CN104766318A - 一种水环境遥感监测校正检验方法及装置 - Google Patents
一种水环境遥感监测校正检验方法及装置 Download PDFInfo
- Publication number
- CN104766318A CN104766318A CN201510154894.4A CN201510154894A CN104766318A CN 104766318 A CN104766318 A CN 104766318A CN 201510154894 A CN201510154894 A CN 201510154894A CN 104766318 A CN104766318 A CN 104766318A
- Authority
- CN
- China
- Prior art keywords
- pixel
- remote sensing
- water environment
- data
- environment remote
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Image Processing (AREA)
Abstract
本发明公开了一种水环境遥感监测校正检验方法及装置,包括异常像素确定模块、滤波模块、校正模块、检验模块、存储模块;方法包括:去除水环境遥感监测结果图像中的异常像素,依据预先获取的与所述水环境遥感监测区域对应的地面监测数据,对去除异常像素的水环境遥感监测结果图像进行校正,并依据所述地面监测数据,对校正结果进行检验。因为地面监测数据比较容易获取并且精度较高,所以,容易实现对水环境遥感监测结果校正,同时,也可以通过地面监测数据对校正后的结果的精度进行检验,便于随时监测结果,从而有利于提高水环境遥感监测数据反演结果的精度。
Description
技术领域
本发明属于水环境监测技术领域,尤其涉及一种水环境遥感监测校正检验方法及装置。
背景技术
基于航空或卫星技术的遥感监测对于水环境的质量监测具有重要意义,现有的水环境遥感监测数据处理方法中包括了辐射定标、大气校正、模型计算等过程。而这些过程中每一个步骤都会造成一定的误差,例如:大气校正过程中存在由于缺少精确的气溶胶数据而导致的误差,这些误差会最终影响水环境遥感监测结果的精度,目前,为了提高监测结果的精度,通常会从辐射定标、大气校正、模型计算等中间环节上入手,但是,减小这些环节中存在的误差的过程难于实现,所以,现有的水环境遥感监测结果的精度很难得到有效的校正和检验,且不存在存储的问题。
发明内容
本发明的目的在于提供一种水环境遥感监测校正检验方法及装置,旨在解决现有的水环境遥感监测结果的精度很难得到有效的校正和检验,且不存在存储的问题。
本发明是这样实现的,一种水环境遥感监测校正检验装置,该水环境遥感监测校正检验装置包括:
异常像素确定模块,用于确定所述水环境遥感监测结果图像中的异常像素;
滤波模块,用于对所述异常像素值进行平滑滤波;
校正模块,用于依据预先获取的与所述水环境遥感监测区域对应的地面监测数据,对去除异常像素的水环境遥感监测结果图像进行校正;
检验模块,用于依据所述地面监测数据,对校正结果进行检验;
存储模块,用于对经过校正的结果存储,便于后期的参考;
所述校正模块具体包括:第二向量构建模块,用于任意选取所述地面监测数据中的N个测量数据,构建第一向量组,并选取所述水环境遥感监测结果图像中与所述N个监测数据的经纬度相同或控制点位置相同的N个像素的灰度值,构建第二向量组,其中N为大于或等于1的整数;
回归系数计算模块,用于依据所述第一向量组、第二向量组及预设的一元线性回归公式,计算回归系数;
回归校正模块,用于依据所述回归系数,对所述去除异常像素后的水环境遥感监测结果图像进行校正;
所述检验模块具体包括:取样模块,用于当所述地面监测数据与所述水环境遥感监测结果图像的获取时间同步时,从所述地面监测数据中获取N个数据,其中N为大于或等于1的整数,并从所述水环境遥感监测结果图像中获取与所述N个数据经纬度相同的N个像素的灰度值;
误差值计算模块,用于计算每个数据及与其对应的灰度值之间相对误差值,并统计N个相对误差值的平均相对误差值;
精度检测模块,用于依据所述平均相对误差值计算所述校正结果的精度。
进一步,所述校正模块还包括:
第一向量构建模块,用于计算所述水环境遥感监测结果图像中像素的最大值、最小值及平均值,构建第一向量组,并计算所述地面监测数据中的最大值、最小值、及平均值,构建第二向量组;
回归系数计算模块,用于依据所述第一向量组、第二向量组及预设的回归公式,计算回归系数;
回归校正模块,用于依据所述回归系数,对所述去除异常像素后的水环境遥感监测结果图像进行校正。
进一步,所述检验模块还包括:
