一种基于高分辨率卫星遥感的水体提取方法、装置和设备制造方法及图纸

本发明专利技术涉及一种基于高分辨率卫星遥感的水体提取方法，包括获取待进行水体提取区域的卫星遥感图像；提取所述卫星遥感图像中各像元光谱特征值；根据各所述像元光谱特征值和已训练的水体识别模型，确定待进行水体提取区域对应的水体区域分布；其中，已训练的水体识别模型是根据样本数据对MLP神经网络模型训练得到的；所述样本数据包括像元区域的类型以及每个所述像元区域对应的像元光谱特征值；所述类型包括清洁水体和浑浊水体。本发明专利技术采用利用遥感技术实现水体提取具有广泛性和时效性。本发明专利技术还涉及一种基于高分辨率卫星遥感的水体提取装置和设备。装置和设备。装置和设备。

【技术实现步骤摘要】
一种基于高分辨率卫星遥感的水体提取方法、装置和设备


[0001]本专利技术涉及信息处理
，尤其涉及一种基于高分辨率卫星遥感的水体提取方法、装置和设备。

技术介绍

[0002]湖泊等水体作为陆地生态系统的重要组成部分，在自然界的水分循环中发挥着重要的作用。各个水体流域不仅能够调节生态环境变化，也是人类赖以生存和社会发展的重要自然资源。及时掌握水体区域形态，对人类的生产生活和生态环境的可持续发展具有重要的意义。研究工作者们一般都是通过实地勘察以获取湖泊等水体的形态信息，这种方法在效率和精度上均难满足要求。

