CN117315486A - 一种航道绿地监测方法、装置、电子设备及存储介质 - Google Patents

一种航道绿地监测方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN117315486A
CN117315486A CN202311441963.0A CN202311441963A CN117315486A CN 117315486 A CN117315486 A CN 117315486A CN 202311441963 A CN202311441963 A CN 202311441963A CN 117315486 A CN117315486 A CN 117315486A
Authority
CN
China
Prior art keywords
image
channel
area
inland
building
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
Application number
CN202311441963.0A
Other languages
English (en)
Other versions
CN117315486B (zh
Inventor
余红楚
韩延鑫
易天佑
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.)
Wuhan University of Technology WUT
Original Assignee
Wuhan University of Technology WUT
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 Wuhan University of Technology WUT filed Critical Wuhan University of Technology WUT
Priority to CN202311441963.0A priority Critical patent/CN117315486B/zh
Publication of CN117315486A publication Critical patent/CN117315486A/zh
Application granted granted Critical
Publication of CN117315486B publication Critical patent/CN117315486B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/10Terrestrial scenes
    • G06V20/188Vegetation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/60Analysis of geometric attributes
    • G06T7/62Analysis of geometric attributes of area, perimeter, diameter or volume
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/70Determining position or orientation of objects or cameras
    • G06T7/73Determining position or orientation of objects or cameras using feature-based methods
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/10Terrestrial scenes
    • G06V20/176Urban or other man-made structures
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/10Terrestrial scenes
    • G06V20/194Terrestrial scenes using hyperspectral data, i.e. more or other wavelengths than RGB

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Remote Sensing (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Geometry (AREA)
  • Image Processing (AREA)

Abstract

本发明涉及一种航道绿地监测方法、装置、电子设备及存储介质,其方法包括:获取内河限制性航道的多源遥感图像,并对所述多源遥感图像进行预处理操作,得到预处理图像;基于光谱分析法计算所述预处理图像中的植被指数,并根据所述植被指数提取所述内河限制性航道中不同图像因素的位置和面积信息,其中,所述不同图像因素包括绿地、水面和建筑物;基于不同图像因素的位置和面积信息,分别计算不同图像因素在所述内河限制性航道中的面积占比,得到内河限制性航道绿地监测结果。本发明中提供的绿地监测方法可以弥补目前人工调研不足,提升航道生态性和安全性。

