CN107369175A - 一种用于水产养殖的蚝排面积测算方法及*** - Google Patents
一种用于水产养殖的蚝排面积测算方法及*** Download PDFInfo
- Publication number
- CN107369175A CN107369175A CN201710458345.5A CN201710458345A CN107369175A CN 107369175 A CN107369175 A CN 107369175A CN 201710458345 A CN201710458345 A CN 201710458345A CN 107369175 A CN107369175 A CN 107369175A
- Authority
- CN
- China
- Prior art keywords
- mrow
- msub
- mtd
- remote sensing
- image
- 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
- 241000237502 Ostreidae Species 0.000 title claims abstract description 67
- 235000020636 oyster Nutrition 0.000 title claims abstract description 66
- 238000009360 aquaculture Methods 0.000 title claims abstract description 21
- 244000144974 aquaculture Species 0.000 title claims abstract description 21
- 238000004364 calculation method Methods 0.000 title claims abstract description 12
- 238000012937 correction Methods 0.000 claims abstract description 33
- 238000012545 processing Methods 0.000 claims abstract description 27
- 238000000034 method Methods 0.000 claims abstract description 24
- 238000013139 quantization Methods 0.000 claims abstract description 10
- VMXUWOKSQNHOCA-UKTHLTGXSA-N ranitidine Chemical compound [O-][N+](=O)\C=C(/NC)NCCSCC1=CC=C(CN(C)C)O1 VMXUWOKSQNHOCA-UKTHLTGXSA-N 0.000 claims abstract description 9
- 238000004458 analytical method Methods 0.000 claims description 14
- 235000013350 formula milk Nutrition 0.000 claims description 13
- 238000012952 Resampling Methods 0.000 claims description 11
- 238000011946 reduction process Methods 0.000 claims description 9
- 230000006870 function Effects 0.000 claims description 4
- 238000009499 grossing Methods 0.000 claims description 4
- 239000003550 marker Substances 0.000 claims description 4
- 230000009466 transformation Effects 0.000 claims description 4
- 238000003384 imaging method Methods 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 2
- 238000012364 cultivation method Methods 0.000 description 6
- 238000001228 spectrum Methods 0.000 description 5
- 238000000605 extraction Methods 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000009395 breeding Methods 0.000 description 2
- 230000001488 breeding effect Effects 0.000 description 2
- 238000012136 culture method Methods 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 241001522252 Crassostrea rivularis Species 0.000 description 1
- 241000237852 Mollusca Species 0.000 description 1
