基于地物光谱的无人机影像近红外波段模拟方法、介质技术

本发明专利技术公开了基于地物光谱的无人机影像近红外波段模拟方法、介质，具体包括以下步骤：S1、预处理，计算获得样区的地表反射率；S2、样区分类；S3、构建基函数空间；S4、构建近红外波段分类模拟模型，通过基函数空间坐标与基函数空间分地类建立近红外波段模拟模型。本发明专利技术通过设计基于无人机影像与典型地物光谱曲线，设计并建立近红外波段模拟的基函数空间，通过多元线性回归求解近红外波段模拟的基函数，最后分类建立近红外波段模拟模型，解决了无人机影像普遍缺失近红外波段的问题，从而有效提高了无人机影像的可分析性，增加了河湖监管、植被调查、水土流失调查等领域无人机影像数据的用途。途。途。

【技术实现步骤摘要】
基于地物光谱的无人机影像近红外波段模拟方法、介质


[0001]本专利技术涉及遥感
，具体为基于地物光谱的无人机影像近红外波段模拟方法、介质。

技术介绍

[0002]随着社会经济的发展，无人机的应用变得越来越广泛了，其具有起降迅速、机动灵活等特点，能够有效弥补遥感监测受云雾条件影响较大的不足，大幅度扩展人员可达的区域范围，提高工作效率，满足适时适情开展监督管理的需求。可应用于河湖、岸线、堤防、河道采砂、植被调查等野外长距离监督巡查，具有便携性、易操作性和图像质量高等优势；
[0003]常见的无人机均只有红、绿、蓝三个通道，若需定制通道则会大大地增加成本，无人机影像近红外波段的模拟给人们通过红、绿、蓝三个通道无人机影像计算得到近红外波段创造了条件。
[0004]由于水、植被在近红外波段都有较好的表征，但目前未见有无人机近红外波段模拟的应用在水或植被领域的相关报道，而目前无人机影像近红外波段的缺失，制约了无人机影像数据的后续分析。
[0005]为此，提出基于地物光谱的无人机影像近红外波段模拟方法、介质，是很有必要的。

技术实现思路

[0006]本专利技术的目的在于提供基于地物光谱的无人机影像近红外波段模拟方法、介质，以解决上述
技术介绍
中提出的问题。
[0007]为实现上述目的，本专利技术提供如下技术方案：基于地物光谱的无人机影像近红外波段模拟方法，具体包括以下步骤：
[0008]S1、预处理：对无人机获取样区的多张遥感多光谱影像进行预处理，计算获得样区的地表反射率；
[0009]S2、样区分类：通过阈值法计算无人机获取样区的多光谱影像的分类阈值，并将无人机获取的样区影像分为植被、裸地、水体三大类，基于归一化植被指数(NDVI)依次获取所述分类样区的光谱曲线；
[0010]S3、构建基函数空间：分别采集被分类的植被、裸地、水体样区的区域样本并统计每一类在原始近红外波段与基底上的值，通过多元线性回归求解近红外波段模拟的基函数，基于多种分类样区分别设计并建立分类样区的近红外波段模拟的基函数空间；
[0011]S4、构建近红外波段分类模拟模型：采用最小二乘法求解所述基函数空间下的坐标系数，通过基函数空间坐标与基函数空间分地类建立近红外波段模拟模型；
[0012]所述坐标系数公式为：b
nir
β＝b
Inir
[0013]式中：b
nir
为基底矩阵，β为基底坐标系数，b
Inir
为目标矩阵。
[0014]对于最小二乘法来说，最终的矩阵表达式为：
[0015]min||b
nir
β
‑
b
Inir
||2
[0016]b
Inir
＝β1*xm1+β2*xm2+β3*xm3
[0017]所述近红外波段模拟模型公式为：
[0018]b
Inir
＝(b1＝veg)*(0.415*b
Vvegn
+2.043*b
Vsoiln
‑
3.384*b
Vwatern
)+(b1＝soil)*(0.938*b
Svegn
‑
0.333*b
Ssoiln
+0.222*b
Swntern
)+(b1＝w
ater
)*(0.320*b
Wnegn
+0.331*b
Wsoiln
‑
1.198*b
Wwatern
)
[0019]式中：b
Inir
是目标矩阵，b1为无人机影像分类结果图，veg为分类结果图中的植被大类，b
Vvegn
为植被
‑
植被等比基底，b
Vsoiln
为植被
‑
裸土等斜率基底，b
Vwatern
为植被
‑
水体和差基底，soil为分类结果图中的裸地大类，b
Svegn
为裸地
‑
植被等比基底，b
Ssoiln
为裸地
‑
裸土等斜率基底，b
Swatern
为裸地
‑
水体和差基底，water为分类结果图中的水体大类，b
Wvegn
为水体
‑
植被等比基底，b
Wsoiln
为水体
‑
裸土等斜率等比基底，b
Wwatern
为水体
‑
水体和差基底。
[0020]通过模拟近红外波段，基于分类结果图，逐类采用基底与多元线性回归出的基底坐标系数模拟出无人机影像的近红外波段。
[0021]优选的，步骤S1中预处理，主要包括：
[0022]波段配准：将无人机拍摄的多张单通道影像配准为1张多通道的相片；
[0023]影像拼接：将配准后的多通道相片拼接为一张完整的正射影像图(DOM)；
[0024]辐射定标：计算地表反射率数据即将DN值转换为地表反射率。
[0025]优选的，步骤S2中：一化植被指数(NDVI)公式如下：
[0026]NDVI＝(b
nir
‑
b
red
)/(b
nir
+b
red
)
[0027]式中：b
nir
代表遥感无人机影像中近红外波段反射率数据；b
red
代表无人机影像中红光波段反射率数据。
[0028]优选的，步骤S3中：植被样区的区域样本在原始近红外波段与基底上的值，具体包括植被等比基底、裸地等斜率基底、水体和差基底；
[0029]其中植被等比基底基于蓝、绿、近红外反射率成等比数列的假设：
[0030][0031]式中：b
Vvegn
代表植被大类
‑
植被的近红外基函数空间，b
green
代表无人机影像中绿光波段反射率数据，b
blue
代表无人机影像中蓝光波段反射率数据；
[0032]裸地等斜率基底基于蓝、绿、红、近红外反射率斜率相等的假设：
[0033][0034]式中：b
Vsoiln
代表植被大类
‑
裸地的近红外基函数空间，b
green
代表无人机影像中绿光波段反射率数据，Δ
n_r
为近红外与红光波段中心波长之差，Δ
g_b
为绿光波段与蓝光波段中心波长之差；
[0035]水体和差基底基于近红外波段反射率等于绿和红波段之和的一半减去蓝的假设：
[0036][0037]式中：b
Vwatern
代表植被大类
‑
水体的近红外基函数空间，b
...

