一种利用高分辨率红外影像识别海上漂浮物的方法与流程

1.本发明涉及卫星监测及图像识别技术领域，特别涉及一种利用高分辨率红外影像识别海上漂浮物的方法。


背景技术：

2.通过卫星监测海上大型漂浮藻类、漂浮物等的手段主要有可见近红外多光谱遥感器还有就是合成孔径雷达，对于判别有无和识别类型，多光谱遥感器应用更广泛。合成孔径雷达通过海洋表面的粗糙度来判断是否是漂浮物(可以识别大型藻类、溢油等)，多光谱遥感器采用的方法很多如归一化植被指数(ndvi)、漂浮藻类指数(floating algae index,fai),最大叶绿素指数法(maxium chlorophyll index)、大型漂浮藻类虚拟基线高法(virtual baseline floating macroalgae height,vb-fah)，但是全部都依赖近红外、红光、蓝光的反射率来区别海上漂浮物，以上方法都没有考虑漂浮物温度对识别的影响，也都没有利用热红外通道来识别海上漂浮物。


技术实现要素：

3.本发明旨在至少在一定程度上解决相关技术中的技术问题之一。
4.为此，随着高分辨热红外遥感数据的普及，越来越多的应用需要方法指导，本发明提供一种利用热红外卫星遥感数据自动识别海上漂浮物的方法，可以实现夜间实现海上漂浮物的识别，该方法具有很好应用前景。
5.为达上述目的，本发明一方面提出了一种利用高分辨率红外影像识别海上漂浮物的方法，包括：
6.获取高分辨率的卫星红外影像，并获取所述卫星红外影像的辐亮度数据；其中，所述卫星红外影像，包括陆地、海表和云层的影像；
7.根据所述辐亮度数据和普朗克黑体辐射公式得到辐射亮温数据，基于所述辐射亮温数据得到海表影像的温度数据，并对所述陆地影像和所述云层影像进行掩膜计算得到掩膜计算后的海表影像；
8.获取所述掩膜计算后的海表影像的窗口数据，并基于所述海表影像的温度数据对所述窗口数据中的每个像素进行温度差异计算，根据温差计算结果得到海表纹理信息；
9.对所述温差计算结果进行阈值比较，根据阈值比较结果得到所述海表纹理信息的海面漂浮物识别结果。
10.根据本发明实施例的利用高分辨率红外影像识别海上漂浮物的方法还可以具有以下附加技术特征：
11.进一步地，在本发明的一个实施例中，所述获取高分辨率的卫星红外影像，并获取所述卫星红外影像的辐亮度数据，包括：获取大气顶的高分辨率的的卫星红外影像数据；利用定标参数和所述卫星红外影像数据，获取大气顶卫星红外影像数据的辐亮度数据。
12.进一步地，在本发明的一个实施例中，所述根据所述辐射辐亮度数据和普朗克黑
体辐射公式得到辐射亮温数据，包括：利用所述辐射亮温数据的光谱响应函数，通过所述光谱响应函数卷积操作得到辐亮度数据和辐射亮温数据之间的转换关系。
13.进一步地，在本发明的一个实施例中，所述基于海表影像的温度数据对所述窗口数据中的每个像素进行温度差异计算的表达式为：
[0014][0015]
其中，td
i，j
为温度差异数据，sst
i，j
为窗口数据中每个像素的温度数据，为所有窗口数据中的像素温度数据的平均值。
[0016]
为达到上述目的，本发明另一方面提出了一种利用高分辨率红外影像识别海上漂浮物的装置，包括：
[0017]
数据获取模块，用于获取高分辨率的红外影像，并获取所述红外影像的辐亮度数据；其中，所述红外影像，包括陆地、海表和云层的影像；
[0018]
数据转换模块，用于根据所述辐亮度数据和普朗克黑体辐射公式得到辐射亮温数据，基于所述辐射亮温数据得到海表影像的温度数据，并对所述陆地影像和所述云层影像进行掩膜计算得到掩膜计算后的海表影像；
[0019]
数据计算模块，用于获取所述掩膜计算后的海表影像的窗口数据，并基于所述海表影像的温度数据对所述窗口数据中的每个像素进行温度差异计算，根据温差计算结果得到海表纹理信息；
[0020]
图像识别模块，用于对所述温差计算结果进行阈值比较，根据阈值比较结果得到所述海表纹理信息的海面漂浮物识别结果。
[0021]
本发明第三方面提出了一种计算机设备，包括处理器和存储器；
[0022]
其中，所述处理器通过读取所述存储器中存储的可执行程序代码来运行与所述可执行程序代码对应的程序，以用于实现利用高分辨率红外影像识别海上漂浮物方法。
