高分影像水面率分析方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术提供一种高分影像水面率分析方法、装置、电子设备及存储介质，该高分影像水面率分析方法包括：获取目标监测区域的高分遥感影像，对高分遥感影像执行预处理得到高分遥感影像的反射率数据；通过反射率数据对高分影像进行提取，得到水体粗结果；通过数据集对目标监测区域进行提取，根据水体粗结果和提取结果确定影像阴影；根据水体粗结果与影像阴影确定水体精细结果；通过水体精细结果确定目标监测区域的影像水面率。本发明专利技术通过充分挖掘了UWI指数与FROM

【技术实现步骤摘要】
高分影像水面率分析方法、装置、电子设备及存储介质


[0001]本专利技术涉及计算机
，尤其涉及一种高分影像水面率分析方法、装置、电子设备及存储介质。

技术介绍

[0002]水面率是指承载水域功能的水域面积与区域总面积之比，它是城市规划与水系管理的控制性指标，也是水域面积大小的直观表现形式。水面率是否合理，影响到城市生态环境功能的正常发挥，关系到聚落环境的宜居程度。水面率所涉及的水域类型主要包括河流、湖泊、水库、湿地、沼泽、水塘、水坑等自然或人工陆地地表淡水水体。随着遥感技术蓬勃发展，基于遥感影像大面积提取水体成为可能，为水面率快速计算提供了新的技术手段。
[0003]目前，基于遥感影像提取水体方法主要包括：阈值法、水体指数法、面向对象方法、深度学习模型等。阈值法基于单红外波段水体反射率较低进行识别，此方法简单、便捷，但无法提取小面积水体，且阈值需要多次尝试才能确定；水体指数法基于水体光谱特性，构造差值或比值等数学公式突出水体信息，抑制其他背景地物，利用简单波段运算提取水体；面向对象方法基于分割思想，将影像分为大小不一的同质对象，结合光谱、纹理等信息区分水体；深度学习是近些年较为热点的方法，通过搭建不同神经网络模型，训练样本，实现水体提取，但样本勾绘和模型构造往往费时费力，参数调节也存在不确定因素。另外，由于建筑物和山体等遮挡产生的阴影与水体光谱信息接近，用以上方法提取水体时容易与阴影混淆产生大量错误图斑。