Description

一种航道绿地监测方法、装置、电子设备及存储介质
技术领域
本发明涉及水路交通与遥感技术领域,尤其涉及一种航道绿地监测方法、装置、电子设备及存储介质。
背景技术
目前航道绿地建设情况评估主要是基于生态调查与监测等依赖人工的方法。通过实地考察、样地调查和生态参数测量等方法,获取绿地植被类型、覆盖度、物种组成和生物多样性等方面的信息。不仅易受天气影响,效率低,成本高,且无法克服调研人员趋于主观判断的影响。
遥感图像采集与处理及应用相关技术已在城市绿化、农业、环境保护等领域得到充分利用,但遥感技术等在水路交通领域进行实际应用较少。随着遥感与信息技术的发展,积累了大量遥感图像处理、图像分析的经验技术。通过分析处理大量内河限制性航道遥感图像信息,从而实现航道绿化情况监测与分析方法,弥补了目前人工调研的不足,为提升航道生态性和安全性提供有力保障。
因此,如何根据航道多源遥感图像信息,使得航道绿地监测与计算更契合实际需要,是一个亟待解决的技术问题。
发明内容
有鉴于此,有必要提供一种航道绿地监测方法、装置、电子设备及存储介质,用以弥补目前人工调研不足,提升航道生态性和安全性。
为了实现上述目的,第一方面,本发明提供一种航道绿地监测方法,包括:
获取内河限制性航道的多源遥感图像,并对所述多源遥感图像进行预处理操作,得到预处理图像;
基于光谱分析法计算所述预处理图像中的植被指数,并根据所述植被指数提取所述内河限制性航道中不同图像因素的位置和面积信息,其中,所述不同图像因素包括绿地、水面和建筑物;
基于不同图像因素的位置和面积信息,分别计算不同图像因素在所述内河限制性航道中的面积占比,得到内河限制性航道绿地监测结果。
进一步的,所述多源遥感图像包括星载高光谱图像、空载高光谱图像和低空可见光图像;
所述对所述多源遥感图像进行预处理操作,得到预处理图像,包括:
对所述星载高光谱图像进行辐射校正和裁剪操作,得到第一预处理图像;
对所述空载高光谱图像进行辐射校正、条带噪声去除、辐射增强、图像平滑、图像锐化及图像四则运算操作,得到第二预处理图像;
对所述低空可见光图像进行像片对齐、特征匹配及数字纠正操作,得到第三预处理图像。
进一步的,所述对所述低空可见光图像进行像片对齐、特征匹配及数字纠正操作,得到第三预处理图像,包括:
基于POS文件和控制点文件对所述可见光图像进行像片对齐操作,得到图像的地面点的坐标;
基于预设的特征要素对所述图像的地面点的坐标进行特征匹配,生成不规则三角网和数字表面模型;
基于所述数字表面模型,应用影像共线方程与内外方位元素进行数字微分纠正,得到所述第三预处理图像。
进一步的,所述基于光谱分析法计算所述预处理图像中的植被指数,包括:
其中,NDVI为归一化植被指数,NIR为预处理图像中近红外波段的反射值,R为预处理图像中红光波段的反射值。
进一步的,所述根据所述植被指数提取所述内河限制性航道中不同图像因素的位置和面积信息,包括:
基于密度分割法提取包含绿地的第一范围,并基于所述归一化植被指数选取第一范围内的第一像素块,得到绿地位置,其中,绿地面积计算公式为:
Sv=Iv*Re 2
Sv为绿地面积,Iv为绿地像元总数,Re为图像分辨率;
基于用密度分割法提取包含水面的第二范围,并基于所述归一化植被指数选取在第二范围内的第二像素块,得到水面位置,其中,水面面积的计算公式为:
Sw=Iw*Re 2
Sw为水体面积,Iw为水体像元总数,Re为图像分辨率;
获取星载高光谱图像和空载高光谱图像的融合图像,基于用密度分割法从所述融合图像中提取包含建筑物的第三范围,并基于所述归一化植被指数选取在第三范围内的第三像素块,得到建筑物位置,其中,建筑物面积的计算公式为:
Sb=Ib*Re 2
Sb为建筑物面积,Ib为建筑物像元总数,Re为图像分辨率。
进一步的,所述方法还包括:
基于人工标注方式在所述融合图像中标记预设建筑物,并获取标记建筑物面积Sm
进一步的,所述基于不同图像因素的位置和面积信息,分别计算不同图像因素在所述内河限制性航道中的面积占比,得到内河限制性航道绿地监测结果,包括:
基于提取的绿地、水体和建筑物的面积信息,计算航道绿化近岸观感水平:
其中,Ln为近岸观感水平,Sv为绿地面积,Sm为标记建筑物面积,Sb为建筑物面积;
基于提取的绿地、水体和建筑物的面积信息,计算航道绿化离岸观感水平:
其中,Lo为离岸观感水平,Sv为绿地面积,Sm为标记建筑物面积,Sw为水体面积。
第二方面,本发明还提供一种航道绿地监测装置,包括:
预处理模块,用于获取内河限制性航道的多源遥感图像,并对所述多源遥感图像进行预处理操作,得到预处理图像;
提取模块,用于基于光谱分析法计算所述预处理图像中的植被指数,并根据所述植被指数提取所述内河限制性航道中不同图像因素的位置和面积信息,其中,所述不同图像因素包括绿地、水面和建筑物;
计算模块,用于基于不同图像因素的位置和面积信息,分别计算不同图像因素在所述内河限制性航道中的面积占比,得到内河限制性航道绿地监测结果。
第三方面,本发明还提供一种电子设备,包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序,处理器执行计算机程序时实现上述航道绿地监测方法中的步骤。
第四方面,本发明还提供一种计算机存储介质,计算机可读存储介质存储有计算机程序,计算机程序被处理器执行时实现如上述航道绿地监测方法中的步骤。
采用上述实施例的有益效果是:
本发明通过充分利用基于内河限制性航道的遥感图像信息和航道绿地规划特点,结合归一化植被指数在城市绿化等领域运用的经验,提取内河限制性航道中不同图像因素的位置和面积信息,并基于不同图像因素的位置和面积信息,分别计算不同图像因素在内河限制性航道中的面积占比,得到内河限制性航道绿地监测结果。实现内河限制性航道绿地建设的有效评估,弥补了目前人工调研成本高、效率低下、易受天气影响的不足,能够支持航道绿地建设的有效评估和监测岸边绿地损坏情况;在提升航道生态性和安全性,保障内河限制性航道生态护岸建设的规范有效,在推进绿色航道、生态航道建设、推动内河航道生态护岸建设等方面具有巨大潜力。
附图说明
图1为本发明提供的航道绿地监测的一实施例的流程示意图;
图2为本发明一实施例中提供的一种Landsat8影像数据NDVI计算后图像;
图3为本发明一实施例中提供的一种Sentinel-2影像数据NDVI计算后图像;
图4为本发明一实施例中提供的一种Landsat8影像数据提取后绿地范围示意图;
图5为本发明一实施例中提供的一种Sentinel-2影像数据提取后绿地范围示意图;
图6为本发明一实施例中提供的一种Landsat8影像数据提取后水体范围示意图;
图7为本发明一实施例中提供的一种Sentinel-2影像数据提取后水体范围示意图;
图8为本发明提供的航道绿地监测装置的一实施例的结构示意图;