技术实现思路

[0003]本专利技术所要解决的技术问题是针对现有技术的不足，提供一种基于高分辨率卫星遥感的水体提取方法、装置和设备。
[0004]本专利技术解决上述技术问题的技术方案如下：
[0005]一种基于高分辨率卫星遥感的水体提取方法，所述方法包括：
[0006]获取待进行水体提取区域的卫星遥感图像；
[0007]提取所述卫星遥感图像中各像元光谱特征值；
[0008]根据各所述像元光谱特征值和已训练的水体识别模型，确定待进行水体提取区域对应的水体区域分布；其中，已训练的水体识别模型是根据样本数据对MLP神经网络模型训练得到的；所述样本数据包括像元区域的类型以及每个所述像元区域对应的像元光谱特征值；所述类型包括清洁水体和浑浊水体。
[0009]在上述技术方案的基础上，本专利技术还可以做如下改进。
[0010]进一步地，所述提取所述卫星遥感图像中各像元光谱特征值之前，还包括：
[0011]利用预先构建的高斯混合模型标记所述卫星遥感图像中的初步水体区域；
[0012]基于所述初步水体区域，得到目标水体区域。
[0013]进一步地，所述基于所述初步水体区域，得到目标水体区域，具体包括：
[0014]将所述初步水体区域平滑边缘轮廓后，将所述初步水体区域输入至迭代适应点算法，得到所述目标水体区域。
[0015]进一步地，所述利用预先构建的高斯混合模型标记所述卫星遥感图像中的初步水体区域，具体包括：
[0016]利用所述高斯混合模型拟合所述卫星遥感图像的直方图统计函数，得到所述初步水体区域。
[0017]进一步地，所述方法还包括：
[0018]运用高斯混合函数拟合灰度统计函数，构建所述高斯混合模型框架；
[0019]利用期望最大算法对所述高斯混合模型框架进行参数估计，得到所述高斯混合模
型框架中的各参数值；
[0020]利用所述高斯混合模型框架和各参数值生成所述高斯混合模型。
[0021]进一步地，所述将所述初步水体区域平滑边缘轮廓，具体包括：
[0022]采用高斯低通滤波器处理所述初步水体区域，得到平滑的所述初步水体区域的影像。
[0023]进一步地，所述方法还包括：
[0024]采用目视解译方法筛选不同类型的像元区域；
[0025]对所述像元区域的样本进行提取，得到可见光波段光谱数据；
[0026]对所述可见光波段光谱数据进行处理，得到像元区域对应的去瑞利校正后的遥感反射率。
[0027]本方法专利技术的有益效果是：提出了一种基于高分辨率卫星遥感的水体提取方法，包括获取待进行水体提取区域的卫星遥感图像；提取所述卫星遥感图像中各像元光谱特征值；根据各所述像元光谱特征值和已训练的水体识别模型，确定待进行水体提取区域对应的水体区域分布；其中，已训练的水体识别模型是根据样本数据对MLP神经网络模型训练得到的；所述样本数据包括像元区域的类型以及每个所述像元区域对应的像元光谱特征值；所述类型包括清洁水体和浑浊水体。本专利技术采用利用遥感技术实现水体提取具有广泛性和时效性。
[0028]本专利技术还解决上述技术问题的另一种技术方案如下：
[0029]一种基于高分辨率卫星遥感的水体提取装置，所述装置包括：
[0030]采集模块，用于获取待进行水体提取区域的卫星遥感图像；
[0031]提取模块，用于提取所述卫星遥感图像中各像元光谱特征值；
[0032]确定模块，用于根据各所述像元光谱特征值和已训练的水体识别模型，确定待进行水体提取区域对应的水体区域分布；其中，已训练的水体识别模型是根据样本数据对MLP神经网络模型训练得到的；所述样本数据包括像元区域的类型以及每个所述像元区域对应的像元光谱特征值；所述类型包括清洁水体和浑浊水体。
[0033]此外，本专利技术一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述技术方案中任一项所述的基于高分辨率卫星遥感的水体提取方法的步骤。
[0034]本专利技术还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述技术方案中任一项所述的基于高分辨率卫星遥感的水体提取方法的步骤。
[0035]本专利技术附加的方面的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，或通过本专利技术实践了解到。
附图说明
[0036]为了更清楚地说明本专利技术实施例的技术方案，下面将对本专利技术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，下面所描述的附图仅仅是本专利技术的一些实施例，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。
[0037]图1为本专利技术实施例所述的一种基于高分辨率卫星遥感的水体提取方法的流程示
意图；
[0038]图2为本专利技术另一实施例所述的一种基于高分辨率卫星遥感的水体提取装置的模块示意图。
具体实施方式
[0039]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术的一部分实施例，而不是全部实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都应属于本专利技术保护的范围。
[0040]如图1本专利技术实施例所述的一种基于高分辨率卫星遥感的水体提取方法所示，包括以下步骤：
[0041]110、获取待进行水体提取区域的卫星遥感图像。
[0042]120、提取所述卫星遥感图像中各像元光谱特征值。
[0043]130、根据各所述像元光谱特征值和已训练的水体识别模型，确定待进行水体提取区域对应的水体区域分布；其中，已训练的水体识别模型是根据样本数据对MLP神经网络模型训练得到的；所述样本数据包括像元区域的类型以及每个所述像元区域对应的像元光谱特征值；所述类型包括清洁水体和浑浊水体。
[0044]进一步地，步骤120提取所述卫星遥感图像中各像元光谱特征值之前，还包括：
[0045]利用预先构建的高斯混合模型标记所述卫星遥感图像中的初步水体区域。
[0046]基于所述初步水体区域，得到目标水体区域。
[0047]进一步地，所述基于所述初步水体区域，得到目标本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于高分辨率卫星遥感的水体提取方法，其特征在于，所述方法包括：获取待进行水体提取区域的卫星遥感图像；提取所述卫星遥感图像中各像元光谱特征值；根据各所述像元光谱特征值和已训练的水体识别模型，确定待进行水体提取区域对应的水体区域分布；其中，已训练的水体识别模型是根据样本数据对MLP神经网络模型训练得到的；所述样本数据包括像元区域的类型以及每个所述像元区域对应的像元光谱特征值；所述类型包括清洁水体和浑浊水体。2.根据权利要求1所述的基于高分辨率卫星遥感的水体提取方法，其特征在于，所述提取所述卫星遥感图像中各像元光谱特征值之前，还包括：利用预先构建的高斯混合模型标记所述卫星遥感图像中的初步水体区域；基于所述初步水体区域，得到目标水体区域。3.根据权利要求2所述的基于高分辨率卫星遥感的水体提取方法，其特征在于，所述基于所述初步水体区域，得到目标水体区域，具体包括：将所述初步水体区域平滑边缘轮廓后，将所述初步水体区域输入至迭代适应点算法，得到所述目标水体区域。4.根据权利要求3所述的基于高分辨率卫星遥感的水体提取方法，其特征在于，所述利用预先构建的高斯混合模型标记所述卫星遥感图像中的初步水体区域，具体包括：利用所述高斯混合模型拟合所述卫星遥感图像的直方图统计函数，得到所述初步水体区域。5.根据权利要求4所述的基于高分辨率卫星遥感的水体提取方法，其特征在于，所述方法还包括：运用高斯混合函数拟合灰度统计函数，构建所述高斯混合模型框架；利用期望最大算法对所述高斯混合模型框架进行参数估计，得到所述高斯混合模型框架中的各参数值；利用所述高斯混合模型框架和各参数...

【专利技术属性】
技术研发人员：王大成，姚晓婧，王盛刚，
申请(专利权)人：中国科学院空天信息创新研究院，
类型：发明
国别省市：