CN117690041B - 一种基于静止卫星遥感数据的动态水体提取方法及系统 - Google Patents
一种基于静止卫星遥感数据的动态水体提取方法及系统 Download PDFInfo
- Publication number
- CN117690041B CN117690041B CN202410131024.4A CN202410131024A CN117690041B CN 117690041 B CN117690041 B CN 117690041B CN 202410131024 A CN202410131024 A CN 202410131024A CN 117690041 B CN117690041 B CN 117690041B
- Authority
- CN
- China
- Prior art keywords
- image
- remote sensing
- water body
- wave band
- value
- 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
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 167
- 238000000605 extraction Methods 0.000 title claims abstract description 23
- 230000003068 static effect Effects 0.000 title claims abstract description 15
- 238000000034 method Methods 0.000 claims abstract description 24
- 238000004364 calculation method Methods 0.000 claims abstract description 21
- 238000012545 processing Methods 0.000 claims abstract description 16
- 230000015572 biosynthetic process Effects 0.000 claims description 38
- 238000003786 synthesis reaction Methods 0.000 claims description 38
- 238000003809 water extraction Methods 0.000 claims description 14
- 230000011218 segmentation Effects 0.000 claims description 10
- 238000012216 screening Methods 0.000 claims description 6
- 230000002194 synthesizing effect Effects 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 3
- 238000011160 research Methods 0.000 abstract description 2
- 239000002689 soil Substances 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 230000002411 adverse Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Landscapes
- Image Processing (AREA)
Abstract
本发明涉及水资源研究技术领域,尤其涉及一种基于静止卫星遥感数据的动态水体提取方法及系统,从第N天的遥感影像中筛选与动态水体相关联的绿光波段影像、短波红外波段影像和热红外波段影像;对绿光波段影像和短波红外波段影像以及热红外波段影像分别进行去噪处理,形成纯净的遥感影像;根据纯净的遥感影像,构建与该遥感影像的空间维度一致的标记图层;获取与第N天关联的至少Q天中每一天的纯净的遥感影像,并根据标记图层和获取的包括第N天的所有的纯净的遥感影像进行处理,获得待提取动态水体的遥感影像,以及采用水体指数计算策略,从待提取动态水体的遥感影像中提取所述动态水体。该方法对于动态水体信息的提取精度更高。
Description
技术领域
本发明涉及水资源研究技术领域,尤其涉及一种基于静止卫星遥感数据的动态水体提取方法及系统。
背景技术
目前,利用遥感技术提取水体信息已经取得了长足的发展,常用的方法包括分类法、阈值法、水体指数法以及机器学习或深度学习法等。然而,无论哪种方法,都不可避免的受到云、阴影等的影响,不同方法的适用性也不同,近实时动态水体信息的自动提取仍然面临巨大挑战。