图9为本发明提供的电子设备的一实施例的结构示意图。
具体实施方式
下面结合附图来具体描述本发明的优选实施例,其中,附图构成本申请一部分,并与本发明的实施例一起用于阐释本发明的原理,并非用于限定本发明的范围。
在本发明的描述中,术语“第一”、“第二”仅用于描述目的,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。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。此外,“多个”的含义是两个或两个以上,除非另有明确具体的限定。在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
本发明提供了一种航道绿地监测方法、装置、电子设备及存储介质,从航道绿地高精度近实时监测与计算出发,基于内河限制性航道的遥感图像信息和航道绿地规划特点,提出一种基于多源遥感图像的航道绿地监测与计算方法,基于内河限制性航道遥感图像信息,提取的内河限制性航道的绿地边界、道路、水面等位置和面积,获得航道不同要素的面积占比,评估内河限制性航道绿地建设情况。
一方面,充分利用内河限制性航道多源遥感图像信息,弥补了目前人工监测与评估易受到主观、天气、成本等因素影响,评估结果不准确、无法实时检测、成本较高的不足,例如受到恶劣天气影响,造成生态护岸损害的情况下,人工评估、定位损失的经济、时间成本较大,同时受天气影响无法正常工作;另一方面,充分利用航道多源遥感图像信息,融合图像处理、植被指数计算、特征提取、面积占比计算的方法,既能提高评估的有效性和准确性也能使得航道绿地监测与计算更契合实际需要,从而适用于内河限制级航道绿地建设情况评估和绿地损坏监测,实现国内限制性生态航道绿地建设情况的有效评估。本发明既能给出航道岸边绿地与建筑及其他要素占比,在绿地监测与计算符合实际,能够高效检测岸边绿地损坏情况,弥补了目前人工调研成本高、效率低下、易受天气影响的不足。并且基于航道绿地监测与计算结果可以验证内河限制性航道生态护岸建设成果,保障内河限制性航道生态护岸建设的规范有效,有利于推动生态型护岸逐步替代传统的硬质护岸,提升航道生态性和安全性,填补了对航道生态护岸建设成果评估的空白。
以下分别对具体实施例进行详细说明:
请参阅图1,图1为本发明提供的航道绿地监测的一实施例的流程示意图,本发明的一个具体实施例,公开了一种航道绿地监测,包括:
步骤S101:获取内河限制性航道的多源遥感图像,并对多源遥感图像进行预处理操作,得到预处理图像;
步骤S102:基于光谱分析法计算预处理图像中的植被指数,并根据植被指数提取内河限制性航道中不同图像因素的位置和面积信息,其中,不同图像因素包括绿地、水面和建筑物;
步骤S103:基于不同图像因素的位置和面积信息,分别计算不同图像因素在内河限制性航道中的面积占比,得到内河限制性航道绿地监测结果。
本发明通过充分利用基于内河限制性航道的遥感图像信息和航道绿地规划特点,结合归一化植被指数在城市绿化等领域运用的经验,提取内河限制性航道中不同图像因素的位置和面积信息,并基于不同图像因素的位置和面积信息,分别计算不同图像因素在内河限制性航道中的面积占比,得到内河限制性航道绿地监测结果。实现内河限制性航道绿地建设的有效评估,弥补了目前人工调研成本高、效率低下、易受天气影响的不足,能够支持航道绿地建设的有效评估和监测岸边绿地损坏情况;在提升航道生态性和安全性,保障内河限制性航道生态护岸建设的规范有效,在推进绿色航道、生态航道建设、推动内河航道生态护岸建设等方面具有巨大潜力。
在本发明的一个实施例中,多源遥感图像包括星载高光谱图像、空载高光谱图像和低空可见光图像;
对多源遥感图像进行预处理操作,得到预处理图像,包括:
对星载高光谱图像进行辐射校正和裁剪操作,得到第一预处理图像;
对空载高光谱图像进行辐射校正、条带噪声去除、辐射增强、图像平滑、图像锐化及图像四则运算操作,得到第二预处理图像;
对低空可见光图像进行像片对齐、特征匹配及数字纠正操作,得到第三预处理图像。
首先需要说明的是,本发明中的内河限制性航道可以为长江流域湖北省武汉市江岸区的水域,该部分的水域特征为:航道沿岸绿地分布不均匀;水域下游有一座小岛,岛上植被分布复杂,提取难度较大;该航道较为繁忙,大量船只覆盖水体。因此选取该部分水域具有一定的代表性。
可以理解的是,多源遥感图像包括星载高光谱图像、空载高光谱图像和低空可见光图像;
具体的,针对Sentinel-2和Landsat-8和空载高光谱图像以及无人机影像数据等不同数据在使用过程中需要使用不同的预处理方法:
在使用Landsat8和Sentinel-2的2021年之前部分数据时需要对多光谱图像进行辐射校正和裁剪预处理,以保证植被指数计算准确和数据一致性;其中,辐射校正包括辐射定标、大气校正。
辐射定标,即将初始的遥感图像像元亮度值转换为辐射亮度:
Lb=Gain*DNb+Bias,其中,DNb是遥感图像像元亮度值,Lb是辐射亮度值,Gain和Bias是增益和偏移;将辐射亮度值转换为大气表观反射率:其中,ρp为大气表观反射率,Lb为辐射亮度值,d为天文单位的日地距离,ESUNb为太阳表观辐射率均值,θs是以度为单位的太阳高度角;
大气校正,即基于MODTRAN模型的Flash大气校正。
在使用Sentinel-2数据前,需要将Sentinel-2数据利用SNAP转为ENVI格式,然后将近红外波段和红光波段两种波段进行融合,以进行NDVI等指数计算。
在使用无人机采集的数据时,需要对多光谱像片进行预处理,包括辐射校正、条带噪声去除、辐射增强(图像直方图形态调整、灰度变换、直方图均衡等)、图像平滑、图像锐化、多光谱图像加减乘除四则运算等。
可以理解的是,星载高光谱影像与空载高光谱影像融合,能够满足星载高光谱影像数据采集频率不够高、空间分辨率难以满足实时监测的需求,且能够提升大量船只通航航道的提取精度,但是对于水域中植被分布复杂的小岛监测难度较大。为了进一步提升这种小范围重点区域的监测精度,故采取低空可见光图像采集的手段。
无人机可见光图像的预处理需要执行基于POS文件和控制点文件实现像片的对齐、基于控制点区域网平差的影像密集匹配并生成高密度点云、生成不规则三角网和数字表面模型、数字纠正得到真正射影像。
在本发明的一个实施例中,对低空可见光图像进行像片对齐、特征匹配及数字纠正操作,得到第三预处理图像,包括:
基于POS文件和控制点文件对可见光图像进行像片对齐操作,得到图像的地面点的坐标;
基于预设的特征要素对图像的地面点的坐标进行特征匹配,生成不规则三角网和数字表面模型;
基于数字表面模型,应用影像共线方程与内外方位元素进行数字微分纠正,得到第三预处理图像。