插值模块,用于当所述地面监测数据与所述水环境遥感监测结果图像的获取时间准同步时,依据所述地面监测数据获取地面实测数据插值图像;
分级模块,用于将所述水环境遥感监测校正结果按照像素的灰度值分为M个等级,其中,M为大于或等于1的整数,并依据所述M个等级,对所述地面实测数据插值图像的像素进行等级划分;
统计模块,用于统计所述校正结果与所述地面实测数据插值图像相同位置的等级值相同的像素的数量;
精度检测模块,用于依据所述两幅图像中相同位置的等级值相同的像素数量,计算所述校正结果的精度。
本发明的另一目的在于提供一种水环境遥感监测校正检验方法,该水环境遥感监测校正检验方法包括:
确定所述水环境遥感监测结果图像中的异常像素;所述确定所述水环境遥感监测结果图像中的异常像素包括:选取所述水环境遥感监测结果图像中的一个像素,计算所述像素的八邻域像素的灰度均值;判断所述均值与所述像素的灰度值之间的相对误差是否大于预设的阈值;如果是,确定所述像素为异常像素;重复上述步骤,直到遍历所述水环境遥感监测结果图像中的像素;
对所述异常像素值进行平滑滤波;
依据预先获取的与水环境遥感监测区域对应的地面监测数据,对去除异常像素的水环境遥感监测结果图像进行校正;
依据所述地面监测数据,对校正结果进行检验;
所述依据预先获取的与所述水环境遥感监测区域对应的地面监测数据,对去除异常像素的水环境遥感监测结果图像进行校正具体包括:
任意选取所述地面监测数据中的N个测量数据,构建第一向量组,其中N为大于或等于1的整数;
选取所述水环境遥感监测结果图像中与所述N个监测数据的经纬度相同或控制点位置相同的N个像素的灰度值,构建第二向量组;
依据所述第一向量组、第二向量组及预设的回归公式,计算回归系数;
依据所述回归系数,对所述去除异常像素的水环境遥感监测结果图像进行校正;
所述依据所述地面监测数据,对校正结果进行检验具体包括:
当所述地面监测数据与所述水环境遥感监测结果图像的获取时间同步时,从所述地面监测数据中任意选取N个数据,其中N为大于或等于1的整数;
从所述水环境遥感监测结果图像中获取与所述N个数据经纬度相同的N个像素的数值;
计算每个数据及与其对应的像素的数值之间的相对误差值;
统计N个相对误差值的平均相对误差值;
依据所述平均相对误差值计算所述校正结果的精度。
进一步,所述的平滑滤波的方法,包括以下步骤:
步骤一、获取当前帧待滤波像素点N位异常像素的图像信号,通过N位数据总线与数据只读存储器低N位地址相连接,当前帧待滤波像素点图像信号灰度值作为数据只读存储器低位地址值;
步骤二、将数据随机存储器存储的前一帧同一位置像素点的平滑滤波值,通过双向数据锁存器输送到单向数据锁存器,再由单向数据锁存器连接到数据只读存储器高N位地址,所述前一帧同一位置像素点的平滑滤波值所代表的灰度值作为数据只读存储器高位地址值;
步骤三、在所述数据只读存储器低位地址值和高位地址值所指存储区域中存储的数据,即为当前帧待滤波像素点的平滑滤波数据;
步骤四、将数据只读存储器N位数据总线与双向数据锁存器相连接,通过该双向数据锁存器把步骤三中当前帧滤波像素点的平滑滤波数据输入到数据随机存储器中,把所存储的滤波数据值作为下一帧平滑滤波处理中的前一帧同一位置像素点的平滑滤波值;
步骤五、按需要平滑滤波的图像帧数,重复步骤一至步骤五,完成异常像素的平滑滤波。
进一步,确定所述水环境遥感监测结果图像中的异常像素还包括:
统计所述水环境遥感监测结果图像的灰度直方图;
依据所述灰度直方图,确定异常像素灰度值范围;
遍历所述水环境遥感监测结果图像中的像素,将灰度值属于所述异常像素灰度范围的像素确定为异常像素。
进一步,所述依据预先获取的与所述水环境遥感监测区域对应的地面监测数据,对去除异常像素的水环境遥感监测结果图像进行校正还包括:
计算所述水环境遥感监测结果图像中像素的最大值、最小值及平均值,构建第一向量组;
计算所述地面监测数据中的最大值、最小值、及平均值,构建第二向量组;
依据所述第一向量组、第二向量组及预设的回归公式,计算回归系数;
依据所述回归系数,对所述去除异常像素的水环境遥感监测结果图像进行校正。
进一步,所述依据所述地面监测数据,对校正结果进行检验还包括:
当所述地面监测数据与所述水环境遥感监测结果图像的获取时间准同步时,依据所述地面监测数据获取地面实测数据插值图像;
将所述水环境遥感监测校正结果按照像素的灰度值分为M个等级,其中,M为大于或等于1的整数;
依据所述M个等级,对所述地面实测数据插值图像的像素进行等级划分;
统计所述校正结果与所述地面实测数据插值图像相同位置的等级值相同的像素的数量;
依据所述水环境遥感监测结果图像以及所述地面实测数据插值图像中相同位置的等级值相同的像素数量,计算所述校正结果的精度。
