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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
[0057]本申请实施例公开了一种基于高分一号卫星图像的水华区域的识别方法，如图1所示，包括以下步骤:
[0058]SlOl:获取高分一号卫星水域图像；
[0059]具体地，本实施例中，高分一号卫星水域图像可以为通过高分一号卫星(GF-1)得到的宽覆盖多光谱遥感图像。
[0060]S102:获取高分一号卫星水域图像的水体掩膜、云层掩膜及水草掩膜；
[0061]S103:获取高分一号卫星水域图像的三波段藻华指数(Three Band Algal Index，TBAI)图像;
[0062]S104:在水体掩膜、云层掩膜及水草掩膜的监督下，将大于预设阈值的区域识别为水华区域；
[0063]其中，预设阈值为使得提取出的水华区域与彩色合成图像上的水华区域的偏差在预设范围内的阈值，所述彩色合成图像由所述高分一号卫星水域图像转换得到。
[0064]所谓“水体掩膜、云层掩膜及水草掩膜的监督”是指提取水华时要考虑这三种掩膜。具体的讲:水华只能发生在水体掩膜的区域，不能发生在云层掩膜和水草掩膜的区域，因此在提取水华的时候，就在水体掩膜之内、并且在云层掩膜和水草掩膜之外的区域进行判断。
[0065]S105:在水体掩膜、云层掩膜及水草掩膜的监督下，将所述三波段藻华指数图像中将不大于预设阈值的区域识别为水体区域。
[0066]需要强调的是，本实施例中，如图2所示，预设阈值的确定过程包括以下步骤:
[0067]S201:获取参考水华区域，所述参考水华区域为三波段藻华指数图像中全部水华区域中预设数量的密度较低的水华区域；
[0068]参考水华区域的获取方式可以为:接收用户从全部水华区域中选择的预设数量的密度较低的水华区域；或者，参考水华区域的获取方式还可以为:计算全部水华区域的密度，选择预设数量的密度较低者作为参考水华区域。
[0069]S202:对于每个参考水华区域，依据其像素值与水体像素值的区别，分别统计可将其与水体进行分割的阈值；
[0070]具体地，可以通过计算参考水华区域和水体区域的直方图确定阈值。
[0071]S203:依据各个阈值，确定所述初始阈值；
[0072]例如，初始阈值为各个阈值的平均值，或者各个阈值中最小的一个。
[0073]以上为初始阈值的确定过程，在确定初始阈值后，继续执行以下步骤:
[0074]S204:使用初始阈值从所述三波段藻华指数图像中提取水华区域；
[0075]S205:判断当前提取出的水华区域的面积与彩色合成图像上的水华区域的面积的偏差是否在预设范围内，如果是，执行210，如果否，执行S206 ；
[0076]本实施例中，提取出的水华区域的面积等于彩色合成图像上的水华区域的面积，则两者误差在预设范围内。彩色合成图像由高分一号卫星水域图像转换得到。
[0077]S206:判断当前提取出的水华区域的面积是否小于彩色合成图像上的水华区域的面积，如果是，执行S207，如果否，执行S208 ；
[0078]S207:将当前阈值减去步长值，得到迭代阈值；执行S209 ；
[0079]提取的蓝藻水华面积偏小时说明存在漏提现象，即将部分有蓝藻水华覆盖的像元识别为纯净水体，在此情况下，需要减小阈值。
[0080]本实施例中，步长值可以为0.01。
[0081]S208:将当前阈值增加步长值，得到迭代阈值；执行S209 ；
[0082]当提取的蓝藻水华面积偏大时说明存在过提取现象，即将部分无蓝藻水华覆盖的水体像元识别为蓝藻水华，在此情况下，需要增大阈值。
[0083]S209:使用迭代阈值从三波段藻华指数图像中提取水华区域，返回执行S205 ;
[0084]S210:将当前迭代阈值作为预设阈值。
[0085]本实施例所述的方法，通过迭代过程选取最优阈值，并使用最优阈值对进行预处理后的图像进行分割，从而得到水华区域，基于最优阈值的选取方法，能够提高识别的准确性。
[0086]本申请实施例公开的又一种基于高分一号卫星图像的水华区域的识别方法，如图3所示，包括以下步骤:
[0087]S301:获取高分一号宽覆盖多光谱遥感水域图像；
[0088]S302:将高分一号宽覆盖多光谱遥感水域图像进行精校正和裁剪，得到第一目标图像；
[0089]具体地，对高分一号宽覆盖多光谱遥感水域图像进行精校正的具体过程为:
[0090]选择一景经过精确几何校正的卫星遥感影像为基准(本实施例中，下载了一景经过几何精校正的Landsat8影像作为基准)，对一景无云的天气条件良好的高分一号卫星(GF-1)多光谱遥感影像数据进行几何精校正，将该景几何精校正后的GF-1多光谱遥感影像作为配准模板，对高分一号宽覆盖多光谱水域图像进行几何精校正。
[0091]因为高分一号宽覆盖多光谱遥感水域图像中像元位置信息与对应的实地地物相差较大，所以需要对高分一号宽覆盖多光谱水域图像进行几何校正以使图像像元信息与实地地物相匹配。另一方面，单景影像的覆盖范围经常超过研究区的若干倍，相应的单景影像数据量都比较大，而这增加了后续工作的难度和工作量，所以，需要对经过几何校正以后的卫星影像进行基于研究区的裁剪。
[0092]在本发明实施例中，高分一号宽覆盖多光谱遥感水域图像的几何校正可以基于通用遥感图像处理软件完成，具体的参数设置为一几何校正方法选择二次多项式，同时选择最邻近内插法的图像重采样方法，几何校正精度优于0.5个像元。基于研究区的裁剪则是在获取研究区经玮度范围的条件下，对遥感图像基于研究区左上角和右下角的经玮度值进行矩形裁剪。
[0093]S303:对所述第一目标图像进行瑞利散射校正，得到第二目标图像；
[0094]在本实施例中，瑞利散射校正可以通过对研究区的卫星观测几何和太阳观测几何等信息进行精确计算，并基于6SV辐射传输模型完成。
[0095]S304:获取第二目标图像的水体掩膜、云层掩膜及水草掩膜。
[0096]具体地，可以基于归一化差分水体指数方法对研究区范围内的水体目标进行提取，得到水体掩膜图像。
[0097]可以基于单波段阈值分割方法和人工目视进行勾选的方法分别对云层信息和水草分布信息进行提取，得到云层和水草掩膜图像，具体地，可以基于单波段阈值分割方法得到云层和水体掩膜二值图像；对于水草信息，则是基于彩色合成图像(彩色合成图像的R、G、B分别为遥感图像的近红外、红光、绿光波段)上水草与水华的纹理和形态特征差异，用人工目视判读的方法对水草分布范围进行勾选(有水草分布的区域，一般水质较好，周围几乎没有蓝藻水华出现，所以一般不会出现二者混淆的情况)从而得到水草掩膜二值图像。
[0098]S305:基于中心波长位置信息对瑞利散射校正结果反射率影像数据进行波段运算，得到三波段藻华指数图像；
[0099]在实施例中，三波段藻华指数基于绿光波段、红光波段和近红外波段，并借鉴归一化差分植被指数(NDVI)和荧光高度法(FLH)的构造原理得到的。基于ENVI软件，通过波段运算的方法即可得到三波段藻华指数图像。
[0100]S306:在所述水体掩膜、云层掩膜及水草掩膜的监督下，将所述三波段藻华指数图像中大于预设阈值的区域识别为水华区域。
[0101]本实施例中，对待识别的水域图像进行一系列处理后，提取水华区域，能够增加提取的准确性。
[0102]与上述方法实施例相对应地，本申请实施例还公开了一种基于高分一号卫星图像的水华区域的识别装置，如图4所示，包括:
[0103]第一获取模块401，用于获取高分一号卫星水域图像；
[0104]第二获取模块402，用于获取所述高分一号卫星水域图像的水体掩膜、云层掩膜及水草掩膜；
[0105]第三获取模块403，用于获取所述高分一号卫星水域图像的三波段藻华指数图像；
[0106]识别模块404，用于在所述水体掩膜、云层掩膜及水草掩膜的监督下，将大于预设阈值的区域识别为水华区域，所述预设阈值为使得提取出的水华区域与彩色合成图像上的水华区域的偏差在预设范围内的阈值，所述彩色合成图像由所述高分一号卫星水域图像转换得到。
[0107]可选地，本实施例所述装置还可以包括:
[0108]阈值获取模块405，用于获取所述预设阈值；
[0109]所述阈值获取模块具体用于，获取初始阈值，所述初始阈值依据所述三波段藻华指数图像中满足预设条件的水华区域与其它区域的分割阈值确定；使用所述初始阈值从所述三波段藻华指数图像中提取水华区域；将提取到的水华区域与所述彩色合成图像上的水华区域相比较，执行以下过程，直到提取出的水华区域与彩色合成图像上的水华区域的面积的偏差在预设范围内，使得提取