[0023]
本发明第四方面提出了一种非临时性计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现利用高分辨率红外影像识别海上漂浮物方法。
[0024]
本发明实施例的利用高分辨率红外影像识别海上漂浮物方法、装置、设备及存储介质，只依靠单个热红外通道就可以识别海上漂浮物(如浒苔)，无需目视解译的主观判断，识别率高。
[0025]
本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
[0026]
本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
[0027]
图1为根据本发明实施例的利用高分辨率红外影像识别海上漂浮物的方法的流程图；
[0028]
图2为根据本发明实施例的浒苔以及周边海域断面的亮温变化示意图；
[0029]
图3为根据本发明实施例的btd分布图；
[0030]
图4为根据本发明实施例的btd提取的浒苔与多光谱fai提取的结果对比示意图；
[0031]
图5为根据本发明实施例的btd夜间提取浒苔分布示意图；
[0032]
图6为根据本发明实施例的利用高分辨率红外影像识别海上漂浮物的装置结构示意图；
[0033]
图7为根据本发明实施例的计算机设备。
具体实施方式
[0034]
需要说明的是，在不冲突的情况下，本技术中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明。
[0035]
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
[0036]
下面参照附图描述根据本发明实施例提出的利用高分辨率红外影像识别海上漂浮物的方法、装置、设备及存储介质。
[0037]
图1是本发明一个实施例的利用高分辨率红外影像识别海上漂浮物的方法的流程图。
[0038]
如图1所示，该方法包括但不限于以下步骤：
[0039]
s1，获取高分辨率的卫星红外影像，并获取卫星红外影像的辐亮度数据；其中，卫星红外影像，包括陆地、海表和云层的影像。
[0040]
具体的，获取高分辨率的热红外遥感器的一级卫星数据，再利用定标参数对一级卫星数据进行处理，可以获得大气顶的地球辐射辐亮度，该卫星数据包括陆地、海表和云层的图像数据。
[0041]
可以理解的是，热红外遥感器包括但不限于资源02e卫星、sdg-1卫星的红外相机等设备。
[0042]
s2，根据辐亮度数据和普朗克黑体辐射公式得到辐射亮温数据，基于辐射亮温数据得到海表影像的温度数据，并对陆地影像和云层影像进行掩膜计算得到掩膜计算后的海表影像。
[0043]
具体地，通过根据普朗克黑体辐射公式将辐亮度数据转化为辐射亮温数据，转换实现途径包括：获取光谱响应函数，通过光谱响应函数卷积，获得辐亮度到辐射亮温的转换关系；或者，获得等效波长，利用普朗克公式得到转换系数，再基于转换系数和转换关系进行数据之间的转换。
[0044]
进一步地，在上述步骤获得单通道的辐射亮温数据之后，可以采用单窗算法计算陆表(海表)温度，进行陆地和云掩膜的图像数据计算；其中，陆地掩膜通过地形数据，云掩膜数据通过亮温绝对值(小于263k)。
[0045]
s3，获取掩膜计算后的海表影像的窗口数据，并基于海表影像的温度数据对窗口数据中的每个像素进行温度差异计算，根据温差计算结果得到海表纹理信息。
[0046]
进一步地，对图像数据采用划窗算法进行平均，窗口一般选择在3km*3km等效窗口
内，确定地球海表目标物的图像数据，然后逐像素计算温度差异(td)或者亮温差btd，得到地球海表目标物的温度差数据，以得到海面纹理信息。其中，td
i，j
为温度差异数据，sst
i，j
为窗口数据中每个像素的温度数据，为所有窗口数据中的像素温度数据的平均值，i和j为海表影像对应的二维数组的行列号。
[0047]
s4，对温差计算结果进行阈值比较，根据阈值比较结果得到海表纹理信息的海面漂浮物识别结果。
[0048]
具体地，进行阈值比较判断进行目标识别，得到目标识别结果：
[0049]