本发明提供的水环境遥感监测校正检验方法及装置,,利用与所述水环境遥感监测区域对应的地面监测数据,对去除异常像素的水环境遥感监测结果图像进行校正,因为地面监测数据比较容易获取并且精度较高,所以,容易实现对水环境遥感监测结果校正,同时,也可以通过地面监测数据对校正后的结果的精度进行检验,便于随时监测结果,从而有利于提高水环境遥感监测数据反演结果的精度。
附图说明
图1是本发明实施例提供的水环境遥感监测校正检验方法的流程图;
图2是本发明实施例提供的水环境遥感监测校正检验方法中确定所述水环境遥感监测结果图像中的异常像素的方法的流程图;
图3是本发明实施例提供的灰度直方图的示意图;
图4是本发明实施例提供的水环境遥感监测校正检验方法中确定所述水环境遥感监测结果图像中的异常像素的方法的流程图;
图5是本发明实施例提供的水环境遥感监测校正检验方法中校正方法的流程图;
图6是本发明实施例提供的水环境遥感监测校正检验方法中检验方法的流程图;
图7是本发明实施例提供的水环境遥感监测校正检验方法中又一种检验方法的流程图;
图8是本发明实施例提供的水环境遥感监测校正检验装置的结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
下面结合附图及具体实施例对本发明的应用原理作进一步描述。
本发明实施例公开了一种水环境遥感监测校正检验方法,应用于对水环境遥感监测反演得到的水环境质量监测结果进行校正和检验,如图1所示,包括:
S101:去除水环境遥感监测结果图像中的异常像素;
水环境要素一般具有空间分布上的连续性和渐变性,而水环境遥感监测得到的水质参数反演结果图像中由于随机噪声的影响会出现局部极大值或极小值像素。所谓局部极大值或极小值像素指的是灰度值违反灰度值连续性和渐变性分布的像素,即在邻域中,其灰度值与其它像素的灰度值差异较大的像素,本实施例中,将局部极大值或极小值像素称为异常像素。异常像素的存在极易对水环境遥感监测结果的精度造成影响,因此有必要将其去除。
本实施例中,优选以下方法进行异常像素的去除:首先确定所述水环境遥感监测结果图像中的异常像素;再对确定出的异常像素进行平滑滤波。
其中,如图2所示,确定所述水环境遥感监测结果图像中的异常像素可以包括:
S201:统计所述水环境遥感监测结果图像的灰度直方图;
其中,这里的灰度直方图指的是水环境遥感监测结果图像中水体区域图像灰度级的函数,它表示图像中具有每种灰度级的像素的个数,反映图像中每种灰度出现的频率。水环境遥感监测结果图像的灰度直方图如图3所示,其中,横轴表示图像中的像素的灰度值,纵轴表示像素的个数,所以,从中可以观察出图像中的像素在每个灰度值的分布情况,图3中显示,图像的绝大多数像素分布在两条虚线划定的灰度值范围内,即MinValue和MaxValue之间。
需要说明的是,本实施例中像素的灰度值的数据类型为浮点类型。
S202:依据所述灰度直方图,确定异常像素灰度值范围;
因为灰度直方图反映出水环境遥感监测结果图像,即:水质参数反演结果图像中的水体区域像素分布的灰度值范围,因此,可以将灰度直方图中像素数量较少的灰度值作为异常像素灰度值,如图3中所示,将两条虚线划定的范围之外的灰度值确定为异常像素灰度值,即两条虚线指示的灰度值分别为MinValue和MaxValue,灰度值大于MaxValue的像素为异常像素,灰度值小于MinValue的像素也为异常像素,因此可以确定大于MaxValue及小于MinValue的灰度值范围为异常像素灰度值范围。因为图像中的异常像素的只占很少的数量,所以,本实施例中,优选地,可以根据像素数量的分布来确定异常像素灰度值的范围,例如:灰度值大于MaxValue的像素数量小于水体区域总的像素数量的1%,灰度值小于MinValue的像素数量小于水体区域总的像素数量的1%,因此,将MaxValue和MinValue作为灰度值正常与异常的分界点。
S203:遍历所述水环境遥感监测结果图像中的像素,将灰度值属于所述异常像素灰度范围的像素确定为异常像素。
或者,如图4所示,确定所述水环境遥感监测结果图像中的异常像素也可以具体为:
S401:选取所述水环境遥感监测结果图像中的一个像素,计算所述像素的八邻域像素的灰度均值;
其中,像素的八邻域像素指的是与所述像素紧邻的上、下、左、右、左上、左下、右上、右下八个像素,八邻域像素的均值指的是上述八个像素的灰度值的平均值。
S402:判断所述均值与所述像素的灰度值之间的相对误差是否大于预设的阈值;
其中,可以设当前选取的像素为P,八邻域像素的灰度均值为Pa,相对误差可以采用公式:Error=(abs(Pa-P)/Pa)*100%进行计算。预设的阈值可以为25%。
S403:如果是,确定所述像素为异常像素,如果否,执行S404;
S404:判断是否遍历所述水环境遥感监测结果图像中的像素,如果是则结束,如果否则返回S401。