水体是动态变化的,例如,一年内有丰水期和枯水期,但现有方法主要针对晴空条件下的水体提取,只能得到某个时间段的水体情况,很难获取长时间水体动态性变化信息。而且,现有方法大多适用于高分辨率影像,对中低分辨率影像的适用性有待进一步检验,因此,用于大面积且时间连续的水体遥感监测信息提取方法仍需改进和提升。
随着遥感技术的快速发展,静止卫星的观测波段、分辨率都在不断提升,可以预见,在不久的将来,静止卫星空间分辨率会进一步提高,达到百米级甚至更高,静止卫星1天内高频次的观测和越来越高的空间分辨率为水体制图提供了更有效的信息,有望实现大面积、自动化、时间连续动态水体的有效提取。然而,目前利用静止卫星高频次等优势的相关水体自动提取技术不够成熟。
因此,目前亟需一种合理的、高效的、更加精准的动态水体提取方法。
发明内容
(一)要解决的技术问题
鉴于现有技术的上述缺点、不足,本发明提供一种基于静止卫星遥感数据的动态水体提取方法及系统,其解决了现有技术难获取长时间水体动态性变化信息以及难以有效抑制云层、山体阴影、建筑物阴影、土壤背景等信息干扰的技术问题。
(二)技术方案
为了达到上述目的,本发明采用的主要技术方案包括:
第一方面,本发明实施例提供一种基于静止卫星遥感数据的动态水体提取方法。
本发明实施例提出的一种基于静止卫星遥感数据的动态水体提取方法,包括:
S10、根据静止卫星在第N天内观测的指定影像空间的遥感影像,从所述遥感影像中筛选白天时间段内与动态水体相关联的第一绿光波段影像、第一短波红外波段影像和第一热红外波段影像;
S20、根据所述静止卫星的观测周期,对第N天内所有观测周期内的第一绿光波段影像和第一短波红外波段影像以及第一热红外波段影像分别进行去噪处理,并将去噪处理后得到的第二绿光波段影像和第二短波红外波段影像以及第二热红外波段影像进行组合,形成纯净的遥感影像;
S30、根据所述纯净的遥感影像,构建与该遥感影像的空间维度一致的用于进一步去除背景阴影的标记图层;
S40、获取与第N天关联的至少Q天中每一天的纯净的遥感影像,并根据所述标记图层和获取的包括第N天的所有的纯净的遥感影像进行处理,获得待提取动态水体的遥感影像,以及采用水体指数计算策略,从待提取动态水体的遥感影像中提取所述动态水体;
其中,N为大于等于1的自然数,Q为大于等于0的自然数。
可选地,所述S20包括:
S21、对所述第一绿光波段影像和第一短波红外波段影像进行最小值合成,分别得到最小值合成后的第二绿光波段影像和第二短波红外波段影像,对所述第一热红外波段影像进行最大值合成,得到最大值合成后的第二热红外波段影像;
所述最小值合成指的是针对影像中每一个像元位置,选取该像元位置所有观测次数中的最小像元值作为该像元位置的像元值,所述最大值合成指的是针对影像中每一个像元位置,选取该像元位置所有观测次数中的最大像元值作为该像元位置的像元值;
S22、根据所述第二绿光波段影像、第二短波红外波段影像和第二热红外波段影像,合成得到去除云层影响的纯净的遥感影像。
可选地,所述S30包括:
S31、根据所述纯净的遥感影像,构建与该遥感影像的空间维度一致的初始标记图层;
S32、计算第二绿光波段影像中所有数值的中值,将大于中值的所有像元在初始标记图层中对应的位置标记为1,将小于或等于中值的所有像元在初始标记图层中对应的位置标记为0,得到用于进一步去除背景阴影的标记图层。
可选地,所述S40包括:
S41、对与第N天关联的至少Q天中每一天的遥感影像进行所述S10和所述S20中同样的处理,得到与第N天关联的至少Q天中每一天的纯净的遥感影像,将与第N天关联的至少Q天中每一天的纯净的遥感影像以及第N天的纯净的遥感影像组合为纯净遥感影像集;
S42、根据所述标记图层和所述纯净遥感影像集进行处理,获得待提取动态水体的遥感影像;
S43、基于所述待提取动态水体的遥感影像,计算得到水体指数影像;
S44、根据所述水体指数影像,计算得到最佳水体分割阈值,将水体指数影像中的水体与非水体进行区分,从待提取动态水体的遥感影像中提取所述动态水体。
可选地,所述S42包括:
S421、以标记图层为参考影像,若标记图层像元值为1,则对所述纯净遥感影像集中对应位置的所有绿光波段影像和所有短红外波段影像进行最小值合成,若标记图层像元值为0,则对所述纯净遥感影像集中对应位置的所有绿光波段影像和所有短红外波段影像进行最大值合成,分别得到第三绿光波段影像和第三短红外波段影像,对于所述纯净遥感影像集中的所有热红外波段影像,均进行最大值合成,得到第三热红外波段影像;
S422、根据所述第三绿光波段影像、第三短波红外波段影像和第三热红外波段影像,合成得到去除阴影背景影响的待提取动态水体的遥感影像。
可选地,所述S43包括:
基于所述待提取动态水体的遥感影像,采用水体指数计算表达式,计算得到水体指数影像;
所述水体指数计算表达式为:
;
其中,为水体指数影像中第i个像元对应的水体指数,为进行合成处理后的第三绿光波段影像中第i个像元的值,为进行合成处理后的第三短波红外波段影像中第i个像元的值,为进行最大值合成后的第三热红外波段影像中第i个像元的值。
可选地,所述S44包括:
S441、获取水体指数影像中数值大于初始阈值的像元个数占比/>,并计算得到大于初始阈值/>的像元的平均值/>;
