一种基于多源时序遥感影像的水体异常监测方法技术

本发明专利技术公开了一种基于多源时序遥感影像的水体异常监测方法，涉及水环境污染监测技术领域，该水体异常监测方法包括以下步骤：获取待检测多源时序遥感影像数据，并对待检测多源时序遥感影像数据进行预处理；利用阈值分割算法，从预处理结果中提取出水域部分，计算待检测多源时序遥感影像数据相对应的水域部分的遥感反射率影像数据

【技术实现步骤摘要】
一种基于多源时序遥感影像的水体异常监测方法


[0001]本专利技术涉及水环境污染监测
，具体来说，涉及一种基于多源时序遥感影像的水体异常监测方法
。

技术介绍

[0002]水资源是人类赖以生存和社会发展不可替代的战略资源，是全球资源安全和管理
、
气候变化研究
、
生态环境动态监测等不可或缺的重要基础信息
。
如何建立行之有效的方法，科学
、
准确
、
快速地提取全球陆表水体信息，适时掌握陆表水体的变化信息己成为水循环等全球变化研究的关键问题
。
而由于遥感技术具有大面积的同步观测
、
时效性
、
数据的综合性和可比性以及经济性等特点，使得遥感技术成为监测水资源的一个有效手段
。
自
Landsat
卫星最先在
1972
年成功发射以后，至今已有
35
年，已获取了大量的卫星遥感影像，记录了这几十年来地球陆表水体的变化轨迹
。
因此，全球尺度的卫星遥感影像水体快速提取方法的研究对于水资源监测
、
全球变化等研究具有重大意义
。
水体富营养化及水环境污染均可导致水体颜色发生变化，导致水体水色异常
。
为了对突发水环境事件快速应急响应，需要对突发水体水色异常进行快速
、
精确的定位，提高环境部门对突发水环境事件的应急监测能力，为环境管理部门提供及时的及时支撑
。
[0003]近年来遥感技术凭借宏观
、
动态
、
瞬时
、
经济等优势，目前已经成为水体异常识别和提取的主要技术手段之一，在水体异常的调查方面发挥了重要的作用
。
目前遥感技术在水体异常识别和提取方面，主要是依据利用卫星遥感
、
航空遥感或地面遥感等手段获取遥感影像，图像经过各种预处理后通过计算特征指数，然后设置阈值对影像上所有像元进行判别后，获取水体异常的空间分布
。
[0004]但现有技术中，遥感影像受到云覆盖
、
大气干扰
、
阴影等因素的影响，可能存在噪声和质量问题
。
从而会对水体异常的检测和监测造成困扰，降低方法的可靠性和准确性，并且在实际场景中，水体异常可能与其他地物或背景混合在一起，使得异常的检测和提取变得更加困难
。
这可能导致误检测或漏检测的问题，影响监测结果的准确性
。
[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]针对现有技术的不足，本专利技术提出一种基于多源时序遥感影像的水体异常监测方法，解决了上述
技术介绍
中提出的现有技术中，遥感影像受到云覆盖
、
大气干扰
、
阴影等因素的影响，可能存在噪声和质量问题
。
从而会对水体异常的检测和监测造成困扰，降低方法的可靠性和准确性，并且在实际场景中，水体异常可能与其他地物或背景混合在一起，使得异常的检测和提取变得更加困难
。
这可能导致误检测或漏检测的问题，影响监测结果的准确性的问题
。
[0007]为实现以上目的，本专利技术通过以下技术方案予以实现：一种基于多源时序遥感影像的水体异常监测方法，该水体异常监测方法包括以下
步骤：
S1、
获取待检测多源时序遥感影像数据，并对待检测多源时序遥感影像数据进行预处理；
S2、
利用阈值分割算法，从预处理结果中提取出水域部分，计算待检测多源时序遥感影像数据相对应的水域部分的遥感反射率影像数据；
S3、
对于每个波段的待检测多源时序遥感反射率影像数据，计算其波段特征值；
S4、
将计算得到的每个波段的特征值通过聚类算法与数据库中对应波段的基准特征值进行比对，得到水体异常的波段；
S5、
将得到水体异常的波段基于数学模型进行分析，并判断是否超出预设异常阙值；
S6、
将水体异常的分析结果进行报告和可视化呈现
。
[0008]优选的，所述利用阈值分割算法，从预处理结果中提取出水域部分，计算待检测多源时序遥感影像数据相对应的水域部分的遥感反射率影像数据包括以下步骤：
S21、
对待分割的图像进行灰度处理，将其转换为灰度图像，并计算灰度图像的灰度直方图，统计每个灰度级别的像素数量；
S22、
根据预处理结果的灰度值分布，选取合适的阈值作为水域的分割阈值；
S23、
将预处理结果阈值进行比较，将灰度值高于阈值的像素标记为水域，灰度值低于阈值的像素标记为非水域；
S24、
根据水域部分的分割结果，进行边缘检测，以获取水域的边界信息；
S25、
根据水域部分的分割结果，提取出水域区域的像素，并计算各像素在对应波段上的遥感反射率影像数据；
S26、
对提取的水域部分和计算得到的遥感反射率影像数据进行验证和调整
。
[0009]优选的，所述对待分割的图像进行灰度处理，将其转换为灰度图像，并计算灰度图像的灰度直方图，统计每个灰度级别的像素数量包括以下步骤：
S211、
建立图像灰度值直方图；
S212、
计算非水域和水域的出现概率；其中，所述计算非水域和水域的出现概率的计算公式为：式中，