【技术保护点】

【技术特征摘要】
1.基于地物光谱的无人机影像近红外波段模拟方法，其特征在于，具体包括以下步骤：S1、预处理：对无人机获取样区的多张遥感多光谱影像进行预处理，计算获得样区的地表反射率；S2、样区分类：通过阈值法计算无人机获取样区的多光谱影像的分类阈值，并将无人机获取的样区影像分为植被、裸地、水体三大类，基于归一化植被指数(NDVI)依次获取所述分类样区的光谱曲线；S3、构建基函数空间：分别采集被分类的植被、裸地、水体样区的区域样本并统计每一类在原始近红外波段与基底上的值，通过多元线性回归求解近红外波段模拟的基函数，基于多种分类样区分别设计并建立分类样区的近红外波段模拟的基函数空间；S4、构建近红外波段分类模拟模型：采用最小二乘法求解所述基函数空间下的坐标系数，通过基函数空间坐标与基函数空间分地类建立近红外波段模拟模型；所述坐标系数公式为：b
nir
β＝b
Inir
式中：b
nir
为基底矩阵，β为基底坐标系数，b
I nir
为目标矩阵。对于最小二乘法来说，最终的矩阵表达式为：min||b
nir
β
‑
b
Inir
||2b
Inir
＝β1*xm1+β2*xm2+β3*xm3所述近红外波段模拟模型公式为：b
Inir
＝(b1＝veg)*(0.415*bV
vegn
+2043*b
Vsailn
‑
3.384*b
Vwatern
)+(b1＝soil)*(0.938*b
Svegn
‑
0333*b
Ssoiln
+0222*bS
watern
)+(b1＝water)*(0.320*b
Wvegn
+0.331*b
Ws oiln
‑
1.198*b
Wwatern
)式中：b
Inir
是目标矩阵，b1为无人机影像分类结果图，veg为分类结果图中的植被大类，b
Vvegn
为植被
‑
植被等比基底，b
Vsoiln
为植被
‑
裸土等斜率基底，b
Vwatern
为植被－水体和差基底，soil为分类结果图中的裸地大类，b
Svegn
为裸地－植被等比基底，b
Ssoiln
为裸地－裸土等斜率基底，b
Swatern
为裸地－水体和差基底，water为分类结果图中的水体大类，b
Wvegn
为水体－植被等比基底，b
Wsoiln
为水体－裸土等斜率等比基底，b
Wwatern
为水体－水体和差基底。通过模拟近红外波段，基于分类结果图，逐类采用基底与多元线性回归出的基底坐标系数模拟出无人机影像的近红外波段。2.根据权利要求1所述的基于地物光谱的无人机影像近红外波段模拟方法，其特征在于：所述步骤S1中预处理，主要包括：波段配准：将无人机拍摄的多张单通道影像配准为1张多通道的相片；影像拼接：将配准后的多通道相片拼接为一张完整的正射影像图(DOM)；辐射定标：计算地表反射率数据即将DN值转换为地表反射率。3.根据权利要求2所述的基于地物光谱的无人机影像近红外波段模拟方法，其特征在于：所述步骤S2中：一化植被指数(NDVI)公式如下：NDVI＝(b
nir
‑
b
red
)/(b
nir
+b
red
)式中：b
nir
代表遥感无人机影像中近红外波段反射率数据；b
ref
代表无人机影像中红光波段反射率数据。4.根据权利要求1所述的基于地物光谱的无人机影像近红外波段模拟方法，其特征在
于：所述步骤S3中：植被样区的区域样本在原始近红外波段与基底上的值，具体包括植被等比基底、裸地等斜率基底、水体和差基底；其中植被等比基底基于蓝、绿、近红外反射率成等比数列的假设：式中：b
Vvegn
代表植被大类－植被的近红外基函数空间，b
green
代表无人机影像中绿光波段反射率数据，b
blue
代表无人机影...

【专利技术属性】
技术研发人员：余顺超，顾祝军，曾麦脉，吴家晟，林带娣，刘超群，熊龙海，潘洪洲，邹显勇，陈武奋，
申请(专利权)人：珠江水利委员会珠江水利科学研究院，
类型：发明
国别省市：