所述初始阈值为水体指数影像中最大值和最小值之间的任意值;
S442、获取水体指数影像中数值小于等于初始阈值的像元个数占比/>,并计算得到小于等于初始阈值/>的像元的平均值/>;
S443、计算获得阈值指数,并遍历水体指数影像中最大值和最小值之间所有初始阈值/>,计算得到多个对应的阈值指数/>;
S444、遍历计算得到的多个阈值指数,获取得到最大阈值指数/>,将最大阈值指数/>对应的/>作为最佳水体分割阈值/>;
S445、根据最佳水体分割阈值,水体指数影像中像元值大于/>的像元位置即待提取动态水体的遥感影像中动态水体的对应位置。
可选地,所述S443中的阈值指数是采用阈值指数计算表达式计算得到的;
所述阈值指数计算表达式为:;
其中,为阈值指数,/>为水体指数影像中数值大于初始阈值/>的像元个数占比,/>为水体指数影像中数值小于等于初始阈值/>的像元个数占比,/>为大于初始阈值的像元的平均值,/>为小于等于初始阈值/>的像元的平均值。
可选地,所述静止卫星为FY-4A、FY-4B、GF-4、Himawari-8/9、MSG、GOES系列中的任意一种或类似的静止卫星;
所述白天时间段为所述指定影像空间对应地区的早晨9点至下午4点。
第二方面,本发明实施例提供一种基于静止卫星遥感数据的动态水体提取系统。
本发明实施例提出的一种基于静止卫星遥感数据的动态水体提取系统,包括:
与水体相关联波段影像获取模块,用于根据静止卫星在第N天内观测的指定影像空间的遥感影像,从所述遥感影像中筛选白天时间段内与动态水体相关联的第一绿光波段影像、第一短波红外波段影像和第一热红外波段影像;
纯净的遥感影像合成模块,用于根据所述静止卫星的观测周期,对第N天内所有观测周期内的第一绿光波段影像和第一短波红外波段影像以及第一热红外波段影像分别进行去噪处理,并将去噪处理后得到的第二绿光波段影像和第二短波红外波段影像以及第二热红外波段影像进行组合,形成纯净的遥感影像;
标记图层构建模块,用于根据所述纯净的遥感影像,构建与该遥感影像的空间维度一致的用于进一步去除背景阴影的标记图层;
动态水体提取模块,用于获取与第N天关联的至少Q天中每一天的纯净的遥感影像,并根据所述标记图层和获取的包括第N天的所有的纯净的遥感影像进行处理,获得待提取动态水体的遥感影像,以及采用水体指数计算策略,从待提取动态水体的遥感影像中提取所述动态水体;
其中,N为大于等于1的自然数,Q为大于等于0的自然数。
(一)有益效果
本发明的有益效果是:本发明的一种基于静止卫星遥感数据的动态水体提取方法,由于通过对单天内的影像数值和前后多天的影像数值进行融合处理,相对于现有技术而言,其可以得到大范围时间连续的动态水体信息;由于通过对遥感影像中的特定单波段影像进行针对性的多次最大值或最小值合成,能够去除云层、阴影、土壤背景等因素对水体提取的不利影响;由于采用了引入热红外波段信息的水体指数计算表达式,能够得到更为合理的水体分割阈值,使提取到的动态水体信息准确度更高。
附图说明
图1为本发明一实施例中提供的一种基于静止卫星遥感数据的动态水体提取方法的流程示意图;
图2为本发明另一实施例中提供的一种基于静止卫星遥感数据的动态水体提取方法的局部流程示意图;
图3为本发明另一实施例提供的一种基于静止卫星遥感数据的动态水体提取系统的结构示意图。
具体实施方式
为了更好的解释本发明,以便于理解,下面结合附图,通过具体实施方式,对本发明作详细描述。
本发明实施例提出的基于静止卫星遥感数据的动态水体提取方法,基于静止卫星数据,通过对影像进行针对性的多次最大值和最小值合成,去除云层、阴影、土壤背景等因素对水体提取的不利影响,进而计算水体指数,通过引入热红外信息进一步增强水体指数影像中的水体信息,实现每天的水体信息自动提取,最后得到大范围时间连续的动态水体信息。
为了更好的理解上述技术方案,下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例,然而应当理解,可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更清楚、透彻地理解本发明,并且能够将本发明的范围完整的传达给本领域的技术人员。
实施例一
如图1所示,本实施例提供一种基于静止卫星遥感数据的动态水体提取方法,执行主体可为任意计算机设备,该方法可包括:
S10、根据静止卫星在第N天内观测的指定影像空间的遥感影像,从所述遥感影像中筛选白天时间段内与动态水体相关联的第一绿光波段影像、第一短波红外波段影像和第一热红外波段影像。
可选地,静止卫星为FY-4A、FY-4B、GF-4、Himawari-8/9、MSG、GOES系列中的任意一种或类似的静止卫星;
白天时间段为当地时间所述指定影像空间对应地区的早晨9点至下午4点。
静止卫星观测波段一般较多,本实施例中所涉及的波段至少包含绿光波段(中心波长0.55微米左右,记为Band_G)、短波红外波段(中心波长1.6微米左右,记为Band_SWIR)以及热红外波段(中心波长11或12微米左右,记为Band_TIR)。