- 241001523579 Ostrea Species 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 230000002146 bilateral effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000003653 coastal water Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000001681 protective effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 150000003839 salts Chemical class 0.000 description 1
- 239000013535 sea water Substances 0.000 description 1
- 235000015170 shellfish Nutrition 0.000 description 1
- 238000012732 spatial analysis Methods 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 239000004575 stone Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
- G06T2207/10036—Multispectral image; Hyperspectral image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20172—Image enhancement details
- G06T2207/20182—Noise reduction or smoothing in the temporal domain; Spatio-temporal filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
- G06T2207/30188—Vegetation; Agriculture
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
本申请涉及一种用于水产养殖的蚝排面积测算方法和***,所述测算方法通过多光谱遥感的方式获取蚝排面积对应的图像数据,对所述图像数据进行几何校正、纠偏,接着进行图像增强处理,以突出与蚝排面积相关的有用信息并扩大不同地物直接的特征差别,对处理得到栅格形式的图像进行矢量化,利用相连接的空间数据库选取蚝排面积相关的特征以测算出蚝排面积。通过此种方式,本申请对遥感图像的图像数据进行处理,可以实现自动解译和计算,减少人工成本,而且通过几何校正和纠偏能够提高计算精度。
Description
技术领域
本申请涉及测算技术领域,特别是涉及一种用于水产养殖的蚝排面积测算方法及***。
背景技术
生蚝,学名叫牡蛎,隶属软体动物门,牡蛎科。是沿海最为常见的双壳贝类,种类繁多。全球牡蛎有200多种,我国有长牡蛎,大连湾牡蛎,近江牡蛎等品种。近海养殖生蚝主要分为石块贝壳附着器养殖法、桩式养殖法、桥式养殖法、伐式养殖法、联桩养殖法等等。随着生蚝养殖基数的发展和社会环境保护意识的提高,伐式养殖法越来越普及。筏式养殖法为牡蛎立体养殖法的一种,多用延绳式,养殖的牡蛎生长快,单位面积产量高。养成的牡蛎多为贝壳采苗器采到的苗种,贝壳用绳索串联,长度依水深而定,吊挂于筏下。
我国生蚝养殖面积从2009年的112818公顷增长到2015年的141498公顷,生蚝行业产量由2009年的350.38万吨增长到2015年的457.34万吨。由于生蚝养殖规模的不断扩大,近海过度养殖、养殖环境恶化,沿海生蚝养殖面积业急待加强监测与管理,如何侦测出各个地区沿海生蚝养殖面积更是重重之重。传统的监测手段已不能满足现实的需要,而且存在着很大的局限性和风险性,这样就需要寻求新的监测手段和方法。
遥感具有探测范围广、获得资料速度快、周期短、时效性强、成本低、经济效益大等优点。利用遥感图像能快速提取所需水产养殖的面积,可帮助养殖场选址、决定养殖品种,开展养殖密度、养殖水体污染(赤潮、水质等)监测;结合GIS(Geographic InformationSystem或Geo-Information system,地理信息***)技术,还可对养殖区进行规划和管理,评估水产养殖区对环境的影响。
由于受研究时间、研究区域和数据源等客观因素的限制,还没有一种方法是最普遍和最佳的水产养殖区的识别方法。目前常用的水产养殖区识别方法主要有目视解译、基于比值指数分析的信息提取、基于邻域分析的信息提取以及基于对应分析的信息提取等。
目视解译是根据遥感图像目视解译标志和解译经验,与多种非遥感信息资料相结合,运用相关知识进行综合分析和逻辑推理,从遥感图像中获取需要的专题信息。
比值指数是在同一图像的多光谱波段内,求得每个像元在不同波段的亮度值之比,构成新的图像,以减小某些造成光照差异的因子或背景的影响,突出目标地物的辐射特征。
对应分析是在因子分析的基础上发展起来的分析方法,又称“R-Q型因子分析”。
邻域分析是对波段每一个像元依据四周邻近的像元对其进行空间分析的方法,分析和运算的像元数目和位置由扫描窗口确定。
但是,生蚝养殖用地与其他水体类型具有非常相似的光谱特征,常规多光谱遥感只能提供大于100nm(纳米)光谱分辨率的间断性波谱波段信息。在生蚝养殖区识别方法中,利用目视解译、比值指数分析、对应分析的方法并不能很好地解决“异物同谱”的问题,并会在分类结果中产生“椒盐”噪声。
因此,本技术领域亟需一种新的技术,以解决上述技术问题。
发明内容
基于此,有必要针对上述问题,提供一种用于水产养殖的蚝排面积测算方法和***,本申请能够减少人工成本、提高计算精度。
一种用于水产养殖的蚝排面积测算方法,所述测算方法包括:
通过多光谱遥感的方式获取蚝排面积对应的图像数据;
对所述图像数据进行几何校正,并对发生形变的图像数据进行纠偏;
对经过校正和纠偏的图像数据进行图像增强处理,以突出与蚝排面积相关的有用信息并扩大不同地物直接的特征差别;
对经过图像增强处理的图像数据进行处理得到栅格形式的图像,并对图像进行矢量化,利用相连接的空间数据库选取蚝排面积相关的特征以测算出蚝排面积。
