一种基于遥感数据的河湖划界识别监测方法

本发明涉及河湖划界，更具体地说，本发明涉及一种基于遥感数据的河湖划界识别监测方法。

背景技术：

1、河湖在自然地理系统中扮演着重要的角色，对生态平衡、水资源管理和社会经济发展具有深远影响，在自然资源管理和环境监测领域，河湖的精确划界与变化监测对于生态保护、水资源管理以及灾害预防具有重要意义；

2、中国专利公开了一种河湖划界测量装置，该专利申请号为202121955020，公开内容为：包括无人机机身和环形等距分布在无人机机身周侧的多个机翼，每个机翼的顶部均安装有扇叶，每个机翼的顶部均安装有防护罩，每个扇叶均设置于相对应的防护罩内部，每个防护罩的顶部均插接有防护圈，每个防护圈的内部均固定连接有防护格栅板；无人机机身的底部转动连接有转动框，转动框的内部安装有测绘摄像头，转动框的底部固定连接有弧形玻璃挡板；

3、上述该河湖划界测量装置采用无人机航拍进行周边地形绘制，然而无人机监测精度受限，难以实现高精度的河湖边界绘制，其次，无人机航拍受气象、环境等因素影响，导致数据收集的不稳定性，影响绘图的一致性，制约了河湖管理和环境监测的准确性。

4、为此，我们提出一种基于遥感数据的河湖划界识别监测方法解决上述问题。

技术实现思路

1、为了克服现有技术的上述缺陷，本发明的实施例提供一种基于遥感数据的河湖划界识别监测方法，以解决上述背景技术中提出的问题。

2、为实现上述目的，本发明提供如下技术方案：一种基于遥感数据的河湖划界识别监测方法，包括以下步骤：

3、s1、遥感图像预处理：对获取的遥感图像预处理，包括去噪、校正及投影变换，确保数据的准确性和一致性；

4、s2、形态特征提取：利用图像处理技术，从遥感图像中提取河湖的形态特征，包括水体的宽度、长度及形状；

5、s3、形态特征演变分析：将形态特征与不同时间点的遥感数据相结合，形成一个时间序列，对时间序列的形态特征分析，找出形态变化较大区域；

6、s4、动态时间规整准备：选择动态时间规整方法，将规整所需的时间序列准备好，包括不同时间点的形态特征；

7、s5、动态时间规整：使用选定的方法，将不同时间点的形态特征序列对齐，以捕捉微小的时间位移；

8、s6、边界变化检测：在对齐后的形态特征序列中，比较特征变化幅度较大的区域，识别边界变化；

9、s7、特征与时间融合：将规整后的形态特征序列与原始遥感图像相融合，以综合信息，为后续的边界划分做准备；

10、s8、精准边界划分：基于前述步骤的结果，利用图像处理方法，对河湖边界的精准划分，确保识别到边界变化的区域；

11、s9、结果分析：对得到的河湖边界划分结果分析，与实际地理信息进行比对，评估方法准确性。

12、在一个优选的实施方式中，在所述s1中，通过应用滤波器和图像增强来消除图像中的随机噪声，有助于提升图像细节的清晰度，减少后续处理中对噪声的影响，其次，纠正图像存在的几何和辐射校正误差，以保持图像的空间一致性，通过摄影测量技术实现图像的精确定位，通过投影变换将图像从其原始成像坐标系统转换到特定的地理坐标系统，为使图像与实际地理空间相对应，以便在地理信息系统中分析和比较，通过利用地理坐标系统参数以及数字高程模型数据，确保图像像素与地理位置的一致性。

13、在一个优选的实施方式中，在所述s2中，形态特征提取的过程中，先对遥感图像预处理，去除噪声和伪影，确保提取出的特征准确可靠，接着，针对水体的边界，采用边缘检测算法canny识别出水体与陆地之间的边缘，随后，通过应用图像分割技术，将水体与背景分离开来，形成一个二值图像，再利用连通区域分析，找出水体的连通区域，进一步计算水体的面积、周长和质心的形态属性，基于形态属性计算水体的宽度和长度以及长宽比和紧凑性，而对于水体的形状分析，通过应用最小外接矩形方法获得水体的外形特征，量化水体的不规则性和弯曲程度信息，区分不同类型的水体以及边界变化的区域。