S20、根据所述静止卫星的观测周期,对第N天内所有观测周期内的第一绿光波段影像和第一短波红外波段影像以及第一热红外波段影像分别进行去噪处理,并将去噪处理后得到的第二绿光波段影像和第二短波红外波段影像以及第二热红外波段影像进行组合,形成纯净的遥感影像。
举例来讲,采用第一表达式将第N天内所有白天观测的第一绿光波段影像Band_G进行最小值合成;假如第N天所有白天数据的观测次数是M,每次观测的影像空间大小为X行、Y列,则对影像中每一个像元而言,该天有M次观测值,最小值合成则是选取M次观测中的最小值作为该像元的合成值,遍历X*Y个像元即可得到第N天所有的Band_G通过最小值合成后得到一幅第二绿光波段影像Band_G_min;
所述第一表达式为:;
其中,为第二绿光波段影像Band_G_min中第i个像元对应的像元值;为第一绿光波段影像Band_G中第i个像元位置对应的第1次观测值;/>为第一绿光波段影像Band_G中第i个像元位置对应的第2次观测值;/>为第一绿光波段影像Band_G中第i个像元位置对应的第M次观测值。
以此类推,将第一短波红外波段影像Band_SWIR也进行最小值合成,得到第二短波红外影像Band_SWIR_min。对于第一热红外影像Band_TIR,由于云会导致更加低的温度,因此,将第N天的多次热红外观测进行最大值合成处理,即在M次热红外观测影像中取最大的观测值作为最后的合成值,得到第二热红外波段影像Band_TIR_max。
至此,通过多幅影像的最小值或最大值合成可以有效去除影像上云层的影响,得到纯净的遥感影像。
S30、根据所述纯净的遥感影像,构建与该遥感影像的空间维度一致的用于进一步去除背景阴影的标记图层。
上述合成后的纯净的遥感影像,虽然可以消除云层的影响,但仍然会受到阴影(云层的阴影、建筑物的阴影)、土壤等背景的影响以及薄云的影响,为此,建立一个初始标记图层,其空间维度大小与Band_G_min完全一致,然后计算第二绿光波段影像Band_G_min中所有数值的中值,将大于中值的所有像元在初始标记图层中的对应位置标记为1,将小于或者等于中值的所有像元在初始标记图层中标记为0,得到用于进一步去除背景阴影的标记图层Flag。
S40、获取与第N天关联的至少Q天中每一天的纯净的遥感影像,并根据所述标记图层和获取的包括第N天的所有的纯净的遥感影像进行处理,获得待提取动态水体的遥感影像,以及采用水体指数计算策略,从待提取动态水体的遥感影像中提取所述动态水体。
可选地,N为大于等于1的自然数,Q为大于等于0的自然数;
更优地,Q可以根据当地实际情况选择大于等于3的自然数。
实施例二
本实施例提供一种基于静止卫星遥感数据的动态水体提取方法,该方法的整体流程与实施例一中S10-S40相同,在此不再具体描述。在本实施例中仅对其中的S40进行详细说明,如图2所示,可包括:
S41、对与第N天关联的至少Q天中每一天的遥感影像进行实施例一中所述S10和所述S20同样的处理,得到与第N天关联的至少Q天中每一天的纯净的遥感影像,将与第N天关联的至少Q天中每一天的纯净的遥感影像以及第N天的纯净的遥感影像组合为纯净遥感影像集。
举例来讲,选取与第N天相邻的前5天的遥感影像,进行实施例一中所述S10和所述S20中同样的处理,可以分别得到前5天的多个纯净的遥感影像。
S42、根据所述标记图层和所述纯净遥感影像集进行处理,获得待提取动态水体的遥感影像。
具体地,以标记图层Flag为参考影像,若Flag中像元值为0,则对总共6天(第N天+前5天)的Band_G_min中与Flag位置对应的像元进行最大值合成;若Flag中像元值为1,则对总共6天(第N天+前5天)的Band_G_min中与Flag位置对应的像元进行最小值合成,最终得到第三绿光波段影像Band_G_min_Final;除了绿光波段,对6天的Band_SWIR_min也进行同样的处理,最后得到第三短波红外波段影像Band_SWIR_min_Final。而对于热红外波段,无论Flag的数值是多少,对总共6天的Band_TIR_max都进行最大值合成,从而得到第三热红外波段影像Band_TIR_max_Final。
至此,通过当天内的多次合成达到去除云影响的目的,再通过多天的合成达到去除阴影和背景影响的目的。
S43、基于所述待提取动态水体的遥感影像,计算得到水体指数影像。
具体地,基于所述待提取动态水体的遥感影像,采用水体指数计算表达式,计算得到水体指数影像;
所述水体指数计算表达式为:
;
其中,为水体指数影像中第i个像元对应的水体指数,为进行合成处理后的第三绿光波段影像中第i个像元的值,为进行合成处理后的第三短波红外波段影像中第i个像元的值,为进行最大值合成后的第三热红外波段影像中第i个像元的值。
S44、根据所述水体指数影像,计算得到最佳水体分割阈值,将水体指数影像中的水体与非水体进行区分,从待提取动态水体的遥感影像中提取所述动态水体。
可选地,先获取水体指数影像中数值大于初始阈值的像元个数占比/>,并计算得到大于初始阈值/>的像元的平均值/>;
