CN116343051B - 一种基于遥感影像的地质环境监测方法及*** - Google Patents
一种基于遥感影像的地质环境监测方法及*** Download PDFInfo
- Publication number
- CN116343051B CN116343051B CN202310609723.0A CN202310609723A CN116343051B CN 116343051 B CN116343051 B CN 116343051B CN 202310609723 A CN202310609723 A CN 202310609723A CN 116343051 B CN116343051 B CN 116343051B
- Authority
- CN
- China
- Prior art keywords
- coefficient
- frequency
- gray
- remote sensing
- area
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000012544 monitoring process Methods 0.000 title claims abstract description 41
- 230000009466 transformation Effects 0.000 claims abstract description 53
- 230000006870 function Effects 0.000 claims description 27
- 239000006185 dispersion Substances 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 6
- 230000000875 corresponding effect Effects 0.000 description 30
- 230000000694 effects Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 238000011426 transformation method Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/52—Scale-space analysis, e.g. wavelet analysis
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/30—Assessment of water resources
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及图像处理技术领域,具体涉及一种基于遥感影像的地质环境监测方法及***。该方法通过对遥感影像进行局部分析,以仅包含两种灰度值集中分布区域的局部区域作为待分析区域。根据待分析区域内的两种灰度值集中分布区域的能量系数比例获得对应待分析区域的系数分布结构比例,进而在基础频域系数中确定对应的高频系数集合和低频系数集合。进一步对高频系数进行调整,获得调整高频系数集合,对待分析区域在变换图像中对应区域进行逆变换,获得特征图像。根据特征图像进行环境监测。本发明实施例基于局部分析获取准确的高频系数分布,通过地质边缘特征明显的特征图像进行地质环境监测,提高了地质环境监测的效率和参考性。
Description
技术领域
本发明涉及图像处理技术领域,具体涉及一种基于遥感影像的地质环境监测方法及***。
背景技术
常见的地质灾害包括山体滑坡、泥石流等,使用遥感影像监测地质环境过程中,为了起到监测地质灾害的作用,需要选取遥感影像的频域信息对地质的纹理边缘等特征进行提取并识别。
现有技术中,常常使用小波变换进行频域转换,能够使得获得的频域信息的特征更加明显。在对遥感影像进行小波变换后,为了保留遥感影像中自然灾害部分的边缘细节,需要改变相应的高频小波系数并进行逆变换,达到保留边缘的效果。但是在逆变换过程中,若高频系数的选取不当,或者高频系数与低频系数之间的差异不明显,逆变换后获得的图像中的地质的边缘信息会不清晰或者不完整,影响遥感影像对地质环境的监测效果。
发明内容
为了解决小波变换的逆变换过程中高频系数的选取不当导致影响地质环境监测的技术问题,本发明的目的在于提供一种基于遥感影像的地质环境监测方法及***,所采用的技术方案具体如下:
本发明提出了一种基于遥感影像的地质环境监测方法,所述方法包括:
获取遥感影像,根据所述遥感影像的像素值分布挑选最优基函数对所述遥感影像进行小波变换,获得基础频域系数集合和变换图像;
将所述遥感影像均匀划分为至少两个局部区域;将包含两种灰度值集中分布区域的所述局部区域作为待分析区域;根据每个所述灰度值集中分布区域对应的面积和灰度值,获得所述待分析区域中的两种能量系数,以两种能量系数的比例作为系数分布结构比例;根据所述系数分布结构比例在所述基础频域系数集合中确定每个所述待分析区域的高频系数集合和低频系数集合;
