秸秆焚烧烟气遥感影像识别方法及系统

本发明属于遥感影像，涉及一种秸秆焚烧烟气遥感影像识别方法及系统。

背景技术：

1、利用高分辨率卫星监测地物变化，是现代遥感的主要研究方向之一。对于突发事件的监测，遥感在监测范围和监测效率上有着无法替代的优势，特别是在火灾监测方面，由于火灾的突发性、污染性和破坏性，对火灾的准确及时监测尤为重要。

2、相比常规的森林火灾，秸秆焚烧引发的火灾往往容易被忽视。由于秸秆焚烧蔓延引发的山火以及森林火灾时常发生，在秸秆焚烧集中的时间也时常发生pm2.5重度污染。因此，对这种不受控的秸秆焚烧事件进行监测很有必要。

3、相比于难以判断火势的火点监测，对燃烧产生烟气的监测更能判断火势的大小和蔓延趋势，而且对烟气的监测也能对当地空气质量评价提供指导意见。与地面监测相比，遥感虽然监测范围广但地物和云层对监测的干扰是一个待解决的难题，部分高亮的背景和所有云层都难以在遥感层面区分，因此如何实现秸秆焚烧烟气与背景和云层快速准确的分割是目前亟需解决的问题。

技术实现思路

1、本发明的目的在于提供一种秸秆焚烧烟气遥感影像识别方法及系统，通过遥感影像准确识别秸秆焚烧烟气，高效完成对干扰地物以及云的剔除。

2、为了达到上述目的，本发明的基础方案为：一种秸秆焚烧烟气遥感影像识别方法，包括如下步骤：

3、获取秸秆焚烧遥感影像、无烟干扰背景遥感影像和有云干扰遥感影像，并进行预处理，得到图像的各波段光谱反射率；

4、利用灰度共生矩阵，计算图像各波段对应的均值纹理特征；

5、从预处理后的影像中提取出云、烟、背景像元，以及烟气对象和云对象；

6、利用选取的云、烟、背景像元，提取对应的最优波段的光谱反射率和均值纹理特征，利用选取的烟气对象和云对象，提取对应的最优波段的光谱反射率和均值纹理特征；

7、使用云、烟、背景像元提取的光谱反射率和均值纹理特征训练rf模型，使用烟气对象和云对象提取的光谱反射率和均值纹理特征训练dt模型；

8、将rf模型和dt模型组合为级联分类器，识别秸秆焚烧遥感影像，得到秸秆焚烧烟雾的掩膜。

9、本基础方案的工作原理和有益效果在于：本技术方案从预处理后的影像中提取烟气、背景、云的光谱反射率特征，筛选出效果最好的波段组合，并采用纹理特征对影像特征信息进行补充，更有助于模型对秸秆焚烧烟气和背景、云准确迅速分割。

10、采用两模型构建级联分类器，简化了模型的分类步骤，使每个模型能发挥更大的优势，实现了秸秆焚烧烟气遥感影像的自动化识别，准确迅速识别秸秆焚烧烟气分割背景和云层，为火灾应急管理和空气质量评估提供有价值的信息。

11、进一步，对秸秆焚烧遥感影像、无烟干扰背景遥感影像和有云干扰遥感影像进行预处理的方法为：对遥感影像进行辐射定标、大气校正、几何校正。

12、对秸秆焚烧遥感影像、无烟干扰背景遥感影像和有云干扰遥感影像进行预处理，便于后续使用。

13、进一步，利用灰度共生矩阵，计算图像各波段对应的均值纹理特征，为：

14、

15、其中，m、n是指图像尺寸，i、j是指像元位置，d是指计算步长，θ是指计算方向；mean指均值纹理特征，f(i,j,d,θ)指每一个像元在空间上的特征，是一个关于i,j,d,θ的函数。

16、利用灰度共生矩阵，计算图像各波段对应的均值纹理特征，操作简单。

17、进一步，提取最优波段组合的方法为：

18、

19、其中，su(x,y)为变量x与y的对称不确定性；i(x；y)为变量x与y的互信息；h(x)、h(y)为变量x、y的信息熵；m(s)为最佳波段组合评价指标，值越大则说明组合越佳；k为特征子集大小，为特征与类别的平均对称不确定性，为特征之间的平均对称不确定性；

