[發(fā)明專利]基于無人機遙感圖像的地表類型檢測方法、裝置以及設(shè)備

在審

• 申請?zhí)枺?/td>: 202210108691.1
• 申請日: 2022-01-28
• 公開（公告）號: CN114612805A
• 公開（公告）日: 2022-06-10
• 發(fā)明（設(shè)計）人: 鄧應(yīng)彬;丁小輝;荊文龍;楊驥;李夢圓;李鑫;李勇
• 申請（專利權(quán)）人: 廣東省科學院廣州地理研究所;南方海洋科學與工程廣東省實驗室（廣州）
• 主分類號: G06V20/17
• 分類號: G06V20/17;G06V20/80;G06V10/764;G06V10/80;G06K9/62
• 代理公司: 廣州駿思知識產(chǎn)權(quán)代理有限公司 44425
• 代理人: 潘桂生

1.一種基于無人機遙感圖像的地表類型檢測方法，其特征在于，包括以下步驟：

通過無人機獲取目標區(qū)域的遙感圖像數(shù)據(jù)集以及溫度數(shù)據(jù)集，其中，所述遙感圖像數(shù)據(jù)集包括若干個熱紅外圖像數(shù)據(jù)，所述溫度數(shù)據(jù)集包括與所述熱紅外圖像數(shù)據(jù)相對應(yīng)的氣溫參數(shù)；

對所述熱紅外圖像數(shù)據(jù)進行掩膜處理，獲取不透水面圖像數(shù)據(jù)；

根據(jù)所述不透水面圖像數(shù)據(jù)以及溫度數(shù)據(jù)集，獲取所述目標區(qū)域的熱輻射特征的敏感指數(shù)，構(gòu)建熱輻射特征的敏感指數(shù)數(shù)據(jù)集；

根據(jù)所述熱輻射特征的敏感指數(shù)數(shù)據(jù)集，獲取所述目標區(qū)域的地表類型分類數(shù)據(jù)；

響應(yīng)于檢測指令，所述檢測指令包括待檢測區(qū)域的遙感圖像數(shù)據(jù)集以及溫度數(shù)據(jù)集，獲取電子地圖數(shù)據(jù)，根據(jù)所述待檢測區(qū)域的遙感圖像數(shù)據(jù)集以及溫度數(shù)據(jù)集，獲取待檢測區(qū)域的地表類型分類數(shù)據(jù)，根據(jù)所述地表類型分類數(shù)據(jù)中的地表類型以及與所述地表類型對應(yīng)的地表標識，獲取所述電子地圖數(shù)據(jù)的各個區(qū)域的地表標識，在所述電子地圖數(shù)據(jù)上進行地表標識的顯示以及標注。

2.根據(jù)權(quán)利要求1所述的基于無人機遙感圖像的地表類型檢測方法，其特征在于，所述對所述熱紅外圖像數(shù)據(jù)進行掩膜處理，獲取不透水面圖像數(shù)據(jù)，包括步驟：

獲取所述熱紅外圖像數(shù)據(jù)對應(yīng)的掩膜數(shù)據(jù)；

根據(jù)所述掩膜數(shù)據(jù)，過濾所述目標區(qū)域的熱紅外圖像數(shù)據(jù)內(nèi)的掩膜數(shù)據(jù)對應(yīng)的區(qū)域，獲取所述不透水面圖像數(shù)據(jù)。

3.根據(jù)權(quán)利要求2所述的基于無人機遙感圖像的地表類型檢測方法，其特征在于，所述掩膜數(shù)據(jù)，其中，所述掩膜數(shù)據(jù)包括植被掩膜數(shù)據(jù)、水體掩膜數(shù)據(jù)以及土壤掩膜數(shù)據(jù)，所述掩膜數(shù)據(jù)對應(yīng)的區(qū)域包括植被區(qū)域、水體區(qū)域以及土壤區(qū)域。

4.根據(jù)權(quán)利要求3所述的基于無人機遙感圖像的地表類型檢測方法，其特征在于，所述獲取所述熱紅外圖像數(shù)據(jù)對應(yīng)的掩膜數(shù)據(jù)，包括步驟：

根據(jù)所述熱紅外圖像數(shù)據(jù)以及歸一化植被指數(shù)算法，獲取所述熱紅外圖像數(shù)據(jù)的歸一化植被指數(shù)，根據(jù)所述歸一化植被指數(shù)以及預設(shè)的歸一化植被指數(shù)閾值，從所述熱紅外圖像數(shù)據(jù)中提取植被區(qū)域圖像數(shù)據(jù)，根據(jù)所述植被區(qū)域圖像數(shù)據(jù)，獲取植被掩膜數(shù)據(jù)，其中，所述歸一化植被指數(shù)算法為：

式中，NDVI為所述歸一化植被指數(shù)，NIR為近紅外波段，R為紅外波段；

根據(jù)所述熱紅外圖像數(shù)據(jù)以及歸一化差異水體指數(shù)算法，獲取所述熱紅外圖像數(shù)據(jù)的歸一化差異水體指數(shù)，根據(jù)所述歸一化差異水體指數(shù)以及預設(shè)的歸一化差異水體指數(shù)閾值，從所述熱紅外圖像數(shù)據(jù)中提取水體區(qū)域圖像數(shù)據(jù)，根據(jù)所述水體區(qū)域圖像數(shù)據(jù)，獲取水體掩膜數(shù)據(jù)，其中，所述歸一化差異水體指數(shù)算法為：

式中，MNDWI為所述歸一化差異水體指數(shù)，Green為綠波段，MIR為中紅外波段；

根據(jù)所述熱紅外圖像數(shù)據(jù)以及土壤調(diào)節(jié)植被指數(shù)算法，獲取所述熱紅外圖像數(shù)據(jù)的土壤調(diào)節(jié)植被指數(shù)，根據(jù)所述土壤調(diào)節(jié)植被指數(shù)以及預設(shè)的土壤調(diào)節(jié)植被指數(shù)閾值，從所述熱紅外圖像數(shù)據(jù)中提取土壤區(qū)域圖像數(shù)據(jù)，根據(jù)所述土壤區(qū)域圖像數(shù)據(jù)，獲取土壤掩膜數(shù)據(jù)，其中，所述土壤調(diào)節(jié)植被指數(shù)算法為：

式中，MSAVI為所述土壤調(diào)節(jié)植被指數(shù)，Red為紅光波段。