[發明專利]Landsat8影像綠潮自適應閾值分區智能檢測方法

在審

• 申請號: 202010087897.1
• 申請日: 2020-02-12
• 公開（公告）號: CN111310640A
• 公開（公告）日: 2020-06-19
• 發明（設計）人: 王常穎;王蕊;李勁華;張志梅
• 申請（專利權）人: 青島大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/34;G06K9/62
• 代理公司: 武漢聚信匯智知識產權代理有限公司 42258
• 代理人: 沙莎

1.一種Landsat8影像綠潮自適應閾值分區智能檢測方法，其特征在于，包括以下步驟：

S1、將待檢測Landsat8影像分割成多個相同大小的子圖像，根據各個子圖像的灰度值，判斷各個子圖像的圖像質量類型；

S2、根據對應圖像質量類型下檢測閾值與檢測子圖像光譜之間的線性關系，計算各個子圖像的檢測閾值，通過檢測閾值和子圖像內各個像素點的綠潮檢測指標，判斷各個子圖像中的各個像素點是否為綠潮區域。

2.根據權利要求1所述的一種Landsat8影像綠潮自適應閾值分區智能檢測方法，其特征在于，還包括確定圖像質量類型數量的步驟，所述圖像質量類型數量的確定方法為：取多種Landsat 8影像的樣本數據，運用KMeans算法進行數據聚類，根據評價函數分別對聚3～5類的結果進行比較，計算各個聚類情況下的類內差異和類間差異的比值，比值最小的聚類數量即為圖像質量類型的數量。

3.根據權利要求1所述的一種Landsat8影像綠潮自適應閾值分區智能檢測方法，其特征在于，所述圖像質量類型包括四類，分別為厚云、薄云、薄霧和無云。

4.根據權利要求3所述的一種Landsat8影像綠潮自適應閾值分區智能檢測方法，其特征在于，還包括確定各個圖像質量類型的區分規則的步驟，其具體方法為：以B₁、B₂、B₃、B₄、B₅、B₆、B₇、B₉、B₁₀和B₁₁波段值作為屬性集，采用決策樹算法挖掘四類圖像質量的區分規則，挖掘出的厚云、薄云、薄霧和無云四類的分類決策。

5.根據權利要求3所述的一種Landsat8影像綠潮自適應閾值分區智能檢測方法，其特征在于，根據各個子圖像的灰度值，判斷各個子圖像的圖像質量類型的具體方法為：

如果B₉3835，則為無云類；

如果B₉＝3835且B₄＝14490，則為厚云類；

如果B₉＝3835且B₄9585，則為薄霧類；

如果B₉＝3835且B₄＝9585，則為薄云類；

所述B₉表示圖像在第九波段的灰度值，所述B₄表示圖像在第四波段的灰度值。

6.根據權利要求1所述的一種Landsat8影像綠潮自適應閾值分區智能檢測方法，其特征在于，還包括獲取各個圖像質量類型下檢測閾值與檢測子圖像光譜之間的線性關系的步驟。

7.根據權利要求6所述的一種Landsat8影像綠潮自適應閾值分區智能檢測方法，其特征在于，所述對應圖像質量類型下檢測閾值與檢測子圖像光譜之間的線性關系為：

其中，y₁，y₂，y₃，y₄分別為厚云類、薄云類、薄霧類和無云類四類圖像質量情況下的檢測閾值，表示待檢測子圖像中所有像素點的綠潮檢測指標x的平均值，其中x＝B_nir-B_red，B_nir表示近紅外波段即第5波段的灰度值；B_red表示紅光波段即第4波段的灰度值。

8.根據權利要求7所述的一種Landsat8影像綠潮自適應閾值分區智能檢測方法，其特征在于，所述步驟S2中，判斷各個子圖像中的像素點是否為綠潮區域的方法為：計算各個子圖像的檢測閾值；判斷各個子圖像中像素點的綠潮檢測指標x是否大于對應的檢測閾值，若大于，則該像素點為綠潮，若小于，則該像素點為海水。