一种用于水产养殖的蚝排面积测算***,所述测算***包括处理器,所述处理器执行程序指令时:
所述处理器用于通过多光谱遥感的方式获取蚝排面积对应的图像数据;
所述处理器用于对所述图像数据进行几何校正,并对发生形变的图像数据进行纠偏;
所述处理器用于对经过校正和纠偏的图像数据进行图像增强处理,以突出与蚝排面积相关的有用信息并扩大不同地物直接的特征差别;
所述处理器用于对经过图像增强处理的图像数据进行处理得到栅格形式的图像,并对图像进行矢量化,利用相连接的空间数据库选取蚝排面积相关的特征以测算出蚝排面积。
上述用于水产养殖的蚝排面积测算方法和***,所述测算方法通过多光谱遥感的方式获取蚝排面积对应的图像数据,对所述图像数据进行几何校正、纠偏,接着进行图像增强处理,以突出与蚝排面积相关的有用信息并扩大不同地物直接的特征差别,对处理得到栅格形式的图像进行矢量化,利用相连接的空间数据库选取蚝排面积相关的特征以测算出蚝排面积。通过此种方式,本申请对遥感图像的图像数据进行处理,可以实现自动解译和计算,减少人工成本,而且通过几何校正和纠偏能够提高计算精度。
附图说明
图1为一实施例中用于水产养殖的蚝排面积测算方法的流程图;
图2为一实施例中重采样时像素的灰度值加权内插示意图;
图3为本申请线性拉伸计算时所采用的坐标系示意图;
图4为一实施例中用于水产养殖的蚝排面积测算***的结构框图;
图5为本申请用于水产养殖的蚝排面积测算***的总体流程图
具体实施方式
在一个实施例中,请参阅图1,本实施例用于水产养殖的蚝排面积测算方法,包括但不限于如下步骤。
S101,通过多光谱遥感的方式获取蚝排面积对应的图像数据。
本实施例S101中,可以采用多光谱分辨率遥感,利用两个或者以上波谱通道的传感器对包括蚝排的地物进行同步成像,最终将地物反射辐射的电磁波信息分成若干波谱段进行接收和记录。
S102,对所述图像数据进行几何校正,并对发生形变的图像数据进行纠偏。
其中,本实施例S102中,所述对所述图像数据进行几何校正,可以包括:通过选取地面控制点和图像重采样的方式进行几何校正。
值得注意的是,所述通过选取地面控制点和图像重采样的方式进行几何校正,可以包括:以矢量化地形图为底图,对多光谱遥感获取的所述图像数据的遥感图像进行对比分析,并在底图和所述遥感图像上选取具有明显、清晰定位标志物作为地面控制点;根据输出图像上的各像元在输入图像中的位置,对所述遥感图像进行重新采样,建立新的遥感图像。
需要说明的是,所述根据输出图像上的各像元在输入图像中的位置,对所述遥感图像进行重新采样,建立新的遥感图像,具体可以采用三次内插法,利用三次多项式求逼近理论上最佳插值函数的方式进行处理。
具体而言,以三次多项式S(x),最佳插值函数sin(x)/x,本实施例的三次内插法,表达式包括但不限于如下:
不难看出,待求像素(x,y)的灰度值由其周围16个灰度值加权内插得到,如图2所示。
则待求像素的灰度计算式如下:
f(x,y)=f(i+u,j+v)=ABC
其中:
S103,对经过校正和纠偏的图像数据进行图像增强处理,以突出与蚝排面积相关的有用信息并扩大不同地物直接的特征差别。
在S103中,需要说明的是,遥感图像的图像数据中有很多噪声存在,这些噪声不仅限制了遥感图像的辐射分辨率,影响到对不同信号强度的分辨能力,而且降低了对地面目标、结构的识别能力,因此,本实施例所述对经过校正和纠偏的图像数据进行图像增强处理,具体可以采用Frost滤波器对图像数据进行降噪处理。
值得一提的是,本实施例采用的Frost滤波器的冲激响应为一双边指数函数,近似为低通滤波器,其滤波器参数由图像局域方差系数决定,冲激响应的衰减快慢取决于局域方差系数的大小,与其成正比关系。Frost滤波器是以权重M值为自适应调节参数的环形对称滤波器,本实施例Frost滤波器的数学表达式具体包括如下:
其中,
在本实施例上述数学表达式中,g′(i,j)为平滑处理后的像元灰度值;g(i,j)为平滑窗口中各像元的原始灰度值;为窗口内像元灰度平均值;M(i,j)为平滑窗口中各个对应像元的权重指数;T(i,j)为平滑窗口内中心像元到其邻像元的绝对距离;σ(i,j)为平滑窗口中像元值的方差;是平滑窗口的大小; L为成像视数。
此外,本实施例在采用Frost滤波器对图像数据进行降噪处理之后,还可以包括:通过线性拉伸的方式将遥感图像的灰度值的动态范围按线性关系公式拉伸至指定范围,增加遥感图像的对比度。本实施例通过线性拉伸使图像中原来一些具有不同亮度值的像元转换成了相同的亮度值,原来相似的亮度值则变得不相似,从而增强了整个图像的对比度,提升图像的亮度。
值得注意的是,如图3所示,其中,图3所示坐标系示意图中,每个格代表一个坐标点,如中间像元单元,其坐标为(i,j),所述线性拉伸的变换公式包括:
其中,G’(i,j)为线性拉伸处理后像元坐标为(i,j)的灰度值,G(i,j)为降噪处理后像元坐标为(i,j)的灰度值,C0为常量,C0可以根据总体实际图像而确定。
S104,对经过图像增强处理的图像数据进行处理得到栅格形式的图像,并对图像进行矢量化,利用相连接的空间数据库选取蚝排面积相关的特征以测算出蚝排面积。
其中,本实施例S104具体可以利用专业软件对处理好的栅格形式的图像进行矢量化,在本技术领域人员理解的范围内,不作限定。
上述用于水产养殖的蚝排面积测算方法所涉及的实施例,通过对遥感图像的图像数据进行处理,可以实现自动解译和计算,减少人工成本,而且通过几何校正和纠偏能够提高计算精度。
在一个实施例中,请参阅图3,本实施例用于水产养殖的蚝排面积测算***,包括处理器30,所述处理器30执行程序指令时,可以实现包括但不限于如下流程。其中,本实施例测算***还可以包括存储器,其可以为网络连接的外部存储器,也可以为有线连接内设的存储器,在此不作限定。
具体而言,所述处理器30用于通过多光谱遥感的方式获取蚝排面积对应的图像数据;
所述处理器30用于对所述图像数据进行几何校正,并对发生形变的图像数据进行纠偏;
所述处理器30用于对经过校正和纠偏的图像数据进行图像增强处理,以突出与蚝排面积相关的有用信息并扩大不同地物直接的特征差别;