找出异常像素之后,需要将所述异常像素去除,可以采用平滑滤波的方法去除异常像素,具体为:使用异常像素的八邻域像素的灰度均值作为异常像素的灰度值,如果异常像素的八邻域像素中也存在异常像素,则使用其十六邻域像素的灰度均值作为异常像素的灰度值,依次类推。
S102:依据预先获取的与所述水环境遥感监测区域对应的地面监测数据,对去除异常像素的水环境遥感监测结果图像进行校正;
具体的校正方法如图5所示,包括:
S501:计算所述水环境遥感监测结果图像中像素灰度值的最大值、最小值及平均值,构建第一向量组;
本实施例中,可以将水环境遥感监测结果图像中像素灰度值的最大值、最小值及平均值分别记为X1、X2、X3,第一向量组记为X=(X1,X2,X3)。
S502:计算所述地面监测数据中的最大值、最小值、及平均值,构建第二向量组;
本实施例中,可以将地面监测数据中的最大值、最小值及平均值分别记为Y1、Y2、Y3,第二向量组记为Y=(Y1,Y2,Y3)。
需要说明的是,构建第一向量组和构建第二向量组的方法还可以为:
任意选取所述地面监测数据中的N个测量数据,构建第一向量组,其中N为大于或等于1的整数;
选取所述水环境遥感监测结果图像中与所述N个监测数据的经纬度相同(或控制点位置相同)的N个像素的灰度值,构建第二向量组;
优选地,N=3。
为了实现精度较高的校正,本实施例中优选上述第一种构建第一向量组和第二向量组的方法。
S503:依据所述第一向量组、第二向量组及预设的回归公式,计算回归系数;
其中,本实施例中优选预设的回归公式为一元线性回归公式:Y=b*X+a,
依据所述回归公式及第一向量组和第二向量组计算回归系数的公式优选以下公式:
其中,b、a为回归系数,x(i)为X1,X2,X3,x为x(i)的平均值,可以由计算得到,y(i)为Y1、Y2、Y3,为y(i)的平均值,可以由计算得到。
S504:依据所述回归系数,对所述去除异常像素的水环境遥感监测结果图像进行校正。
具体方法为:记当前像素的灰度值为p,按照p*b+a公式进行校正,得到新的校正后的像素数值并赋值给p,遍历所有像素,依照上述方法进行校正。
S103:依据所述地面监测数据,对校正结果进行检验。
检验的具体过程依据所述地面监测数据与所述水环境遥感监测结果图像的获取时间是否同步,可以分为不同的两种方式。
如图6所示,第一种方式为:
S601:当所述地面监测数据与所述水环境遥感监测结果图像的获取时间同步时,从所述地面监测数据中任意选取N个数据,其中N为大于或等于1的整数;
例如,从地面监测数据中任意选取数据a1、a2及a3。其中,每个数据都有其对应的经纬度。
S602:从所述水环境遥感监测结果图像中获取与所述N个数据经纬度相同的N个像素的灰度值;例如,从水环境遥感监测结果图像中获取与a1的经纬度相同的像素的灰度值b1,与a2的经纬度相同的像素的灰度值b2,与a3的经纬度相同的像素的灰度值b3。
S603:计算每个数据及与其对应的灰度值之间相对误差值,相对误差值的计算公式可以优选为:rError(i)=abs(b(i)-a(i))/a(i);
例如分别计算:rError(1)=abs(a1-b1)/a1,rError(2)=abs(a2-b2)/a2,rError(3)=abs(a3-b3)/a3。
S604:统计N个相对误差值的平均相对误差值,平均相对误差值的计算公式可以优选:Error=ΣrError(i)/N,i=1…N;
例如,上述数据的平均相对误差值Error为:
(abs(a1-b1)/a1+abs(a2-b2)/a2+abs(a3-b3)/a3)/3。
S605:依据所述平均相对误差值计算所述校正结果的精度。其中,反演精度=(1-Error)*100%。;
如图7所示,第二种方式为:
S701:当所述地面监测数据与所述水环境遥感监测结果图像的获取时间准同步时,依据所述地面监测数据获取地面实测数据插值图像;
其中准同步为不是完全同步,有可能地面实测数据的获取时间与遥感监测数据的获取时间相差了几天。
本实施例中,优选采用克吕格差值方法得到地面实测数据插值图像。
S702:将所述校正结果按照像素的灰度值分为M个等级,其中,M为大于或等于1的整数;
其中,可以依据校正结果图像中的灰度最大值,记为Max和灰度最小值,记为Min划分M个等级,例如M=5时,将灰度最大值和灰度最小值之差等分为5份,M值可以根据需求设定。每个等级的数值间隔为s=(Max-Min)/M。对于任意像素,如果其灰度值p满足:Min<=p<(Min+s),则将p赋值为1,这样逐像元遍历水体区域的图像,使得新得到的遥感监测图像像素值为1~M之间的整数值;
