一种基于形态学运算和密集时序遥感影像的潮间带滩涂精准提取方法技术

本发明专利技术提供了一种基于形态学运算和密集时序遥感影像的潮间带滩涂精准提取方法，包括以下步骤：S1、形成影像集；S2、计算影像集中每一个影像的自动水体提取和阴影消除指数、改进的归一化水体指数、归一化植被指数，合并入原始影像；S3、形成最大水面合成图像，获得最大水面空间范围；S4、裁剪mNDWI合成图像；S5、形成增强图像，生成水和非水二值图像；S6、对水体斑块进行侵蚀，然后对侵蚀后的斑块进行膨胀操作，生成空间完整的最大潮水范围；S7、形成NDVI最大值合成图像；S8、得到潮间带滩涂的分布图。本发明专利技术提取方法快捷有效，提高了潮间带滩涂解译的精度和可信度，具有可重复性和鲁棒性，对潮间带滩涂遥感制图具有及其重要的意义。间带滩涂遥感制图具有及其重要的意义。间带滩涂遥感制图具有及其重要的意义。

【技术实现步骤摘要】
一种基于形态学运算和密集时序遥感影像的潮间带滩涂精准提取方法


[0001]本专利技术涉及一种遥感影像提取方法，具体涉及一种基于形态学运算和密集时序遥感影像的潮间带滩涂精准提取方法。

技术介绍

[0002]滨海滩涂是海陆交界的生态过渡带，包括潮间带泥滩、沙滩和海岸等无植被区域。潮间带滩涂具有极高的经济和生态价值，在维持海洋生物多样性、发展生态旅游、开展科学研究、维持海岸带生态平衡以及减灾等方面起着特别重要的作用。
[0003]近年来，遥感技术已成为制作滩涂专题地图的有效方法。但是由于滨海滩涂分布于潮间带地区，周期性的潮水浸没给基于卫星遥感的滩涂制图带来了困难，直接应用传统遥感图像解译方法可能造成两方面的误差。第一、由于潮间带滩涂只在最低潮时期短暂全部裸露，对随机单时相影像进行解译，可能造成较大的漏分误差；第二，滨海裸地(如泥质养殖池等)被错分为潮间带滩涂。近年来，2
‑
5天重访周期的哨兵
‑
2号多光谱数据(Sentinel
‑
2MSI)为获取最低潮影像带来了新的机遇。形态学操作中的开运算(opening)可以消除孤立小面积斑块，在平滑较大物体的边界时，基本不改变目标斑块面积，为消除滨海养殖池等细小内陆裸地提供了新思路。然而，现有技术中针对潮间带滩涂遥感的提取没有应用这两种手段。

