一种基于光谱分层的浅海水深反演方法及系统技术方案

本发明专利技术公开了一种基于光谱分层的浅海水深反演方法及系统，一种基于光谱分层的浅海水深反演方法包括以下步骤：S1、基于计算机数字图像处理技术对预设的遥感影像数据集进行预处理；S2、基于多光谱测深性能和影像分割的无参数光谱分层策略，获取遥感影像波段分量；S3、通过获取的所述遥感影像波段分量建立基于光谱分层的浅海水深反演算法。本发明专利技术提出一种基于光谱分层的浅海水深反演方法，解决了传统水深反演算法没有顾及不同光谱的测深极限与适用范围的问题，为浅海水深反演提供了一种更高精度的方法。精度的方法。精度的方法。

【技术实现步骤摘要】
一种基于光谱分层的浅海水深反演方法及系统


[0001]本专利技术涉及浅海水深反演方法领域，具体来说，涉及一种基于光谱分层的浅海水深反演方法及系统。

技术介绍

[0002]浅海水深数据是航行安全、工程建设、资源开发、海洋救护、生态保护等应用的基础保障。传统的船载声呐和机载激光测深方法可获取高精度浅海水深数据，但是成本昂贵，不适用于大规模、周期性测量。卫星遥感有不受地理空间约束、费用低等优势，很好地克服了传统方法的局限性，卫星遥感水深反演方法受到广泛关注。
[0003]Stumpf比值(Stumpf，2003)和Lyzenga多项式算法(Lyzenga，1978) 是两种经典的卫星遥感反演算法，应用十分广泛，目前已诞生了大量改进算法，这些改进算法可归纳为两类，一是非线性拟合改进，即从机器学习角度考虑，如将Stumpf波段对数调节因子由1个增加到2个(田震，2015)，将一次多项式模型提升为多次多项式模型(Dierssen et al.，2003；S
á
nchezcarnero et al.， 2014；Li，2016；王燕红等，2018；张艳红等，2016)，将线性拟合改进为支持向量机拟合(Vojinovic et al.，2013；Misra et al.，2018)等；二是地理自适应改进，即从地理学角度考虑，如顾及底质类型水深反演(党福星和丁谦， 2003)、水深分段反演(郭晓雷等，2017)、地理分区反演(Su et al.，2013) 等。
[0004]但是，Stumpf比值和Lyzenga多项式等经典算法的改进主要从机器学习和地理学角度开展，没有重视光谱测深性能，如光谱的测深极限与适用区间，会影响水深反演精度。即不同光谱测深极限不同，对于清澈水体，蓝光 (440
‑
540nm)最大穿透深度接近30m，绿光(500
‑
600nm)到15m左右，红光(600
‑
700nm)到5m左右(Su，2008)，但现有水深反演算法没有顾忌不同光谱测深特性差异，在不同水深处采用一套反演系数，如在红光可达的浅水区与红光不可达深水区，均赋予红光波段相同的反演系数或权重，会降低水深反演精度。
[0005]针对相关技术中的问题，目前尚未提出有效的解决方案。