S703:依据所述M个等级,对所述地面实测数据插值图像的像素进行等级划分也就是说,依照S702中每个等级的灰度值范围对地面实测数据插值图像进行划分。即:将所述地面实测数据插值图像按照相同的最小值Min、数值间隔s、最大值Max划分为所述M个等级,其中,每个等级的灰度值范围与所述校正结果划分的灰度值范围相同,并逐像元遍历地面实测数据插值图像,使得新得到的地面实测图像中像素的灰度值为1~M之间的整数值,如果存在灰度值不在Min~Max之间的像素,则将其标记为M+1;例如,M=5时,新得到的水体区域地面实测图象像素值为1、2、3、4、5、6;
S704:统计所述校正结果与所述地面实测数据插值图像相同位置的等级值相同的像素的数量。S705:依据所述两幅图像中相同位置的等级值相同的像素数量,计算所述校正结果的精度。校正结果精度=(水体区域的值相同的像元数/水体区域总的像元数)*100%。
本发明实施例所述的水环境遥感监测校正检验方法,通过地面实测数据对水环境监测结果进行校正,并对校正后的结果进行精度的检验,所述方法易于实现,提高了对水环境遥感监测结果的精度。
本发明实施例还公开了一种水环境遥感监测校正检验装置,如图8所示,包括:
异常像素确定模块1,用于确定所述水环境遥感监测结果图像中的异常像素;
滤波模块2,与异常像素确定模块1连接,用于对所述异常像素值进行平滑滤波;
校正模块3,与滤波模块2连接,用于依据预先获取的与所述水环境遥感监测区域对应的地面监测数据,对去除异常像素的水环境遥感监测结果图像进行校正;
检验模块4,与校正模块3连接,用于依据所述地面监测数据,对校正结果进行检验;
存储模块5,与检验模块4连接,用于对经过校正的结果存储,便于后期的参考;
所述的平滑滤波的方法,包括以下步骤:
步骤一、获取当前帧待滤波像素点N位异常像素的图像信号,通过N位数据总线与数据只读存储器低N位地址相连接,当前帧待滤波像素点图像信号灰度值作为数据只读存储器低位地址值;
步骤二、将数据随机存储器存储的前一帧同一位置像素点的平滑滤波值,通过双向数据锁存器输送到单向数据锁存器,再由单向数据锁存器连接到数据只读存储器高N位地址,所述前一帧同一位置像素点的平滑滤波值所代表的灰度值作为数据只读存储器高位地址值;
步骤三、在所述数据只读存储器低位地址值和高位地址值所指存储区域中存储的数据,即为当前帧待滤波像素点的平滑滤波数据;
步骤四、将数据只读存储器N位数据总线与双向数据锁存器相连接,通过该双向数据锁存器把步骤三中当前帧滤波像素点的平滑滤波数据输入到数据随机存储器中,把所存储的滤波数据值作为下一帧平滑滤波处理中的前一帧同一位置像素点的平滑滤波值;
步骤五、按需要平滑滤波的图像帧数,重复步骤一至步骤五,完成异常像素的平滑滤波。
校正模块具体包括:第二向量构建模块,用于任意选取所述地面监测数据中的N个测量数据,构建第一向量组,并选取所述水环境遥感监测结果图像中与所述N个监测数据的经纬度相同或控制点位置相同的N个像素的灰度值,构建第二向量组,其中N为大于或等于1的整数;
回归系数计算模块,用于依据所述第一向量组、第二向量组及预设的一元线性回归公式,计算回归系数;
回归校正模块,用于依据所述回归系数,对所述去除异常像素后的水环境遥感监测结果图像进行校正;
检验模块具体包括:取样模块,用于当所述地面监测数据与所述水环境遥感监测结果图像的获取时间同步时,从所述地面监测数据中获取N个数据,其中N为大于或等于1的整数,并从所述水环境遥感监测结果图像中获取与所述N个数据经纬度相同的N个像素的灰度值;
误差值计算模块,用于计算每个数据及与其对应的灰度值之间相对误差值,并统计N个相对误差值的平均相对误差值;
精度检测模块,用于依据所述平均相对误差值计算所述校正结果的精度。
校正模块还包括:
第一向量构建模块,用于计算所述水环境遥感监测结果图像中像素的最大值、最小值及平均值,构建第一向量组,并计算所述地面监测数据中的最大值、最小值、及平均值,构建第二向量组;
回归系数计算模块,用于依据所述第一向量组、第二向量组及预设的回归公式,计算回归系数;
回归校正模块,用于依据所述回归系数,对所述去除异常像素后的水环境遥感监测结果图像进行校正。
检验模块还包括:
插值模块,用于当所述地面监测数据与所述水环境遥感监测结果图像的获取时间准同步时,依据所述地面监测数据获取地面实测数据插值图像;
分级模块,用于将所述水环境遥感监测校正结果按照像素的灰度值分为M个等级,其中,M为大于或等于1的整数,并依据所述M个等级,对所述地面实测数据插值图像的像素进行等级划分;
统计模块,用于统计所述校正结果与所述地面实测数据插值图像相同位置的等级值相同的像素的数量;
精度检测模块,用于依据所述两幅图像中相同位置的等级值相同的像素数量,计算所述校正结果的精度。
本实施例所述的水环境遥感监测校正检验装置,包括校正模块和检验模块,能够实现使用地面实测数据对水环境遥感监测结果进行校正和检验,因为地面实测数据已比较易于获取,并具有精度相对较高等优点,从而提高了校正检验的可实现性及水环境遥感监测结果的精度。
