一种光学遥感影像中蓝藻区域提取方法、系统及产品技术方案

本发明专利技术涉及一种光学遥感影像中蓝藻区域提取方法、系统及产品。该方法包括：获取光学遥感影像；构建不同种类的背景噪声提取指数算法；所述背景噪声的种类包括陆地绿色植被、水体、道路建筑裸露土地以及水中除蓝藻外的剩余植被；对所述背景噪声提取指数算法进行归一化处理，生成归一化处理后的背景噪声提取指数算法；根据所述归一化处理后的背景噪声提取指数算法构建噪声压制分离函数，并根据所述噪声压制分离函数压制所述背景噪声，分离蓝藻以及所述背景噪声，生成压制与分离结果；根据所述压制与分离结果提取所述光学遥感影像中的蓝藻区域。本发明专利技术能够提高蓝藻区域识别准确性。本发明专利技术能够提高蓝藻区域识别准确性。本发明专利技术能够提高蓝藻区域识别准确性。

【技术实现步骤摘要】
一种光学遥感影像中蓝藻区域提取方法、系统及产品


[0001]本专利技术涉及低空遥感领域，特别是涉及一种光学遥感影像中蓝藻区域提取方法、系统及产品。

技术介绍

[0002]随着社会工业的发展，水资源污染随之加剧，全国各地出现不同程度污染，特别是水体的富营养化是国内面临的一大问题。水体富营养化主要体现在藻类大量繁殖，从而造成水体水质恶化，破坏水体生态系统，同时也威胁周边地区的饮水安全。因此实现快速全面掌握蓝藻爆发区域、分布范围等信息，对维护水体生态平衡具有重大意义。
[0003]近年来随着无人机技术的快速发展，无人机低空遥感监测技术逐渐成熟，已成为快速获取低空遥感数据的一种重要手段。无人机低空遥感系统有着机动性、快速、经济等独特优势，在低空光学遥感影像蓝藻监测领域中逐渐被广泛应用。低空遥感数据蓝藻提取能够快速定位蓝藻爆发时间和分布情况等信息，为蓝藻水华监测提供快速、直观和准确的数据基础。
[0004]目前针对低空光学影像遥感在蓝藻方面的提取，主要采用各个波段组合的方法对获得的数据进行降维预处理，然后再进行分析提取。其组合方式采用两个或多个波段范围内地物反射率进行组合运算，从而增强某一特性或细节。目前基于低空光学遥感影像的蓝藻提取，主要采用红绿蓝色彩影像的变换进行提取，通过两个或多个波段范围内地物反射率进行不同组合的植被指数进行计算对比，选择其中较为合适的一种植被指数，实现对蓝藻的提取。基于光学遥感影像的植被指数主要有绿指数(excess green，EXG)、归一化红绿差异指数(normalized green－red difference index，NGRDI)、红绿比值指数(red－green ratio index，RGRI)、可见光波段差异植被指数(visible
‑
band differentvegetation index，VDVI)、归一化蓝绿差异指数(normalized green－blue difference index，NGBDI)等，以及仿照这些指数进行改进的指数，这些指数算法均能在一定程度上实现对蓝藻数据的提取。
[0005]目前直接采用这些指数或改进的指数，在对蓝藻进行识别提取时，无法实现蓝藻与其他物体(植被、水体、除蓝藻外的其他水生植被等)的完整分离，无论提取阈值选择在什么范围，只能近似区分提取，不能实现蓝藻与背景噪声(除影像图中蓝藻目标以外的区域)的完全分离。
[0006]为了提取低空遥感影像中蓝藻信息，需首先分析蓝藻与非蓝藻之间的光谱特征，通过计算观察它们在各波段间反射率的差异，再通过构造植被指数，进而实现蓝藻数据信息提取。
[0007]目前基于可见光遥感影像的植被指数主要有绿指数EXG、归一化红绿差异指数NGRDI、红绿比值指数、可见光波段差异植被指数、归一化蓝绿差异指数等，以及仿照这些指数改进的指数算法，这些指数算法均能在一定程度上实现低空光学遥感影像中的蓝藻数据的提取。
[0008]针对低空遥感影像的蓝藻提取，主要通过采用构建的指数算法对遥感影像进行处理，然后根据图像处理结果进行阈值范围的选取测试(具体选取测试方式，不同研究人员方法不一)，最后选择较为合适的阈值范围，来实现蓝藻的提取识别工作。
[0009]每种指数算法和波段对蓝藻识别提取都存在不同优劣势，有的可以有效区分蓝藻与植被，有的可以区分蓝藻与水体，有的可以区分蓝藻与道路建筑，但每种算法都不能有效的实现把蓝藻与其他所有噪声区分开来，不能有效兼顾识别的完整度与准确度。
[0010]目前仅通过运用这些指数算法和阈值范围调节，实现低空遥感影像中的蓝藻提取工作，往往会产生大量的背景噪声(噪点)，从而影响蓝藻识别提取的准确度和可信度。如果仅通过缩小选取的阈值范围来实现对背景噪声的压制，会在一定程度上起到效果，使蓝藻识别更加清晰化准确化，但会出现蓝藻识别不全面的问题，特别是在蓝藻生长密度小的区域，会出现识别遗漏现象，从而降低识别提取的完整性；如果增大选取的阈值范围，会在一定程度上提高蓝藻识别的完整性，但于此同时就会导致背景噪声进一步加大，有时甚至会出现把大面积的背景噪声当成蓝藻提取出来的错误问题，有时甚至导致背景噪声与蓝藻无法区分等问题，无法保证蓝藻识别提取的准确度。

