一种高光谱遥感溢油监测分析方法及监测平台与流程
- 国知局
- 2024-11-06 14:29:45
本技术涉及环境监测和遥感,具体而言,涉及一种高光谱遥感溢油监测分析方法及监测平台。
背景技术:
1、内河流域溢油突发事件具有突发性、高动态性和低识别度等特点,污染严重,危害巨大,严重危及社会经济发展和内河水域生态环境安全,特别是在复杂内河水域环境背景条件下,应急监测能力受到极大限制,亟需有效的应急监测技术对其进行精准监测。溢油范围与溢油空间分布和溢油量相关,是溢油现场处置的重要参考;溢油种类涉及溯源处罚和清污治理,是溢油污染处置的重要依据。目前,被动、主动光学遥感是溢油监测的重要手段,其中被动光学遥感具有高光谱、高空间分辨率的优势,在溢油监测中研究应用得最为广泛。被动光学遥感监测内河水域水面溢油易受耀斑影响、不同种类轻质油难以有效识别。而且,内河水域中水面溢油的光学遥感监测大部分都是基于光谱或偏振或红外等单一维度的数据开展,检测识别精度还不能满足精准监测应用的需求。
技术实现思路
1、本技术的目的在于:多维度光学特征提取与分析,构建检测与识别模型,实现了溢油范围、厚度的准确监测和不同种类轻质油的有效识别。
2、本技术的技术方案是:提供了一种高光谱遥感溢油监测分析方法,该方法包括:
3、步骤1,使用高光谱成像仪分别从竖直视角、第一倾斜视角和第二倾斜视角采集目标区域检测位点的高光谱图像,其中,高光谱成像仪在三个视角上的拍摄位置在同一平面内且与目标区域的距离相等;
4、步骤2,对采集到的高光谱图像进行预处理,对预处理后的高光谱图像进行光谱校正;
5、步骤3,从高光谱图像包含的所有光谱数据中提取端元,基于所提取的端元建立混合模型,对该混合模型进行解混,获得高光谱图像中所有像素点对应的成分和含量比例;
6、步骤4,从高光谱图像中提取反射率光谱,基于多个视角的反射率光谱建立油膜厚度计算模型,根据油膜厚度计算模型估算油膜厚度;
7、步骤5,根据竖直视角下高光谱图像中所有像素点对应的成分和含量比例,以及对应的油膜厚度,计算高光谱图像对应的拍摄区域的溢油量,根据目标区域中所有拍摄区域的溢油量计算出总溢油量;
8、步骤6,根据在目标区域中拍摄的所有竖直视角下高光谱图像的端元信息,查找出所有存在溢油情况的像素点,得到溢油区域像素点总数,根据溢油区域像素点总数计算出目标区域中溢油区域的总面积。
9、进一步地,步骤1具体包括:
10、利用无人机载高光谱成像仪从检测位点正上方预定高度处进行数据采集,获取竖直视角下的第一高光谱图像,其中,高光谱成像仪的光轴竖直向下并垂直于检测位点所在的面;
11、利用高光谱成像仪从无人机原位置一侧的相同高度处进行数据采集,获取第一倾斜视角下的第二高光谱图像,其中,高光谱成像仪的光轴与水平方向的夹角为30°至60°;
12、利用高光谱成像仪从无人机原位置另一侧的相同高度处进行数据采集,获取第二倾斜视角下的第三高光谱图像,其中,高光谱成像仪的光轴与水平方向的夹角为30°至60°,第一倾斜视角下高光谱成像仪的光轴与第二倾斜视角下高光谱成像仪的光轴关于检测位点的垂线对称。
13、进一步地,步骤3具体包括:
14、步骤3.1,从高光谱图像所有像素点的光谱数据中提取端元,并建立混合模型;
15、从每个像素的光谱数据中提取光谱特征,包括吸收峰、反射峰、光谱斜率,将提取的光谱特征与已知的油成分光谱数据库进行匹配,得到相应的端元,建立混合模型如下:
16、r=f(m,a)+n
17、式中,r为原始观测数据矩阵,m为每个像素点中端元的光谱矩阵,其中每一列代表一个端元的光谱,a为每个像素点中不同端元的丰度矩阵,n为噪声向量;
18、步骤3.2,对混合模型进行解混,获得高光谱图像中所有像素点对应的端元光谱矩阵及端元丰度矩阵,并统计出目标区域的溢油成分及含量,具体如下:
19、初始化光谱矩阵m和丰度矩阵a,通过迭代优化的方法更新光谱矩阵m和丰度矩阵a,使得它们的乘积逼近原始观测数据矩阵r,设定停止条件,停止条件为达到最大迭代次数时停止迭代,更新端元光谱矩阵m:
20、
21、更新丰度矩阵a:
22、
23、式中,符号⊙表示元素逐点相乘,符号÷表示元素逐点相除,e为内部值均为1的矩阵,根据迭代后的光谱矩阵m和丰度矩阵a,得到每个像素点的溢油成分及不同成分的含量比例,角标t代表矩阵转置。
24、进一步地,步骤2具体包括:
25、对高光谱成像仪采集到的第一高光谱图像、第二高光谱图像及第三高光谱图像进行滤波,去除图像中的噪声;
26、以不含有油污染的其他区域的水体作为对照组,在对照组区域选择一个点位作为对照组点位,使用高光谱成像仪测得对照组位点的反射率,利用该反射率进行光谱校正,以消除环境光照和传感器的影响,确保数据的一致性和准确性,具体如下:
27、
28、式中,rraw(i,j,λ)为原始高光谱图像的反射率,rref(λ)为对照组高光谱图像的反射率,rcal(i,j,λ)为校正后高光谱图像的反射率,i和j代表被校正点的横坐标及纵坐标λ为波长。
29、进一步地,步骤4具体包括:
30、将高光谱图像几何中心的像素点作为其中心点,获得第一高光谱图像、第二高光谱图像及第三高光谱图像的中心点的反射率光谱,计为rn(λ),其中n代表同一像素点对应的不同高光谱图像的标签,n=1,2,3;
31、基于第一高光谱图像、第二高光谱图像及第三高光谱图像的中心点的反射率光谱建立油膜厚度的反射率模型:
32、rn(λ)=rref(λ)·e-2α(λ)·d
33、式中,rref(λ)为对照组高光谱图像的反射率,α为油膜在波长λ下的吸收系数,d为油膜厚度;对油膜厚度的反射率模型进行优化,综合不同拍摄视角的反射率,得到油膜厚度计算模型:
34、
35、设置初始油膜厚度d0,将d0带入公式使用梯度下降法进行优化迭代计算,设定停止条件为d值的变化小于设定阈值,得到最终的油膜厚度dk+1,遍历目标区域中所有检测位点的油膜厚度。
36、进一步地,步骤5具体包括:
37、将第一高光谱图像中心点的油膜厚度作为与其对应的整个拍摄区域的油膜厚度,根据拍摄区域的面积及对应的油膜厚度计算出该区域的溢油量,对目标区域包含的所有拍摄区域的溢油量进行累加,得到总溢油量,具体如下:
38、
39、式中,loil为目标区域的总溢油量,sx为第一高光谱图像对应的拍摄区域的面积,dx为第一高光谱图像中心点的油膜厚度,x为目标区域中包含的所有拍摄区域的总数,x为目标区域中包含的拍摄区域的标签;
40、根据高光谱图像中像素点的位置将拍摄区域等比例划分为小区域块,每个像素点对应一个小区域块,根据拍摄区域的面积sx计算出小区域块的面积s,根据小区域块的面积s、对应拍摄区域的油膜厚度dx、像素点对应的溢油成分和含量比例,计算出拍摄区域中不同溢油成分的含量,具体如下:
41、
42、式中,oy为拍摄区域中某一溢油成分的含量,ay为像素点中某一溢油成分的含量比例,y为某一溢油成分的标签,c为拍摄区域中所有小区域块的总数,c为拍摄区域中小区域块的标签。
43、进一步地,步骤6具体包括:
44、将第一高光谱图像中所有存在端元的像素点作为溢油区域像素点,按照同样的方式遍历目标区域中所有拍摄区域对应的第一高光谱图像,计算出目标区域中溢油区域像素点总数,根据溢油区域像素点总数及像素点对应的小区域块的面积计算出溢油面积,具体如下:
45、soil=p·s
46、式中,soil为目标区域的溢油面积,p为溢油区域像素点总数。
47、本技术还提供了一种高光谱遥感溢油监测平台,该监测平台包括:高光谱成像仪、定位系统、姿态控制系统、载体和上位机;
48、高光谱成像仪用于从不同的拍摄视角采集目标区域的高光谱图像;定位系统用于对高光谱成像仪进行定位,以便在采集高光谱图像时通过定位系统反馈的位置信息对高光谱成像仪进行位置调节;姿态控制系统用于调节高光谱成像仪的拍摄角度,实现对目标区域的多角度拍摄;载体用于承载高光谱成像仪进行数据采集;上位机用于对高光谱成像仪采集到的高光谱图像进行显示、储存及分析操作。
49、进一步地,高光谱遥感溢油监测平台用于执行权利要求1-7之一的方法。
50、本技术的有益效果是:
51、本技术中的技术方案从多个拍摄视角下采集目标区域的高光谱图像,基于不同拍摄角度的高光谱图像建立混合模型并计算溢油成分及各个成分的含量比例,从高光谱图像数据中提取不同拍摄角度下的反射率光谱并建立油膜厚度计算模型,估算油膜厚度,相比现有技术中基于单一维度的光谱数据进行的检测,本技术中的技术方案将不同拍摄视角下的数据进行融合计算,得到的溢油成分、油品含量及油膜厚度等数据更加准确,通过融合不同拍摄视角下的数据能够消除单一视角带来的遮挡及耀斑的影响,提高光谱数据准确性及可靠性,为溢油成分和各成分含量的检测提高更加准确的光谱数据,同时还能提供更全面的油膜厚度信息,减少因局部厚度变化或光照角度影响而引起的误差,进一步提高检测精度,为环境监测和治理提供了科学依据和参考数据。
本文地址:https://www.jishuxx.com/zhuanli/20241106/322426.html
版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 YYfuon@163.com 举报,一经查实,本站将立刻删除。
下一篇
返回列表