申请/专利权人：安徽农业大学

申请日：2022-05-13

公开（公告）日：2024-04-23

公开（公告）号：CN114998724B

主分类号：G06V20/10

分类号：G06V20/10;G06T7/90;G06T7/00;G01N21/25

优先权：

专利状态码：有效-授权

法律状态：2024.04.23#授权;2022.09.20#实质审查的生效;2022.09.02#公开

摘要：本发明公开了一种抗云层干扰的湖泊蓝藻水华遥感监测方法，包括以下步骤：1构建水体像素、蓝藻水华像素和云像素样本集；2计算水体像素、蓝藻水华像素和云像素的归一化系数；3构建指标函数CBI；4计算蓝藻水华像素阈值；5提取蓝藻水华像素。本发明能够解决研究区域遥感影像中云层像素误判为蓝藻水华的问题，并能显著降低云层的误判率，从而提高遥感影像识别蓝藻水华的抗云层干扰能力。

主权项：1.一种抗云层干扰的湖泊蓝藻水华遥感监测方法，其特征在于，是按如下步骤进行：步骤1、构建湖泊蓝藻水华提取指标；步骤1.1构建水体、蓝藻水华、云像素样本集；从研究区域的Landsat8OL遥感影像中提取水体像素样本集合蓝藻水华像素样本集合和云像素样本集合其中，分别为第n个水体像素样本在红、绿、蓝和近红外波段的灰度值，分别为第n′个蓝藻水华像素样本在红、绿、蓝和近红外波段的灰度值，分别为第n″个云像素样本在红、绿、蓝和近红外波段的灰度值，Nwat、Ncyb和Ncld分别为集合中水体像素、蓝藻水华像素和云像素的个数，1≤n≤Nwat，1≤n′≤Ncyb，1≤n″≤Ncld；利用卫星传感器A获取研究区域的另一遥感影像，分别提取所述水体像素样本集合蓝藻水华像素样本集合和云像素样本集合的同名点，得到水体像素同名点样本集合蓝藻水华像素同名点样本集合和云像素同名点样本集合其中，分别为第n个水体像素同名点样本在红、绿、蓝和近红外波段的灰度值，分别为第n′个蓝藻水华像素同名点样本在红、绿、蓝和近红外波段的灰度值，分别为第n″个云像素同名点样本在红、绿、蓝和近红外波段的灰度值；步骤1.2计算湿度分量；构建波段湿度分量系数矩阵{αR、αG、αB、αNIR}，其中，αR、αG、αB和αNIR分别为红、绿、蓝和近红外波段的湿度分量系数；根据所述水体像素样本集合与所述波段湿度分量系数矩阵{αR、αG、αB、αNIR}，利用式1得到水体像素样本的湿度分量集合其中，yn为所述水体像素样本集合第n个水体像素样本的湿度分量； 步骤1.3、计算水体像素的归一化系数：以所述水体像素同名点样本集合为观测点，利用式2所示的四元一次线性模型对湿度分量集合Y进行线性回归，得到湿度分量拟合函数y； 式2中，为水体像素在红波段的系数，为水体像素样本集合在红波段的灰度值，为水体像素在绿波段的系数，为水体像素样本集合在绿波段的灰度值，为水体像素在蓝波段的系数，为水体像素样本集合在蓝波段的灰度值，为水体像素在近红外波段的系数，为水体像素样本集合在近红外波段的灰度值；令水体像素系数集合为计算归一化的水体像素系数集合其中，Awat表示水体像素系数集合的2范数，且表示水体像素在红波段的归一化系数，表示水体像素在绿波段的归一化系数，表示水体像素在蓝波段的归一化系数，表示水体像素在近红外波段的归一化系数；步骤1.4、计算云像素的归一化系数：利用式3得到水体像素和云像素的相关系数γcld.wat： 