t
为所选定的阙值；
A
为非水域；为非水域出现的概率；
B
为水域；为水域出现的概率；为出现概率；
L
为灰度级个数；
S213、
计算非水域和水域两个区域的类间方差；
其中，所述计算非水域和水域两个区域的类间方差的计算公式为：其中，所述计算非水域和水域两个区域的类间方差的计算公式为：其中，所述计算非水域和水域两个区域的类间方差的计算公式为：式中，为计算非水域区域的平均灰度值；为计算水域区域的平均灰度值；为计算灰度图像全局的灰度平均值；为计算非水域和水域两个区域的类间方差
。
[0010]优选的，所述根据水域部分的分割结果，进行边缘检测，以获取水域的边界信息包括以下步骤：
S241、
计算各点的梯度幅值，根据预设的高阙值，将大于高阈值的点标记为边缘点，得到强边缘图像；
S242、
通过检测边缘上的局部极大值点来确定强边缘的端点位置；
S243、
对于每个端点，根据其梯度方向和其8邻域内的强边缘点的位置，确定边缘连接方向和边缘连接窗口；
S244、
对边缘连接窗口内与端点像素值小于预设值的像素点做霍夫变换检测连接边缘，得到最终的边缘图像
。
[0011]优选的，所述对于每个波段的多本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于多源时序遥感影像的水体异常监测方法，其特征在于，该水体异常监测方法包括以下步骤：
S1、
获取待检测多源时序遥感影像数据，并对待检测多源时序遥感影像数据进行预处理；
S2、
利用阈值分割算法，从预处理结果中提取出水域部分，计算待检测多源时序遥感影像数据相对应的水域部分的遥感反射率影像数据；
S3、
对于每个波段的待检测多源时序遥感反射率影像数据，计算其波段特征值；
S4、
将计算得到的每个波段的特征值通过聚类算法与数据库中对应波段的基准特征值进行比对，得到水体异常的波段；
S5、
将得到水体异常的波段基于数学模型进行分析，并判断是否超出预设异常阙值；
S6、
将水体异常的分析结果进行报告和可视化呈现
。2.
根据权利要求1所述的一种基于多源时序遥感影像的水体异常监测方法，其特征在于，所述利用阈值分割算法，从预处理结果中提取出水域部分，计算待检测多源时序遥感影像数据相对应的水域部分的遥感反射率影像数据包括以下步骤：
S21、
对待分割的图像进行灰度处理，将其转换为灰度图像，并计算灰度图像的灰度直方图，统计每个灰度级别的像素数量；
S22、
根据预处理结果的灰度值分布，选取合适的阈值作为水域的分割阈值；
S23、
将预处理结果阈值进行比较，将灰度值高于阈值的像素标记为水域，灰度值低于阈值的像素标记为非水域；
S24、
根据水域部分的分割结果，进行边缘检测，以获取水域的边界信息；
S25、
根据水域部分的分割结果，提取出水域区域的像素，并计算各像素在对应波段上的遥感反射率影像数据；
S26、
对提取的水域部分和计算得到的遥感反射率影像数据进行验证和调整
。3.
根据权利要求2所述的一种基于多源时序遥感影像的水体异常监测方法，其特征在于，所述对待分割的图像进行灰度处理，将其转换为灰度图像，并计算灰度图像的灰度直方图，统计每个灰度级别的像素数量包括以下步骤：
S211、
建立图像灰度值直方图；
S212、
计算非水域和水域的出现概率；其中，所述计算非水域和水域的出现概率的计算公式为：；式中，
t
为所选定的阙值；
A
为非水域；为非水域出现的概率；
B
为水域；为水域出现的概率；
为出现概率；
L
为灰度级个数；
S213、
计算非水域和水域两个区域的类间方差；其中，所述计算非水域和水域两个区域的类间方差的计算公式为：；；；式中，为计算非水域区域的平均灰度值；为计算水域区域的平均灰度值；为计算灰度图像全局的灰度平均值；为计算非水域和水域两个区域的类间方差
。4.
根据权利要求3所述的一种基于多源时序遥感影像的水体异常监测方法，其特征在于，所述根据水域部分的分割结果，进行边缘检测，以获取水域的边界信息包括以下步骤：
S241、
计算各点的梯度幅值，根据预设的高阙值，将大于高阈值的点标记为边缘点，得到强边缘图像；
S242、
通过检测边缘上的局部极大值点来确定强边缘的端点位置；
S243、
对于每个端点，根据其梯度方向和其8邻域内的强边缘点的位置，确定边缘连接方向和边缘连接窗口；
S244、
对边缘连接窗口内与端点像素值小于预设值的像素点做霍夫变换检测连接边缘，得到最终的边缘图像
。5.
根据权利要求1所述的一种基于多源时序遥感影像的水体异常监测方法，其特征在于，所述对于每个波段的多源时序遥感反射率影像数据，计算其波段特征值包括以下步骤：
S31、
获取每个波段的待检测多源时序遥感反射率影像数据；
S32、
对每个波段待检测多源时序遥感反射率影像数据，计算每个波段的像素值分布的样本峰度；
S33、
对于每对波段数据，将特征值序列作为两个变量，分别代表两个波段，并利用皮尔逊相关系数计算它们之间的相关系数；
S34、
根据...

【专利技术属性】
技术研发人员：敦力民，黄欣，李天，李铁亮，王天文，于林佳松，陈桂秋，王宏达，夏昕禹，刘俊宏，
申请(专利权)人：沈阳市勘察测绘研究院有限公司，
类型：发明
国别省市：