• 
    

    
    

      99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

      基于ENVI/IDL的高分遙感數(shù)據(jù)自動(dòng)預(yù)處理及植被 提取方法:以湖南林業(yè)為例

      2020-04-22 09:46:02威,楊芳,,張鵬,王新*
      關(guān)鍵詞:全色波段植被

      王 威,楊 芳, ,張 鵬,王 新*

      (1. 長(zhǎng)沙理工大學(xué) 計(jì)算機(jī)與通信工程學(xué)院,長(zhǎng)沙 410114;2. 湖南神帆科技有限公司,長(zhǎng)沙 410000)

      森林資源是具有再生性的動(dòng)態(tài)性資源,森林資源調(diào)查能夠及時(shí)準(zhǔn)確地為森林資源的保護(hù)和開(kāi)發(fā)等提供參考[1]﹒傳統(tǒng)模式的林業(yè)調(diào)查存在工作量大、成本高、時(shí)間長(zhǎng)、效率低、時(shí)效性差等問(wèn)題﹒而遙感技術(shù)覆蓋范圍大、更新速度快,可以及時(shí)準(zhǔn)確地獲得森林資源的變化情況,因此得到了廣泛應(yīng)用[2-3]﹒自高分專項(xiàng)工程2010 年啟動(dòng)實(shí)施以來(lái),成功發(fā)射了高分一號(hào)、高分二號(hào)等光學(xué)遙感衛(wèi)星以及高分七號(hào)空間立體觀測(cè)衛(wèi)星﹒至此,高分?jǐn)?shù)據(jù)體系基本形成﹒這極大豐富了我國(guó)自主 對(duì)地觀測(cè)數(shù)據(jù)源,為現(xiàn)代農(nóng)業(yè)、防災(zāi)減災(zāi)、環(huán)境監(jiān)測(cè)及脫貧攻堅(jiān)等領(lǐng)域提供了可靠穩(wěn)定的衛(wèi)星數(shù)據(jù)支持﹒豐富的高分?jǐn)?shù)據(jù)資源可以為國(guó)土資源和林業(yè)管理等部門,以及其他用戶提供應(yīng)用服務(wù)﹒

      湖南省林業(yè)面積1 300 萬(wàn)公頃,占全省國(guó)土總面積的61.4%,森林覆蓋率59.82%,活立木總蓄積量5.73 億立方米,全省林業(yè)產(chǎn)業(yè)總值達(dá)4 657億元(2018 年數(shù)據(jù))﹒面對(duì)如此龐大的面積和數(shù)據(jù)量,每一次林地調(diào)查都需要花費(fèi)龐大的人力物力,而利用高分遙感數(shù)據(jù)進(jìn)行林業(yè)調(diào)查,可以大大提高工作效率﹒湖南省已經(jīng)成立了國(guó)家高分辨率對(duì)地觀測(cè)系統(tǒng)湖南數(shù)據(jù)應(yīng)用中心和衛(wèi)星導(dǎo)航技術(shù)檢測(cè)中心等為遙感應(yīng)用提供服務(wù)平臺(tái)﹒但是,這些平臺(tái)的高級(jí)別數(shù)據(jù)產(chǎn)品的批量生產(chǎn)還存在問(wèn)題,限制了高分遙感衛(wèi)星數(shù)據(jù)的應(yīng)用,在基層林業(yè)部門,這一問(wèn)題尤為突出﹒

      為了解決上述問(wèn)題,提高國(guó)產(chǎn)高分辨遙感數(shù)據(jù)的使用率,推動(dòng)國(guó)產(chǎn)高分衛(wèi)星數(shù)據(jù)在林業(yè)的應(yīng)用,本文結(jié)合湖南省的實(shí)際情況,提出了一種面向湖南省林業(yè)調(diào)查的高分遙感數(shù)據(jù)的預(yù)處理及植被提取方法﹒該方法在源數(shù)據(jù)基礎(chǔ)上自動(dòng)對(duì)遙感圖像進(jìn)行預(yù)處理并分發(fā)到用戶,可以解決源數(shù)據(jù)不能直接應(yīng)用的問(wèn)題,而經(jīng)過(guò)植被增強(qiáng)處理的圖像,可以為林業(yè)調(diào)查提供更精細(xì)的可視化數(shù)據(jù)﹒

      1 高分?jǐn)?shù)據(jù)預(yù)處理及植被提取方法

      高分二號(hào)衛(wèi)星的源數(shù)據(jù)主要包括全色圖像、多光譜圖像、影像縮略圖、RPB 文件以及記錄圖像信息的XML 文件等﹒在森林資源調(diào)查應(yīng)用中所使用的高分遙感圖像應(yīng)該滿足“林業(yè)一張圖”的要求﹒在完成圖像校正、融合的基礎(chǔ)上,對(duì)圖像進(jìn)行配準(zhǔn),為拼接大幅面圖像做準(zhǔn)備;對(duì)圖像進(jìn)行植被增強(qiáng),突出植被色彩特性,便于人工判讀;同時(shí),讓其具有穩(wěn)定的灰度動(dòng)態(tài)范圍,便于后續(xù)計(jì)算和解譯處理﹒

      為了達(dá)到對(duì)高分?jǐn)?shù)據(jù)的自動(dòng)預(yù)處理及植被提取的目的,并為林業(yè)應(yīng)用提供符合條件的高質(zhì)量圖像,該方法基于ENVI 軟件進(jìn)行2 次開(kāi)發(fā),利用計(jì)算機(jī)平臺(tái)進(jìn)行算法研究并編程實(shí)現(xiàn),其主要的處理過(guò)程如圖1 所示﹒

      1.1 大氣校正

      大氣校正的目的是為了消除由大氣和光照等 因素對(duì)地物反射的影響[4]﹒在林業(yè)應(yīng)用中,需要通過(guò)大氣校正來(lái)調(diào)整圖像顏色,使最終的圖像產(chǎn)品色調(diào)符合視覺(jué)特性﹒這里使用快速大氣校正(QUAC)模型,其數(shù)學(xué)表達(dá)式為

      圖1 總體流程

      其中 ai表示從圖像中收集的波譜信息﹒QUAC 模型支持的多種傳感器類型主要包括:Landsat TM、AISA、AVIRIS、CAP、ARCHER、COMPASS、HYCAS、HYDICE、KONOS、MODIS、QuickBird以及Unknown Sensor 等﹒QUAC 模型不需要配套信息,它能夠自動(dòng)從圖像中收集不同物質(zhì)的波譜信息,從而得到大氣補(bǔ)償參數(shù),且對(duì)其他參數(shù)的要求較低,運(yùn)算速度快﹒

      1.2 正射校正

      遙感影像受傳感器觀測(cè)角度和地面高程等因素的影響,會(huì)產(chǎn)生視覺(jué)差,并引起圖像變形,因此需要對(duì)圖像進(jìn)行正射校正﹒在圖像上選取控制點(diǎn),先利用該圖像范圍內(nèi)的DEM(digital elevation model)數(shù)據(jù);然后結(jié)合RPC(rational polynomial coefficient)模型[5-6]得到正確的位置坐標(biāo);最后對(duì)圖像進(jìn)行校正并重新生成正射影像﹒用RPC 參數(shù)替代以共線條件為基礎(chǔ)的幾何模型[7],在提供精確地理信息的同時(shí),能夠保證衛(wèi)星的相關(guān)參數(shù)不被泄露,這是國(guó)內(nèi)外測(cè)繪衛(wèi)星提供產(chǎn)品的主要方法﹒RPC 模型的實(shí)質(zhì)是有理函數(shù)模型(RFM)[8],不需要內(nèi)外方位元素,回避了成像的幾何過(guò)程,同時(shí)將地面坐標(biāo)和影像坐標(biāo)正則化到-1~1 之間,增強(qiáng)了參數(shù)求解的穩(wěn)定性,其數(shù)學(xué)表達(dá)式為

      1.3 圖像融合

      圖像融合是指將多源信道所采集到的關(guān)于同一目標(biāo)的圖像經(jīng)過(guò)一定的處理,充分提取各自信道的信息,最后融合成一幅圖像的過(guò)程[9]﹒圖像融合也是林業(yè)遙感應(yīng)用的關(guān)鍵步驟,高分系統(tǒng)源數(shù)據(jù)包含高空間分辨率的全色圖像和低空間分辨率的多光譜圖像﹒利用圖像融合算法,能夠生成目視效果更佳且具有高空間分辨率的多光譜圖像[10]﹒使用Gram-Schmidt Pan Sharpening(GS)方法[11]進(jìn)行融合,基本步驟如下:

      首先,使用多光譜影像對(duì)高分辨率全色影像進(jìn)行模擬[12]﹒

      其次,利用模擬的高分辨率全色影像作為第1 個(gè)分量來(lái)對(duì)多光譜影像進(jìn)行GS 變換,其變換公式為

      最后,用高分辨率全色影像替換GS 變換后的第1 個(gè)分量(即 GS1分量),再對(duì)替換后的數(shù)據(jù)集進(jìn)行GS 逆變換,最終完成多光譜影像與全色率影像的融合﹒

      Gram-Schmidt 融合是通過(guò)統(tǒng)計(jì)分析方法對(duì)參與融合的各波段進(jìn)行最佳匹配,對(duì)于一次處理的波段數(shù)沒(méi)有限制﹒融合產(chǎn)生的高分辨率多光譜影像不僅較好的保持了空間紋理信息,還能保持全色影像的光譜特性,并且信息失真小,可以完成絕大部分遙感圖像的融合﹒

      1.4 圖像配準(zhǔn)

      圖像配準(zhǔn)是遙感圖像處理中的一項(xiàng)基本任務(wù),用于匹配在不同時(shí)間、不同傳感器或不同視角拍攝的2 幅或多幅圖像[13]﹒配準(zhǔn)的意義在于尋求圖像之間的變換模型,使2 幅或者多幅有重疊區(qū)域的圖像在同一坐標(biāo)系下顯示﹒遙感圖像配準(zhǔn)方法可以分為4 類[14]:基于混合模型的配準(zhǔn)、基于區(qū)域的配準(zhǔn)、基于物理模型的配準(zhǔn)以及基于特征的配準(zhǔn)﹒基于特征的配準(zhǔn)是現(xiàn)階段使用最多的配準(zhǔn)方法,一般分為3 步:特征提取、特征匹配和圖像配準(zhǔn),其中特征提取是圖像配準(zhǔn)的關(guān)鍵﹒使用Harris 算子提取特征,該算子采用了一種新的角點(diǎn)判定方法﹒該方法認(rèn)為特征點(diǎn)是局部范圍極大興趣值對(duì)應(yīng)的像素點(diǎn),使用高斯函數(shù)代替二值窗口函數(shù),對(duì)圖像中的每個(gè)點(diǎn)都計(jì)算其興趣值,離中心越近的像素權(quán)重越大;并使用Taylor 展開(kāi)公式,計(jì)算每隔45°方向的灰度平方和,其數(shù)學(xué)表達(dá)式為

      圖像配準(zhǔn)分為3 個(gè)步驟:首先獲取配準(zhǔn)聯(lián)絡(luò)點(diǎn),為了能保留足夠的聯(lián)絡(luò)點(diǎn)數(shù),初始聯(lián)絡(luò)點(diǎn)增加至2 048 個(gè),指定最小匹配得分為0.5,做初次篩選;再刪除誤差過(guò)大的聯(lián)絡(luò)點(diǎn),指定每個(gè)聯(lián)絡(luò)點(diǎn)允許的最大誤差為4;最后對(duì)圖像進(jìn)行配準(zhǔn)﹒

      1.5 植被提取

      實(shí)驗(yàn)研究中常利用植被覆蓋度數(shù)值的不同來(lái)判斷植被情況,植被覆蓋度可用于植被變化、水土保持和生態(tài)環(huán)境研究等方面,測(cè)量植被覆蓋度可分為遙感測(cè)量和地面測(cè)量2 種方法[15-16]﹒目前遙感測(cè)量植被覆蓋度較為實(shí)用的方法是用植被指數(shù)近似估算植被覆蓋度,常用的植被指數(shù)為歸一化植被指數(shù)(NDVI)[17]﹒高分辨率遙感圖像中植被的光譜特征如下:在紅、藍(lán)波段能量低,在綠色波段附近會(huì)形成一個(gè)小的峰值﹒因葉片內(nèi)部的結(jié)構(gòu)影響,植被在近紅外區(qū)域的反射明顯,有很高的能量﹒如果某區(qū)域在近紅外波段有大量反射的光輻射,這個(gè)區(qū)域的植被密度可能就較高,所以可以利用這一特性計(jì)算NDVI,其計(jì)算公式為

      其中NIR 和R 分別為近紅外波段和紅波段處的反射率值;NDVI 的結(jié)果在0~1 之間,當(dāng)區(qū)域內(nèi)沒(méi)有植被或者植被稀疏時(shí)結(jié)果趨近于0,而結(jié)果接近1 則表明區(qū)域內(nèi)可能植物密度較高﹒植被提取區(qū)域由NDVI 閾值來(lái)確定,閾值可根據(jù)不同需求自定義﹒利用NDVI 對(duì)單波段逐一進(jìn)行加權(quán)運(yùn)算,然后代入波段運(yùn)算合成多波段植被提取圖像﹒

      1.6 植被增強(qiáng)

      遙感圖像的植被信息由于大氣的影響以及傳感器自身的原因,在圖片上經(jīng)常不能得到很好地反映,使其在林業(yè)相關(guān)應(yīng)用中達(dá)不到使用要求﹒一般情況下可見(jiàn)光遙感圖像的植被光譜特征不突出,所以需要通過(guò)后續(xù)處理來(lái)增強(qiáng)地物的顏色層次,常用方法有波段加權(quán)處理和PS 顏色調(diào)整﹒為了突出植被色彩信息,便于人工判讀,根據(jù)NDVI 數(shù)值進(jìn)行分段的波段加權(quán)運(yùn)算,加權(quán)運(yùn)算公式為

      其中, b1為NDVI 數(shù)值; b2是近紅外(NIR)波段數(shù)值;b3是G 波段數(shù)值﹒由于數(shù)據(jù)并非全部需要進(jìn)行植被增強(qiáng),故本模塊為可選模塊﹒

      1.7 數(shù)據(jù)拉伸

      首先,將遙感圖像從16 位轉(zhuǎn)換為8 位,圖像灰度級(jí)變?yōu)?56 個(gè),使其具有穩(wěn)定的灰度動(dòng)態(tài)范圍,能夠避免可見(jiàn)的條帶失真;再平均擴(kuò)展它的對(duì)比度,使亮處更亮,暗處更暗,從而將不易分辨的灰度差拉開(kāi)距離,使圖片更有層次,還可以減少內(nèi)存,便于后續(xù)計(jì)算和解譯處理;最后,將圖像進(jìn)行百分比線性拉伸,從16 位降為8 位,然后取圖像的前3 個(gè)波段保存,輸出波段順序?yàn)镽GB,格式為GeoTiff 的遙感圖像﹒

      2 應(yīng)用實(shí)例分析

      結(jié)合現(xiàn)有數(shù)據(jù)和實(shí)際需求,重點(diǎn)對(duì)湖南省郴州市以及常德市的高分二號(hào)數(shù)據(jù)進(jìn)行實(shí)驗(yàn)﹒高分二號(hào)(GF-2)衛(wèi)星成像寬幅45 km,搭載2 臺(tái)相機(jī),具有亞米級(jí)空間分辨率,其中全色圖像分辨率為1 m,多光譜圖像分辨率為4 m﹒為了測(cè)試自動(dòng)處理流程的實(shí)用性、穩(wěn)定性以及處理效率,這里選取了不同地區(qū)和不同時(shí)相的GF-2 號(hào)遙感數(shù)據(jù)進(jìn)行實(shí)驗(yàn)﹒

      2.1 圖像融合

      以郴州市蘇仙區(qū)2016 年GF-2 號(hào)高分辨率遙感數(shù)據(jù)為例,首先對(duì)多光譜圖像進(jìn)行快速大氣校正;然后使用GMTED2010.jp2(ENVI 自帶)數(shù)據(jù)同時(shí)對(duì)多光譜圖像和全色圖像進(jìn)行RPC 正射校正;最后進(jìn)行GS 圖像融合,圖像融合的結(jié)果如圖2 所示﹒其中,圖2(a)是分辨率為1 m 的全色圖像;圖2(c)是分辨率為4 m 的多光譜圖像;圖2(e)為多光譜和全色圖像的融合圖像﹒為方便展示,圖2 中(b)、(d)、(f)僅截取了圖像一部分﹒圖2(f)結(jié)合了前兩者的信息,提高了空間分辨率和光譜分辨率,能快速地分清地物類別,觀察細(xì)節(jié)信息,可以滿足后續(xù)應(yīng)用中對(duì)地物細(xì)節(jié)和色彩的要求,有利于在林業(yè)應(yīng)用中進(jìn)行人工判讀﹒

      圖2 全色與多光譜圖像融合結(jié)果

      2.2 圖像配準(zhǔn)

      以常德市漢壽縣2017 年GF-2 號(hào)衛(wèi)星數(shù)據(jù)為例,底圖選取GoogleEarth 漢壽縣圖像,設(shè)置初始聯(lián)絡(luò)點(diǎn)2 048 個(gè),最小匹配得分為0.5,每個(gè)聯(lián)絡(luò)點(diǎn)允許的最大誤差為4﹒未配準(zhǔn)圖像的坐標(biāo)位置和實(shí)際坐標(biāo)存在偏差,通過(guò)本方法進(jìn)行配準(zhǔn),配準(zhǔn)結(jié)果如圖3 所示﹒配準(zhǔn)后的圖像與底圖坐標(biāo)基本匹配,配準(zhǔn)效果較好,為以后對(duì)比多幅圖像以及“林業(yè)一張圖”的實(shí)現(xiàn)提供了基礎(chǔ)﹒

      圖3 2 幅圖像的配準(zhǔn)結(jié)果

      2.3 植被提取

      以郴州市北湖區(qū)2017 年GF-2 號(hào)衛(wèi)星的數(shù)據(jù)為例,取NDVI 值大于0.3 的波段進(jìn)行加權(quán)運(yùn)算并提取植被信息,結(jié)果如圖4 所示﹒其中,圖4(a)為城區(qū)截取圖,大部分能夠肉眼區(qū)分,但是部分區(qū)域由于房屋陰影等影響不易辨別,而且人眼區(qū)分需要大量的時(shí)間和精力;圖4(b)為所選閾值下的城區(qū)植被提取圖,植被信息豐富的區(qū)域已基本提取出來(lái),可以直接投入應(yīng)用或作為后續(xù)研究的參考﹒由于城區(qū)中存在廠房等其他物體,在近紅外光波段也有大量反射的光輻射,故可能存在部分誤判﹒如圖4(b)中將圖4(a)中上部分的藍(lán)色廠房誤判為植被,但是在提取結(jié)果圖中可以很好地辨認(rèn),并不影響后續(xù)應(yīng)用﹒圖4(c)是郴州市郊區(qū)截取圖,圖4(d)為其植被提取結(jié)果,由于未受到高反射率建筑的影響,圖4(c)中的植被信息基本被提取了出來(lái),并未誤判﹒植被提取圖可以很好地應(yīng)用在林地變化檢測(cè)、環(huán)境監(jiān)控等領(lǐng)域中﹒

      2.4 植被增強(qiáng)

      植被信息是林業(yè)應(yīng)用的重點(diǎn)關(guān)注對(duì)象,因此需對(duì)遙感圖像進(jìn)行植被增強(qiáng),即在遙感圖像其他地物不失真的基礎(chǔ)上充分提取植被信息,增強(qiáng)植被的顏色層次﹒NDVI 閾值取值范圍為[0, 1],將其分為4 個(gè)區(qū)間:[0, 0.2),[0.2, 0.3),[0.3, 0.4),[0.4, 1],分別對(duì)對(duì)應(yīng)波段進(jìn)行加權(quán)運(yùn)算,其結(jié)果如圖5 所示﹒其中,圖5(a)是2 幅沒(méi)有進(jìn)行植被增強(qiáng)的圖像截取圖;圖5(b)是將2 幅圖像進(jìn)行植被增強(qiáng)后的截取圖﹒植被信息經(jīng)過(guò)增強(qiáng)的圖像不僅能充分體現(xiàn)植被信息,易于辨別,同時(shí)減少了遙感圖像在色彩上的差異﹒在林地監(jiān)控等需要對(duì)比2 幅或者多幅遙感圖像的應(yīng)用中,植被增強(qiáng)能夠有效減少由于遙感圖像本身色彩差異所帶來(lái)的實(shí)驗(yàn)誤差﹒

      圖4 植被提取效果

      圖5 植被增強(qiáng)效果

      以上實(shí)驗(yàn)結(jié)果證明:所述方法能自動(dòng)進(jìn)行遙感數(shù)據(jù)的預(yù)處理以及植被提取,且處理的時(shí)長(zhǎng)穩(wěn)定,平均31 min 可處理完1 幅圖像(29 200*27 620像素);預(yù)處理的遙感圖像能夠融合并保留源圖像的有效信息,圖像配準(zhǔn)精度較高,能充分增強(qiáng)植被的顏色層次;經(jīng)過(guò)該流程處理的結(jié)果圖以及在中間過(guò)程中輸出的植被提取圖,均可被各部門直接應(yīng)用,避免了應(yīng)用前的手動(dòng)預(yù)處理,為遙感數(shù)據(jù)的使用提供了方便﹒

      3 結(jié)語(yǔ)

      以湖南林業(yè)為例,提出了一種可以支撐林業(yè)調(diào)查應(yīng)用需求的高分遙感數(shù)據(jù)自動(dòng)預(yù)處理以及植被提取方法﹒該方法在傳統(tǒng)遙感圖像預(yù)處理的基礎(chǔ)上,增加了植被提取、植被增強(qiáng)和數(shù)據(jù)拉伸模塊,使輸出的遙感圖像色彩更明亮,圖像灰度的穩(wěn)定性更高,在林地監(jiān)測(cè)和農(nóng)業(yè)普查等方面有著較高的應(yīng)用價(jià)值﹒相關(guān)實(shí)驗(yàn)數(shù)據(jù)已經(jīng)依托湖南省林業(yè)廳和湖南省林業(yè)科學(xué)院的合作,應(yīng)用到了湖南省各地,如郴州市利用遙感圖像對(duì)油茶面積進(jìn)行監(jiān)督和統(tǒng)計(jì),為油茶地的監(jiān)控提供了很大的幫助﹒因成像技術(shù)和天氣等因素的影響,有時(shí)小部分圖像選點(diǎn)誤差較大,刪除的誤差點(diǎn)較多,可能會(huì)導(dǎo)致配準(zhǔn)不準(zhǔn)確,對(duì)于這類圖像,可以將本程序進(jìn)行擴(kuò)展,輸出中間數(shù)據(jù),手動(dòng)選取配準(zhǔn)點(diǎn)進(jìn)行配準(zhǔn)﹒后期研究會(huì)繼續(xù)探索其他適用于本流程的配準(zhǔn)算法,在不影響運(yùn)行速率的基礎(chǔ)上,不斷提高配準(zhǔn)精度﹒

      猜你喜歡
      全色波段植被
      春日暖陽(yáng)
      基于植被復(fù)綠技術(shù)的孔植試驗(yàn)及應(yīng)用
      三星“享映時(shí)光 投已所好”4K全色激光絢幕品鑒會(huì)成功舉辦
      海信發(fā)布100英寸影院級(jí)全色激光電視
      淺談書畫裝裱修復(fù)中的全色技法
      收藏界(2019年4期)2019-10-14 00:31:10
      綠色植被在溯溪旅游中的應(yīng)用
      M87的多波段輻射過(guò)程及其能譜擬合
      基于原生植被的長(zhǎng)山群島植被退化分析
      日常維護(hù)對(duì)L 波段雷達(dá)的重要性
      西藏科技(2015年4期)2015-09-26 12:12:58
      全色影像、多光譜影像和融合影像的區(qū)別
      太空探索(2014年11期)2014-07-12 15:16:52
      邵武市| 日喀则市| 南郑县| 镇巴县| 长白| 兴义市| 恩平市| 九台市| 麟游县| 安乡县| 成都市| 施秉县| 咸丰县| 昌都县| 中卫市| 涞水县| 和顺县| 延庆县| 道真| 成都市| 卓资县| 昌平区| 白水县| 云阳县| 隆回县| 双鸭山市| 藁城市| 绥德县| 南漳县| 偏关县| 三原县| 扬州市| 什邡市| 微博| 中江县| 和田县| 利津县| 阿合奇县| 东阿县| 临洮县| 乐清市|