14、在一个优选的实施方式中，在所述s3中，先收集不同时间点的遥感数据，该数据来自于卫星平台获取的河湖图像，随后，通过所述s2的形态特征提取方法，从每个时间点的图像中提取出河湖的宽度、长度、形状形态特征，接着，将形态特征按时间顺序组成一个时间序列，通过比较不同时间点的形态特征，观察河湖的形态变化情况，包括水体的扩张、收缩和形状变化，在分析形态特征时，通过采用统计方法和图表绘制的方式，以定量和定性的方式评估形态变化的幅度和趋势，通过比较形态特征的变化情况，找出形态变化较大的区域，即发生河湖边界变化的区域。

15、在一个优选的实施方式中，在所述s4中，选择合适的动态时间规整方法dtw，准备所需的时间序列数据，包括不同时间点的形态特征，从之前的形态特征提取和形态特征演变分析中获取得到的形态特征，应按时间顺序组成时间序列，每个时间点的形态特征表示为一个向量，其中包含水体宽度、长度和形状信息，该时间序列数据的准备考虑数据的质量和一致性，确保不同时间点的特征可以对应正确，以便在后续的dtw方法中进行比对，此外，对时间序列数据进行标准化，消除不同特征量纲可能引起的影响，保证比对的准确性。

16、在一个优选的实施方式中，在所述s5中，执行动态时间规整时，首先需要将不同时间点的形态特征序列放入一个二维矩阵中，其中行表示一个时间点的特征，列表示另一个时间点的特征，矩阵被称为距离矩阵，用于存储两个时间序列之间的相似性距离，初始时，矩阵的每个元素被初始化为一个较大的值，接着，将距离矩阵中的元素逐渐更新为对应时间点特征之间的距离，在考虑时间序列的非线性对齐时，捕捉微小的时间位移和变形，从距离矩阵的左上角到右下角，即从第一个时间点到最后一个时间点形成最佳路径，表示形态特征序列的对齐关系，为后续的边界变化检测和精准划界提供基础，能够更精确地捕捉河湖边界的时间变化。

17、在一个优选的实施方式中，在所述s6中，从动态时间规整的结果中获取已对齐的形态特征序列，该序列反映河湖在不同时间点的变化趋势，其中每个时间点的特征代表着河湖的形态状态，接着，通过相邻时间点的特征变化幅度，来衡量河湖形态的变化情况，差异较大的区域意味着形态变化较大，存在边界的变化，通过提前设置阈值用于筛选出特征变化幅度较大的区域，超过阈值的区域被认为发生边界变化的地方，特征变化幅度较大的区域进一步分析和验证。

18、在一个优选的实施方式中，在所述s7中，将动态时间规整后的形态特征序列与原始遥感图像对应，通过时间标记实现确保每个时间点的特征与原始图像的相应区域相匹配，接着，将匹配后的特征序列与原始遥感图像融合，融合的方式为区域级的融合，将特征序列信息与图像中的不同地理区域相关联，融合后的图像具有遥感图像的视觉信息以及经过时间规整的形态特征序列的信息，融合后的图像通过图像分割实现精准边界划分。

19、在一个优选的实施方式中，在所述s8中，先利用融合后的图像数据，再通过图像处理技术，采用分割方法来将水体与陆地区域分离，获取初步的边界信息，然后，借助边缘检测技术，对初步边界线进行进一步的优化和细化，识别出边界变化区域，然后利用前述步骤得到的特征变化幅度信息，将其与图像数据相结合，通过提前设定的阈值对特征变化幅度较大的区域筛选，确定边界变化的位置，然后根据经过处理的图像和特征信息生成精确的河湖边界线，该边界线准确地捕捉边界变化的区域，以及水体与陆地的分界情况。

20、在一个优选的实施方式中，在所述s9中，将河湖边界划分结果与实际的地理信息进行对比，使用地理信息系统工具将划分结果叠加在实际地图上，直观地比较两者的一致性。

21、本发明的技术效果和优点：

22、本发明通过滤波和图像增强消除随机噪声，纠正几何和辐射校正误差，确保图像清晰度和空间一致性，同时利用摄影测量技术实现图像精确定位，采用边缘检测和图像分割提取河湖的形态特征，利用动态时间规整方法将不同时间点的形态特征对齐，精确捕捉河湖边界的时间变化，在边界变化检测阶段，结合特征变化幅度信息，识别出可能发生边界变化的区域，然后，将对齐后的形态特征序列与原始遥感图像融合，将水体与陆地区域分离，生成精确的河湖边界线，本发明基于遥感数据的河湖划界识别监测方法实现了高精度的河湖边界划分和变化监测，具有自动化、高效和实时特点，为管理者提供了精准的空间信息。