高光谱监测方法、装置、设备及存储介质制造方法及图纸

本申请公开了一种高光谱监测方法、装置、设备及存储介质。该方法包括：获取待检测区域内多个预设的时间周期的高光谱影像数据集；对高光谱影像数据集中的每一高光谱影像数据图进行预处理，得到每一高光谱影像数据图的标准影像图；获取预设的入侵植物的光谱曲线图；根据每一高光谱影像数据图的标准影像图和光谱曲线图得到分布图；根据多个分布图评估待检测区域内的入侵植物的分布趋势。本申请实施例的高光谱监测方法，能够提高入侵植物识别的准确率，直观地呈现外来入侵植物的蔓延趋势，并对外来入侵植物的未来蔓延趋势做出预测。外来入侵植物的未来蔓延趋势做出预测。外来入侵植物的未来蔓延趋势做出预测。

【技术实现步骤摘要】
高光谱监测方法、装置、设备及存储介质


[0001]本申请涉及遥感影像处理
，尤其是涉及一种高光谱监测方法、装置、设备及存储介质。

技术介绍

[0002]随着人类活动轨迹的发展和扩大，一些外来植物侵占了当地原有植物的栖息地，改变了当地的生态系统，对生态环境造成了一定程度的破坏。
[0003]相关技术中，采取中低分辨率时序数据分析法对入侵植物的分布趋势进行预测，然而，中低分辨率时序数据分析法的分辨率低，导致入侵植物的分布趋势预测的准确度不够，单个像元的尺寸太大，在一些小尺度区域内不能使用。

