一种基于高分辨率卫星影像的黑沙滩泥化度量化方法与流程

1.本发明涉及沙滩泥化度量化领域，具体涉及一种基于高分辨率卫星影像的黑沙滩泥化度量化方法。


背景技术：

2.黑沙滩因其有别于常见沙滩的色度而具有较高的旅游价值，然而由于紧邻沙滩的陆地开发建设以及附近河流上游输沙的影响，部分黑沙滩正在面临泥化的威胁，这在开发建设强度大且有较多大江大河输沙的我国尤其突出。目前，黑沙滩泥化主要来自游客或者主管部门的感官认识，或者是通过布点采样监测分析黑沙和泥沙的组成，前者的结果不够定量，后者的人力和时间成本太高。


技术实现要素：

3.为解决上述现有技术中所存在的黑沙滩监测结果不够定量，同时人力及时间成本太高的问题，本发明提供一种基于高分辨率卫星影像的黑沙滩泥化度量化方法，能够有效解决上述问题，实现黑沙滩定量化监测，节省大量人力和时间。
4.为实现上述目的，本发明提供如下技术方案，包括：
5.获取黑沙滩图像，对黑沙滩图像进行目标框定，基于目标框定结果，获取黑沙滩像素集合；
6.对黑沙滩像素集合中的每个黑沙滩像素分别进行泥化指数计算，得到泥化指数集合；
7.对所述泥化指数集合中的泥化指数进行排序，基于排序结果，对所述黑沙滩像素进行异常像素点剔除，获取正常黑沙滩像素最小泥化指数值及最大泥化指数值；
8.基于最小泥化指数值及最大泥化指数值，对所述正常黑沙滩像素进行泥化度计算，基于泥化度计算结果，对所述正常黑沙滩像素进行分级归类，并基于分级归类结果，得到黑沙滩泥化度分级分布图。
9.优选的，所述黑沙滩图像采用待测区域的卫星影像，其中，所述卫星影像在退潮期进行获取。
10.优选的，获取黑沙滩像素集合的具体步骤包括：
11.对所述黑沙滩图像中的黑沙滩进行目标框定，得到目标框定结果 p，其中，目标框定结果p中包含黑沙滩的全部像素；
12.将目标框定结果p中非黑沙滩像素进行特征框定，其中，特征框定结果p'为非黑沙滩的全部像素；
13.基于目标框定结果p，对特征框定结果p'进行剔除，得到黑沙滩像素集合。
14.优选的，所述黑沙滩像素中包含有蓝色亮度值dn
b
、绿色亮度值 dn
g
及红色亮度值dn
r
。
15.优选的，对黑沙滩像素进行泥化指数计算，得到泥化指数集合的具体步骤包括，
16.对黑沙滩像素进行泥化指数计算：
17.s
x
＝(dn
g
dn
r
‑
dn
b
×
2)，
18.其中，s
x
为第x个黑沙滩像素的泥沙指数。
19.优选的，获取正常黑沙滩像素最小泥化指数值及最大泥化指数值的具体步骤包括：
20.对泥化指数集合[s1，s2，s3......s
x
]中的泥化指数根据从小到大的顺序进行排序，将排序结果中第n个及第m个的泥化指数进行提取，得到最小泥化指数值及最大泥化指数值，将排序结果中第n个之前及第m个之后泥化指数对应的黑沙滩像素进行异常点剔除，得到正常黑沙滩像素；
[0021]
其中，n＝0.01
×
x，m＝0.99
×
x，在排序结果中，x个黑沙滩像素中第n个黑沙滩像素对应最小泥化指数值，第m个黑沙滩像素对应最大泥化指数值。
[0022]
优选的，对所述正常黑沙滩像素进行泥化度计算的具体步骤包括：
[0023]
基于所述最小泥化指数值及所述最大泥化指数值，对所述正常黑沙滩像素进行泥化度计算：
[0024]
w
t
＝(s
t
‑
s
min
)/(s
max
‑
s
min
)
×
100％
[0025]
其中，0％≤w
t
≤100％,w
t
为第t个正常黑沙滩像素对应的泥化值，s
t
为第t个正常黑沙滩像素对应的泥化指数，s
min