所述处理器30用于对经过图像增强处理的图像数据进行处理得到栅格形式的图像,并对图像进行矢量化,利用相连接的空间数据库选取蚝排面积相关的特征以测算出蚝排面积。
在具体实现的过程中,所述处理器30具体用于以矢量化地形图为底图,对多光谱遥感获取的所述图像数据的遥感图像进行对比分析,并在底图和所述遥感图像上选取具有明显、清晰定位标志物作为地面控制点;所述处理器30具体用于采用三次内插法根据输出图像上的各像元在输入图像中的位置,对所述遥感图像进行重新采样,建立新的遥感图像。
其中,本实施例三次内插值的具体过程请参阅前面方法实施例的相关描述,在此不作赘述。
所述处理器30具体用于采用Frost滤波器对图像数据进行降噪处理;所述处理器30具体用于通过线性拉伸的方式将遥感图像的灰度值的动态范围按线性关系公式拉伸至指定范围,增加遥感图像的对比度。
本实施例Frost滤波器的数学表达式具体包括如下:
其中,
在本实施例上述数学表达式中,g′(i,j)为平滑处理后的像元灰度值;g(i,j)为平滑窗口中各像元的原始灰度值;为窗口内像元灰度平均值;M(i,j)为平滑窗口中各个对应像元的权重指数;T(i,j)为平滑窗口内中心像元到其邻像元的绝对距离;σ(i,j)为平滑窗口中像元值的方差;是平滑窗口的大小; L为成像视数。
如前所述,所述线性拉伸的变换公式包括:
其中,G’(i,j)为线性拉伸处理后像元坐标为(i,j)的灰度值,G(i,j)为降噪处理后像元坐标为(i,j)的灰度值,C0为常量,C0可以根据总体实际图像而确定。
请继续参阅图5,图5为本申请用于水产养殖的蚝排面积测算***的总体流程图,本实施例的蚝排面积测算***如前所述,包括地面选点、重新采样、图像降噪、线性拉伸、栅格化和面积计算等流程,其具体可以采用前面任一实施例相关的计算处理方式,在此不作赘述。
本实施例通过对遥感图像的图像数据进行处理,可以实现自动解译和计算,减少人工成本,而且通过几何校正和纠偏能够提高计算精度。
以上所述仅为本申请的实施例,并非因此限制本申请的专利范围,凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本申请的专利保护范围内。
Claims (10)
1.一种用于水产养殖的蚝排面积测算方法,其特征在于,所述测算方法包括:
通过多光谱遥感的方式获取蚝排面积对应的图像数据;
对所述图像数据进行几何校正,并对发生形变的图像数据进行纠偏;
对经过校正和纠偏的图像数据进行图像增强处理,以突出与蚝排面积相关的有用信息并扩大不同地物直接的特征差别;
对经过图像增强处理的图像数据进行处理得到栅格形式的图像,并对图像进行矢量化,利用相连接的空间数据库选取蚝排面积相关的特征以测算出蚝排面积。
2.根据权利要求1所述的测算方法,其特征在于,所述对所述图像数据进行几何校正,包括:通过选取地面控制点和图像重采样的方式进行几何校正。
3.根据权利要求2所述的测算方法,其特征在于,所述通过选取地面控制点和图像重采样的方式进行几何校正,具体包括:
以矢量化地形图为底图,对多光谱遥感获取的所述图像数据的遥感图像进行对比分析,并在底图和所述遥感图像上选取具有明显、清晰定位标志物作为地面控制点;
根据输出图像上的各像元在输入图像中的位置,对所述遥感图像进行重新采样,建立新的遥感图像。
4.根据权利要求3所述的测算方法,其特征在于,所述根据输出图像上的各像元在输入图像中的位置,对所述遥感图像进行重新采样,建立新的遥感图像,包括:采用三次内插法,利用三次多项式求逼近理论上最佳插值函数的方式进行处理。
5.根据权利要求3或4所述的测算方法,其特征在于,所述对经过校正和纠偏的图像数据进行图像增强处理,具体包括:
采用Frost滤波器对图像数据进行降噪处理,Frost滤波器的数学表达式包括如下:
<mrow>
<msubsup>
<mi>g</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
<mo>)</mo>
</mrow>
<mo>&prime;</mo>
</msubsup>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mover>
<msub>
<mi>g</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
<mo>)</mo>
</mrow>
</msub>
<mo>&OverBar;</mo>
</mover>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<msub>
<mi>C</mi>
<mi>I</mi>
</msub>
<mo><</mo>
<msub>
<mi>C</mi>
<mi>u</mi>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mfrac>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msub>
<mi>g</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
<mo>)</mo>
</mrow>
</msub>
<mo>&times;</mo>
<msub>
<mi>M</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
<mo>)</mo>
</mrow>
</msub>
</mrow>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msub>
<mi>M</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
<mo>)</mo>
</mrow>
</msub>
</mrow>
</mfrac>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<msub>