技术实现思路

[0004]本申请旨在至少解决现有技术中存在的技术问题之一。为此，本申请提出一高光谱监测方法、装置、设备及存储介质，能够提高入侵植物区域识别的准确度。
[0005]为实现上述目的，本公开实施例的第一方面提出了一种高光谱监测方法，包括：
[0006]获取待检测区域内多个预设的时间周期的高光谱影像数据集；其中，所述高光谱影像数据集包括多个高光谱影像数据图，所述时间周期内的所述入侵植物具有突出的光谱特征；
[0007]对所述高光谱影像数据集中的每一高光谱影像数据图进行预处理，得到每一高光谱影像数据图的标准影像图；
[0008]获取预设的入侵植物的光谱曲线图；其中，所述光谱曲线图与所述时间周期内的入侵植物的所述光谱特征相匹配；
[0009]根据每一高光谱影像数据图的标准影像图和所述光谱曲线图得到分布图；其中，所述分布图用于表征所述待检测区域内每一时间周期内所述入侵植物的分布区域；
[0010]根据多个分布图评估所述待检测区域内的所述入侵植物的分布趋势。
[0011]根据本申请实施例的高光谱监测方法，至少具有如下有益效果：通过使用高光谱影像，提高了入侵植物区域识别的准确度，通过多张入侵植物的分布图，能够直观地呈现外来入侵植物的蔓延趋势，反映出入侵植物的蔓延方向，并对入侵植物的未来蔓延趋势做出预测。
[0012]根据本申请的一些实施例，
[0013]所述预处理包括：几何校正处理和大气校正处理；
[0014]所述对所述高光谱影像数据集中的每一高光谱影像数据图进行预处理，得到每一高光谱影像数据图的标准影像图，包括：
[0015]根据预设的第一校正算法对所述高光谱影像数据集中的每一高光谱影像数据图几何校正处理，得到几何标准图；
[0016]根据预设的第二校正算法对所述几何标准图进行大气校正处理，得到每一高光谱
影像数据图的标准影像图。
[0017]根据本申请的一些实施例，所述根据每一高光谱影像数据图的标准影像图和所述光谱曲线图得到分布图，具体包括：
[0018]对标准影像图中每一像元进行转换处理，得到每一像元的像元特征值；
[0019]对所述光谱曲线图进行转换处理，得到光谱特征值；
[0020]根据多个所述像元特征值和所述光谱特征值得到分布图。
[0021]根据本申请的一些实施例，所述根据多个所述像元特征值和光谱特征值得到分布图，具体包括：获取预设的像元比较阈值；
[0022]计算每一所述像元特征值和所述光谱特征值的差值，得到特征差值；
[0023]根据所述像元比较阈值和所述特征差值得到每一像元的比较结果；
[0024]根据多个所述比较结果得到分布图。
[0025]根据本申请的一些实施例，所述根据所述像元比较阈值和所述特征差值得到每一像元的比较结果，具体包括：
[0026]若所述特征差值小于所述像元比较阈值，则所述比较结果为所述像元相似；
[0027]若所述特征差值大于或等于所述像元比较阈值，则所述比较结果为所述像元不相似。
[0028]根据本申请的一些实施例，所述方法还包括：
[0029]记录获取待检测区域内高光谱影像数据图的时间顺序。
[0030]根据本申请的一些实施例，所述根据多个分布图评估所述待检测区域内的所述入侵植物的分布趋势，具体包括：
[0031]根据所述时间顺序对多个所述分布图进行排序处理，得到变化趋势图集；
[0032]对所述变化趋势图集进行动态化处理，得到动态变化图；
[0033]根据动态变化图评估所述待检测区域内的所述入侵植物的分布趋势。
[0034]为实现上述目的，本公开实施例的第二方面提出了一种高光谱监测装置，包括：
[0035]获取模块，用于获取待检测区域内多个预设的时间周期的高光谱影像数据集；其中，所述高光谱影像数据集包括多个高光谱影像数据图，所述时间周期内所述入侵植物具有突出的光谱特征；
[0036]预处理模块，用于对所述高光谱影像数据集中的每一高光谱影像数据图进行预处理，得到每一高光谱影像数据图的标准影像图；
[0037]入侵植物光谱获取模块，用于获取预设的入侵植物的光谱曲线图，其中，所述光谱曲线图与所述时间周期内的入侵植物的所述光谱特征相匹配；
[0038]分布图生成模块，用于根据每一高光谱影像数据图的标准影像图和所述光谱曲线图得到分布图；其中，所述分布图用于表征所述待检测区域内每一时间周期内所述入侵植物的分布区域；
[0039]评估模块，用于根据多个分布图评估所述待检测区域内的所述入侵植物的分布趋势。
[0040]为实现上述目的，本公开实施例的第三方面提出了一种计算机设备，包括：
[0041]至少一个存储器；
[0042]至少一个处理器；
[0043]至少一个程序；
[0044]所述程序被存储在所述存储器中，处理器执行所述至少一个程序以实现本公开实施例第一方面所述的方法。
[0045]为实现上述目的，本公开实施例的第四方面提出了一种存储介质，该存储介质是计算机可读存储介质，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行：
[0046]本公开实施例第一方面所述的方法。
[0047]本申请的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。
附图说明
[0048]下面结合附图和实施例对本申请做进一步的说明，其中：
[0049]图1是本申请实施例提供的高光谱监测方法的流程图；
[0050]图2是图1中所示步骤S200的流程图；
[0051]图3是图1中所示步骤S400的流程图；
[0052]图4是图3中所示步骤S430的流程图；
[0053]图5是图1中所示步骤S500的流程图；
[0054]图6是本申请实施例提供的高光谱监测装置的模块框图；
[0055]图7是本申请实施例提供的电子设备的硬件结构示意图。
具体实施方式
[0056]下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种高光谱监测方法，其特征在于，所述方法包括：获取待检测区域内多个预设的时间周期的高光谱影像数据集；其中，所述高光谱影像数据集包括多个高光谱影像数据图，所述时间周期内的所述入侵植物具有突出的光谱特征；对所述高光谱影像数据集中的每一高光谱影像数据图进行预处理，得到每一高光谱影像数据图的标准影像图；获取预设的入侵植物的光谱曲线图；其中，所述光谱曲线图与所述时间周期内的入侵植物的所述光谱特征相匹配；根据每一高光谱影像数据图的标准影像图和所述光谱曲线图得到分布图；其中，所述分布图用于表征所述待检测区域内每一时间周期内所述入侵植物的分布区域；根据多个分布图评估所述待检测区域内的所述入侵植物的分布趋势。2.根据权利要求1所述的方法，其特征在于，所述预处理包括：几何校正处理和大气校正处理；所述对所述高光谱影像数据集中的每一高光谱影像数据图进行预处理，得到每一高光谱影像数据图的标准影像图，包括：根据预设的第一校正算法对所述高光谱影像数据集中的每一高光谱影像数据图几何校正处理，得到几何标准图；根据预设的第二校正算法对所述几何标准图进行大气校正处理，得到每一高光谱影像数据图的标准影像图。3.根据权利要求1所述的方法，其特征在于，所述根据每一高光谱影像数据图的标准影像图和所述光谱曲线图得到分布图，包括：对标准影像图中每一像元进行转换处理，得到每一像元的像元特征值；对所述光谱曲线图进行转换处理，得到光谱特征值；根据多个所述像元特征值和所述光谱特征值得到分布图。4.根据权利要求3所述的方法，其特征在于，所述根据多个所述像元特征值和光谱特征值得到分布图，包括：获取预设的像元比较阈值；计算每一所述像元特征值和所述光谱特征值的差值，得到特征差值；根据所述像元比较阈值和所述特征差值得到每一像元的比较结果；根据多个所述比较结果得到分布图。5.根据权利要求4所述的方法，其特征在于，所述比较结果包括：像元相似和像元不相似；所述根据所述像元比较阈值和所述特征差值得到每...

【专利技术属性】
技术研发人员：何纯伟，黄俊，谭伟，
申请(专利权)人：深圳市绿恩环保技术有限公司，
类型：发明
国别省市：