为最小泥化指数值，s
max
为最大泥化指数值。
[0026]
优选的，对所述黑沙滩像素进行分级归类的具体步骤包括：
[0027]
获取泥化度间隔，根据所述泥化度间隔，获取分级区间，基于分级区间对泥化度进行分级归类，根据分级归类结果，将泥化度对应的正常黑沙滩像素进行标注，得到黑沙滩泥化度分级分布图。
[0028]
本发明具有如下技术效果：
[0029]
1)本发明通过获取黑沙滩图像，通过对黑沙滩图像进行目标框定，获取黑沙滩像素集合，对黑沙滩像素进行泥化指数计算，通过对泥化指数进行排序，剔除异常像素点，并获取正常像素点，并对正常像素点进行进一步的泥化度计算，将泥化度计算进行分级归类，基于分级归类结果，获取黑沙滩泥化度分级分布图，本发明通过上述过程能够对黑沙滩进行有效的定量化监测，同时节约了大量的人力及时间成本。
[0030]
2)本发明使用高分辨卫星图像作为黑沙滩图像，为后续的像素处理提供了准确的像素数据基础，使进一步的泥化指标及泥化度计算结果更加准确。
[0031]
3)本发明基于黑沙滩像素获取三色亮度值，在三色亮度值的基础上计算泥化指数，进一步使用泥化指数计算泥化度，并基于泥化度进行图像绘制，本发明通过上述过程对黑沙滩图像进行精确有效的计算，兼顾定量监测需求和快速监测效率，为黑沙滩旅游价值的保护与修复提供快速有效的监测手段。
附图说明
[0032]
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，下面将对实施例中所需要使用的附图作简单地介绍，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性的前提下，还可以根据这些附图获得其他的附图。
[0033]
图1为本发明实施例所提供的黑沙滩泥化度量化方法流程图；
[0034]
图2为本发明实施例所提供的高分辨率影像示例；
[0035]
图3为本发明实施例所提供的泥化指数图；
[0036]
图4为本发明实施例所提供的泥化指数直方图；
[0037]
图5为本发明实施例所提供的泥化度分级分布图。
具体实施方式
[0038]
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，都属于本发明保护的范围。
[0039]
为了解决在现有技术中存在黑沙滩监测结果不够定量和人力及时间成本太高等问题，本发明提供了如下方案：
[0040]
如图1所述，本发明提供了一种基于高分辨率卫星影像的黑沙滩泥化度量化方法，包括：
[0041]
s1、框定影像中的黑沙滩范围并剔除非黑沙滩像素。
[0042]
获取黑沙滩图像，对黑沙滩图像进行目标框定，基于目标框定结果，获取黑沙滩像素集合；所述黑沙滩图像采用待测区域的高分辨率卫星影像，其中，高分辨率卫星影像要求：退潮期拍摄，尽可能保证更多的沙滩露出水面；空间分辨率优于2米，确保足够清晰；拥有同时采集蓝色、红色和绿色波段遥感信息的能力。
[0043]
获取黑沙滩像素集合的具体步骤包括：在覆盖黑沙滩的高分辨率卫星影像中，对所述黑沙滩图像中的黑沙滩进行目标框定，框定出一个多边形p的地理范围，保证黑沙滩在多边形p内，得到目标框定结果p，其中，目标框定结果p中包含黑沙滩的全部像素；将目标框定结果p中非黑沙滩像素进行特征框定，其中，特征框定结果p'为非黑沙滩的全部像素。多边形p需要对黑沙滩进行有效框定，不得含有海水、浪花、陆地等非黑沙滩的物体。如果黑沙滩内存在各种人或者遮阳伞等问题，则一一框定多个多边形p'。基于目标框定结果p，对特征框定结果p'进行剔除，将所有在多边形p内且不在p'内的像素作为黑沙滩像素，形成一个像素集合[p1，p2，p3......p