以灰度值最大的所述灰度值集中分布区域作为参考区域,根据参考区域中的灰度值分布离散度获得对应所述待分析区域的系数变化量;根据所述系数变化量调整所述高频系数集合中的每个高频系数,获得调整高频系数集合;
根据所述低频系数集合和所述调整高频系数集合对所述待分析区域在所述变换图像中对应的区域进行逆变换,获得特征图像;对所述特征图像进行地质环境监测。
进一步地,所述最优基函数的获取方法包括:
获得所述遥感影像的灰度标准差和灰度均值,以所述灰度标准差作为分子,所述
灰度标准差与所述灰度均值的和值作为分母,获得选取指标;若所述选取指标大于预设选
取指标阈值,则以小波基函数作为优选基函数;若所述选取指标不大于预设选
取指标阈值,则以小波基函数作为最优基函数。
进一步地,所述待分析区域的获取方法包括:
获得每个所述局部区域的灰度直方图曲线,根据所述灰度直方图曲线中的极值点将其分为段,获得波段曲线;若所述灰度直方图曲线包含两个波段曲线,则将两段所述波段曲线对应像素点的区域作为所述灰度值集中分布区域,将对应所述局部区域作为所述待分析区域。
进一步地,所述能量系数的获取方法包括:
将所述灰度值集中分布区域中每种灰度值的平方后累加,获得初始能量值;以所述初始能量值与所述灰度值集中分布区域的面积的比值作为所述能量系数。
进一步地,所述以两种能量系数的比例作为系数分布结构比例包括:
以灰度值最小的所述灰度值集中分布区域的所述能量系数与所述参考区域的所述能量系数的比值作为系数分布结构比例;所述系数分布结构比例为第一个频域系数到高频系数阈值的距离与高频系数阈值到最后一个频域系数的距离的比值。
进一步地,所述根据所述系数分布结构比例在所述基础频域系数集合中确定高频系数集合和低频系数集合包括:
根据所述系数分布结构比例在所述基础频域系数集合中确定高频系数阈值的位置,以大于等于所述高频系数阈值的频域系数构成的集合作为所述高频系数集合,其他频域系数构成所述低频系数集合。
进一步地,所述根据参考区域中的灰度值分布离散度获得对应所述待分析区域的系数变化量包括:
以所述参考区域中的灰度值标准差作为所述系数变化量。
进一步地,所述根据所述系数变化量调整所述高频系数集合中的每个高频系数包括:
将所述高频系数集合中的每个所述高频系数加上所述系数变化量,获得调整高频系数,所述调整高频系数构成所述调整高频系数集合。
进一步地,所述获得调整高频系数集合后还包括:
将所述低频系数集合中的每个低频系数设置为0,获得调整低频系数集合;根据所述调整低频系数集合和所述调整高频系数集合对所述待分析区域进行逆变换。
本发明还提出了一种基于遥感影像的地质环境监测***,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现任意一项所述一种基于遥感影像的地质环境监测方法的步骤。
本发明具有如下有益效果:
本发明为了实现更好的地址信息提取效果,预先根据像素值分布特征筛选出最优基函数以进行小波变换处理。为了节省计算量以及对局部区域的针对性分析,将遥感影像划分为多个局部区域并筛选出待分析区域,其中待分析区域中表现的两种灰度值集中分布特征对应了高频分布和低频分布,因此可基于两种灰度值集中分布区域的能量系数的比例构建系数分布结构比例,进而获得待分析区域中对应的高频系数集合和低频系数集合。进一步为了提高高频信息与低频信息之间的差异,基于参考区域获得系数变化量并对高频系数集合进行调整,根据调整高频系数集合和低频系数集合对待分析区域在变换图像中对应的区域进行逆变换,即可获得包含完整且清晰的地质边缘信息的特征图像。本发明基于灰度值分布特征对遥感影像进行局部分析,对每个待分析区域的变换系数针对性的分析,获得准确的高频系数并提高高频系数与低频系数的差异,使得最终获得的特征图像内地址信息的特征更加明显,提高了后续环境监测的准确性和参考性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案和优点,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它附图。
图1为本发明一个实施例所提供的一种基于遥感影像的地质环境监测方法流程图;
图2为本发明一个实施例所提供的一种遥感影像示意图;
图3为本发明一个实施例所提供的第一种遥感影像逆变换后的示意图;
图4为本发明一个实施例所提供的第二种遥感影像逆变换后的示意图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的一种基于遥感影像的地质环境监测方法及***,其具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种基于遥感影像的地质环境监测方法及***的具体方案。