本实施例方法所述的功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算设备可读取存储介质中。基于这样的理解,本发明实施例对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该软件产品存储在一个存储介质中,包括若干指令用以使得一台计算设备(可以是个人计算机,服务器,移动计算设备或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种水环境遥感监测校正检验装置,其特征在于,该水环境遥感监测校正检验装置包括:
异常像素确定模块,用于确定所述水环境遥感监测结果图像中的异常像素;
滤波模块,用于对所述异常像素值进行平滑滤波;
校正模块,用于依据预先获取的与所述水环境遥感监测区域对应的地面监测数据,对去除异常像素的水环境遥感监测结果图像进行校正;
检验模块,用于依据所述地面监测数据,对校正结果进行检验;
存储模块,用于对经过校正的结果存储,便于后期的参考;
所述校正模块具体包括:第二向量构建模块,用于任意选取所述地面监测数据中的N个测量数据,构建第一向量组,并选取所述水环境遥感监测结果图像中与所述N个监测数据的经纬度相同或控制点位置相同的N个像素的灰度值,构建第二向量组,其中N为大于或等于1的整数;
回归系数计算模块,用于依据所述第一向量组、第二向量组及预设的一元线性回归公式,计算回归系数;
回归校正模块,用于依据所述回归系数,对所述去除异常像素后的水环境遥感监测结果图像进行校正;
所述检验模块具体包括:取样模块,用于当所述地面监测数据与所述水环境遥感监测结果图像的获取时间同步时,从所述地面监测数据中获取N个数据,其中N为大于或等于1的整数,并从所述水环境遥感监测结果图像中获取与所述N个数据经纬度相同的N个像素的灰度值;
误差值计算模块,用于计算每个数据及与其对应的灰度值之间相对误差值,并统计N个相对误差值的平均相对误差值;
精度检测模块,用于依据所述平均相对误差值计算所述校正结果的精度。
2.如权利要求1所述的水环境遥感监测校正检验装置,其特征在于,所述校正模块还包括:
第一向量构建模块,用于计算所述水环境遥感监测结果图像中像素的最大值、最小值及平均值,构建第一向量组,并计算所述地面监测数据中的最大值、最小值、及平均值,构建第二向量组;
回归系数计算模块,用于依据所述第一向量组、第二向量组及预设的回归公式,计算回归系数;
回归校正模块,用于依据所述回归系数,对所述去除异常像素后的水环境遥感监测结果图像进行校正。
3.如权利要求1所述的水环境遥感监测校正检验装置,其特征在于,所述检验模块还包括:
插值模块,用于当所述地面监测数据与所述水环境遥感监测结果图像的获取时间准同步时,依据所述地面监测数据获取地面实测数据插值图像;
分级模块,用于将所述水环境遥感监测校正结果按照像素的灰度值分为M个等级,其中,M为大于或等于1的整数,并依据所述M个等级,对所述地面实测数据插值图像的像素进行等级划分;
统计模块,用于统计所述校正结果与所述地面实测数据插值图像相同位置的等级值相同的像素的数量;
精度检测模块,用于依据所述两幅图像中相同位置的等级值相同的像素数量,计算所述校正结果的精度。
4.一种水环境遥感监测校正检验方法,其特征在于,该水环境遥感监测校正检验方法包括:
确定所述水环境遥感监测结果图像中的异常像素;所述确定所述水环境遥感监测结果图像中的异常像素包括:选取所述水环境遥感监测结果图像中的一个像素,计算所述像素的八邻域像素的灰度均值;判断所述均值与所述像素的灰度值之间的相对误差是否大于预设的阈值;如果是,确定所述像素为异常像素;重复上述步骤,直到遍历所述水环境遥感监测结果图像中的像素;
对所述异常像素值进行平滑滤波;
依据预先获取的与水环境遥感监测区域对应的地面监测数据,对去除异常像素的水环境遥感监测结果图像进行校正;
依据所述地面监测数据,对校正结果进行检验;
所述依据预先获取的与所述水环境遥感监测区域对应的地面监测数据,对去除异常像素的水环境遥感监测结果图像进行校正具体包括:
任意选取所述地面监测数据中的N个测量数据,构建第一向量组,其中N为大于或等于1的整数;
选取所述水环境遥感监测结果图像中与所述N个监测数据的经纬度相同或控制点位置相同的N个像素的灰度值,构建第二向量组;
依据所述第一向量组、第二向量组及预设的回归公式,计算回归系数;
依据所述回归系数,对所述去除异常像素的水环境遥感监测结果图像进行校正;
所述依据所述地面监测数据,对校正结果进行检验具体包括:
当所述地面监测数据与所述水环境遥感监测结果图像的获取时间同步时,从所述地面监测数据中任意选取N个数据,其中N为大于或等于1的整数;