<mi>C</mi>
<mi>u</mi>
</msub>
<mo>&le;</mo>
<msub>
<mi>C</mi>
<mi>I</mi>
</msub>
<mo>&le;</mo>
<msub>
<mi>C</mi>
<mi>max</mi>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>g</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
<mo>)</mo>
</mrow>
</msub>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<msub>
<mi>C</mi>
<mi>I</mi>
</msub>
<mo>></mo>
<msub>
<mi>C</mi>
<mi>max</mi>
</msub>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
其中,
<mrow>
<msub>
<mi>A</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
<mo>)</mo>
</mrow>
</msub>
<mo>=</mo>
<mfrac>
<msub>
<mi>&sigma;</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
<mo>)</mo>
</mrow>
</msub>
<msup>
<mover>
<msub>
<mi>g</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
<mo>)</mo>
</mrow>
</msub>
<mo>&OverBar;</mo>
</mover>
<mn>2</mn>
</msup>
</mfrac>
</mrow>
g′(i,j)为平滑处理后的像元灰度值;g(i,j)为平滑窗口中各像元的原始灰度值;为窗口内像元灰度平均值;M(i,j)为平滑窗口中各个对应像元的权重指数;T(i,j)为平滑窗口内中心像元到其邻像元的绝对距离;σ(i,j)为平滑窗口中像元值的方差;是平滑窗口的大小;L为成像视数。
6.根据权利要求5所述的测算方法,其特征在于,采用Frost滤波器对图像数据进行降噪处理之后,还包括:
通过线性拉伸的方式将遥感图像的灰度值的动态范围按线性关系公式拉伸至指定范围,增加遥感图像的对比度。
7.根据权利要求6所述的测算方法,其特征在于,所述线性拉伸的变换公式包括:
<mrow>
<msub>
<msup>
<mi>G</mi>
<mo>,</mo>
</msup>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
<mo>)</mo>
</mrow>
</msub>
<mo>=</mo>
<mfrac>
<msub>
<mi>G</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
<mo>)</mo>
</mrow>
</msub>
<mn>2</mn>
</mfrac>
<mo>+</mo>
<mfrac>
<mrow>
<msub>
<mi>G</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>G</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>+</mo>
<mn>1</mn>
<mo>,</mo>
<mi>j</mi>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>G</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
<mo>)</mo>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>G</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>-</mo>
<mn>1</mn>
<mo>,</mo>
<mi>j</mi>
<mo>)</mo>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>G</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>+</mo>
<mn>1</mn>
<mo>,</mo>
<mi>j</mi>
<mo>)</mo>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>G</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>-</mo>
<mn>1</mn>
<mo>,</mo>
<mi>j</mi>
<mo>+</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>G</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
<mo>+</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>G</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>+</mo>
<mn>1</mn>
<mo>,</mo>
<mi>j</mi>
<mo>+</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</msub>
</mrow>
<mn>16</mn>
</mfrac>
<mo>+</mo>
<msub>
<mi>C</mi>
<mn>0</mn>