请参阅图1,其示出了本发明一个实施例提供的一种基于遥感影像的地质环境监测方法流程图,该方法包括:
步骤S1:获取遥感影像,根据遥感影像的像素值分布挑选最优基函数对遥感影像进行小波变换,获得基础频域系数集合和变换图像。
遥感影像可通过无人机或者卫星进行拍摄获得,需要说明的是,在拍摄的初始图像中可能会存在大量噪声或者图像质量较差,因此在本发明一个实施例中,获得初始图像后需要对其进行图像预处理操作,提高初始图像的质量,以获得用于后续分析的遥感影像。
需要说明的是,通过图像预处理操作提高图像质量为本领域技术人员熟知的图像处理手段,在发明实施例中对初始图像进行均衡化处理,提高图像内的对比度,并且为了减少无关信息的影响,利用语义分割网络将平原等与地质灾害无关的信息识别并剔除,将结果图像灰度化后获得遥感影像。其中均衡化处理和语义分割网络为本领域技术人员熟知的技术手段,具体步骤不再赘述,在本发明其他实施例中也可采用其他图像预处理手段,在此不做限定。请参阅图2,其示出了本发明一个实施例所提供的一种遥感影像示意图。
遥感影像内像素值分布特征能够代表图像内频域下信息分布特征,不同基函数对于不同频域信息的分布的变换具有不同的效果,选择一个合适的基函数用于小波变换能够避免计算量过大,或者变换后一些细小特征信息的丢失,例如某些小波基函数的分辨率较低,在处理高分辨率的图像时会产生失真。因此需要根据遥感影像的像素值分布挑选出最优基函数对遥感影像进行小波变换,获得基础频域系数集合和变换图像,其中基础频域系数集合是经过小波变换后获得的系数集合,在本发明实施例中默认为从小到大进行排列;变换图像是经过小波变换后所得到的频域图像。
优选地,最优基函数的获取方法包括:
获得遥感影像的灰度标准差和灰度均值,以灰度标准差作为分子,灰度标准差与
灰度均值的和值作为分母,获得选取指标;若选取指标大于预设选取指标阈值,则以小波基函数作为优选基函数;若选取指标不大于预设选取指标阈值,则以
小波基函数作为最优基函数。在本发明一个实施例中,选取指标用公式表示为:
其中,为选取指标,为灰度标准差,为灰度均值。
由选取指标公式可知,灰度标准差越大,灰度均值越小,说明图像内像素分布不平
稳,分布较为复杂且整体偏暗,因此需要选取处理能力更好的小波基函数作为
优选基函数;灰度标准差越小,灰度均值越小,则说明图像内像素分布平稳、简单且图像整
体偏亮,因此则可选用较为简单的小波基函数作为最优基函数。
在本发明一个实施例中,因为选取指标的值域为0到1,因此选取指标阈值设置为0.8。
步骤S2:将遥感影像均匀划分为至少两个局部区域;将包含两种灰度值集中分布区域的局部区域作为待分析区域;根据每个灰度值集中分布区域对应的面积和灰度值,获得待分析区域中的两种能量系数,以两种能量系数的比例作为系数分布结构比例;根据系数分布结构比例在基础频域系数集合中确定每个待分析区域的高频系数集合和低频系数集合。
在小波变换的逆变换过程中,不同高频系数阈值所体现出的变换效果不同,请参阅图3,其示出了本发明一个实施例所提供的第一种遥感影像逆变换后的示意图,图3为一个高频系数阈值下的变换结果。请参阅图4,其示出了本发明一个实施例所提供的第二种遥感影像逆变换后的示意图,图4为另一个高频系数阈值下的变换结果。由图3和图4的对比可知,不同高频系数阈值所对应的逆变换后图像的效果也不一样,图3中的地质边缘信息明显要比图4的多,因此若小波变换逆变换过程中不能够准确的确定高频系数阈值位置,确定合适的高频系数集合,则所对应的效果图无法实现地质环境的监测。
在地质环境监测过程中需要关注地质的边缘信息,因此在监测过程中所使用的图像应当是边缘特征明显的特征图像,为了增加特征图像中对于高频边缘的关注度,需要在逆变换过程中确定出准确的高频系数和低频系数。高频信息能够反应原图中能量较高的信息,低频信息能够反应原图中能量较低的信息,这类对应关系在局部区域仅存在一条边缘信息时更加明显,而对于整张图像而言,因为信息分布复杂,不适用于该关系。因此将遥感影像均匀划分为至少两个局部区域,在后续过程中进行局部分析。
在本发明一个实施例中,将遥感影像均匀划分为10×10的局部区域,即每个局部区域大小均为10×10。
因为局部分析的本质目的在于提取高低频信息之间的对比特征,而且高低频信息对比明显的区域即为包含地质边缘的区域,所以需要对局部区域进行筛选,将保护两种灰度值集中分布区域的局部区域作为待分析区域,即待分析区域中仅包含两种灰度值集中分布,因此可基于两种灰度值集中分布区域的能量特征表征该待分析区域内高低频信息的结构特征。需要说明的是,灰度值集中分布区域内表征的是存在某种灰度值集中分布,其中还保护其他种类的灰度值,其他种类的灰度值相较于集中分布的灰度值而言数据量较少。
优选地,本发明一个实施例中待分析区域的获取方法包括:
获得每个局部区域的灰度直方图曲线,根据灰度直方图曲线中的极值点将其分为段,获得波段曲线,即一个峰值点与两侧相邻的两个波谷点构成一个波段曲线。若灰度直方图曲线包含两个波段曲线,则将两段波段曲线对应像素点的区域作为灰度值集中分布区域,将对应局部区域作为待分析区域。