可以理解的是,基于POS文件和控制点文件实现像片的对齐具体包括:设影像面在摄影瞬间的航向倾角旁向倾角ω、像片旋角k,以及投影中心在物方空间坐标系的位置(Xs,Ys,Zs)。影像的内方位元素包括像主点相对于影像中心的位置(xo,y0),影像面的垂距f。在使用无人机采集的数据时,需要根据计算出的内外方位元素,实现像空间坐标到地面空间坐标的转换。因此,根据影像面在摄影瞬间的航向倾角/>旁向倾角ω、像片旋角k,计算空间直角坐标系的旋转矩阵为:/> 根据投影中心、像点和相应的地面点的共线关系,则可计算其地面点的坐标:/>其中,a1,a2,a3,b1,b2,b3,c1,c2,c3为3个外方位角元素组成的九个方向余弦。
然后根据解算出来的坐标,基于海岸线等特征线、明显水深点等特征要素,进行特征匹配。进一步地,基于多视角的高光谱影像匹配方法,实现逐像素级的密集匹配,得到高密度彩色点云数据,并生成不规则三角网和数字表面模型。
最后通过对影像中的元素进行数字正射纠正,主要是根据数字表面模型,应用影像共线方程与内外方位元素,按很多微小的区域逐一进行数字微分纠正,从而得到真正射影像。
具体的,首先计算任意像元的地面坐标,计算公式为:(X′,Y′)为正射影像上任意像元A的像素坐标,(X0,Y0)是正射影像左下角图廓点地面坐标,M正射影像比例尺分母。根据原始影像及其灰度值,通过灰度内插,对正射影像进行灰度赋值。接着计算像点坐标,公式如下:/>a1,a2,a3,b1,b2,b3,c1,c2,c3为3个外方位角元素组成的九个方向余弦,(Xs,YS,Zs)为摄站坐标,(x0,y0,f)为像片内方位元素,(X,Y)为正射影像中任意像元对应地面平面坐标,Z可由(X,Y)根据数字高程模型内插获得。(x,y)为任意像元在原始影像中的坐标。根据共线方程式变形,如下:
的逆矩阵为/>则有:
I和J的计算式为:其中,L1,L2,L3,L4,L5,L6,L7,L8,L9,L10,L11是内定向参数m′1,m′2,n′1,n′2,I0,J0和旋转矩阵参数a1,a2,a3,b1,b2,b3,c1,c2,c3,摄站坐标(Xs,YS,Zs)的函数。具体计算式如下:L1=(a3I0-fm′1 a1-fm′2 a2)/L,L2=(b3I0-fm′1b1-fm′2 b2)/L,L3=(c3I0-fm′1 c1-fm′2 c2)/L,L4=I0+f[(m′1 a1+m′2 a2)Xs+(m′1 b1+m′2b2)Ys+(m′1 c1+m′2 c2)Zs]/L,L5=(a3J0-fn′1 a1-fn′2 a2)/L,L6=(b3J0-fn′1 b1-fn′2 b2)/L,L7=(c3J0-fn′1 c1-fn′2 c2)/L,L8=J0+f[(n′1 a1+n′2 a2)XS+(n′1 b1+n′2 b2)Ys+(n′1 c1+n′2 c2)Zs]/L,L9=a3/L,L10=b3/L,L11=c3/L,L=-(a3XS+b3YS+c3Zs)。
在本发明的一个实施例中,基于光谱分析法计算预处理图像中的植被指数,包括:
其中,NDVI为归一化植被指数,NIR为预处理图像中近红外波段的反射值,R为预处理图像中红光波段的反射值。
可以理解的是,在进行遥感影像数据处理时,需要对水面、绿地和建筑物等要素进行提取,其中,植被指数主要采用NDVI,即归一化植被指数进行分析,NDVI具体计算公式如下:
其中,NIR为预处理图像中近红外波段的反射值,R为预处理图像中红光波段的反射值。请参阅图2和图3,图2为本发明一实施例中提供的一种Landsat8影像数据NDVI计算后图像,图3为本发明一实施例中提供的一种Sentinel-2影像数据NDVI计算后图像。
遥感图像数据经过NDVI公式计算后,需要利用ENVI中bandmath工具输入二值化公式对初步计算结果进一步处理,二值化公式如下:(NDVI lt-1)*0+(NDVI gt1)*0+(NDVIge-1and NDVI le 1)*b,其中,NDVI为初步计算结果,处理后计算结果范围限制在-1和1之间;负值表示为可见光高反射;0表示有岩石或裸土等,NIR和R近似相等;正值,表示有植被覆盖,且随覆盖度增大而增大。
在本发明的一个实施例中,根据植被指数提取内河限制性航道中不同图像因素的位置和面积信息,包括:
基于密度分割法提取包含绿地的第一范围,并基于归一化植被指数选取第一范围内的第一像素块,得到绿地位置,其中,绿地面积计算公式为:
Sv=Iv*Re 2
Sv为绿地面积,Iv为绿地像元总数,Re为图像分辨率;
基于用密度分割法提取包含水面的第二范围,并基于归一化植被指数选取在第二范围内的第二像素块,得到水面位置,其中,水面面积的计算公式为:
Sw=Iw*Re 2
Sw为水体面积,Iw为水体像元总数,Re为图像分辨率;
获取星载高光谱图像和空载高光谱图像的融合图像,基于用密度分割法从融合图像中提取包含建筑物的第三范围,并基于归一化植被指数选取在第三范围内的第三像素块,得到建筑物位置,其中,建筑物面积的计算公式为:
Sb=Ib*Re 2
Sb为建筑物面积,Ib为建筑物像元总数,Re为图像分辨率。
可以理解的是,对于绿地提取,首先可以利用星载高光谱影像,根据密度分割法提取出包含完整绿地和部分建筑物的范围,通过修正后的NDVI计算第一结果选择值在第一范围内的第一像素块。具体的绿地面积计算公式为:Sv=Iv*Re 2,其中,Sv为绿地面积,Iv为绿地像元总数,Re为影像分辨率。请参阅图4和图5,图4为本发明一实施例中提供的一种Landsat8影像数据提取后绿地范围示意图,图5为本发明一实施例中提供的一种Sentinel-2影像数据提取后绿地范围示意图。
针对水面提取,可以使用密度分割法通过修正后的NDVI计算第二结果选择值在第二范围内的第二像素块,去除云层等干扰因素,从而得到完整的水面范围并计算面积。具体计算公式如下:Sw=Iw*Re 2,其中,Sw为水体面积,Iw为水体像元总数,Re为影像分辨率。请参阅图6和图7,图6为本发明一实施例中提供的一种Landsat8影像数据提取后水体范围示意图,图7为本发明一实施例中提供的一种Sentinel-2影像数据提取后水体范围示意图。
针对绿地和建筑物两种星载遥感影像数据难以单独提取的要素。通过融合星载高光谱影像和空载高光谱影像,可以提高数据处理效率并精确分离绿地和建筑物。具体计算公式如下:Sb=Ib*Re 2,其中,Sb为建筑物面积,Ib为建筑物像元总数,Re为影像分辨率。
需要说明的是,星载高光谱影像具有较低成本优势和快速提取水面信息的能力,但数据质量受到云层和大气影响,并在建筑和绿地提取方面存在局限性。空载高光谱影像具有高空间分辨率,可以提取建筑和绿地细节,但处理难度和成本较高,对水域研究也有局限。因此多源数据融合方法可以综合利用两种影像的特点,提高建筑和绿地提取的准确性和全面性。