x
]，x代表集合中的像素的个数。所述黑沙滩像素中包含有蓝色亮度值dn
b
、绿色亮度值 dn
g
及红色亮度值dn
r
。
[0044]
s2、逐像素计算泥化指数。
[0045]
对黑沙滩像素集合中的每个黑沙滩像素分别进行泥化指数计算，得到泥化指数集合；
[0046]
计算每一个像素p
x
的泥化指数s
x
＝(dn
g
dn
r
‑
dn
b
×
2)，形成黑沙滩泥化指数集合[s1，s2，s3......s
x
]，x代表集合中像素的个数。泥化指数越大则说明沙滩越黄，沙滩中的泥沙比例越高，泥化程度越高；反之，则泥化程度越低。由于卫星拍摄时间、大气气溶胶状况、太阳高度角、卫星传感器性能衰退等均会影响dn值，因此泥化指数只是一个相对的泥化程度量化指标。
[0047]
s3、泥化指数排序并剔除异常像素
[0048]
对所述泥化指数集合中的泥化指数进行排序，基于排序结果，对所述黑沙滩像素
进行异常像素点剔除，获取正常黑沙滩像素最小泥化指数值及最大泥化指数值；
[0049]
获取正常黑沙滩像素最小泥化指数值及最大泥化指数值的具体步骤包括：对泥化指数集合[s1，s2，s3......s
x
]中的泥化指数根据从小到大的顺序进行排序，将排序结果中第n个及第m个的泥化指数进行提取，得到最小泥化指数值及最大泥化指数值，将排序结果中第n个之前及第m个之后泥化指数对应的黑沙滩像素进行异常点剔除，得到正常黑沙滩像素；其中，n＝0.01
×
x，m＝0.99
×
x，在排序结果中，x 个黑沙滩像素中第n个黑沙滩像素对应最小泥化指数值，第m个黑沙滩像素对应最大泥化指数值。即判定黑沙滩像素中p1至p
0.01
×
x
(泥化指数排在第1位至第0.01
×
x位的像素)以及p
0.99
×
x
至p
x
(泥化指数排在第0.99
×
x至x位)的像素为异常像素；同时，将p
0.01
×
x 1
和 p
0.99
×
x
‑1的分别定义为纯粹的黑沙滩像素和泥沙像素，即泥化度分别为 0％和100％，p
0.01
×
x 1
和p
0.99
×
x
‑1泥化指数值分别s
min
和s
max
。如果存在位数为小数时，四舍五入。
[0050]
s4、逐像素计算泥化度并制图
[0051]
基于最小泥化指数值及最大泥化指数值，对所述正常黑沙滩像素进行泥化度计算，基于泥化度计算结果，对所述正常黑沙滩像素进行分级归类，并基于分级归类结果，得到黑沙滩泥化度分级分布图。
[0052]
对所述正常黑沙滩像素进行泥化度计算的具体步骤包括：基于所述最小泥化指数值及所述最大泥化指数值，对所述正常黑沙滩像素p
t
进行泥化度计算：w
t
＝(s
t
‑
s
min
)/(s
max
‑
s
min
)
×
100％，其中，0％≤w
t
≤100％,w
t
为第t个正常黑沙滩像素对应的泥化值，s
t
为第t个正常黑沙滩像素对应的泥化指数，s
min
为最小泥化指数值，s
max
为最大泥化指数值。
[0053]
对所述黑沙滩像素进行分级归类的具体步骤包括：获取泥化度间隔，根据所述泥化度间隔，获取分级区间，基于分级区间对泥化度进行分级归类，根据分级归类结果，将泥化度对应的正常黑沙滩像素进行标注，得到黑沙滩泥化度分级分布图。对所述黑沙滩像素进行分级归类可以按照泥化度间隔(例如10％)，对每一个像素p
t
进行分级归类，同一类用同样的颜色赋色，不同类别用不同的颜色赋色，绘制成多边形p范围内的黑沙滩泥化度分级分布图。