需要说明的是,因为在本发明一个实施例中,局部区域尺寸较小,因此在局部区域中筛选出待分析区域后,剩下的局部区域可能为不包含边缘信息的灰度分布均匀的区域,例如水流等;或者为包含多种灰度值,存在复杂灰度分布的无参考性区域。对于剩下的局部区域因为其对于地质环境监测的可参考性不强,为了节省计算量在后续过程中不对其进行任何处理。
因为待分析区域内包含两种灰度值集中分布区域,这两种灰度值集中分布区域可对应该待分析区域的高频信息特征和低频信息特征,在该待分析区域下的基础频域系数集合中,一部分系数范围内属于小能量区域或者低频区域对应的频域系数,另一部分范围属于大能量区域或者高频区域对应的频域系数。因此需要获得两种灰度值集中分布区域内的能量,为了精细化局部不同灰度值区域的能量,在能量获取过程中考虑了灰度值集中分布区域的面积,即根据每个灰度值集中分布区域对应的面积和灰度值,获得待分析区域中的两种能量系数。
优选地,在本发明一个实施例中,能量系数的获取方法包括:
将灰度值集中分布区域中每种灰度值的平方后累加,获得初始能量值;以初始能量值与灰度值集中分布区域的面积的比值作为能量系数。能量系数用公式表示为:
其中,为某个灰度值集中分布区域的能量系数,为该灰度值集中分布区域
内的灰度值种类数量,为该灰度值集中分布区域内第中灰度值,为该灰度值集中分布
区域的面积。
由能量系数公式可知,面积与能量系数呈反比,目的在于通过面积大小降低初始能量值的主导,使得能够精细化不同灰度值集中分布区域的能量,降低后续系数分布结构比例的误差。
因为两种灰度值集中分布区域的能量分布特征能够表征对应待分析区域下的高低频信息对比特征,因此以两种能量系数的比例作为系数分布结构比例,即所获得的系数分布结构比例能够表示对应待分析区域下高低频信息之间的比例,因此可根据系数分布结构比例在基础频域系数集合中确定每个待分析区域的高频系数集合和低频系数集合。即每个待分析区域经过区域能量分析后,都会得到特有的高频系数集合和低频系数集合。
优选地,本发明一个实施例中,以两种能量系数的比例作为系数分布结构比例包括:
以灰度值最小的灰度值集中分布区域的能量系数与灰度值最大的所述灰度值集
中分布区域的能量系数的比值作为系数分布结构比例;系数分布结构比例为第一个频域系
数到高频系数阈值的距离与高频系数阈值到最后一个频域系数的距离的比值。即通过小波
变换的基本原理进行量化,通过能量系数之间的比例获得系数距离之间的比例关系,因为
基础频域系数集合是已知的,因此可直接根据系数分布结构比例确定出基础频域系数集合
中高频系数阈值的位置,所以具体根据系数分布结构比例在基础频域系数集合中确定高频
系数集合和低频系数集合包括:根据系数分布结构比例在基础频域系数集合中确定高频系
数阈值的位置,以大于等于高频系数阈值的频域系数构成的集合作为高频系数集合,其他
频域系数构成低频系数集合。因为本发明实施例中基础频域系数集合中的频域系数是由小
到大排列的,即从高频系数阈值开始,之后的频域系数均为高频系数,其他的频域系数均为
低频系数,即低频系数集合可表示为,高频系数
集合可表示为,其中表示第一个频域系数,表示第个频域系数,表示高频系数阈值对应的频域系数,表示第个频域系数,表示第个频域系数,基础频域系数集合中的
频域系数数量。
通过步骤S2即可获得每个待分析区域内的高频系数集合和低频系数集合,而后可根据对应的高频系数集合和低频系数集合进行针对性的逆变换。
步骤S3:以灰度值最大的灰度值集中分布区域作为参考区域,根据参考区域中的灰度值分布离散度获得对应待分析区域的系数变化量;根据系数变化量调整高频系数集合中的每个高频系数,获得调整高频系数集合。
进一步为了在逆变换过程中将高频信息与低频信息的对比增强,需要将高频系数集合中的每个高频系数进行增强,为了更好的体现出对每个待分析区域进行针对性的逆变换处理,以待分析区域内灰度值最大的所述灰度值集中分布区域作为参考区域,根据参考区域中的灰度值分布离散度获得对应所述待分析区域的系数变化量,即参考区域内的灰度值分布离散度越大,说明灰度值分布越离散,后续在进行逆变换过程中越需要注重该部分信息,避免丢失,因此所对应的系数变化量越大。根据系数变化量调整高频系数集合中的每个高频系数,获得调整高频系数集合。
优选地,在本发明一个实施例中,以参考区域中的灰度值标准差作为系数变化量。在其他实施例中也可选用方差、熵值等用于表示灰度值分布离散程度的指标,在此不做限定。
优选地,在本发明一个实施例中,所述根据所述系数变化量调整所述高频系数集合中的每个高频系数包括:
将高频系数集合中的每个高频系数加上系数变化量,获得调整高频系数,调整高
频系数构成调整高频系数集合。即调整高频系数集合可表示为,其中为系
数变化量。