技术实现思路

[0004]本专利技术所要解决的技术问题在于针对上述现有技术的不足，提供一种基于形态学运算和密集时序遥感影像的潮间带滩涂精准提取方法，该提取方法快捷有效，提高了潮间带滩涂解译的精度和可信度，具有可重复性和鲁棒性，对潮间带滩涂遥感制图具有及其重要的意义。
[0005]为解决上述技术问题，本专利技术采用的技术方案是：一种基于形态学运算和密集时序遥感影像的潮间带滩涂精准提取方法，其特征在于，包括以下操作步骤：
[0006]S1、利用遥感云平台，筛选Sentinel
‑
2MSI影像，形成一个影像集；
[0007]S2、计算影像集中每一个影像的自动水体提取和阴影消除指数AWEIsh、改进的归一化水体指数mNDWI、归一化植被指数NDVI，并将计算得到的每个影像的三种指数数据合并入原始影像中；
[0008]S3、选取影像集中AWEIsh值最大的像元，形成最大水面合成图像，并获得最大水面空间范围；
[0009]S4、选取影像集中mNDWI值最大的像元，形成mNDWI最大值合成图像，并利用S3中得到的最大水面空间范围裁剪mNDWI最大值合成图像；
[0010]S5、增强裁剪后的mNDWI最大值合成图像的边缘信息形成增强图像，生成水和非水二值图像；
[0011]S6、对增强图像生成的水体斑块进行形态学运算中的开运算，先对水体斑块进行侵蚀，然后对侵蚀后的斑块进行膨胀操作，生成空间完整的最大潮水范围；
[0012]S7、选取影像集中NDVI值最大的像元，形成NDVI最大值合成图像；
[0013]S8、利用S6中得到的最大潮水范围裁剪NDVI最大值合成图像，并对NDVI最大值合成图像进行自动二值分割，最终得到潮间带滩涂分布图。
[0014]优选地，所述S2中AWEIsh、mNDWI、NDVI的计算方式为：
[0015]AWEIsh＝P
Blue
+2.5P
Green
‑
1.5(P
NIR
+P
SWIR1
)
‑
0.25P
SWIR2
[0016]mNDWI＝(P
Green
‑
P
SWIR1
)/(P
Green
+P
SWIR1
)
[0017]NDVI＝(P
NIR
‑
P
Red
)/(P
NIR
+P
Red
)
[0018]其中，P
Blue
表示蓝波段反射率、P
Green
表示绿波段反射率、P
Red
表示红波段反射率、P
NIR
表示近红外波段反射率、P
SWIR1
表示短波红外1波段反射率、P
SWIR2
表示短波红外2波段反射率。
[0019]优选地，所述S1中的Sentinel
‑
2MSI影像指在一年内云量少于20％的影像。
[0020]优选地，在S3、S4和S7中均通过遥感云平台中的qualityMosaic函数来分别选取影像集中AWEIsh值、mNDWI值和NDVI值最大的像元。
[0021]优选地，所述S5中为为了进一步增强人工岸线，使用8卷积拉普拉斯算子Laplacian8增强裁剪后的mNDWI最大值合成图像中的边缘信息，形成Laplacian8增强图像，利用OTSU算法自动生成水和非水二值图像，使内陆小面积水体呈现零散、独立的空间分布态势。
[0022]优选地，在S6中进行开运算过程中，首先对水体斑块进行侵蚀，面积小的水体斑块被消除；然后对侵蚀后的斑块进行膨胀操作，形成完整的最大潮水范围，有效消除内陆小面积水体的干扰。
[0023]优选地，在S8中使用OTSU算法对NDVI最大值合成图像进行自动二值分割。
[0024]本专利技术与现有技术相比具有以下优点：
[0025]本专利技术运用遥感云平台中的qualityMosaic函数，对影像集中的所有影像进性像素级别的融合。分别融合了AWEIsh、mNDWI和NDVI最大值图像，对新生成的融合影像进行Otsu阈值自动分割。其中AWEIsh指数有效的增强了水体提取的精度，解决了潮汐不确定性带来的潮间带滩涂的漏分误差。利用Laplacian8增强了养殖池边界等人工海岸线，利用形态学的开运算有效去除了内陆零散小水体，克服了间歇性积水的内陆裸地对潮间带滩涂制图造成的错分误差。本专利技术所涉及的潮间带滩涂提取方法快捷有效，提高了潮间带滩涂解译的精度和可信度，具有可重复性和鲁棒性，对潮间带滩涂遥感制图具有及其重要的意义。
[0026]下面结合附图和实施例对本专利技术作进一步详细说明。
附图说明
[0027]图1是本专利技术的流程框图。
[0028]图2是本专利技术实施例中AWEIsh最大值合成影像。
[0029]图3是本专利技术实施例中基于AWEIsh最大值合成影像得到的最大水体范围图。
[0030]图4是本专利技术实施例中最大水体范围内mNDWI最大值合成图像。
[0031]图5是本专利技术实施例中laplacian8卷积增强型水体边界。
[0032]图6是本专利技术实施例中开运算的侵蚀示意图。
[0033]图7是本专利技术实施例中开运算的膨胀示意图。
[0034]图8是本专利技术实施例中最大潮侵范围内NDVI最大值合成影像。
[0035]图9是本专利技术实施例中潮间带滩涂提取结果本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于形态学运算和密集时序遥感影像的潮间带滩涂精准提取方法，其特征在于，包括以下操作步骤：S1、利用遥感云平台，筛选Sentinel
‑
2MSI影像，形成一个影像集；S2、计算影像集中每一个影像的自动水体提取和阴影消除指数AWEIsh、改进的归一化水体指数mNDWI、归一化植被指数NDVI，并将计算得到的每个影像的三种指数数据合并入原始影像中；S3、选取影像集中AWEIsh值最大的像元，形成最大水面合成图像，并获得最大水面空间范围；S4、选取影像集中mNDWI值最大的像元，形成mNDWI最大值合成图像，并利用S3中得到的最大水面空间范围裁剪mNDWI最大值合成图像；S5、增强裁剪后的mNDWI最大值合成图像的边缘信息形成增强图像，生成水和非水二值图像；S6、对增强图像生成的水体斑块图像进行形态学运算中的开运算，先对水体斑块进行侵蚀，然后对侵蚀后的斑块进行膨胀操作，生成空间完整的最大潮水范围；S7、选取影像集中NDVI值最大的像元，形成NDVI最大值合成图像；S8、利用S6中得到的最大潮水范围裁剪NDVI最大值合成图像，并对NDVI最大值合成图像进行自动二值分割，最终得到潮间带滩涂分布图。2.根据权利要求1所述的一种基于形态学运算和密集时序遥感影像的潮间带滩涂精准提取方法，其特征在于，所述S2中AWEIsh、mNDWI、NDVI的计算方式为：AWEIsh＝P
Blue
+2.5P
Green
‑
1.5(P
NIR
+P
SWIR1
)
‑
0.25P
SWIR2
mNDWI＝(P
Green
‑
P
SWIR1
)/(P...

【专利技术属性】
技术研发人员：贾明明，程丽娜，骆磊，赵传朋，王宗明，毛德华，
申请(专利权)人：中国科学院东北地理与农业生态研究所，
类型：发明
国别省市：