从所述水环境遥感监测结果图像中获取与所述N个数据经纬度相同的N个像素的数值;
计算每个数据及与其对应的像素的数值之间的相对误差值;
统计N个相对误差值的平均相对误差值;
依据所述平均相对误差值计算所述校正结果的精度。
5.如权利要求4所述的水环境遥感监测校正检验方法,其特征在于,确定所述水环境遥感监测结果图像中的异常像素还包括:
统计所述水环境遥感监测结果图像的灰度直方图;
依据所述灰度直方图,确定异常像素灰度值范围;
遍历所述水环境遥感监测结果图像中的像素,将灰度值属于所述异常像素灰度范围的像素确定为异常像素。
6.如权利要求4所述的水环境遥感监测校正检验方法,其特征在于,所述依据预先获取的与所述水环境遥感监测区域对应的地面监测数据,对去除异常像素的水环境遥感监测结果图像进行校正还包括:
计算所述水环境遥感监测结果图像中像素的最大值、最小值及平均值,构建第一向量组;
计算所述地面监测数据中的最大值、最小值、及平均值,构建第二向量组;
依据所述第一向量组、第二向量组及预设的回归公式,计算回归系数;
依据所述回归系数,对所述去除异常像素的水环境遥感监测结果图像进行校正。
7.如权利要求4所述的水环境遥感监测校正检验方法,其特征在于,所述的平滑滤波的方法,包括以下步骤:
步骤一、获取当前帧待滤波像素点N位异常像素的图像信号,通过N位数据总线与数据只读存储器低N位地址相连接,当前帧待滤波像素点图像信号灰度值作为数据只读存储器低位地址值;
步骤二、将数据随机存储器存储的前一帧同一位置像素点的平滑滤波值,通过双向数据锁存器输送到单向数据锁存器,再由单向数据锁存器连接到数据只读存储器高N位地址,所述前一帧同一位置像素点的平滑滤波值所代表的灰度值作为数据只读存储器高位地址值;
步骤三、在所述数据只读存储器低位地址值和高位地址值所指存储区域中存储的数据,即为当前帧待滤波像素点的平滑滤波数据;
步骤四、将数据只读存储器N位数据总线与双向数据锁存器相连接,通过该双向数据锁存器把步骤三中当前帧滤波像素点的平滑滤波数据输入到数据随机存储器中,把所存储的滤波数据值作为下一帧平滑滤波处理中的前一帧同一位置像素点的平滑滤波值;
步骤五、按需要平滑滤波的图像帧数,重复步骤一至步骤五,完成异常像素的平滑滤波。
8.如权利要求4所述的水环境遥感监测校正检验方法,其特征在于,所述依据所述地面监测数据,对校正结果进行检验还包括:
当所述地面监测数据与所述水环境遥感监测结果图像的获取时间准同步时,依据所述地面监测数据获取地面实测数据插值图像;
将所述水环境遥感监测校正结果按照像素的灰度值分为M个等级,其中,M为大于或等于1的整数;
依据所述M个等级,对所述地面实测数据插值图像的像素进行等级划分;
统计所述校正结果与所述地面实测数据插值图像相同位置的等级值相同的像素的数量;
依据所述水环境遥感监测结果图像以及所述地面实测数据插值图像中相同位置的等级值相同的像素数量,计算所述校正结果的精度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510154894.4A CN104766318A (zh) | 2015-04-02 | 2015-04-02 | 一种水环境遥感监测校正检验方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510154894.4A CN104766318A (zh) | 2015-04-02 | 2015-04-02 | 一种水环境遥感监测校正检验方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104766318A true CN104766318A (zh) | 2015-07-08 |
Family
ID=53648127
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510154894.4A Pending CN104766318A (zh) | 2015-04-02 | 2015-04-02 | 一种水环境遥感监测校正检验方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104766318A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108475488A (zh) * | 2016-01-21 | 2018-08-31 | 罗伯特·博世有限公司 | 用于检验显示装置中的图像数据的有效性的设备和方法 |
CN115471115A (zh) * | 2022-10-01 | 2022-12-13 | 浙江嘉园智能科技有限公司 | 一种全域水体统一联治的电子河长控制*** |