经过对高频系数的调整,可放大高频系数与低频系数之间的差异,使得逆变换过程中高频边缘信息更加突出,方便与地质环境监测。优选地,为了进一步使得高频系数与低频系数的对比更加明显,在本发明一个实施例中,获得调整高频系数集合后还包括:将低频系数集合中的每个低频系数设置为0,获得调整低频系数集合;根据调整低频系数集合和调整高频系数集合对待分析区域进行逆变换。
步骤S4:根据低频系数集合和调整高频系数集合对待分析区域在变换图像中对应的区域进行逆变换,获得特征图像;对特征图像进行地质环境监测。
基于低频系数集合和调整高频系数集合即可将对应待分析区域对应的变换图像的区域进行逆变换,需要说明的是,小波变换的逆变换过程为本领域技术人员熟知的技术手段,在此不做赘述。
经过逆变换后,每个待分析区域会对应一个逆变换区域,将逆变换区域与非待分析区域进行合并,即可获得特征图像。特征图像中包含特征明显且清晰的地质边缘信息,将特征图像进行可视化显示或者进行自动化危险趋势识别,实现地质环境的监测。需要说明的是,对特征图像进行地质环境监测可使用现有技术中的技术手段,实施者可根据具体实施场景自行设置,在此不做限定及赘述。
综上所述,本发明实施例通过对遥感影像进行局部分析,以仅包含两种灰度值集中分布区域的局部区域作为待分析区域。根据待分析区域内的两种灰度值集中分布区域的能量系数比例获得对应待分析区域的系数分布结构比例,进而在基础频域系数中确定对应的高频系数集合和低频系数集合。进一步对高频系数进行调整,获得调整高频系数集合,对待分析区域在变换图像中对应区域进行逆变换,获得特征图像。根据特征图像进行环境监测。本发明实施例基于局部分析获取准确的高频系数分布,通过地质边缘特征明显的特征图像进行地质环境监测,提高了地质环境监测的效率和参考性。
本发明还提出了一种基于遥感影像的地质环境监测***,包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序,处理器执行计算机程序时实现任意一项一种基于遥感影像的地质环境监测方法的步骤。
需要说明的是:上述本发明实施例先后顺序仅仅为了描述,不代表实施例的优劣。在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。
Claims (9)
1.一种基于遥感影像的地质环境监测方法,其特征在于,所述方法包括:
获取遥感影像,根据所述遥感影像的像素值分布挑选最优基函数对所述遥感影像进行小波变换,获得基础频域系数集合和变换图像;
将所述遥感影像均匀划分为至少两个局部区域;将包含两种灰度值集中分布区域的所述局部区域作为待分析区域;根据每个所述灰度值集中分布区域对应的面积和灰度值,获得所述待分析区域中的两种能量系数,以两种能量系数的比例作为系数分布结构比例;根据所述系数分布结构比例在所述基础频域系数集合中确定每个所述待分析区域的高频系数集合和低频系数集合;
以灰度值最大的所述灰度值集中分布区域作为参考区域,根据参考区域中的灰度值分布离散度获得对应所述待分析区域的系数变化量;根据所述系数变化量调整所述高频系数集合中的每个高频系数,获得调整高频系数集合;
根据所述低频系数集合和所述调整高频系数集合对所述待分析区域在所述变换图像中对应的区域进行逆变换,获得特征图像;对所述特征图像进行地质环境监测;
所述最优基函数的获取方法包括:
获得所述遥感影像的灰度标准差和灰度均值,以所述灰度标准差作为分子,所述灰度标准差与所述灰度均值的和值作为分母,获得选取指标;若所述选取指标大于预设选取指标阈值,则以Daubechies小波基函数作为优选基函数;若所述选取指标不大于预设选取指标阈值,则以Haar小波基函数作为最优基函数。
2.根据权利要求1所述的一种基于遥感影像的地质环境监测方法,其特征在于,所述待分析区域的获取方法包括:
获得每个所述局部区域的灰度直方图曲线,根据所述灰度直方图曲线中的极值点将其分为段,获得波段曲线;若所述灰度直方图曲线包含两个波段曲线,则将两段所述波段曲线对应像素点的区域作为所述灰度值集中分布区域,将对应所述局部区域作为所述待分析区域。
3.根据权利要求1所述的一种基于遥感影像的地质环境监测方法,其特征在于,所述能量系数的获取方法包括:
将所述灰度值集中分布区域中每种灰度值的平方后累加,获得初始能量值;以所述初始能量值与所述灰度值集中分布区域的面积的比值作为所述能量系数。
4.根据权利要求1所述的一种基于遥感影像的地质环境监测方法,其特征在于,所述以两种能量系数的比例作为系数分布结构比例包括:
以灰度值最小的所述灰度值集中分布区域的所述能量系数与所述参考区域的所述能量系数的比值作为系数分布结构比例;所述系数分布结构比例为第一个频域系数到高频系数阈值的距离与高频系数阈值到最后一个频域系数的距离的比值。
5.根据权利要求4所述的一种基于遥感影像的地质环境监测方法,其特征在于,所述根据所述系数分布结构比例在所述基础频域系数集合中确定高频系数集合和低频系数集合包括:
根据所述系数分布结构比例在所述基础频域系数集合中确定高频系数阈值的位置,以大于等于所述高频系数阈值的频域系数构成的集合作为所述高频系数集合,其他频域系数构成所述低频系数集合。
6.根据权利要求1所述的一种基于遥感影像的地质环境监测方法,其特征在于,所述根据参考区域中的灰度值分布离散度获得对应所述待分析区域的系数变化量包括:
以所述参考区域中的灰度值标准差作为所述系数变化量。
7.根据权利要求1所述的一种基于遥感影像的地质环境监测方法,其特征在于,所述根据所述系数变化量调整所述高频系数集合中的每个高频系数包括:
将所述高频系数集合中的每个所述高频系数加上所述系数变化量,获得调整高频系数,所述调整高频系数构成所述调整高频系数集合。
8.根据权利要求1所述的一种基于遥感影像的地质环境监测方法,其特征在于,所述获得调整高频系数集合后还包括:
将所述低频系数集合中的每个低频系数设置为0,获得调整低频系数集合;根据所述调整低频系数集合和所述调整高频系数集合对所述待分析区域进行逆变换。
9.一种基于遥感影像的地质环境监测***,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1~8任意一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310609723.0A CN116343051B (zh) | 2023-05-29 | 2023-05-29 | 一种基于遥感影像的地质环境监测方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310609723.0A CN116343051B (zh) | 2023-05-29 | 2023-05-29 | 一种基于遥感影像的地质环境监测方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116343051A CN116343051A (zh) | 2023-06-27 |
CN116343051B true CN116343051B (zh) | 2023-07-28 |
Family
ID=86889783
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310609723.0A Active CN116343051B (zh) | 2023-05-29 | 2023-05-29 | 一种基于遥感影像的地质环境监测方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116343051B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116894951B (zh) * | 2023-09-11 | 2023-12-08 | 济宁市质量计量检验检测研究院(济宁半导体及显示产品质量监督检验中心、济宁市纤维质量监测中心) | 一种基于图像处理的珠宝在线监测方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011096550A1 (en) * | 2010-02-08 | 2011-08-11 | Canon Kabushiki Kaisha | Method and apparatus for reducing noise in mass signal |
CN108133176A (zh) * | 2017-12-05 | 2018-06-08 | 交通运输部规划研究院 | 一种利用遥感解译分析技术监测港口填海的方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105260729B (zh) * | 2015-11-20 | 2018-10-26 | 武汉大学 | 一种基于随机森林的卫星遥感影像云量计算方法 |
CA3168047A1 (en) * | 2017-06-14 | 2018-12-20 | Shanghai United Imaging Healthcare Co., Ltd. | System and method for image processing |
US10949950B2 (en) * | 2017-06-14 | 2021-03-16 | Shanghai United Imaging Healthcare Co., Ltd. | System and method for image processing |
CN107144829B (zh) * | 2017-06-29 | 2019-11-19 | 南京信息工程大学 | 一种高效的激光雷达回波信号去噪方法 |
CN107563438B (zh) * | 2017-08-31 | 2019-08-30 | 西南交通大学 | 一种快速鲁棒的多模态遥感影像匹配方法和*** |