所述初始阈值为水体指数影像中最大值和最小值之间的任意值。
再获取水体指数影像中数值小于等于初始阈值的像元个数占比/>,并计算得到小于等于初始阈值/>的像元的平均值/>。
再然后,采用阈值指数计算表达式计算获得阈值指数,并遍历水体指数影像中最大值和最小值之间所有初始阈值/>,计算得到多个对应的阈值指数/>;
所述阈值指数计算表达式为:;
其中,为阈值指数,/>为水体指数影像中数值大于初始阈值/>的像元个数占比,/>为水体指数影像中数值小于等于初始阈值/>的像元个数占比,/>为大于初始阈值的像元的平均值,/>为小于等于初始阈值/>的像元的平均值。
接着,遍历计算得到的多个阈值指数,获取得到最大阈值指数/>,将最大阈值指数/>对应的/>作为最佳水体分割阈值/>;
最后,根据最佳水体分割阈值,水体指数影像中像元值大于/>的像元位置即待提取动态水体的遥感影像中动态水体的对应位置。
实施例三
如图3所示,本实施例提供一种基于静止卫星遥感数据的动态水体提取系统,可包括:
与水体相关联波段影像获取模块,用于根据静止卫星在第N天内观测的指定影像空间的遥感影像,从所述遥感影像中筛选白天时间段内与动态水体相关联的第一绿光波段影像、第一短波红外波段影像和第一热红外波段影像;
纯净的遥感影像合成模块,用于根据所述静止卫星的观测周期,对第N天内所有观测周期内的第一绿光波段影像和第一短波红外波段影像以及第一热红外波段影像分别进行去噪处理,并将去噪处理后得到的第二绿光波段影像和第二短波红外波段影像以及第二热红外波段影像进行组合,形成纯净的遥感影像;
标记图层构建模块,用于根据所述纯净的遥感影像,构建与该遥感影像的空间维度一致的用于进一步去除背景阴影的标记图层;
动态水体提取模块,用于获取与第N天关联的至少Q天中每一天的纯净的遥感影像,并根据所述标记图层和获取的包括第N天的所有的纯净的遥感影像进行处理,获得待提取动态水体的遥感影像,以及采用水体指数计算策略,从待提取动态水体的遥感影像中提取所述动态水体;
其中,N为大于等于1的自然数,Q为大于等于0的自然数;
更优地,Q可以根据当地实际情况选择大于等于3的自然数。
需要说明的是,上文中以某一天为例进行描述,在多云多雨地区,若一天内仍然很难得到晴空影像,则用户可以适当扩展天数。同理,在S41中以5天为例进行描述,用户也可以根据需求适当扩展或者减少天数。
在本发明的描述中,需要理解的是,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一个或者更多个该特征。在本发明的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
在本发明中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或成一体;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连;可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
在本发明中,除非另有明确的规定和限定,第一特征在第二特征 “上”或“下”,可以是第一和第二特征直接接触,或第一和第二特征通过中间媒介间接接触。而且,第一特征在第二特征“之上”、“上方”和“上面”,可以是第一特征在第二特征正上方或斜上方,或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”,可以是第一特征在第二特征正下方或斜下方,或仅仅表示第一特征水平高度低于第二特征。
在本说明书的描述中,术语“一个实施例”、“一些实施例”、“实施例”、“示例”、“具体示例”或“一些示例”等的描述,是指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行改动、修改、替换和变型。
Claims (7)
1.一种基于静止卫星遥感数据的动态水体提取方法,其特征在于,包括:
S10、根据静止卫星在第N天内观测的指定影像空间的遥感影像,从所述遥感影像中筛选白天时间段内与动态水体相关联的第一绿光波段影像、第一短波红外波段影像和第一热红外波段影像;
S20、根据所述静止卫星的观测周期,对第N天内所有观测周期内的第一绿光波段影像和第一短波红外波段影像以及第一热红外波段影像分别进行去噪处理,并将去噪处理后得到的第二绿光波段影像和第二短波红外波段影像以及第二热红外波段影像进行组合,形成纯净的遥感影像;
S30、根据所述纯净的遥感影像,构建与该遥感影像的空间维度一致的用于去除背景阴影的初始标记图层,并根据第二绿光波段影像中所有数值的中值,在初始标记图层中的对应位置标记为0或1,得到标记图层;
S40、获取与第N天关联的至少Q天中每一天的纯净的遥感影像,并根据所述标记图层和获取的包括第N天的所有的纯净的遥感影像进行处理,获得待提取动态水体的遥感影像,以及采用水体指数计算策略,从待提取动态水体的遥感影像中提取所述动态水体;
其中,N为大于等于1的自然数,Q为大于等于1的自然数;