[0054]
本发明拟通过高分辨率卫星影像对黑沙滩进行全覆盖的观测，通过红绿蓝三色光谱信息进行光谱反演获取泥化指数，再通过泥化指数精确有效的估算黑沙滩的泥化度，兼顾定量监测需求和快速监测效率，有效节约了人力及时间成本，为黑沙滩旅游价值的保护与修复提供快速有效的监测手段。
[0055]
本实施例以中国澳门路环岛著名的黑沙湾景区为例进行具体说明。
[0056]
s1、框定影像中的黑沙滩范围并剔除非沙滩像素
[0057]
如图2所示，本实施例覆盖的黑沙滩为中国澳门路环岛著名的黑沙湾景区，选择的多边形范围p覆盖中部一段海滩，该海滩的上部陆地侧存在人工补沙，海滩的下部海水侧明显有淤泥随波浪搅浑。因为中国澳门黑沙湾位于珠江口和西江磨刀门河口附近，上游来沙的一小部分会在海滩下淤积产生淤泥。多边形p不含有海水、浪花、陆地等非黑沙滩的物体，也不存在各种人或者遮阳伞等问题。多边形p内的像素数量为57708个。每一个像素p
x
均有蓝色、绿色和红色的亮度值，即(dn
b
、 dn
g
、dn
r
)。
[0058]
s2、逐像素计算泥化指数
[0059]
如图3、图4所示，计算每一个像素p
x
的泥化指数s
x
＝ (dn
g
dn
r
‑
dn
b
×
2)，形成黑沙
滩泥化指数集合[s1，s2，s3......s
x
]， s
x
最小值为
‑
10，最大值为128。泥化度指数主要分布在0至80之间，局部超过80的泥化指数主要分布在黑沙滩靠近陆地侧的人工补沙。
[0060]
s3、泥化指数排序并剔除异常像素
[0061]
按照从小到大的顺序，对黑沙滩泥化指数集合[s1，s2，s3......s
x
] 进行排序。s
min
＝6.78，s
max
＝119.34。数值小于6.78的517个像素和大于119.34的492个像素被判定为异常像素，保留位于两者之间的有效像素56699个。如表1所示，表1为泥化指数排序表，其中，表1 中加粗的数字为p
0.01
×
x 1
和p
0.99
×
x
‑1的分别定义为纯粹的黑沙滩像素和泥沙像素；
[0062]
表1
[0063]
[0064]
[0065][0066]
s4、逐像素计算泥化度并制图
[0067]
对每一个正常黑沙滩像素p
t
计算其泥化度，公式如下：
[0068]
泥化度w
t
＝(s
t
‑
6.78)/(119.34
‑
6.78)
×
100％，泥化度范围为 0％～100％。按照泥化度间隔11.256，将泥化度分成10级，对每一个像素进行p
t
分级归类。同一类用同样的颜色赋色，不同类别用不同的颜色赋色，如图5所示，绘制成多边形p范围内的黑沙滩泥化度分级分布图。表2为泥化度分级统计结果。
[0069]
表2
[0070]
泥化度占比(％)0
‑
10％8.6010
‑
20％22.3020
‑
30％18.0230
‑
40％25.1040
‑
50％9.7550
‑
60％6.3060
‑
70％2.0770
‑
80％1.2580
‑
90％1.7590
‑
100％4.86
[0071]
通过上述表2统计，本实施例中的泥化度主要分布在20
‑
40％之间。如图5所示，泥化度较低的主要分布在沙滩下部，泥化度较高的主要分布在沙滩上部，据推测示例的黑沙滩泥化现象主要源自陆地上的人工补沙。
[0072]
以上显示和描述了本发明的基本原理、主要特征和优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。