主波长和纯度的测量方法、装置及电子设备
CN113255452A (zh) * 2021-04-26 2021-08-13 中国自然资源航空物探遥感中心 一种目标水体的提取方法及提取系统
CN115908864A (zh) * 2022-11-10 2023-04-04 国家海洋环境监测中心 一种基于modis影像的海水色度角提取方法及水色状况遥感分类方法
CN115984711A (zh) * 2022-12-30 2023-04-18 中国科学院空天信息创新研究院 一种基于卫星遥感的非蓝藻水华监测方法和系统

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101449589A (zh) * 2006-05-15 2009-06-03 夏普株式会社 彩色图像显示设备和色彩变换设备
CN101566505A (zh) * 2009-03-24 2009-10-28 中科院广州电子技术有限公司 一种快速计算发光二极管主波长的方法
CN102288554A (zh) * 2011-07-29 2011-12-21 国家海洋局第一海洋研究所 赤潮优势藻种色度学的实时识别方法
CN102721655A (zh) * 2012-06-01 2012-10-10 天津科技大学 一种赤潮水体及其优势藻的光学判别方法
CN103292904A (zh) * 2013-06-21 2013-09-11 深圳大学 一种确定高斯型光源峰值波长与主波长关系的方法及系统
CN105488488A (zh) * 2015-12-10 2016-04-13 中国科学院遥感与数字地球研究所 城市黑臭水体遥感识别方法及装置
CN112559949A (zh) * 2021-02-26 2021-03-26 杭州罗莱迪思科技股份有限公司 Led灯具主波长和纯度的测量方法、装置及电子设备
CN113255452A (zh) * 2021-04-26 2021-08-13 中国自然资源航空物探遥感中心 一种目标水体的提取方法及提取系统
CN115908864A (zh) * 2022-11-10 2023-04-04 国家海洋环境监测中心 一种基于modis影像的海水色度角提取方法及水色状况遥感分类方法
CN115984711A (zh) * 2022-12-30 2023-04-18 中国科学院空天信息创新研究院 一种基于卫星遥感的非蓝藻水华监测方法和系统

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
张庆君 等编著: "《卫星极化微波遥感技术》", 31 March 2015, 北京：中国宇航出版社, pages: 274 - 275 *
徐洋 等: "基于CIE1931的颜色识别方法研究", 《电视技术》, vol. 36, no. 5, 31 December 2012 (2012-12-31), pages 2 *
胡德勇 等编著: "《遥感图像处理原理和方法》", 30 November 2014, 北京：测绘出版社, pages: 91 - 93 *
蔡玉林 等编著: "《ENVI遥感数字图像处理方法与实践》", 31 December 2020, 北京：测绘出版社, pages: 128 - 129 *

Similar Documents

Publication Publication Date Title
JP3091807B2 (ja) 光学信号を処理するシステム及び方法
CN108765359B (zh) 一种基于jskf模型和nsct技术的高光谱遥感影像与全色图像的融合方法
US20050286770A1 (en) Endmember spectrum database construction method, endmember spectrum database construction apparatus and endmember spectrum database construction program
CN111553922B (zh) 一种卫星遥感影像自动云检测方法
CN115439759B (zh) 遥感影像中植被的提取方法、装置、电子设备及介质
Szantoi et al. Fast and robust topographic correction method for medium resolution satellite imagery using a stratified approach
CN110703244A (zh) 基于遥感数据识别城区内水体的方法和装置
CN117152634B (zh) 基于色度指数的多源卫星影像浮水植物识别方法和系统
CN108961325A (zh) 多/高光谱遥感图像波段间配准方法
CN111413279B (zh) 多光谱探测的视频处理方法、装置及多光谱探测终端
CN107103295B (zh) 光学遥感影像云检测方法
CN109696406B (zh) 一种基于复合端元的月表高光谱图像阴影区域解混方法
CN116228911B (zh) 基于光谱特征的森林火灾勘察定损方法
CN117292250A (zh) 基于多源卫星遥感数据融合的水体提取方法、装置及设备
CN117152602A (zh) 基于色度指数的多源卫星遥感影像水体提取方法和系统
CN116109535A (zh) 一种图像融合方法、设备及计算机可读存储介质
CN114648627A (zh) 一种干旱半干旱区光学遥感影像植被信息抑制方法及系统
CN113469104A (zh) 基于深度学习的雷达遥感影像地表水体变化检测方法和设备
JP2781530B2 (ja) 画像処理方法および装置
KR20210096925A (ko) 대용량 항공정사영상의 효율적인 색상보정 방법
CN111695503B (zh) 基于双波段辐亮度的珊瑚礁底质分类方法
CN111178175A (zh) 基于高景卫星影像的自动化建筑物信息提取方法及系统
CN116129281B (zh) 一种用于高光谱影像的亚像元目标检测系统
CN112991265B (zh) 一种全自动水体提取系统及方法
CN115410074B (zh) 遥感影像云检测方法及装置

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