CN117392564A (zh) * | 2023-10-13 | 2024-01-12 | 哈尔滨师范大学 | 一种基于深度学习的河流水质反演方法、电子设备及存储介质 |
-
2015
- 2015-04-02 CN CN201510154894.4A patent/CN104766318A/zh active Pending
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108475488A (zh) * | 2016-01-21 | 2018-08-31 | 罗伯特·博世有限公司 | 用于检验显示装置中的图像数据的有效性的设备和方法 |
CN115471115A (zh) * | 2022-10-01 | 2022-12-13 | 浙江嘉园智能科技有限公司 | 一种全域水体统一联治的电子河长控制*** |
CN115471115B (zh) * | 2022-10-01 | 2023-10-31 | 浙江嘉园智能科技有限公司 | 一种全域水体统一联治的电子河长控制*** |
CN117392564A (zh) * | 2023-10-13 | 2024-01-12 | 哈尔滨师范大学 | 一种基于深度学习的河流水质反演方法、电子设备及存储介质 |
CN117392564B (zh) * | 2023-10-13 | 2024-04-05 | 哈尔滨师范大学 | 一种基于深度学习的河流水质反演方法、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11391569B2 (en) | Method and device for monitoring water volume change, computer device and storage medium | |
CN103064091B (zh) | 定位装置与其信号处理方法 | |
Felder et al. | From global circulation to local flood loss: Coupling models across the scales | |
CN109416408B (zh) | 震中距估计装置、震中距估计方法以及计算机可读记录介质 | |
CN102087332B (zh) | 一种基于波速寻优的直流行波故障测距方法 | |
CN112578357B (zh) | 雷达标定参数的修正方法、装置、电子设备和路侧设备 | |
CN104766318A (zh) | 一种水环境遥感监测校正检验方法及装置 | |
CN105374367A (zh) | 异常帧检测方法和装置 | |
CN102721957B (zh) | 一种水环境遥感监测校正检验方法及装置 | |
GB2508560A (en) | Method and device for determining the defect type of a partial discharge | |
CN104198976A (zh) | 一种用于霍尔电压传感器测量电压的校正方法 | |
CN109613531B (zh) | 一种微变感知预警雷达的多阈值优化形变反演方法及*** | |
CN103902451A (zh) | 一种智能电能表软件品质评价方法 | |
CN103729846A (zh) | 基于不规则三角网的LiDAR点云数据边缘检测方法 | |
CN112197749B (zh) | 一种波浪浮标有效波高的交叉校准方法及装置 | |
CN104680138A (zh) | 基于特性参数相关性的卫星图像自动判读***和方法 | |
CN105629296B (zh) | 三维地震叠后数据体拼接方法及装置 | |
CN105652298B (zh) | 一种bds三频伪距相位组合的周跳探测修复方法及装置 | |
CN104880713A (zh) | Gbas完好性评估处理方法和*** | |
JP2005017266A (ja) | レーダ雨量測定装置及びその測定方法 | |
CN111239779B (zh) | 一种无盲点的gnss三频组合周跳探测与修复方法 | |
CN104010191A (zh) | 一种视频噪声强度检测方法 | |
CN104732049A (zh) | 吸氢材料吸氢性能曲线修正方法 | |
Marrocui et al. | Mesh Adaption Strategies For Steady Shallow Water Flow. | |
CN105809665A (zh) | 图像噪声水平的检测方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20150708 |