</msub>
</mrow>
其中,G’(i,j)为线性拉伸处理后像元坐标为(i,j)的灰度值,G(i,j)为降噪处理后像元坐标为(i,j)的灰度值,C0为常量。
8.一种用于水产养殖的蚝排面积测算***,其特征在于,所述测算***包括处理器,所述处理器执行程序指令时:
所述处理器用于通过多光谱遥感的方式获取蚝排面积对应的图像数据;
所述处理器用于对所述图像数据进行几何校正,并对发生形变的图像数据进行纠偏;
所述处理器用于对经过校正和纠偏的图像数据进行图像增强处理,以突出与蚝排面积相关的有用信息并扩大不同地物直接的特征差别;
所述处理器用于对经过图像增强处理的图像数据进行处理得到栅格形式的图像,并对图像进行矢量化,利用相连接的空间数据库选取蚝排面积相关的特征以测算出蚝排面积。
9.根据权利要求8所述的测算***,其特征在于:
所述处理器具体用于以矢量化地形图为底图,对多光谱遥感获取的所述图像数据的遥感图像进行对比分析,并在底图和所述遥感图像上选取具有明显、清晰定位标志物作为地面控制点;所述处理器具体用于采用三次内插法根据输出图像上的各像元在输入图像中的位置,对所述遥感图像进行重新采样,建立新的遥感图像;
所述处理器具体用于采用Frost滤波器对图像数据进行降噪处理;所述处理器具体用于通过线性拉伸的方式将遥感图像的灰度值的动态范围按线性关系公式拉伸至指定范围,增加遥感图像的对比度;
其中,Frost滤波器的数学表达式包括如下:
<mrow>
<msubsup>
<mi>g</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
<mo>)</mo>
</mrow>
<mo>&prime;</mo>
</msubsup>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mover>
<msub>
<mi>g</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
<mo>)</mo>
</mrow>
</msub>
<mo>&OverBar;</mo>
</mover>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<msub>
<mi>C</mi>
<mi>I</mi>
</msub>
<mo><</mo>
<msub>
<mi>C</mi>
<mi>u</mi>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mfrac>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msub>
<mi>g</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
<mo>)</mo>
</mrow>
</msub>
<mo>&times;</mo>
<msub>
<mi>M</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
<mo>)</mo>
</mrow>
</msub>
</mrow>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msub>
<mi>M</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
<mo>)</mo>
</mrow>
</msub>
</mrow>
</mfrac>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<msub>
<mi>C</mi>
<mi>u</mi>
</msub>
<mo>&le;</mo>
<msub>
<mi>C</mi>
<mi>I</mi>
</msub>
<mo>&le;</mo>
<msub>
<mi>C</mi>
<mi>max</mi>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>g</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
<mo>)</mo>
</mrow>
</msub>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<msub>
<mi>C</mi>
<mi>I</mi>
</msub>
<mo>></mo>
<msub>
<mi>C</mi>
<mi>max</mi>
</msub>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
其中,
<mrow>
<msub>
<mi>A</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
<mo>)</mo>
</mrow>
</msub>
<mo>=</mo>
<mfrac>
<msub>
<mi>&sigma;</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
<mo>)</mo>
</mrow>
</msub>
<msup>
<mover>
<msub>
<mi>g</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
<mo>)</mo>
</mrow>
</msub>
<mo>&OverBar;</mo>
</mover>
<mn>2</mn>
</msup>
</mfrac>
</mrow>
g′(i,j)为平滑处理后的像元灰度值;g(i,j)为平滑窗口中各像元的原始灰度值;为窗口内像元灰度平均值;M(i,j)为平滑窗口中各个对应像元的权重指数;T(i,j)为平滑窗口内中心像元到其邻像元的绝对距离;σ(i,j)为平滑窗口中像元值的方差;是平滑窗口的大小;L为成像视数。