所述S40包括:
S41、对与第N天关联的至少Q天中每一天的遥感影像进行所述S10和所述S20中同样的处理,得到与第N天关联的至少Q天中每一天的纯净的遥感影像,将与第N天关联的至少Q天中每一天的纯净的遥感影像以及第N天的纯净的遥感影像组合为纯净遥感影像集;
S42、根据所述标记图层和所述纯净遥感影像集进行处理,获得待提取动态水体的遥感影像;
S43、基于所述待提取动态水体的遥感影像,计算得到水体指数影像;
S44、根据所述水体指数影像,计算得到最佳水体分割阈值,将水体指数影像中的水体与非水体进行区分,从待提取动态水体的遥感影像中提取所述动态水体;
所述S42包括:
S421、以标记图层为参考影像,若标记图层像元值为1,则对所述纯净遥感影像集中对应位置的所有绿光波段影像和所有短红外波段影像进行最小值合成,若标记图层像元值为0,则对所述纯净遥感影像集中对应位置的所有绿光波段影像和所有短红外波段影像进行最大值合成,分别得到第三绿光波段影像和第三短红外波段影像,对于所述纯净遥感影像集中的所有热红外波段影像,均进行最大值合成,得到第三热红外波段影像;
S422、根据所述第三绿光波段影像、第三短波红外波段影像和第三热红外波段影像,合成得到去除阴影背景影响的待提取动态水体的遥感影像;
所述S43包括:
基于所述待提取动态水体的遥感影像,采用水体指数计算表达式,计算得到水体指数影像;
所述水体指数计算表达式为:
;
其中,为水体指数影像中第i个像元对应的水体指数,/>为进行合成处理后的第三绿光波段影像中第i个像元的值,/>为进行合成处理后的第三短波红外波段影像中第i个像元的值,/>为进行最大值合成后的第三热红外波段影像中第i个像元的值。
2.如权利要求1所述的动态水体提取方法,其特征在于,所述S20包括:
S21、对所述第一绿光波段影像和第一短波红外波段影像进行最小值合成,分别得到最小值合成后的第二绿光波段影像和第二短波红外波段影像,对所述第一热红外波段影像进行最大值合成,得到最大值合成后的第二热红外波段影像;
所述最小值合成指的是针对影像中每一个像元位置,选取该像元位置所有观测次数中的最小像元值作为该像元位置的像元值,所述最大值合成指的是针对影像中每一个像元位置,选取该像元位置所有观测次数中的最大像元值作为该像元位置的像元值;
S22、根据所述第二绿光波段影像、第二短波红外波段影像和第二热红外波段影像,合成得到去除云层影响的纯净的遥感影像。
3.如权利要求2所述的动态水体提取方法,其特征在于,所述S30包括:
S31、根据所述纯净的遥感影像,构建与该遥感影像的空间维度一致的初始标记图层;
S32、计算第二绿光波段影像中所有数值的中值,将大于中值的所有像元在初始标记图层中对应的位置标记为1,将小于或等于中值的所有像元在初始标记图层中对应的位置标记为0,得到用于去除背景阴影的标记图层。
4.如权利要求1所述的动态水体提取方法,其特征在于,所述S44包括:
S441、获取水体指数影像中数值大于初始阈值的像元个数占比/>,并计算得到大于初始阈值/>的像元的平均值/>;
所述初始阈值为水体指数影像中最大值和最小值之间的任意值;
S442、获取水体指数影像中数值小于等于初始阈值的像元个数占比/>,并计算得到小于等于初始阈值/>的像元的平均值/>;
S443、计算获得阈值指数,并遍历水体指数影像中最大值和最小值之间所有初始阈值/>,计算得到多个对应的阈值指数/>;
S444、遍历计算得到的多个阈值指数,获取得到最大阈值指数/>,将最大阈值指数对应的/>作为最佳水体分割阈值/>;
S445、根据最佳水体分割阈值,水体指数影像中像元值大于/>的像元位置即待提取动态水体的遥感影像中动态水体的对应位置。
5.如权利要求4所述的动态水体提取方法,其特征在于,所述S443中的阈值指数是采用阈值指数计算表达式计算得到的;
所述阈值指数计算表达式为:;
其中,为阈值指数,/>为水体指数影像中数值大于初始阈值/>的像元个数占比,为水体指数影像中数值小于等于初始阈值/>的像元个数占比,/>为大于初始阈值的像元的平均值,/>为小于等于初始阈值/>的像元的平均值。
6.如权利要求1所述的动态水体提取方法,其特征在于,所述白天时间段为所述指定影像空间对应地区的早晨9点至下午4点。
7.一种基于静止卫星遥感数据的动态水体提取系统,所述系统用于执行所述权利要求1至6任意一项所述的基于静止卫星遥感数据的动态水体提取方法,其特征在于,包括:
与水体相关联波段影像获取模块,用于根据静止卫星在第N天内观测的指定影像空间的遥感影像,从所述遥感影像中筛选白天时间段内与动态水体相关联的第一绿光波段影像、第一短波红外波段影像和第一热红外波段影像;
纯净的遥感影像合成模块,用于根据所述静止卫星的观测周期,对第N天内所有观测周期内的第一绿光波段影像和第一短波红外波段影像以及第一热红外波段影像分别进行去噪处理,并将去噪处理后得到的第二绿光波段影像和第二短波红外波段影像以及第二热红外波段影像进行组合,形成纯净的遥感影像;