20、云、烟、背景像元的最优波段组合为影像海岸波段coastal、蓝光波段blue、绿光波段green；

21、烟气对象和云对象的最优波段组合为短波红外1swir1、短波红外2swir2、热红外1tirs1波段。

22、采用特征选择算法(cfs)联合对称不确定性(su)进行特征筛选，筛选出效果最好的波段组合，利于使用。

23、进一步，从预处理后的影像中提取出云、烟、背景像元，以及烟气对象和云对象的步骤如下：

24、使用遥感处理软件envi中的roi工具中的point功能，选取云、烟、背景像元点制作成点shp文件；

25、使用roi工具中的polygon功能，沿烟气、云边缘绘制面shp文件，将每一个闭合的面视为一个对象，选取烟气对象、云对象。

26、从预处理后的影像中提取出云、烟、背景像元，以及烟气对象和云对象，利于后续使用。

27、进一步，利用选取的云、烟、背景像元，提取coastal、blue、green波段光谱反射率和波段纹理特征的方法为：

28、使用envi软件中roi工具中的point功能，选取云、烟、背景像元点制作成点shp文件；

29、利用点shp文件提取coastal、blue、green波段光谱反射率以及波段纹理特征。

30、利用选取的云、烟、背景像元，提取coastal、blue、green波段光谱反射率和波段纹理特征，利于模块训练。

31、进一步，利用选取的烟气对象和云对象提取swir1、swir2波段光谱反射率，tirs1波段亮温和swir1、swir2、tirs1波段纹理特征的方法为：

32、使用envi软件中的roi工具中的polygon功能，沿烟气、云边缘绘制面shp文件；

33、将每一个闭合的面视为一个对象，使用面shp文件提取每一个对象的光谱反射率特征和波段纹理特征。

34、利用选取的烟气对象和云对象提取swir1、swir2波段光谱反射率，tirs1波段亮温和swir1、swir2、tirs1波段纹理特征，利于模块训练。

35、进一步，将rf模型和dt模型组合为级联分类器的步骤为：

36、在rf模型和dt模型之间使用python3.7环境下的opencv库中的cv2.findcontours()函数连接，cv2.findcontours()函数负责获取云烟像元与背景分割rf模型输出结果中每一个云烟对象的轮廓，利用轮廓提取用于输入烟气对象与云对象分类dt模型中的特征以形成连接作用。

37、将训练好的两模型组合为级联分类器，用于秸秆焚烧遥感影像的识别。

38、本发明还提供一种秸秆焚烧烟气遥感影像识别系统，包括图像获取模块、图像识别模块和储存模块；

39、所述图像获取模块，用于获取秸秆焚烧遥感影像、无烟干扰背景遥感影像和有云干扰遥感影像；

40、所述图像识别模块的输入端与图像获取模块的输出端连接，图像识别模块执行本发明所述方法，识别秸秆焚烧烟气；

41、所述储存模块分别与图像获取模块、图像识别模块连接，用于存储图像和识别的结果。

42、本系统利用各模块配合，实现图像的采集和分析处理，识别秸秆焚烧烟气，并将采集的数据和分析结果进行存储，利于调取、查看。

技术特征：

1.一种秸秆焚烧烟气遥感影像识别方法，其特征在于，包括如下步骤：

2.如权利要求1所述的秸秆焚烧烟气遥感影像识别方法，其特征在于，对秸秆焚烧遥感影像、无烟干扰背景遥感影像和有云干扰遥感影像进行预处理的方法为：对遥感影像进行辐射定标、大气校正、几何校正。

3.如权利要求1所述的秸秆焚烧烟气遥感影像识别方法，其特征在于，利用灰度共生矩阵，计算图像各波段对应的均值纹理特征，为：

4.如权利要求1所述的秸秆焚烧烟气遥感影像识别方法，其特征在于，提取最优波段组合的方法为：

5.如权利要求1所述的秸秆焚烧烟气遥感影像识别方法，其特征在于，从预处理后的影像中提取出云、烟、背景像元，以及烟气对象和云对象的步骤如下：

6.如权利要求1所述的秸秆焚烧烟气遥感影像识别方法，其特征在于，利用选取的云、烟、背景像元，提取coastal、blue、green波段光谱反射率和波段纹理特征的方法为：

7.如权利要求1所述的秸秆焚烧烟气遥感影像识别方法，其特征在于，利用选取的烟气对象和云对象提取swir1、swir2波段光谱反射率，tirs1波段亮温和swir1、swir2、tirs1波段纹理特征的方法为：

8.如权利要求1所述的秸秆焚烧烟气遥感影像识别方法，其特征在于，将rf模型和dt模型组合为级联分类器的步骤为：

9.一种秸秆焚烧烟气遥感影像识别系统，其特征在于，包括图像获取模块、图像识别模块和储存模块；

技术总结
本发明属于遥感影像技术领域，具体公开了一种秸秆焚烧烟气遥感影像识别方法及系统，该方法获取遥感影像并进行预处理，计算图像各波段对应的光谱反射率和均值纹理特征，提取出云、烟、背景像元，以及烟气对象和云对象；利用选取的云、烟、背景像元，提取对应的最优波段的光谱反射率和均值纹理特征，利用选取的烟气对象和云对象，提取对应的最优波段的光谱反射率和均值纹理特征，并分别训练RF模型和DT模型；将RF模型和DT模型组合为级联分类器，识别秸秆焚烧遥感影像，得到秸秆焚烧烟雾的掩膜。采用本技术方案，通过遥感影像准确识别秸秆焚烧烟气，高效完成对干扰地物以及云的剔除。

技术研发人员：夏浩然,陈志莉
受保护的技术使用者：桂林理工大学
技术研发日：
技术公布日：2024/12/5