10.根据权利要求9所述的测算***,其特征在于,所述线性拉伸的变换公式包括:
<mrow>
<msub>
<msup>
<mi>G</mi>
<mo>,</mo>
</msup>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
<mo>)</mo>
</mrow>
</msub>
<mo>=</mo>
<mfrac>
<msub>
<mi>G</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
<mo>)</mo>
</mrow>
</msub>
<mn>2</mn>
</mfrac>
<mo>+</mo>
<mfrac>
<mrow>
<msub>
<mi>G</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>G</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>+</mo>
<mn>1</mn>
<mo>,</mo>
<mi>j</mi>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>G</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
<mo>)</mo>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>G</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>-</mo>
<mn>1</mn>
<mo>,</mo>
<mi>j</mi>
<mo>)</mo>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>G</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>+</mo>
<mn>1</mn>
<mo>,</mo>
<mi>j</mi>
<mo>)</mo>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>G</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>-</mo>
<mn>1</mn>
<mo>,</mo>
<mi>j</mi>
<mo>+</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>G</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
<mo>+</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>G</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>+</mo>
<mn>1</mn>
<mo>,</mo>
<mi>j</mi>
<mo>+</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</msub>
</mrow>
<mn>16</mn>
</mfrac>
<mo>+</mo>
<msub>
<mi>C</mi>
<mn>0</mn>
</msub>
</mrow>
其中,G’(i,j)为线性拉伸处理后像元坐标为(i,j)的灰度值,G(i,j)为降噪处理后像元坐标为(i,j)的灰度值,C0为常量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710458345.5A CN107369175A (zh) | 2017-06-16 | 2017-06-16 | 一种用于水产养殖的蚝排面积测算方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710458345.5A CN107369175A (zh) | 2017-06-16 | 2017-06-16 | 一种用于水产养殖的蚝排面积测算方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107369175A true CN107369175A (zh) | 2017-11-21 |
Family
ID=60305364
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710458345.5A Pending CN107369175A (zh) | 2017-06-16 | 2017-06-16 | 一种用于水产养殖的蚝排面积测算方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107369175A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109063605A (zh) * | 2018-07-16 | 2018-12-21 | 中国水产科学研究院南海水产研究所 | 一种用于水产养殖的蚝排蚝架养殖测算方法、***及装置 |
CN113160262A (zh) * | 2021-03-23 | 2021-07-23 | 珠海欧比特宇航科技股份有限公司 | 基于高分辨率卫星遥感影像的蚝排提取方法、***及介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103363962A (zh) * | 2013-07-23 | 2013-10-23 | 中国科学院遥感与数字地球研究所 | 一种基于多光谱影像的湖泊水储量遥感估算方法 |
CN106791320A (zh) * | 2016-12-30 | 2017-05-31 | 北京农业信息技术研究中心 | 一种养殖鱼类图像增强装置及方法 |