标记图层构建模块,用于根据所述纯净的遥感影像,构建与该遥感影像的空间维度一致的用于去除背景阴影的初始标记图层,并根据第二绿光波段影像中所有数值的中值,在初始标记图层中的对应位置标记为0或1,得到标记图层;
动态水体提取模块,用于获取与第N天关联的至少Q天中每一天的纯净的遥感影像,并根据所述标记图层和获取的包括第N天的所有的纯净的遥感影像进行处理,获得待提取动态水体的遥感影像,以及采用水体指数计算策略,从待提取动态水体的遥感影像中提取所述动态水体;
其中,N为大于等于1的自然数,Q为大于等于1的自然数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410131024.4A CN117690041B (zh) | 2024-01-31 | 2024-01-31 | 一种基于静止卫星遥感数据的动态水体提取方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410131024.4A CN117690041B (zh) | 2024-01-31 | 2024-01-31 | 一种基于静止卫星遥感数据的动态水体提取方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117690041A CN117690041A (zh) | 2024-03-12 |
CN117690041B true CN117690041B (zh) | 2024-04-12 |
Family
ID=90126807
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410131024.4A Active CN117690041B (zh) | 2024-01-31 | 2024-01-31 | 一种基于静止卫星遥感数据的动态水体提取方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117690041B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007143490A (ja) * | 2005-11-29 | 2007-06-14 | Yamaguchi Univ | 気球空撮マルチバンドセンシングにより植生を診断する方法 |
CN107239782A (zh) * | 2017-05-09 | 2017-10-10 | 广州地理研究所 | 基于亚像元定位的遥感影像水体提取方法 |
CN115761493A (zh) * | 2022-11-21 | 2023-03-07 | 河海大学 | 一种基于组合水体指数频率的水体提取方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111122449A (zh) * | 2019-12-31 | 2020-05-08 | 北京师范大学 | 一种城市不透水面遥感提取方法及系统 |
US20220392215A1 (en) * | 2021-05-28 | 2022-12-08 | The Board Of Regents Of The University Of Oklahoma | System and Method for Mapping Land Cover Types with Landsat, Sentinel-1, and Sentinel-2 Images |
-
2024
- 2024-01-31 CN CN202410131024.4A patent/CN117690041B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007143490A (ja) * | 2005-11-29 | 2007-06-14 | Yamaguchi Univ | 気球空撮マルチバンドセンシングにより植生を診断する方法 |
CN107239782A (zh) * | 2017-05-09 | 2017-10-10 | 广州地理研究所 | 基于亚像元定位的遥感影像水体提取方法 |
CN115761493A (zh) * | 2022-11-21 | 2023-03-07 | 河海大学 | 一种基于组合水体指数频率的水体提取方法 |
Non-Patent Citations (3)
Title |
---|
Extracting Urban Water Bodies from Landsat Imagery Based on mNDWI and HSV Transformation;Liwei Chang et al;《remote sensing》;20221116;第14卷(第22期);1-18 * |
基于ETM+的植被覆盖信息提取及其动态变化分析;马娅 等;《测绘科学》;20090430;第34卷(第4期);114-116 * |
基于NDWI和热红外混合的水体识别方法;杨斌 等;《淮阴师范学院学报(自然科学)》;20121215;第11卷(第4期);362-366 * |