技术实现思路

[0004]本专利技术实施例的主要目的在于提出一种高分影像水面率分析方法、装置、电子设备及存储介质，简化流程，减少人工工作量，提高提取效率，保证水面率结果的准确性。
[0005]本专利技术的一方面提供了高分影像水面率分析方法，其特征在于，包括：
[0006]响应于分析请求，获取目标监测区域的高分遥感影像，对所述高分遥感影像执行预处理得到所述高分遥感影像的反射率数据，所述预处理通过预设参数对所述高分遥感影像进行校正；
[0007]通过所述反射率数据对所述高分影像进行提取，得到第一水体分布结果；
[0008]通过数据集对所述目标监测区域进行提取，得到基于所述数据集标准的提取结果，根据所述第一水体分布结果和所述提取结果确定影像阴影；
[0009]根据第一水体分布结果与所述影像阴影确定第二水体分布结果；
[0010]通过所述第二水体分布结果确定所述目标监测区域的影像水面率。
[0011]根据所述的高分影像水面率分析方法，其中对所述高分遥感影像执行预处理得到所述高分遥感影像的反射率数据包括：
[0012]对高分遥感影像通过定标系数进行辐射校正，生成辐亮度数据；
[0013]对所述辐亮度数据进行大气校正，得到所述反射率数据。
[0014]根据所述的高分影像水面率分析方法，其中方法还包括：
[0015]通过多光谱影像和全色影像的RPC参数及DEM数据对所述反射率数据进行正射校正；
[0016]将已进行正射校正的所述多光谱影像和所述全色影像进行影像融合；
[0017]将遥感影像进行镶嵌拼接匀色，按照预设分区进行裁剪。
[0018]根据所述的高分影像水面率分析方法，其中通过所述反射率数据对所述高分影像进行提取，得到第一水体分布结果包括：
[0019]计算UWI城市水体指数，UWI计算公式为
[0020][0021]其中，G、R、NIR分别为所述遥感影像的绿波段、红波段和近红波段；
[0022]根据设定阈值对UWI城市水体指数的影像进行二值化，将超过所述设定阈值的作为水体，将水体和非水体区域进行第一赋值处理，得到所述第一水体分布结果，所述第一赋值处理包括将水体和非水体进行分别赋值。
[0023]根据所述的高分影像水面率分析方法，其中通过数据集对所述目标监测区域进行提取，得到基于所述数据集标准的提取结果，根据所述第一水体分布结果和所述提取结果确定影像阴影，包括：
[0024]裁剪包括有述目标监测区域的FROM
‑
GLC10数据；
[0025]将FROM
‑
GLC10数据进行重分类，并通过3*3的卷积核腐蚀重分类结果，进而对重分类结果进行重采样，得到重采样影像；
[0026]将重采样影像与所述第一水体分布结果求交，生成初始阴影，通过3*3的卷积核对所述初始阴影进行腐蚀，并通过设置删除小碎斑阈值，以消除所述初始阴影的小碎斑，得到精细的所述影像阴影。
[0027]根据所述的高分影像水面率分析方法，其中通过所述第二水体分布结果确定所述目标监测区域的影像水面率，包括：
[0028]将得到的所述第一水体结果进行腐蚀去除毛刺，并删除小碎斑，进而执行矢量化并与所述遥感影像叠加套和，删除和修改错误矢量，对漏提区域进行补充，得到第二水体分布结果，所述第二水体分布结果用于表征精确水域范围；
[0029]计算所述精确水域范围和所述遥感影像区域总面积，按照所述精确水域范围与所述遥感影像区域总面积的比值确定所述目标监测区域的影像水面率。
[0030]本专利技术实施例的另一方面提供了一种高分影像水面率分析装置，包括：
[0031]预处理模块，用于响应于分析请求，获取目标监测区域的高分遥感影像，对所述高分遥感影像执行预处理得到所述高分遥感影像的反射率数据，所述预处理通过预设参数对所述高分遥感影像进行校正；
[0032]提取模块，用于通过所述反射率数据对所述高分影像进行提取，得到第一水体分布结果；
[0033]影像阴影模块，用于通过数据集对所述目标监测区域进行提取，得到基于所述数据集标准的提取结果，根据所述第一水体分布结果和所述提取结果确定影像阴影；
[0034]精确水域模块，用于根据第一水体分布结果与所述影像阴影确定第二水体分布结
果；
[0035]影像水面率模块，用于通过所述第二水体分布结果确定所述目标监测区域的影像水面率。
[0036]本专利技术实施例的另一方面提供了一种电子设备，包括处理器以及存储器；
[0037]所述存储器用于存储程序；
[0038]所述处理器执行所述程序实现如前文所描述的方法。
[0039]本专利技术实施例还公开了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器可以从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行前文所描述的方法。
[0040]本专利技术的有益效果为：基于UWI指数和FROM
‑
GLC10数据相结合的高分影像水面率计算方法，充分挖掘了UWI指数与FROM
‑
GLC10数据的优势，简化了水体和阴影噪声的区分过程，既保证水体提取完整又能降低阴影混淆，水域漏提和其他地物错提等现象大大减少，可应用于工程化大面积快速统计某一地区的水面率。
[0041]本专利技术的附加方面和优点本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种高分影像水面率分析方法，其特征在于，包括：响应于分析请求，获取目标监测区域的高分遥感影像，对所述高分遥感影像执行预处理得到所述高分遥感影像的反射率数据，所述预处理通过预设参数对所述高分遥感影像进行校正；通过所述反射率数据对所述高分影像进行提取，得到第一水体分布结果；通过数据集对所述目标监测区域进行提取，得到基于所述数据集标准的提取结果，根据所述第一水体分布结果和所述提取结果确定影像阴影；根据第一水体分布结果与所述影像阴影确定第二水体分布结果；通过所述第二水体分布结果确定所述目标监测区域的影像水面率。2.根据权利要求1所述的高分影像水面率分析方法，其特征在于，所述对所述高分遥感影像执行预处理得到所述高分遥感影像的反射率数据包括：对高分遥感影像通过定标系数进行辐射校正，生成辐亮度数据；对所述辐亮度数据进行大气校正，得到所述反射率数据。3.根据权利要求2所述的高分影像水面率分析方法，其特征在于，所述方法还包括：通过多光谱影像和全色影像的RPC参数及DEM数据对所述反射率数据进行正射校正；将已进行正射校正的所述多光谱影像和所述全色影像进行影像融合；将遥感影像进行镶嵌拼接匀色，按照预设分区进行裁剪。4.根据权利要求1所述的高分影像水面率分析方法，其特征在于，所述通过所述反射率数据对所述高分影像进行提取，得到第一水体分布结果包括：计算UWI城市水体指数，UWI计算公式为其中，G、R、NIR分别为所述遥感影像的绿波段、红波段和近红波段；根据设定阈值对UWI城市水体指数的影像进行二值化，将超过所述设定阈值的作为水体，将水体和非水体区域进行第一赋值处理，得到所述第一水体分布结果，所述第一赋值处理包括将水体和非水体进行分别赋值。5.根据权利要求1所述的高分影像水面率分析方法，其特征在于，所述通过数据集对所述目标监测区域进行提取，得到基于所述数据集标准的提取结果，根据所述第一水体分布结果和所述提取结果确定影像阴影，包括：裁剪包括有述目标监测区域的FROM
‑
GLC10数据；将FROM
...

【专利技术属性】
技术研发人员：颜军，刘璐铭，殷丽雪，蒋晓华，李光，冯思伟，邓开元，李先怡，
申请(专利权)人：珠海欧比特卫星大数据有限公司，
类型：发明
国别省市：