本申请提供了一种基于高空间分辨率图像的水华识别方法及装置，通过对高空间分辨率水域遥感图像进行分割，得到目标区域，在所述目标区域中标记目标图斑，所述目标图斑包括水华图斑和/或水草图斑，并提取所述目标图斑的梯度纹理特征，将满足预设条件的图斑识别为水华图斑，所述预设条件包括梯度纹理特征小于其对应的预设阈值，因为高空间分辨率图像具有较高的空间分辨率，能较好的反映不同地物的空间纹理特征，又因为水华和水草在水体中呈现出不同的空间分布特征，所以，本实施例所述的方法及装置，基于高空间分辨率遥感图像的特性，对高空间分辨率遥感图像进行分割及图斑标记后，能够实现从目标图斑中识别出水华图斑的目的。
【技术实现步骤摘要】
本申请涉及电子信息领域，尤其涉及一种基于高空间分辨率图像的水华识别方法 及装置。
技术介绍
基于遥感技术的水华监测识别技术被广泛应用，高空间分辨率（空间分辨率一般 大于IOm)卫星影像的水华识别结果精度高，但是高空间分辨率卫星影像的光谱分辨率一 般都比较低，波段数目少且响应范围宽，而水华和水草具有相似的光谱曲线，单纯依据低光 谱分辨率的影像数据无法识别水华、水草在650nm附近的细微光谱差异，以致不能区分出 水华和水草。 因此，如何从高空间分辨率卫星图像中识别出水华，成为目前亟待解决的问题。
技术实现思路
本申请提供了一种基于高空间分辨率图像的水华识别方法及装置，目的在于解决 如何从高空间分辨率卫星图像中识别出水华的问题。 为了实现上述目的，本申请提供了以下技术方案： -种基于高空间分辨率图像的水华识别方法，包括： 通过对高空间分辨率水域遥感图像进行分割，得到目标区域，所述目标区域包括 水华区域和/或水草区域； 在所述目标区域中标记目标图斑，所述目标图斑包括水华图斑和/或水草图斑； 提取所述目标图斑的梯度纹理特征； 将满足预设条件的图斑识别为水华图斑，所述预设条件包括梯度纹理特征小于其 对应的预设阈值。 可选地，所述目标图斑的梯度纹理特征包括以下至少一种： 所述目标图斑的边缘梯度均值； 所述目标图斑的梯度均值； 所述目标图斑的梯度标准差。 可选地，所述预设条件包括梯度纹理特征小于其对应的预设阈值包括： 所述预设条件包括所述目标图斑的边缘梯度均值小于第一预设阈值，所述目标图 斑的梯度均值小于第二预设阈值，所述目标图斑的梯度标准差小于第三预设阈值。 可选地，所述在所述目标区域中标记目标图斑包括： 通过对所述目标区域进行八连通分割，得到所述目标区域的图斑。 可选地，还包括： 将梯度纹理特征不小于其对应的预设阈值的目标图斑确定为水草图斑。 -种基于高空间分辨率图像的水华识别装置，包括： 分割模块，用于通过对高空间分辨率水域遥感图像进行分割，得到目标区域，所述 目标区域包括水华区域和/或水草区域； 标记模块，用于在所述目标区域中标记目标图斑，所述目标图斑包括水华图斑和/ 或水草图斑； 提取模块，用于提取所述目标图斑的梯度纹理特征； 识别模块，用于将满足预设条件的图斑识别为水华图斑，所述预设条件包括梯度 纹理特征小于其对应的预设阈值。 可选地，所述提取模块用于提取所述目标图斑的梯度纹理特征包括： 所述提取模块具体用于，提取所述目标图斑的以下至少一种梯度纹理特征：所述 目标图斑的边缘梯度均值；所述目标图斑的梯度均值；所述目标图斑的梯度标准差。 可选地，所述识别模块用于将满足预设条件的图斑识别为水华图斑包括： 所述识别模块具体用于，将满足预设条件的图斑识别为水华图斑，所述预设条件 包括所述目标图斑的边缘梯度均值小于第一预设阈值，所述目标图斑的梯度均值小于第二 预设阈值，所述目标图斑的梯度标准差小于第三预设阈值。 可选地，所述标记模块用于在所述目标区域中标记目标图斑包括： 所述标记模块具体用于，通过对所述目标区域进行八连通分割，得到所述目标区 域的图斑。 可选地，所述识别模块还用于： 将梯度纹理特征不小于其对应的预设阈值的目标图斑确定为水草图斑。 本申请所述的基于高空间分辨率图像的水华识别方法及装置，通过对高空间分辨 率水域遥感图像进行分割，得到目标区域，在所述目标区域中标记目标图斑，所述目标图斑 包括水华图斑和/或水草图斑，并提取所述目标图斑的梯度纹理特征，将满足预设条件的 图斑识别为水华图斑，所述预设条件包括梯度纹理特征小于其对应的预设阈值，因为高空 间分辨率图像具有较高的空间分辨率，能较好的反映不同地物的空间纹理特征，又因为水 华和水草在水体中呈现出不同的空间分布特征，所以，本实施例所述的方法及装置，基于高 空间分辨率遥感图像的特性，对高空间分辨率遥感图像进行分割及图斑标记后，能够实现 从目标图斑中识别出水华图斑的目的。【附图说明】 为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现 有技术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为本申请实施例公开的一种基于高空间分辨率图像的水华识别方法的流程 图； 图2为使用sobel算子获取的目标图斑的NDVI梯度图像； 图3为本申请实施例公开的梯度纹理特征图； 图4为本申请实施例公开的又一种水华识别方法的流程图； 图5为本申请实施例公开的基于高空间分辨率图像的水华识别方法得到的NDVI 图像分割结果的示意图； 图6为本申请实施例公开的基于高空间分辨率图像的水华识别方法得到的目标 图斑的示意图； 图7为本申请实施例还公开的一种基于高空间分辨率图像的水华识别装置的结 构示意图。【具体实施方式】 本申请实施例公开的一种基于高空间分辨率图像的水华识别方法及装置，可以应 用在遥感识别水体中的目标的过程中，目的在于从水体遥感图像中的水草和水华区域中， 甄别出水华区域。 下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完 整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于 本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他 实施例，都属于本申请保护的范围。 本申请实施例公开的一种基于高空间分辨率图像的水华识别方法，如图1所示， 包括以下步骤： SlOl :通过对高空间分辨率水域遥感图像进行分割，得到目标区域，所述目标区域 包括水华区域和/或水草区域； S102 :在所述目标区域中标记目标图斑，所述目标图斑包括水华图斑和/或水草 图斑； S103 :提取所述目标图斑的梯度纹理特征； 专利技术人在研究的过程中发现，高空间分辨率水域遥感图像具有较高的空间分辨 率，能较好的反映不同地物的空间纹理特征，且水华和水草在水体中呈现出不同的空间分 布特征，因此可以基于空间纹理信息识别出水华区域和水草区域。例如，如图2所示为使用 sobel算子获取目标图斑的NDVI梯度图像，从梯度图上可以看出，水华图斑的边界和内部 梯度都比较小，水草图斑的梯度差异比较大，水草簇边界的梯度很大，内部梯度较小。这主 要是由于水华是漂浮在水面上的颗粒状浮渣，在水面上从有到无缓慢过度分布，而水草与 水体的边界却是明显突变的。 基于上述原理，本实施例中，具体地，梯度纹理特征可以包括目标图斑的边界梯度 均值、整个目标图斑的梯度均值和目标的梯度标准差这三个梯度纹理特征中的至少一个， 特征选取的数量越多，结果的准确性越高，所以，本实施例中，优选全部三个梯度纹理特征。 如图3所示，从图中可以看出，水华图斑的边界梯度均值、整个斑块的梯度均值和 标准差都比较小，而水草的都比较大。 S104:将满足预设条件的图斑识别为水华图斑，所述预设条件包括梯度纹理特征 小于其对应的预设阈值。 图3中，因为水华图斑的边界梯度均值、整个斑块的梯度均值和标准差都比较小， 而水草的都比较大，因此可以通过对这3个梯度纹理特征采用阈值分割的方法来识别出水 华图斑和水草图斑。 具体地，预设条件包括所述本文档来自技高网...
【技术保护点】
一种基于高空间分辨率图像的水华识别方法，其特征在于，包括：通过对高空间分辨率水域遥感图像进行分割，得到目标区域，所述目标区域包括水华区域和/或水草区域；在所述目标区域中标记目标图斑，所述目标图斑包括水华图斑和/或水草图斑；提取所述目标图斑的梯度纹理特征；将满足预设条件的图斑识别为水华图斑，所述预设条件包括梯度纹理特征小于其对应的预设阈值。
【技术特征摘要】
【专利技术属性】
技术研发人员：张兵，申茜，张方方，李俊生，梁文秀，
申请(专利权)人：中国科学院遥感与数字地球研究所，
类型：发明
国别省市：北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。