The invention discloses a classification and recognition method of cyanobacteria in inland water body based on remote sensing images, which includes the following steps: 1) obtaining the image of optical remote sensing data source, then processing the obtained data source image to obtain a pre-processed optical image that can be recognized; 2) radiometric calibration and atmospheric correction of the pre-processed optical image obtained in step 1; ) In step 2, a deep neural network for extracting cyanobacterial information from the images after radiometric calibration and atmospheric correction is established and used to identify cyanobacterial information. The invention introduces remote sensing image into the monitoring of cyanobacteria, overcomes the traditional method of collecting water samples on the spot for water quality analysis because of limited sampling frequency and high cost. Time-consuming and other difficulties. Remote sensing images have the characteristics of high spatial coverage and high temporal resolution, and can detect blue algae blooms in lakes well.
【技术实现步骤摘要】
一种基于遥感图像的内陆水体蓝藻分类识别方法
本专利技术属于图像处理
,尤其涉及一种基于遥感图像的内陆水体蓝藻分类识别方法。
技术介绍
LANDSAT美国陆地系列卫星,是主要传输光学图像的卫星,主要任务是调查地下矿藏、海洋资源和地下水资源,监视和协助管理农、林、畜牧业和水利资源的合理使用,预报农作物的收成,研究自然植物的生长和地貌,考察和预报各种严重的自然灾害(如地震)和环境污染,拍摄各种目标的图像,以及绘制各种专题图(如地质图、地貌图、水文图)等欧洲航天局(ESA,EuropeanSpaceAgency)发射的Sentinel-2A卫星携带一枚多光谱成像仪,可覆盖13个光谱波段,幅宽度达290千米。该卫星在运行期间将提供有关农业、林业种植方面的监测信息,对预测粮食产量、保证粮食安全等具有重要意义。此外,它还将用于观测地球土地覆盖变化及森林,监测湖水和近海水域污染情况,以及通过对洪水、火山喷发、山体滑坡等自然灾害进行成像为灾害测绘和人道主义救援提供帮助。对蓝藻的爆发有明显的季节性,受温度、阳光、PH值、营养物质以及风向、风速、水体流速等多种综合因素的影响,具有面积大、时空变异剧烈的特点。卫星遥感作为一种全新的技术检测手段,具备高空间覆盖度、高时间分辨率的的特点,能够很好的满足湖泊蓝藻水华爆发的要求。应用卫星遥感技术可以快速、直观、准确的圈定水域藻类爆发的时间和地点,为蓝藻水华监测提供充足的数据。光学遥感是指传感器的工作波段在可见光波段范围(0.38-0.76μm)之内的遥感技术。各种地物对不同光谱具有不同的吸收率和反射率,且物体在高于绝对温度零度时,因 ...
【技术保护点】
1.一种基于遥感图像的内陆水体蓝藻分类识别方法,其特征在于,包括如下步骤:(1)获得光学遥感数据源图像,然后对获得的数据源图像进行处理,得到一个可以进行识别的预处理光学图像;(2)对步骤(1)中得到的可识别的预处理光学图像进行辐射定标和大气校正;(3)利用步骤(2)中得到的进行过辐射标定和大气校正之后的图像建立用于提取水体蓝藻信息的深度神经网络并通过其识别蓝藻信息。
【技术特征摘要】
1.一种基于遥感图像的内陆水体蓝藻分类识别方法,其特征在于,包括如下步骤:(1)获得光学遥感数据源图像,然后对获得的数据源图像进行处理,得到一个可以进行识别的预处理光学图像;(2)对步骤(1)中得到的可识别的预处理光学图像进行辐射定标和大气校正;(3)利用步骤(2)中得到的进行过辐射标定和大气校正之后的图像建立用于提取水体蓝藻信息的深度神经网络并通过其识别蓝藻信息。2.根据权利要求1所述的一种基于遥感图像的内陆水体蓝藻分类识别方法,其特征在于:步骤(1)中对获得的数据源图像进行处理具体为:对数据源图像进行多波段的融合得到一个多通道的卫星光学图像。3.根据权利要求1所述的一种基于遥感图像的内陆水体蓝藻分类识别方法,其特征在于,步骤(2)中辐射标定采用ENVI5.1中的辐射标定工具自动从图像文件中读取参数,从而完成辐射标定;大气校正采用ENVI5.1中的FLAASH辐射传输模块完成校正。4.根据权利要求1所述的一种基于遥感图像的内陆水体蓝藻分类识别方法,其特征在于,所述步骤(3)利用步骤(2)中得到的进行过辐射标定和大气校正之后的图像建立用于提取水体蓝藻信息的深度神经网络并通过其识别蓝藻信息具体为:3a)构建BP神经网络,利用BP神经网络对图像进行水体分类将经处理过的图像作为原始输入数据,从中抽出原始数据的80%作为训练样本,剩下20%作为测试样本来评估结果精度;3b)利用BP神经网络进行样本训练:包括正向传播,即样本信息进入神经网络中的输入层后,隐含层计算后将计算结果传递到输出层,输出结果不符合要求时再进行反向传播,即从输出节点反向向神经网络中的隐含层传播由总误差诱发的权值...
【专利技术属性】
技术研发人员:陈嘉琪,吕吉明,王健,王娴珏,胡居荣,
申请(专利权)人:河海大学,
类型:发明
国别省市:江苏,32
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。