CN106815559A (zh) * | 2016-12-21 | 2017-06-09 | 中国科学院深圳先进技术研究院 | 一种利用sar数据监测蚝排区域的方法及装置、用户设备 |
-
2017
- 2017-06-16 CN CN201710458345.5A patent/CN107369175A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103363962A (zh) * | 2013-07-23 | 2013-10-23 | 中国科学院遥感与数字地球研究所 | 一种基于多光谱影像的湖泊水储量遥感估算方法 |
CN106815559A (zh) * | 2016-12-21 | 2017-06-09 | 中国科学院深圳先进技术研究院 | 一种利用sar数据监测蚝排区域的方法及装置、用户设备 |
CN106791320A (zh) * | 2016-12-30 | 2017-05-31 | 北京农业信息技术研究中心 | 一种养殖鱼类图像增强装置及方法 |
Non-Patent Citations (2)
Title |
---|
刘德长: "《后遥感应用技术研究》", 31 May 2007 * |
李天华 等: "《"3S"技术与高原机场建设工程》", 31 May 2011, 电子科技大学出版社 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109063605A (zh) * | 2018-07-16 | 2018-12-21 | 中国水产科学研究院南海水产研究所 | 一种用于水产养殖的蚝排蚝架养殖测算方法、***及装置 |
CN113160262A (zh) * | 2021-03-23 | 2021-07-23 | 珠海欧比特宇航科技股份有限公司 | 基于高分辨率卫星遥感影像的蚝排提取方法、***及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111986099B (zh) | 基于融合残差修正的卷积神经网络的耕地监测方法及*** | |
Roelfsema et al. | Multi-temporal mapping of seagrass cover, species and biomass: A semi-automated object based image analysis approach | |
CN103914678B (zh) | 基于纹理与植被指数的撂荒地遥感识别方法 | |
CN113673586B (zh) | 融合多源高分辨率卫星遥感影像的海上养殖区域分类方法 | |
CN107423537B (zh) | 一种基于自适应阈值的地表温度降尺度的方法 | |
CN110333554A (zh) | Nriet暴雨智能相似分析方法 | |
CN107247927B (zh) | 一种基于缨帽变换的遥感图像海岸线信息提取方法及*** | |
CN106570485B (zh) | 一种基于深度学习的筏式养殖遥感图像场景标注方法 | |
CN104318611B (zh) | 一种基于激光扫描点云的三维树木重建方法 | |
CN109272487A (zh) | 一种基于视频的公共区域内人群的数量统计方法 | |
CN113793374A (zh) | 一种基于利用改进的四波段遥感影像qaa算法水质反演结果反演水深的方法 | |
CN102201125A (zh) | 一种三维成像声纳的数据可视化方法 | |
CN107341837A (zh) | 基于影像金字塔的栅格‑矢量数据转换及连续尺度表达方法 | |
CN107504923A (zh) | 一种综合遥感影像和延绳信息的海带养殖面积监测方法 | |
CN109781073A (zh) | 一种融合海浪特征和光谱特征的浅海水深遥感提取方法 | |
CN115861409B (zh) | 大豆叶面积测算方法、***、计算机设备及存储介质 | |
CN111582575A (zh) | 一种多时空尺度下城市热环境形成发展主导因素识别方法 | |
Smit et al. | Spatiotemporal surface moisture variations on a barred beach and their relationship with groundwater fluctuations | |
CN107369175A (zh) | 一种用于水产养殖的蚝排面积测算方法及*** | |
CN116051537A (zh) | 基于单目深度估计的农作物株高测量方法 | |
CN113129320B (zh) | 一种从航空正射影像中提取养殖水塘边界的方法和*** | |
Barrell | Quantification and spatial analysis of seagrass landscape structure through the application of aerial and acoustic remote sensing | |
Ren et al. | Segment Anything Model (SAM) Assisted Remote Sensing Supervision for Mariculture—Using Liaoning Province, China as an Example | |
Irwansyah | Geographic Information System (GIS) Using IDRISI Software: Application in Coastal Management | |
CN103996044B (zh) | 利用遥感图像提取目标的方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20171121 |