具体的,使用Landsat8和Sentinel-2影像快速提取水体、完整绿地和建筑等要素。同时,对于出现模糊、异常和不完整边界的水体、绿地和建筑部分,利用空载高光谱影像提取后的对应位置采用边缘羽化融合替换的方式进行替换修正,多幅空载高光谱影像之间同样采用该方法拼接。
首先计算过渡步长,具体计算公式为:其中,S为过渡步长,m为重叠区域内的重叠边界行像素值,V2为用于替换的空载高光谱影像中过渡区域的像素宽度,l为该区域像素值。然后计算融合后过渡区域的像素值,即融合后过渡区域中第V2行的像素值为l+s,第V2-1行的像素值为l+2×s,第V2-2行的像素值为l+3×s,以此类推,最后过渡区第1行的像素值将变成l+V2×s。此时,重叠部分上边界的过渡完成。侧边界同理。
还需要说明的是,考虑到航道两旁的建筑物可能具有观赏性质,为进一步提取具有观赏价值的建筑物,采用人工标注无人机可见光图像上的建筑物,并基于Yolox算法,实现观赏建筑物的提取,以便评估航道绿化建设的程度。其中,标记建筑物面积记为Sm
在本发明的一个实施例中,基于不同图像因素的位置和面积信息,分别计算不同图像因素在内河限制性航道中的面积占比,得到内河限制性航道绿地监测结果,包括:
基于提取的绿地、水体和建筑物的面积信息,计算航道绿化近岸观感水平:
其中,Ln为近岸观感水平,Sv为绿地面积,Sm为标记建筑物面积,Sb为建筑物面积;
基于提取的绿地、水体和建筑物的面积信息,计算航道绿化离岸观感水平:
其中,Lo为离岸观感水平,Sv为绿地面积,Sm为标记建筑物面积,Sw为水体面积。
可以理解的是,利用提取的水体、绿地和建筑物的面积信息,可以计算航道绿化建设水平,其中,近岸观感水平计算公式为:Ln为近岸观感水平,Sv为绿地面积,Sm为标记建筑面积,Sb为建筑面积。Ln值越高近岸观感越好。离岸观感水平计算公式为:Lo为离岸观感水平,Sv为绿地面积,Sm为标记建筑面积,Sw为水体面积。Lo值越高近岸观感越好。
需要说明的是,在无灾害天气或绿地建设等特定情况下,使用周期性卫星获取的有效多光谱影像数据进行航道绿地变化监测。该监测时使用方法包括提取水体和绿地特征以及计算其面积,用于日常监测。而当监测到数值显著变化或出现灾害天气及环境建设等因素时,使用航空摄影、无人机进行图像采集,并对绿地变化和完整性进行分析评估,同时采用定性定量两种评价方法,通过目视解译实现定性评价,通过融合评价参数实现定量评价,提供变化和损坏位置以及评估结果。
为了更好实施本发明实施例中的航道绿地监测方法,在航道绿地监测方法基础之上,对应的,请参阅图8,图8为本发明提供的航道绿地监测装置的一实施例的结构示意图,本发明实施例提供了一种航道绿地监测装置800,包括:
预处理模块801,用于获取内河限制性航道的多源遥感图像,并对多源遥感图像进行预处理操作,得到预处理图像;
提取模块802,用于基于光谱分析法计算预处理图像中的植被指数,并根据植被指数提取内河限制性航道中不同图像因素的位置和面积信息,其中,不同图像因素包括绿地、水面和建筑物;
计算模块808,用于基于不同图像因素的位置和面积信息,分别计算不同图像因素在内河限制性航道中的面积占比,得到内河限制性航道绿地监测结果。
这里需要说明的是:上述实施例提供的装置800可实现上述各方法实施例中描述的技术方案,上述各模块或单元具体实现的原理可参见上述方法实施例中的相应内容,此处不再赘述。
基于上述航道绿地监测方法,本发明实施例还相应的提供一种电子设备,包括:处理器和存储器以及存储在存储器中并可在处理器上执行的计算机程序;处理器执行计算机程序时实现如上述各实施例的航道绿地监测方法中的步骤。
图9中示出了适于用来实现本发明实施例的电子设备900的结构示意图。本发明实施例中的电子设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图9示出的电子设备仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
电子设备包括:存储器以及处理器,其中,这里的处理器可以称为下文的处理装置901,存储器可以包括下文中的只读存储器(ROM)902、随机访问存储器(RAM)903以及存储装置908中的至少一项,具体如下所示:
如图9所示,电子设备900可以包括处理装置(例如中央处理器、图形处理器等)901,其可以根据存储在只读存储器(ROM)902中的程序或者从存储装置908加载到随机访问存储器(RAM)903中的程序而执行各种适当的动作和处理。在RAM903中,还存储有电子设备900操作所需的各种程序和数据。处理装置901、ROM902以及RAM903通过总线904彼此相连。输入/输出(I/O)接口905也连接至总线904。
通常,以下装置可以连接至I/O接口905:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置906;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置907;包括例如磁带、硬盘等的存储装置908;以及通信装置909。通信装置909可以允许电子设备900与其他设备进行无线或有线通信以交换数据。虽然图9示出了具有各种装置的电子设备900,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地,根据本发明的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本发明的实施例包括一种计算机程序产品,其包括承载在非暂态计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信装置909从网络上被下载和安装,或者从存储装置908被安装,或者从ROM902被安装。在该计算机程序被处理装置901执行时,执行本发明实施例的方法中限定的上述功能。
基于上述航道绿地监测方法,本发明实施例还相应的提供一种计算机可读存储介质,该计算机可读存储介质存储有一个或者多个程序,一个或者多个程序可被一个或者多个处理器执行,以实现如上述各实施例的航道绿地监测方法中的步骤。
本领域技术人员可以理解,实现上述实施例方法的全部或部分流程,可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于计算机可读存储介质中。其中,所述计算机可读存储介质为磁盘、光盘、只读存储记忆体或随机存储记忆体等。
以上所述,仅为本发明较佳的具体实施方式,但本发明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发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。