若td≥0.15℃判定为高温目标物(日间识别漂浮物)，若0.15℃《td《-0.15℃，判定为背景，若td≤-0.15℃判定为低温目标物(夜间识别漂浮物)。
[0050]
下面结合附图对本发明实施例进行详细阐述。
[0051]
如图2所示，图2中的a为某一景白天成像的亮温影像(成像时间为北京时间2022年6月24日约11点)，图2中的b为所在断面的亮温变化，可以看出在断面上明显的亮温(海温)变化。
[0052]
如图3所示，图3为图2中的a的td(btd)差异图，图2中尤其通过几个局部放大的图明显可以看出很多漂浮物的纹理信息，根据当日的其他卫星影像，判断漂浮物为浒苔。
[0053]
如图4所示，图4中可以看出利用这种亮温差异提取的浒苔分布与利用多光谱影响采用vb算法算法得到的浒苔信息相关性非常好，r2达到0.97。
[0054]
如图5所示，图5为夜间红外成像数据(成像时间为北京时间2022年6月21日夜间22点)。图5中的a中可以看出明显的陆海边界信息，图中黑色的是云；在海上选择的局部区域亮温图见图5中的b，图5中的c为图5中的b采用上述步骤提取的漂浮物信息。
[0055]
根据本发明实施例的利用高分辨率红外影像识别海上漂浮物的方法，可以实现夜间海上漂浮物的自动识别，该方法具有很好应用前景。
[0056]
为了实现上述实施例，如图6所示，本实施例中还提供了利用高分辨率红外影像识别海上漂浮物的装置10，该装置10包括：数据获取模块100、数据转换模块200和数据计算模块300和图像识别模块400。
[0057]
数据获取模块100，用于获取高分辨率的卫星红外影像，并获取卫星红外影像的辐亮度数据；其中，卫星红外影像，包括陆地、海表和云层的影像；
[0058]
数据转换模块200，用于根据辐亮度数据和普朗克黑体辐射公式得到辐射亮温数据，基于辐射亮温数据得到海表影像的温度数据，并对陆地影像和云层影像进行掩膜计算得到掩膜计算后的海表影像；
[0059]
数据计算模块300，用于获取掩膜计算后的海表影像的窗口数据，并基于海表影像的温度数据对窗口数据中的每个像素进行温度差异计算，根据温差计算结果得到海表纹理信息；
[0060]
图像识别模块400，用于对温差计算结果进行阈值比较，根据阈值比较结果得到海表纹理信息的海面漂浮物识别结果。
[0061]
进一步的，上述数据获取模块100，还用于：
[0062]
获取大气顶的高分辨率的的卫星红外影像数据；
[0063]
利用定标参数和卫星红外影像数据，获取大气顶卫星红外影像数据的辐亮度数据。
[0064]
进一步的，上述数据转换模块200，还用于：
[0065]
利用辐射亮温数据的光谱响应函数，通过光谱响应函数卷积操作得到辐亮度数据和辐射亮温数据之间的转换关系。
[0066]
进一步的，上述数据计算模块300中的温度差异表达式为：
[0067][0068]
其中，td
i，j
为温度差异数据，sst
i，j
为窗口数据中每个像素的温度数据，为所有窗口数据中的像素温度数据的平均值。
[0069]
根据本发明实施例的利用高分辨率红外影像识别海上漂浮物的装置，可以实现夜间海上漂浮物的自动识别，该方法具有很好应用前景。
[0070]
为了实现上述实施例的方法，本发明还提供了一种计算机设备，如图7所示，该计算机设备600包括存储器601、处理器602；其中，所述处理器602通过读取所述存储器601中存储的可执行程序代码来运行与所述可执行程序代码对应的程序，以用于实现上文所述利用高分辨率红外影像识别海上漂浮物的方法的各个步骤。
[0071]
为了实现上述实施例的方法，本发明还提供了一种非临时性计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现利用高分辨率红外影像识别海上漂浮物的方法。
[0072]
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
[0073]
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
[0074]
尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。