技术实现思路

[0006]针对相关技术中的问题，本专利技术提出一种基于光谱分层的浅海水深反演方法及系统，以克服现有相关技术所存在的上述技术问题。
[0007]为此，本专利技术采用的具体技术方案如下：
[0008]根据本专利技术的一个方面，提供了一种基于光谱分层的浅海水深反演方法，该方法包括以下步骤：
[0009]S1、基于计算机数字图像处理技术对预设的遥感影像数据集进行预处理；
[0010]S2、基于多光谱测深性能和影像分割的无参数光谱分层策略，获取遥感影像波段分量；
[0011]S3、通过获取的所述遥感影像波段分量建立基于光谱分层的浅海水深反演算法。
[0012]进一步的，所述基于计算机数字图像处理技术对遥感影像数据集进行预处理包括
以下步骤：
[0013]S11、利用Sentinel
‑
2影像推荐的SNAP插件对Sentinel
‑
2遥感影像进行大气校正；
[0014]S12、通过海图数据与研究区影像数据进行地理配准，并从所述海图数据上提取水深30m以深范围作为掩膜文件，对遥感影像进行掩膜处理并去除影像中的深水区域；
[0015]S13、利用3
×
3大小的窗口对掩膜后的遥感影像进行均值滤波。
[0016]进一步的，所述基于多光谱测深性能和影像分割的无参数光谱分层策略，获取遥感影像波段分量包括以下步骤：
[0017]S21、将预处理后的遥感影像作为输入；
[0018]S22、利用Ostu二值化分割算法，对近红外波段进行二值化处理，得到近红外层；
[0019]S23、基于红光波段，掩膜去除近红外层，利用Ostu二值化分割算法，对掩膜后的红光波段进行二值化处理，得到红光层；
[0020]S24、基于绿光波段，掩膜去除近红外层、红光层，利用Ostu二值化分割算法，对掩膜后的绿光波段进行二值化处理，得到绿光层；
[0021]S25、基于蓝光波段，掩膜去除近红外层、红光层和绿光层，得到蓝光层。
[0022]进一步的，所述基于光谱分层的浅海水深算法包括基于光谱分层的 Stumpf比值反演算法及基于光谱分层的Lyzenga多项式反演算法。
[0023]进一步的，所述基于光谱分层的Stumpf比值反演算法的计算公式如下：
[0024][0025]其中，z表示水深；
[0026]及依次表示红光层、绿光层及蓝光层中比值模型斜率常数；
[0027]及依次表示红光层、绿光层及蓝光层中水深0米时，对数比值的偏移量；
[0028]n表示固定常数；
[0029]R(λ
r
)、R(λ
g
)及R(λ
b
)依次表示红波段、绿波段及蓝波段的反射率；
[0030]L
r
、L
g
及L
b
依次表示红光层、绿光层及蓝光层。
[0031]进一步的，所述基于光谱分层的Lyzenga多项式反演算法的计算公式如下：
[0032][0033]其中，z表示水深；
[0034]和表示红光层线性回归系数；
[0035]和表示绿光层线性回归系数；
[0036]和表示蓝光层线性回归系数；
[0037]N表示参加反演的波段数量；
[0038]R(λ
i
)表示波段i的反射率；
[0039]R
∞
(λ
i
)表示波段i对应的深水区反射率均值。
[0040]根据本专利技术的另一方面，提供了一种基于光谱分层的浅海水深反演系统，该系统包括：数据处理模块、光谱分层提取模块及算法建立模块；
[0041]其中，数据处理模块，用于基于计算机数字图像处理技术对预设的遥感影像数据集进行预处理；
[0042]光谱分层提取模块，用于基于多光谱测深性能和影像分割的无参数光谱分层策略，获取遥感影像波段分量；
[0043]算法建立模块，用于通过获取的所述遥感影像波段分量建立基于光谱分层的浅海水深反演算法。
[0044]进一步的，所述用于基于计算机数字图像处理技术对预设的遥感影像数据集进行预处理包括以下步骤：
[0045]利用Sentinel
‑
2影像推荐的SNAP插件对Sentinel
‑
2遥感影像进行大气校正；
[0046]通过海图数据与研究区影像数据进行地理配准，并从所述海图数据上提取水深30m以深范围作为掩膜文件，对遥感影像进行掩膜处理并去除影像中的深水区域；<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于光谱分层的浅海水深反演方法，其特征在于，该方法包括以下步骤：S1、基于计算机数字图像处理技术对预设的遥感影像数据集进行预处理；S2、基于多光谱测深性能和影像分割的无参数光谱分层策略，获取遥感影像波段分量；S3、通过获取的所述遥感影像波段分量建立基于光谱分层的浅海水深反演算法。2.根据权利要求1所述的一种基于光谱分层的浅海水深反演方法，其特征在于，所述基于计算机数字图像处理技术对遥感影像数据集进行预处理包括以下步骤：S11、利用Sentinel
‑
2影像推荐的SNAP插件对Sentinel
‑
2遥感影像进行大气校正；S12、通过海图数据与研究区影像数据进行地理配准，并从所述海图数据上提取水深30m以深范围作为掩膜文件，对遥感影像进行掩膜处理并去除影像中的深水区域；S13、利用3
×
3大小的窗口对掩膜后的遥感影像进行均值滤波。3.根据权利要求1所述的一种基于光谱分层的浅海水深反演方法，其特征在于，所述基于多光谱测深性能和影像分割的无参数光谱分层策略，获取遥感影像波段分量包括以下步骤：S21、将预处理后的遥感影像作为输入；S22、利用Ostu二值化分割算法，对近红外波段进行二值化处理，得到近红外层；S23、基于红光波段，掩膜去除近红外层，利用Ostu二值化分割算法，对掩膜后的红光波段进行二值化处理，得到红光层；S24、基于绿光波段，掩膜去除近红外层、红光层，利用Ostu二值化分割算法，对掩膜后的绿光波段进行二值化处理，得到绿光层；S25、基于蓝光波段，掩膜去除近红外层、红光层和绿光层，得到蓝光层。4.根据权利要求1所述的一种基于光谱分层的浅海水深反演方法，其特征在于，所述基于光谱分层的浅海水深算法包括基于光谱分层的Stumpf比值反演算法及基于光谱分层的Lyzenga多项式反演算法。5.根据权利要求4所述的一种基于光谱分层的浅海水深反演方法及系统，其特征在于，所述基于光谱分层的Stumpf比值反演算法的计算公式如下：其中，z表示水深；
及依次表示红光层、绿光层及蓝光层中比值模型斜率常数；及依次表示红光层、绿光层及蓝光层中水深0米时，对数比值的偏移量；n表示固定常数；R(λ
r
)、R(λ
g
)及R(λ
b
)依次表示红波段、绿波段及蓝波段的反射率；L
r

【专利技术属性】
技术研发人员：程亮，楚森森，程俭，吴洁，庄启智，陈辉，段志鑫，
申请(专利权)人：南京大学，
类型：发明
国别省市：