CN115984134A (zh) * | 2022-12-30 | 2023-04-18 | 黄河水利职业技术学院 | 一种遥感测绘图像智能增强方法 |
-
2023
- 2023-05-29 CN CN202310609723.0A patent/CN116343051B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011096550A1 (en) * | 2010-02-08 | 2011-08-11 | Canon Kabushiki Kaisha | Method and apparatus for reducing noise in mass signal |
CN108133176A (zh) * | 2017-12-05 | 2018-06-08 | 交通运输部规划研究院 | 一种利用遥感解译分析技术监测港口填海的方法 |
Non-Patent Citations (1)
Title |
---|
基于小波分析的遥感影像薄云去除算法研究;李超炜;邓新蒲;赵昊宸;;数字技术与应用(第06期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116343051A (zh) | 2023-06-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8594456B2 (en) | Image denoising method | |
CN109919870B (zh) | 一种基于bm3d的sar图像相干斑抑制方法 | |
CN102819827B (zh) | 一种基于灰度分割的自适应矩匹配条带噪声去除方法 | |
CN111612741B (zh) | 一种基于失真识别的精确无参考图像质量评价方法 | |
CN116343051B (zh) | 一种基于遥感影像的地质环境监测方法及*** | |
EP1374168A2 (en) | Method and apparatus for determining regions of interest in images and for image transmission | |
CN111210393B (zh) | 一种基于边缘提取的彩色图像增强方法、***及存储介质 | |
CN112070717B (zh) | 基于图像处理的输电线路覆冰厚度检测方法 | |
CN113191979B (zh) | 一种分区域sar图像非局部均值去噪方法 | |
CN109685730B (zh) | 一种基于自适应非局域均值的小波去噪方法 | |
CN115984134A (zh) | 一种遥感测绘图像智能增强方法 | |
CN104537624B (zh) | 基于ssim校正聚类稀疏表示的sar图像降斑方法 | |
CN109389063B (zh) | 基于波段相关性的遥感影像条带噪声去除方法 | |
CN113129300A (zh) | 一种降低误检率的排水管道缺陷检测方法、装置、设备及介质 | |
CN116468958B (zh) | 通信铁塔安全检测方法及*** | |
Zafeiridis et al. | A New Sharpening Technique for Medical Images using Wavelets and Image Fusion. | |
CN112927169B (zh) | 一种基于小波变换和改进的加权核范数最小化的遥感影像去噪方法 | |
Parihar | Histogram modification and DCT based contrast enhancement | |
CN115908155A (zh) | Nsst域结合gan及尺度相关系数的低照度图像增强及去噪方法 | |
CN114627164A (zh) | 一种图像局部结构差异评估方法及*** | |
Delon et al. | A patch-based approach for random-valued impulse noise removal | |
CN113269687A (zh) | 一种基于参数优化的非局部平均红外图像去噪方法 | |
CN114612327B (zh) | 一种基于sar影像非局部高斯加权中值滤波算法 | |
CN118247274B (zh) | 一种手机镜头结构件的检测装置及检测方法 | |
Fazel et al. | Speckle reduction of SAR images using curvelet and wavelet transforms based on spatial features characteristics |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |