一种水域水位提取方法、系统及存储介质转让专利
申请号 : CN202110464453.X
文献号 : CN112991425B
文献日 : 2021-08-06
发明人 : 杜庭晖 , 姜益民 , 洪勇 , 罗冷坤 , 吴燕平
申请人 : 武汉光谷信息技术股份有限公司
摘要 :
权利要求 :
1.一种水域水位提取方法,其特征在于,包括:基于多张遥感卫星影像,提取每一张遥感卫星影像中的水体区域,并获取水域面积;
获取每一张遥感卫星影像对应的水位线图像,从所述水位线图像中提取水位值;
根据每一张遥感卫星影像对应的水域面积和水位值,建立水域面积和水位值之间的第一函数关系式;
利用每一个水位值所在位置点的高程值,对所述第一函数关系式进行优化,得到优化后的第二函数关系式;
提取待识别遥感卫星影像中的水域面积,基于所述第二函数关系式,获取待识别卫星遥感影像中水体区域的水位值;
所述第一函数关系式为线性函数关系式,所述第一函数关系式为:y=wx+b;
其中,w为一次项系数,b为常数系数,x为水体水域面积,y为水位值;
所述利用每一个水位值所在位置点的高程值,对所述函数关系式进行优化,得到优化后的第二函数关系式,包括:
根据遥感卫星影像、水域点位信息和水位值的对应关系,获取任一张遥感卫星影像中的各个水位值对应的水域点位信息;
获取每一个水域点位信息对应的高程值;
基于所述任一张遥感卫星影像的水域面积和多个水域点位信息的高程值,建立水域面积与高程值之间的第三函数关系式;
利用所述第三函数关系式对所述第一函数关系式进行优化,获取第二函数关系式;所述第三函数关系式为非线性函数关系式;
相应的,所述利用所述第三函数关系式对所述第一函数关系式进行优化,获取第二函数关系式,包括:
y’=wx+b+w’d(x);其中,w、b 分别为第一函数关系式的参数,w’为补偿系数,d(x)为第三函数关系式,y’为第二函数关系式。
2.根据权利要求1所述的水域水位提取方法,其特征在于,所述基于多张遥感卫星影像,提取每一张遥感卫星影像中的水体区域,并获取水域面积,包括:获取不同时期不同区域的多张遥感卫星影像,利用水体指数分类法从每一张遥感卫星影像中提取水体指数图像,获取多张水体指数图像;
基于阈值分类法和聚类方法从每一张水体指数图像中提取出水体区域,并获取水域面积。
3.根据权利要求2所述的水域水位提取方法,其特征在于,所述基于阈值分类法和聚类方法从每一张水体指数图像中提取出水体区域,并获取水域面积,包括:对于任一张水体指数图像,计算所述任一张水体指数图像中的每一个像素点的像素值与预设分类阈值之间的大小关系;
根据所述大小关系将所述任一张水体指数图像的所有的像素点分类两类;
对分类为水体区域的所有像素点进行聚类,筛选掉分类异常的像素点,获取水体区域,并获取水域面积。
4.根据权利要求1所述的水域水位提取方法,其特征在于,所述获取每一张遥感卫星影像对应的水位线图像,从所述水位线图像中提取水位值,包括:提取任一张遥感卫星影像中不同点位的水位线图像,获取所述任一张遥感卫星影像对应的多张水位线图像,并记录每一张水位线图像的水域点位信息;
利用水位检测模型提取每一张水位线图像中的水位值;
将遥感卫星影像、水域点位信息和水位值对应存储。
5.根据权利要求4所述的水域水位提取方法,其特征在于,所述利用水位检测模型提取每一张水位线图像中的水位值,包括:获取多张水位线图像,并利用水位标尺获取每一张水位线图像的水位值;
以包括多张水位线图像以及每一张水位线图像对应的水位值为标签的训练样本集对水位检测模型进行训练,获取训练后的水位检测模型;
利用训练后的水位检测模型对遥感卫星影像中的每一张水位线图像进行水位值的识别。
6.一种水域水位提取系统,其特征在于,包括:提取模块,用于基于多张遥感卫星影像,提取每一张遥感卫星影像中的水体区域,并获取水域面积;以及获取每一张遥感卫星影像对应的水位线图像,从所述水位线图像中提取水位值;
建立模块,用于根据每一张遥感卫星影像对应的水域面积和水位值,建立水域面积和水位值之间的第一函数关系式;
优化模块,用于利用每一个水位值所在位置点的高程值,对所述函数关系式进行优化,得到优化后的第二函数关系式;
获取模块,用于提取待识别遥感卫星影像中的水域面积,基于所述第二函数关系式,获取待识别卫星遥感影像中水体区域的水位值;
所述第一函数关系式为线性函数关系式,所述第一函数关系式为:y=wx+b;
其中,w为一次项系数,b为常数系数,x为水体水域面积,y为水位值;
所述利用每一个水位值所在位置点的高程值,对所述函数关系式进行优化,得到优化后的第二函数关系式,包括:
根据遥感卫星影像、水域点位信息和水位值的对应关系,获取任一张遥感卫星影像中的各个水位值对应的水域点位信息;
获取每一个水域点位信息对应的高程值;
基于所述任一张遥感卫星影像的水域面积和多个水域点位信息的高程值,建立水域面积与高程值之间的第三函数关系式;
利用所述第三函数关系式对所述第一函数关系式进行优化,获取第二函数关系式;所述第三函数关系式为非线性函数关系式;
相应的,所述利用所述第三函数关系式对所述第一函数关系式进行优化,获取第二函数关系式,包括:
y’=wx+b+w’d(x);其中,w、b 分别为第一函数关系式的参数,w’为补偿系数,d(x)为第三函数关系式,y’为第二函数关系式。
7.一种计算机可读存储介质,其特征在于,其上存储有计算机管理类程序,所述计算机管理类程序被处理器执行时实现如权利要求1‑5任一项所述的水域水位提取方法的步骤。
说明书 :
一种水域水位提取方法、系统及存储介质
技术领域
背景技术
前水域分布大多使用人工绘制的河流、湖泊等的水域边界。伴随着遥感技术的发展,利用遥
感卫星影像具有的多光谱、多时相、高分辨率、全天候和宏观特性的特点,从遥感卫星影像
上提取水体区域的应用越来越广泛,例如使用归一化水体指数(NDWI)从MODIS影像数据提
取水体区域。
此外,使用Sentinel‑2影像数据提取水体区域的方法,精度高,成本低,同时兼具宏观特性。
水位高度的测量则通常使用水位标尺进行目视判断,但由于复杂地形、极端天气等因素,难
以获取更为实时准确的数据,不仅如此,传统水位测量的方法难以从宏观角度观测。
发明内容
水位高度,同时维护工作量大、成本高的问题。
一张遥感卫星影像对应的水域面积和水位值,建立水域面积和水位值之间的第一函数关系
式;利用每一个水位值所在位置点的高程值,对所述第一函数关系式进行优化,得到优化后
的第二函数关系式;提取待识别遥感卫星影像中的水域面积,基于所述第二函数关系式,获
取待识别卫星遥感影像中水体区域的水位值。
每一张遥感卫星影像中提取水体指数图像,获取多张水体指数图像;基于阈值分类法和聚
类方法从每一张水体指数图像中提取出水体区域,并获取水域面积。
每一个像素点的像素值与预设分类阈值之间的大小关系;根据所述大小关系将所述任一张
水体指数图像的所有的像素点分类两类;对分类为水体区域的所有像素点进行聚类,筛选
掉分类异常的像素点,获取水体区域,并获取水域面积。
感卫星影像对应的多张水位线图像,并记录每一张水位线图像的水域点位信息;利用水位
检测模型提取每一张水位线图像中的水位值;将遥感卫星影像、水域点位信息和水位值对
应存储。
以及每一张水位线图像对应的水位值为标签的训练样本集对水位检测模型进行训练,获取
训练后的水位检测模型;利用训练后的水位检测模型对遥感卫星影像中的每一张水位线图
像进行水位值的识别。
应关系,获取任一张遥感卫星影像中的各个水位值对应的水域点位信息;获取每一个水域
点位信息对应的高程值;基于所述任一张遥感卫星影像的水域面积和多个水域点位信息的
高程值,建立水域面积与高程值之间的第三函数关系式;利用所述第三函数关系式对所述
第一函数关系式进行优化,获取第二函数关系式。
一张遥感卫星影像对应的水位线图像,从所述水位线图像中提取水位值;建立模块,用于根
据每一张遥感卫星影像对应的水域面积和水位值,建立水域面积和水位值之间的第一函数
关系式;优化模块,用于利用每一个水位值所在位置点的高程值,对所述函数关系式进行优
化,得到优化后的第二函数关系式;获取模块,用于提取待识别遥感卫星影像中的水域面
积,基于所述第二函数关系式,获取待识别卫星遥感影像中水体区域的水位值。
水位高度,得以解决复杂地形水位难以测量的问题,同时做到低成本、免维护,精度也有保
证。
附图说明
具体实施方式
每一张遥感卫星影像对应的水位线图像,从所述水位线图像中提取水位值;103、根据每一
张遥感卫星影像对应的水域面积和水位值,建立水域面积和水位值之间的第一函数关系
式;104、利用每一个水位值所在位置点的高程值,对所述第一函数关系式进行优化,得到优
化后的第二函数关系式;105、提取待识别遥感卫星影像中的水域面积,基于所述第二函数
关系式,获取待识别卫星遥感影像中水体区域的水位值。
区域,结合水位线图像进行水位标尺的目标检测,获取水位值。再对水位值和水域面积拟合
得到第一函数关系式,其函数具有一定的精度,在此基础上,引入数字高程模型数据对水面
积‑水位关系的函数关系式进行残差补偿,减少地形地貌的干扰,获得水位精准提取的模
型,也就是第二函数关系式。针对特定水域,即待识别水域,从遥感影像中使用水体指数分
类提取出水域面积,基于第二函数关系式推算水位值。
值之间关系的第一函数关系式。
系式优化第一函数关系式,得到引入了高程数据的第二函数关系式,利用第二函数关系式
来识别水位值。
题,同时做到低成本、免维护,精度也有保证。
水体指数分类法从每一张遥感卫星影像中提取水体指数图像,获取多张水体指数图像;基
于阈值分类法和聚类方法从每一张水体指数图像中提取出水体区域,并获取水域面积。
剪、影像拼接等相关预处理操作,在预处理后的每一张遥感卫星影像上提取水体指数图像,
得到每一张遥感卫星影像对应的水体指数图像。
体指数图像中的每一个像素点的像素值与预设分类阈值之间的大小关系;根据所述大小关
系将所述任一张水体指数图像的所有的像素点分类两类;对分类为水体区域的所有像素点
进行聚类,筛选掉分类异常的像素点,获取水体区域,并获取水域面积。
素值大于预设分类阈值,将像素值大于预设分类阈值的像素点划分为一类,将像素值小于
预设分类阈值的像素点划分为另一类。其中,像素值大于预设分类阈值的一类像素点组成
的区域为水体区域。
方法将分类点聚类,然后筛选去掉范围较小的干扰点,提高水域提取的精度。
记录每一张水位线图像的水域点位信息;利用水位检测模型提取每一张水位线图像中的水
位值;将遥感卫星影像、水域点位信息和水位值对应存储。
同点位的多张水位线图像,并记录每一张水位线图像对应的水域点位信息,也就是在哪个
点位拍摄的水位线图像。
多张水位线图像以及每一张水位线图像对应的水位值为标签的训练样本集对水位检测模
型进行训练,获取训练后的水位检测模型;利用训练后的水位检测模型对遥感卫星影像中
的每一张水位线图像进行水位值的识别。
水位线图像,并利用水位标尺获取每一张水位线图像的水位值。多张水位线图像、每一张水
位线图像对应的水位值为标签形成训练样本集,利用训练样本集对水位检测模型进行训
练,获取训练后的水位检测模型。将上述的每一张水位线图像输入训练后的水位检测模型,
获取由水位检测模型输出的水位值。
终建立的第一函数关系式见上述式(1),第一函数关系式的示意图可参见图3。
息和水位值的对应关系,获取任一张遥感卫星影像中的各个水位值对应的水域点位信息;
获取每一个水域点位信息对应的高程值;基于所述任一张遥感卫星影像的水域面积和多个
水域点位信息的高程值,建立水域面积与高程值之间的第三函数关系式;利用所述第三函
数关系式对所述第一函数关系式进行优化,获取第二函数关系式。
测水位值时,会受到高程值的影响,故此,本发明实施例将高程值引入,来优化第一函数关
系式,获得第二函数关系式。
值之间的第三函数关系式,构建的第三函数关系式的示意图可参见图5,利用第三函数关系
式来优化第一函数关系式,优化后得到的第二函数关系式的示意图可参见图6。
式,包括:
射定标操作。然后由于辐射定标得到的总辐射亮度并非完全的地表真实反射率,其中包含
了由于大气吸收、散射作用造成的误差,进行大气校正操作,消除这部分误差。接着,为了后
续的场景模拟配准的需要,需要将影像按照对应的坐标系进行投影,进行投影转换操作。
的强发射特性,通过设定一定的阈值,实现水体区域的提取,阈值的设定较大程度上决定了
水体提取的精度,对于多时相的影像数据,需要对不同时相的影像设定不同的阈值,操作繁
琐,也降低了提取结果的可靠性。水体指数法通过选取水体反射率最强和最弱的两个波段,
反射率最强的作为分子,反射率最弱的作为分母,通过比值运算最大程度突显两者之间的
差距,同时对指数进行归一化的处理。目前应用最广的有归一化差异水体指数(NDWI)和改
进的归一化差异水体指数(MNDWI)。归一化差异水体指数对绿波段和近红外波段进行指数
运算,其计算公式为:
异水体指数对绿波段和短波红外波段进行指数运算,其计算公式为:
度。
MNDWI与设定阈值进行比较,当像素点的MNDWI大于设定阈值,则将该像素点归类为水体区
域中的一个像素点。对每一个像素点按照该方法进行分类,得到形成水体区域的所有的像
素点,这些像素点形成的图像即为水体指数图像。
或者误分类的点,不应该将其归类到水域中,使用k均值聚类方法将分类点聚类,然后筛选
去掉范围较小的干扰点,提高水域提取的精度,同时计算水域面积以及相关的水域点位信
息,为后续建立模型提供数据基础。
摄像头拍摄的视频隔一定帧数抽取图像,对抽取的图像进行水位标尺的目标检测,就需要
对图像做一些亮度调整,以提高识别的准确率。同时,极端的雨雪、大风天气等原因会使得
图像变得模糊,难以识别,需要相应地做一些去除噪声的操作。
进行深度学习模型训练。在图像预处理的基础上,使用训练好的网络模型识别图像中的水
位标尺,获得水位值。
为:
示点位的总数量,SSE、MSE、RMSE越接近0,数据预测可靠性更高,在水域面积‑水位拟合的线
性函数中,SSE为2.0913,MSE为0.1901,RMSE为0.4360,十分接近0,说明该第一函数关系式
具有一定的精度。同时还引入SSR(回归平方和)、SST(总离差平方和)、R‑square(确定系数)
评价模型的解释能力,SSR、SST、R‑square公式分别为:
水位和水面积之间有着非常强的线性相关关系,可基于该第一函数关系式,从遥感影像中
解译出的水域面积,反推水位值。
为减少第一函数关系式中的误差,提高识别精度,对特定水域点的地形进行分析,水位监测
点往往距离水岸较近,实际测量的水位值往往会受到一定的地形因素的影响。为了更形象
地描述地形因素的影响,结合水域地形模拟示意图(附图4)进行说明,水位高度从8m下降到
5m的过程中,按照水面积‑水位关系的第一函数关系式,水体下降的区域如图中S1部分,受
到地形的影响如图中S2部分所示,使得第一函数关系式模型存在一定的误差,可通过地形
与水面积之间的函数关系进行补偿,如图4中S3部分所示。通过结合数字高程模型,获得水
域的地形数据,将水域面积作为自变量,对应的高程值作为因变量,拟合水面积‑高程之间
的函数关系,即第三函数关系式,如附图5所示,图5中的散列点为从第一函数关系式所得到
的残差值,从图5中可以看出,第一函数关系式的残差值与第三函数关系式的函数曲线基本
吻合,可通过引入相关的补偿系数,实现对水面积‑水位线性函数模型的残差补偿,公式如
下:
所示,图6中的实心点为真实的水位值,空心点为基于第一函数关系式,使用地形数据对残
差进行补偿后的第二函数关系式计算出的水位预测值,能够看到水位预测值更为接近真实
值,模型更为准确,补偿后的结果如附图6所示,从图中6可以看出,补偿后的误差值更小,同
时误差普遍在0.25m以内,水位提取十分精准。因此可通过该第二函数关系式,实现从遥感
卫星影像中提取水域面积,精准推算水位值,达到实际应用的目的。
中提取水位值;
关技术特征,在此不再赘述。
理器820上运行的计算机程序811,处理器820执行计算机程序811时实现以下步骤:基于多
张遥感卫星影像,提取每一张遥感卫星影像中的水体区域,并获取水域面积;获取每一张遥
感卫星影像对应的水位线图像,从所述水位线图像中提取水位值;根据每一张遥感卫星影
像对应的水域面积和水位值,建立水域面积和水位值之间的第一函数关系式;利用每一个
水位值所在位置点的高程值,对所述第一函数关系式进行优化,得到优化后的第二函数关
系式;提取待识别遥感卫星影像中的水域面积,基于所述第二函数关系式,获取待识别卫星
遥感影像中水体区域的水位值。
程序911被处理器执行时实现如下步骤:基于多张遥感卫星影像,提取每一张遥感卫星影像
中的水体区域,并获取水域面积;获取每一张遥感卫星影像对应的水位线图像,从所述水位
线图像中提取水位值;根据每一张遥感卫星影像对应的水域面积和水位值,建立水域面积
和水位值之间的第一函数关系式;利用每一个水位值所在位置点的高程值,对所述第一函
数关系式进行优化,得到优化后的第二函数关系式;提取待识别遥感卫星影像中的水域面
积,基于所述第二函数关系式,获取待识别卫星遥感影像中水体区域的水位值。
推水位高度值,得以解决复杂地形水位难以测量的问题,同时做到低成本、免维护,精度也
有保证,解决了传统的水位测量使用水位标尺进行测量的方法难以从宏观上测量水域整体
水位高度,同时维护工作量大、成本高的问题。针对特定水位点水位高度受到地形影响使得
模型精度不高的问题,本发明提出了一种结合数字高程模型数据,建立残差补偿因子的方
法,对水面积、水位线性函数模型进行修正,使得模型的预测值更为接近真实值,提高模型
精度,同时也使得模型更为真实、可靠。
施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机
可用存储介质(包括但不限于磁盘存储器、CD‑ROM、光学存储器等)上实施的计算机程序产
品的形式。
和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指
令到通用计算机、专用计算机、嵌入式计算机或者其他可编程数据处理设备的处理器以产
生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实
现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或
多个方框中指定的功能。
其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一
个方框或多个方框中指定的功能的步骤。
实施例以及落入本发明范围的所有变更和修改。
之内,则本发明也意图包括这些改动和变型在内。