Also Published As
Publication number | Publication date |
---|---|
CN117690041A (zh) | 2024-03-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Dronova et al. | Object-based analysis and change detection of major wetland cover types and their classification uncertainty during the low water period at Poyang Lake, China | |
Yang | A high-resolution airborne four-camera imaging system for agricultural remote sensing | |
Yan et al. | Evaluating land surface phenology from the Advanced Himawari Imager using observations from MODIS and the Phenological Eyes Network | |
CN102622738B (zh) | 一种Landsat TM/ETM+图像中山体阴影区的光谱信息恢复方法 | |
CN108195767B (zh) | 河口湿地外来种监测方法 | |
CN113392759B (zh) | 一种云计算平台下基于多源全时相卫星影像的越冬作物种植面积识别方法 | |
Turner et al. | CZM applications of Argus coastal imaging at the Gold Coast, Australia | |
CN111062267B (zh) | 一种时间序列遥感影像降维方法 | |
CN109308688B (zh) | 一种可见光和近红外波段厚云及阴影去除方法 | |
Jiang et al. | Multi-sensor and multi-platform consistency and interoperability between UAV, Planet CubeSat, Sentinel-2, and Landsat reflectance data | |
CN107145891B (zh) | 一种基于遥感影像的水体提取方法及系统 | |
US20220392215A1 (en) | System and Method for Mapping Land Cover Types with Landsat, Sentinel-1, and Sentinel-2 Images | |
CN111879292B (zh) | 一种海岸线动态监控方法、监控设备及存储介质 | |
CN113112533B (zh) | 基于多分辨率分析的sar-多光谱-高光谱一体化融合方法 | |
CN113436071B (zh) | 一种多源卫星遥感影像镶嵌方法、系统及存储介质 | |
Zhang et al. | A 250m annual alpine grassland AGB dataset over the Qinghai-Tibetan Plateau (2000–2019) based on in-situ measurements, UAV images, and MODIS Data | |
CN113780307A (zh) | 一种区域年度最大蓝绿空间信息提取方法 | |
CN109948697B (zh) | 利用众源数据辅助遥感影像分类提取城市建成区的方法 | |
CN117690041B (zh) | 一种基于静止卫星遥感数据的动态水体提取方法及系统 | |
CN107341809A (zh) | 一种面向多源遥感影像的海岸线自动提取及偏差纠正方法 | |
CN111798383A (zh) | 一种高分辨率夜间灯光影像的增强方法 | |
CN114782255B (zh) | 一种基于语义的夜光遥感影像高分辨率重建方法 | |
CN116385842A (zh) | 一种融合可见光-红外-雷达影像多特征的机器学习水体提取方法 | |
Xu et al. | Extraction of rivers and lakes on Tibetan Plateau based on Google Earth Engine | |
Shimizu et al. | Assessments of preprocessing methods for Landsat time series images of mountainous forests in the tropics |
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 |