技术实现思路

[0011]本专利技术的目的是提供一种光学遥感影像中蓝藻区域提取方法、系统及产品，以解决无法区分背景噪声与蓝藻，识别提取的蓝藻准确度低的问题。
[0012]为实现上述目的，本专利技术提供了如下方案：
[0013]一种光学遥感影像中蓝藻区域提取方法，包括：
[0014]获取光学遥感影像；
[0015]构建不同种类的背景噪声提取指数算法；所述背景噪声的种类包括陆地绿色植被、水体、道路建筑裸露土地以及水中除蓝藻外的剩余植被；
[0016]对所述背景噪声提取指数算法进行归一化处理，生成归一化处理后的背景噪声提取指数算法；
[0017]根据所述归一化处理后的背景噪声提取指数算法构建噪声压制分离函数，并根据所述噪声压制分离函数压制所述背景噪声，分离蓝藻以及所述背景噪声，生成压制与分离结果；
[0018]根据所述压制与分离结果提取所述光学遥感影像中的蓝藻区域。
[0019]可选的，所述陆地绿色植被的提取指数算法为：
[0020]S1＝ρ
blue
[0021]其中，S1为陆地绿色植被的提取指数；ρ
blue
为蓝色波段的反射率。
[0022]可选的，所述水体的提取指数算法为：
[0023][0024]其中，S2为水体的提取指数；ρ
green
为绿色波段的反射率；ρ
red
为红色波段的反射率。
[0025]可选的，所述道路建筑裸露土地的提取指数算法为：
[0026]S3＝EXG＝2ρ
green
‑
ρ
red
‑
ρ
blue
[0027]其中，S3为道路建筑裸露土地的提取指数；EXG为绿指数。
[0028]可选的，所述水中除蓝藻外的剩余植被的提取指数算法为：
[0029][0030]其中，S4为水中除蓝藻外的剩余植被的提取指数；RGRI为红绿比值指数。可选的，所述归一化处理后的背景噪声提取指数算法为：
[0031]S
n
'＝(S
n
‑
a
n
)/b
n
[0032]其中，S
n
'为归一化后的背景噪声提取指数；S
n
不同种类的背景噪声的提取指数；a
n
为第一归一变量；b
n
为第二归一变量，n取1～4。
[0033]可选的，所述噪声压制分离函数为：
[0034][0035]其中，其中，A
n
为经噪声压制计算后的噪声分离指数；ω
n
为不同种类的背景噪声的压制分离因子本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种光学遥感影像中蓝藻区域提取方法，其特征在于，包括：获取光学遥感影像；构建不同种类的背景噪声提取指数算法；所述背景噪声的种类包括陆地绿色植被、水体、道路建筑裸露土地以及水中除蓝藻外的剩余植被；对所述背景噪声提取指数算法进行归一化处理，生成归一化处理后的背景噪声提取指数算法；根据所述归一化处理后的背景噪声提取指数算法构建噪声压制分离函数，并根据所述噪声压制分离函数压制所述背景噪声，分离蓝藻以及所述背景噪声，生成压制与分离结果；根据所述压制与分离结果提取所述光学遥感影像中的蓝藻区域。2.根据权利要求1所述的光学遥感影像中蓝藻区域提取方法，其特征在于，所述陆地绿色植被的提取指数算法为：S1＝ρ
blue
其中，S1为陆地绿色植被的提取指数；ρ
blue
为蓝色波段的反射率。3.根据权利要求2所述的光学遥感影像中蓝藻区域提取方法，其特征在于，所述水体的提取指数算法为：其中，S2为水体的提取指数；ρ
green
为绿色波段的反射率；ρ
red
为红色波段的反射率。4.根据权利要求3所述的光学遥感影像中蓝藻区域提取方法，其特征在于，所述道路建筑裸露土地的提取指数算法为：S3＝EXG＝2ρ
green
‑
ρ
red
‑
ρ
blue
其中，S3为道路建筑裸露土地的提取指数；EXG为绿指数。5.根据权利要求4所述的光学遥感影像中蓝藻区域提取方法，其特征在于，所述水中除蓝藻外的剩余植被的提取指数算法为：其中，S4为水中除蓝藻外的剩余植被的提取指数；RGRI为红绿比值指数。6.根据权利要求5所述的光学遥感影像中蓝藻区域提取方法，其特征在于，所述归一化处理后的背景噪声提取指数算法为：S
n
'＝(S
n
‑
...

【专利技术属性】
技术研发人员：段涛，郑雪静，郭猛猛，张旭，杨志成，梁迪文，
申请(专利权)人：安徽省勘查技术院安徽省地质矿产勘查局能源勘查中心，
类型：发明
国别省市：