Claims (10)

1.一种航道绿地监测方法,其特征在于,包括:
获取内河限制性航道的多源遥感图像,并对所述多源遥感图像进行预处理操作,得到预处理图像;
基于光谱分析法计算所述预处理图像中的植被指数,并根据所述植被指数提取所述内河限制性航道中不同图像因素的位置和面积信息,其中,所述不同图像因素包括绿地、水面和建筑物;
基于不同图像因素的位置和面积信息,分别计算不同图像因素在所述内河限制性航道中的面积占比,得到内河限制性航道绿地监测结果。
2.根据权利要求1所述的航道绿地监测方法,其特征在于,所述多源遥感图像包括星载高光谱图像、空载高光谱图像和低空可见光图像;
所述对所述多源遥感图像进行预处理操作,得到预处理图像,包括:
对所述星载高光谱图像进行辐射校正和裁剪操作,得到第一预处理图像;
对所述空载高光谱图像进行辐射校正、条带噪声去除、辐射增强、图像平滑、图像锐化及图像四则运算操作,得到第二预处理图像;
对所述低空可见光图像进行像片对齐、特征匹配及数字纠正操作,得到第三预处理图像。
3.根据权利要求2所述的航道绿地监测方法,其特征在于,所述对所述低空可见光图像进行像片对齐、特征匹配及数字纠正操作,得到第三预处理图像,包括:
基于POS文件和控制点文件对所述可见光图像进行像片对齐操作,得到图像的地面点的坐标;
基于预设的特征要素对所述图像的地面点的坐标进行特征匹配,生成不规则三角网和数字表面模型;
基于所述数字表面模型,应用影像共线方程与内外方位元素进行数字微分纠正,得到所述第三预处理图像。
4.根据权利要求1所述的航道绿地监测方法,其特征在于,所述基于光谱分析法计算所述预处理图像中的植被指数,包括:
其中,NDVI为归一化植被指数,NIR为预处理图像中近红外波段的反射值,R为预处理图像中红光波段的反射值。
5.根据权利要求1所述的航道绿地监测方法,其特征在于,所述根据所述植被指数提取所述内河限制性航道中不同图像因素的位置和面积信息,包括:
基于密度分割法提取包含绿地的第一范围,并基于所述归一化植被指数选取第一范围内的第一像素块,得到绿地位置,其中,绿地面积计算公式为:
Sv=Iv*Re 2
Sv为绿地面积,Iv为绿地像元总数,Re为图像分辨率;
基于用密度分割法提取包含水面的第二范围,并基于所述归一化植被指数选取在第二范围内的第二像素块,得到水面位置,其中,水面面积的计算公式为:
Sw=Iw*Re 2
Sw为水体面积,Iw为水体像元总数,Re为图像分辨率;
获取星载高光谱图像和空载高光谱图像的融合图像,基于用密度分割法从所述融合图像中提取包含建筑物的第三范围,并基于所述归一化植被指数选取在第三范围内的第三像素块,得到建筑物位置,其中,建筑物面积的计算公式为:
Sb=Ib*Re 2
Sb为建筑物面积,Ib为建筑物像元总数,Re为图像分辨率。
6.根据权利要求5所述的航道绿地监测方法,其特征在于,所述方法还包括:
基于人工标注方式在所述融合图像中标记预设建筑物,并获取标记建筑物面积Sm
7.根据权利要求6所述的航道绿地监测方法,其特征在于,所述基于不同图像因素的位置和面积信息,分别计算不同图像因素在所述内河限制性航道中的面积占比,得到内河限制性航道绿地监测结果,包括:
基于提取的绿地、水体和建筑物的面积信息,计算航道绿化近岸观感水平:
其中,Ln为近岸观感水平,Sv为绿地面积,Sm为标记建筑物面积,Sb为建筑物面积;
基于提取的绿地、水体和建筑物的面积信息,计算航道绿化离岸观感水平:
其中,Lo为离岸观感水平,Sv为绿地面积,Sm为标记建筑物面积,Sw为水体面积。
8.一种航道绿地监测装置,其特征在于,包括:
预处理模块,用于获取内河限制性航道的多源遥感图像,并对所述多源遥感图像进行预处理操作,得到预处理图像;
提取模块,用于基于光谱分析法计算所述预处理图像中的植被指数,并根据所述植被指数提取所述内河限制性航道中不同图像因素的位置和面积信息,其中,所述不同图像因素包括绿地、水面和建筑物;
计算模块,用于基于不同图像因素的位置和面积信息,分别计算不同图像因素在所述内河限制性航道中的面积占比,得到内河限制性航道绿地监测结果。
9.一种电子设备,其特征在于,包括存储器和处理器,其中,所述存储器,用于存储程序;所述处理器,与所述存储器耦合,用于执行所述存储器中存储的所述程序,以实现上述权利要求1至7中任一项所述航道绿地监测方法中的步骤。
10.一种计算机可读存储介质,其特征在于,用于存储计算机可读取的程序或指令,所述程序或指令被处理器执行时,能够实现上述权利要求1至7中任一项所述航道绿地监测方法的步骤。
CN202311441963.0A 2023-10-30 2023-10-30 一种航道绿地监测方法、装置、电子设备及存储介质 Active CN117315486B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311441963.0A CN117315486B (zh) 2023-10-30 2023-10-30 一种航道绿地监测方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311441963.0A CN117315486B (zh) 2023-10-30 2023-10-30 一种航道绿地监测方法、装置、电子设备及存储介质

Publications (2)

Publication Number Publication Date
CN117315486A true CN117315486A (zh) 2023-12-29
CN117315486B CN117315486B (zh) 2024-05-14

Family

ID=89260377

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311441963.0A Active CN117315486B (zh) 2023-10-30 2023-10-30 一种航道绿地监测方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN117315486B (zh)

Citations (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100223276A1 (en) * 2007-03-27 2010-09-02 Faleh Jassem Al-Shameri Automated Generation of Metadata for Mining Image and Text Data
US20130174769A1 (en) * 2010-09-29 2013-07-11 Gregory Aharonian Navigated urban floating office or residential structure for independent parties
CN109801296A (zh) * 2019-01-14 2019-05-24 中国科学院地理科学与资源研究所 一种海绵城市建设下垫面嵌套式遥感精细化制图方法
CN111091052A (zh) * 2019-11-07 2020-05-01 中国农业大学 一种基于最大似然法的玉米倒伏面积提取系统及方法
AU2020100917A4 (en) * 2020-06-02 2020-07-09 Guizhou Institute Of Pratacultural A Method For Extracting Vegetation Information From Aerial Photographs Of Synergistic Remote Sensing Images
CN112232234A (zh) * 2020-10-20 2021-01-15 生态环境部卫星环境应用中心 基于遥感的内陆湖库蓝藻水华强度评价方法和装置
CN114139398A (zh) * 2021-12-08 2022-03-04 天津大学 一种根据热岛强度等级推荐热岛减缓措施的方法
CN114241321A (zh) * 2021-12-23 2022-03-25 卫忠 高分遥感图像平顶建筑快速精准识别方法
CN114351640A (zh) * 2022-01-27 2022-04-15 中交上海航道勘察设计研究院有限公司 一种改善既有滨海平原地区内涝的方法
CN115082812A (zh) * 2022-06-10 2022-09-20 北京市农林科学院 一种农业景观非农生境绿地斑块提取方法及其相关设备
CN115271343A (zh) * 2022-06-21 2022-11-01 北京市农林科学院信息技术研究中心 一种缺水区作物种植结构监测和调整决策的方法及系统
CN115439759A (zh) * 2022-11-09 2022-12-06 航天宏图信息技术股份有限公司 遥感影像中植被的提取方法、装置、电子设备及介质
US20220415044A1 (en) * 2021-06-23 2022-12-29 Satellite Application Center for Ecology and Environment, MEE Method, apparatus, medium and device for extracting river drying-up region and frequency
CN115661634A (zh) * 2022-09-21 2023-01-31 上海市园林科学规划研究院 城市生态网络空间要素精准识别方法
CN116114450A (zh) * 2023-02-24 2023-05-16 苏州深蓝空间遥感技术有限公司 基于遥感的玉米氮素立体调控方法
CN116359137A (zh) * 2023-05-31 2023-06-30 武汉大学 多水域城市生态环境遥感监测方法
US20230316555A1 (en) * 2020-08-14 2023-10-05 Agriculture Victoria Services Pty Ltd System and Method for Image-Based Remote Sensing of Crop Plants

Patent Citations (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100223276A1 (en) * 2007-03-27 2010-09-02 Faleh Jassem Al-Shameri Automated Generation of Metadata for Mining Image and Text Data
US20130174769A1 (en) * 2010-09-29 2013-07-11 Gregory Aharonian Navigated urban floating office or residential structure for independent parties
CN109801296A (zh) * 2019-01-14 2019-05-24 中国科学院地理科学与资源研究所 一种海绵城市建设下垫面嵌套式遥感精细化制图方法
CN111091052A (zh) * 2019-11-07 2020-05-01 中国农业大学 一种基于最大似然法的玉米倒伏面积提取系统及方法
AU2020100917A4 (en) * 2020-06-02 2020-07-09 Guizhou Institute Of Pratacultural A Method For Extracting Vegetation Information From Aerial Photographs Of Synergistic Remote Sensing Images
US20230316555A1 (en) * 2020-08-14 2023-10-05 Agriculture Victoria Services Pty Ltd System and Method for Image-Based Remote Sensing of Crop Plants
CN112232234A (zh) * 2020-10-20 2021-01-15 生态环境部卫星环境应用中心 基于遥感的内陆湖库蓝藻水华强度评价方法和装置
US20220415044A1 (en) * 2021-06-23 2022-12-29 Satellite Application Center for Ecology and Environment, MEE Method, apparatus, medium and device for extracting river drying-up region and frequency
CN114139398A (zh) * 2021-12-08 2022-03-04 天津大学 一种根据热岛强度等级推荐热岛减缓措施的方法
CN114241321A (zh) * 2021-12-23 2022-03-25 卫忠 高分遥感图像平顶建筑快速精准识别方法
CN114351640A (zh) * 2022-01-27 2022-04-15 中交上海航道勘察设计研究院有限公司 一种改善既有滨海平原地区内涝的方法
CN115082812A (zh) * 2022-06-10 2022-09-20 北京市农林科学院 一种农业景观非农生境绿地斑块提取方法及其相关设备
CN115271343A (zh) * 2022-06-21 2022-11-01 北京市农林科学院信息技术研究中心 一种缺水区作物种植结构监测和调整决策的方法及系统
CN115661634A (zh) * 2022-09-21 2023-01-31 上海市园林科学规划研究院 城市生态网络空间要素精准识别方法
CN115439759A (zh) * 2022-11-09 2022-12-06 航天宏图信息技术股份有限公司 遥感影像中植被的提取方法、装置、电子设备及介质
CN116114450A (zh) * 2023-02-24 2023-05-16 苏州深蓝空间遥感技术有限公司 基于遥感的玉米氮素立体调控方法
CN116359137A (zh) * 2023-05-31 2023-06-30 武汉大学 多水域城市生态环境遥感监测方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
K.CHANDRASEKAR等: "Land Surface Water Index(LSWI) response to rainfall and NDVI using the MODIS vegetation index product", 《INTERNATIONAL JOURNAL OF REMOTE SENSING》, vol. 31, no. 15, 13 September 2010 (2010-09-13), pages 3987 - 4005 *
徐知宇: "基于深度学习的城市绿地遥感分类及应用研究—以北京市五环内区域为例", 《中国优秀硕士学位论文全文数据库基础科学辑》, no. 02, 15 February 2022 (2022-02-15), pages 008 - 193 *

Also Published As

Publication number Publication date
CN117315486B (zh) 2024-05-14

Similar Documents

Publication Publication Date Title
CN109613513B (zh) 一种顾及InSAR形变因子的光学遥感潜在滑坡自动识别方法
CN103793907B (zh) 一种水体信息的提取方法及装置
CN107610164B (zh) 一种基于多特征混合的高分四号影像配准方法
CN110703244B (zh) 基于遥感数据识别城区内水体的方法和装置
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
CN113744249B (zh) 一种海洋生态环境损害调查方法
Slocum et al. Combined geometric-radiometric and neural network approach to shallow bathymetric mapping with UAS imagery
WO2024212435A1 (zh) 采煤沉陷积水区水资源调查方法及系统
CN114943161B (zh) 一种基于多源遥感数据的内陆湖泊地形反演方法
CN112364289B (zh) 一种通过数据融合提取水体信息的方法
CN117523404B (zh) 一种堆土场动态变化监测方法、装置、终端及存储介质
Weissling et al. EISCAM—Digital image acquisition and processing for sea ice parameters from ships
CN115187481A (zh) 一种机载推扫式高光谱影像辐射扰动校正方法
CN114155378A (zh) 采煤沉陷地裂缝自动提取方法、装置及存储介质
CN113034519A (zh) 滨海滩涂湿地植被恢复建设区域确定方法和装置
CN117315486B (zh) 一种航道绿地监测方法、装置、电子设备及存储介质
CN115760885B (zh) 基于消费级无人机影像的高郁闭度湿地森林参数提取方法
Gladkova et al. SST pattern test in ACSPO clear-sky mask for VIIRS
Jin ENVI automated image registration solutions
Brigante et al. USE OF MULTISPECTRAL SENSORS WITH HIGH SPATIAL RESOLUTION FOR TERRITORIAL AND ENVIRONMENTAL ANALYSIS.
CN115638772A (zh) 基于无人机影像数据提取高山峡谷区滑坡灾害信息的方法
Piermattei et al. Analysis of glacial and periglacial processes using structure from motion.
Heckel et al. The first sub-meter resolution digital elevation model of the Kruger National Park, South Africa
CN117612038B (zh) 基于无人机影像的矿区植被碳汇精细演算方法
Bostater Jr et al. Collection and corrections of oblique multiangle hyperspectral bidirectional reflectance imagery of the water surface

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