式3中，表示云像素样本在红波段的灰度平均值，且表示水体像素样本在红波段的灰度平均值，且表示云像素样本在绿波段的灰度平均值，且表示水体像素样本在绿波段的灰度平均值，且表示云像素样本在蓝波段的灰度平均值，且表示水体像素样本在蓝波段的灰度平均值，且表示云像素样本在近红外波段的灰度平均值，且表示水体像素样本在近红外波段的灰度平均值，且利用式4-式7得到云像素系数集合 式4-式7中，为云像素在红波段的系数，为云像素在绿波段的系数，为云像素在蓝波段的系数，为云像素在近红外波段的系数；计算归一化的云像素系数集合其中，Acld表示云像素系数集合的2范数，且表示云像素在红波段的归一化系数，表示云像素在绿波段的归一化系数，表示云像素在蓝波段的归一化系数，表示云像素在近红外波段的归一化系数；步骤1.5、计算蓝藻水华像素的归一化系数：利用式8得到蓝藻水华像素样本集合与水体像素样本集合的相关系数γcyb.wat： 式8中，表示蓝藻水华像素在红波段的灰度平均值，表示蓝藻水华像素在绿波段的灰度平均值，表示蓝藻水华像素在蓝波段的灰度平均值，表示蓝藻水华像素在近红外波段的灰度平均值，利用式9得到蓝藻水华像素与云像素的相关系数γcyb.cld： 利用式10-式13得到蓝藻水华像素系数集合 式10-式13中，为蓝藻水华像素在红波段的系数，为蓝藻水华像素在绿波段的系数，为蓝藻水华像素在蓝波段的系数，为蓝藻水华像素在近红外波段的系数；计算归一化的蓝藻水华像素系数集合其中，Acyb表示蓝藻水华像素系数集合的2范数，表示蓝藻水华像素在红波段的系数，表示蓝藻水华像素在绿波段的系数，表示蓝藻水华像素在蓝波段的系数，表示蓝藻水华像素在近红外波段的系数；步骤1.6、计算指标系数：利用式14-式17得到在红、绿、蓝和近红外波段的指标系数kR、kG、kB和kNIR： 步骤1.7、利用式18构建指标函数CBI：CBI＝kR·λR+kG·λG+kB·λB+kNIR·λNIR18式18中，λR、λG、λB和λNIR分别为像素在红、绿、蓝和近红外波段的灰度值；步骤2、确定阈值：步骤2.1、利用式18分别计算所述水体像素同名点样本集合的指标函数CBI值集合蓝藻水华像素同名点样本集合的指标函数CBI值集合和云像素同名点样本集合的指标函数CBI值集合其中，CBIwatn表示第n个水体像素同名点样本的指标函数CBI值，且CBIcybn′表示第n′个蓝藻水华像素同名点样本的指标函数CBI值，且CBIcldn″表示第n″个云像素同名点样本的指标函数CBI值，且步骤2.2、利用式19计算蓝藻水华像素阈值T： 式18中，max·、min·分别取最大值和取最小值；步骤3、蓝藻水华像素提取：步骤3.1、构建研究区域的多波段遥感影像其中，pmn表示第m行n列像素，且和分别为第m行n列像素在红、绿、蓝和近红外波段的灰度值；步骤3.2、利用式18计算所述研究区域的多波段遥感影像P中各像素的指标函数CBI值，构成指标函数CBI值集合其中，cmn表示第m行n列像素pmn的指标函数CBI值，且步骤3.3、提取所述指标函数CBI值集合CBIP中大于蓝藻水华像素阈值T的所有元素，构成指标函数CBI值集合其中，第i个元素即为指标函数CBI值集合CBIP中的第mi行ni列的元素，从而得到所述研究区域多波段遥感影像P中的蓝藻水华像素集合其中，第i个元素即为所述研究区域多波段遥感影像P中的第mi行ni列像素，且1≤mi≤mI和1≤ni≤nI，1≤mI≤M，1≤nI≤N，mI表示指标函数CBI值集合的总行数，nI表示指标函数CBI值集合的总列数。

全文数据：

权利要求：

百度查询： 安徽农业大学 一种抗云层干扰的湖泊蓝藻水华遥感监测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD