本發明專利技術屬于水文、海洋技術領域，具體公開了一種基于無人機圖像的海草床分布提取方法，包括以下步驟：在研究區域設置采樣點，并利用無人機進行航攝，獲取采樣點的無人機影像圖；對獲取的無人機影像圖進行處理，得到處理后的影像圖；利用最大似然法和ISO聚類非監督方法從處理后的影像圖中提取得到海草床集中分布的區域、海草床的分布狀況、生長密度和覆蓋程度；基于海草床集中分布的區域、分布狀況、生長密度和覆蓋程度，得到海草床的分布特征，實現對海草床分布的提取。本發明專利技術提高了海草信息提取的準確度與效率，解決了現有海草床監測技術在動態監測方面的研究較少，且在高分辨率和靈活部署方面存在不足的問題。
【技術實現步驟摘要】
本專利技術屬于水文、海洋，具體涉及一種基于無人機圖像的海草床分布提取方法的設計。
技術介紹
1、海草是一類獨特的植物，通常生長在淺海和河口水域，被稱為海洋的草原，在海洋生態系統中的重要性是不可忽視的。海草床是典型的海洋生態系統之一，生產力極高，為沿海地區提供不可或缺的生態服務功能。此外，海草床還是無脊椎動物的附著地，草食性魚類等生物的產卵場、庇護所，也常用來衡量近海生態系統健康狀況。海草床作為最具生產力的生態系統，具有巨大的碳匯能力，影響著全球的c、n、p循環，承擔著全球營養循環、潮間及潮下帶的穩定。因此，盡管海草的種類稀少，但它們對海洋生態系統的健康和穩定也起著至關重要的作用，對海草生態系統進行監測以保持其巨大的減排潛力至關重要。
2、近年來，國內學者對各地區海草面積的研究揭示了海草面積的急劇減少和退化的原因，由于各種人為和自然因素的影響，包括過度捕撈、海岸開發、水污染等，我國許多地區的海草床面積不斷縮小，生態功能逐漸減弱，全球的海草已經消逝了將近1/3，海草床整體衰退速度已經將近2%。與此相比，海草的再生速度僅為其退化速度的十分之一，這種快速的衰退不僅使海洋生物的棲息地急劇減少，還對生態平衡造成了不可忽視的影響。因此，保護海草床生態系統，促進其再生和恢復，已經成為當務之急。
3、目前，對海草床的監測多基于衛星遙感，同時對海草的研究大多為領域分布、種類特征和生境調查，在動態監測方面的研究較少，且在高分辨率和靈活部署的海上生態監測方面具有不足之處。
技術實現思路
1、本專利技術的目的是為了解決海草床監測技術在動態監測方面的研究較少，且在高分辨率和靈活部署方面存在不足的問題，提出了一種基于無人機圖像的海草床分布提取方法。
2、本專利技術的技術方案為：一種基于無人機圖像的海草床分布提取方法，包括以下步驟：
3、s1.在研究區域設置采樣點，并利用無人機進行航攝，獲取采樣點的無人機圖像；
4、s2.對獲取的無人機圖像進行處理，得到多幅區塊圖；
5、s3.利用最大似然法從區塊圖中提取得到海草床集中分布的區域；
6、s4.利用iso聚類非監督方法，從區塊圖中獲得海草床的分布狀況、生長密度和覆蓋程度；
7、s5.基于海草床集中分布的區域、分布狀況、生長密度和覆蓋程度，得到海草床的分布特征，實現對海草床分布的提取。
8、本專利技術的有益效果是：
9、1.將無人機監測的數據，進行對比分類方法，提高研究區域圖像和數據信息的分類精度，并使用最大似然法和iso聚類方法進行分類，考慮適用于海水漲潮及退潮等不同情況下海草草甸的生長情況和分布提取。在此基礎上，對所提取的海草床的蓋度信息進行估算，為海草生態環境保護和海草資源開發提供切實可靠的依據。
10、2.本專利技術通過一系列遙感圖像處理與分析步驟，實現了海草床分布的精準提取，有效區分了水體與陸地，界定了海草的適宜生長區域，并通過不同方法的綜合應用，提高了海草信息提取的準確度與效率，為海草生態監測與保護提供了有力的數據支持。
11、作為優選，步驟s1中所述利用無人機進行航攝時，選擇在低潮時段進行拍攝。
12、上述優選方案的有益效果是：
13、選擇在低潮時段進行無人機拍攝，確保海草充分露出水面，提高觀測質量。
14、作為優選，所述步驟s2具體包括以下步驟：
15、s21.利用無人機數據處理軟件對獲取的無人機圖像進行自動拼接處理，得到正射影像；
16、s22.利用地理信息系統軟件對正射影像進行坐標校正、裁剪和區塊劃分處理，得到多幅區塊圖。
17、上述優選方案的有益效果是：
18、通過對影像圖進行自動拼接、坐標校正、裁剪和區塊劃分處理，有效提高了數據分析的精度。
19、作為優選，所述步驟s3具體包括以下步驟：
20、s31.利用支持向量機方法對待分類的多幅區塊圖進行監督分類，得到分類矢量數據圖；
21、s32.利用地理信息系統軟件中的等值線工具對分類矢量數據圖進行劃分，得到等值線區塊；
22、s33.利用地理信息系統軟件中的要素轉面工具將劃分生成的等值線區塊轉化為面，并對各個區塊進行排序編號，獲得區塊中海草集中分布的區域。
23、上述優選方案的有益效果是：
24、利用最大似然法進行分類，實現了海草床分布的精準提取，提高了海草信息提取的準確度與效率。
25、作為優選，所述步驟s31具體包括以下步驟：
26、s311.從無人機圖像中選取像素作為訓練樣本，并標記訓練樣本的類別；
27、s312.構建支持向量機模型，并設置支持向量機模型的核函數類型和參數；
28、s313.根據核函數類型和參數，得到支持向量機模型的最大邊距的分類超平面，并將訓練樣本輸入支持向量機模型中進行訓練，得到訓練好的支持向量機模型；
29、s314.將未分類的多幅區塊圖輸入訓練好的支持向量機模型中進行分類，得到各像素所屬類別的柵格圖像；
30、s315.根據各像素所屬類別的柵格圖像，得到分類矢量數據圖。
31、作為優選，步驟s312中所述支持向量機模型的核函數類型為為高斯徑向基核函數；所述為高斯徑向基核函數的表示公式為：
32、
33、其中，表示高斯徑向基核函數；表示海草樣本；表示水體樣本；表示高斯函數的帶寬參數；表示海草樣本與水體樣本之間的歐氏距離。
34、上述優選方案的有益效果是：
35、利用支持向量機模型對圖像進行分類能夠清晰描述不同分類結果之間的區別，同時選擇高斯徑向基核函數，有效實現對海草和水體的分類，有助于精確提取海草床的分布信息。
36、作為優選，所述步驟s32具體包括以下步驟：
37、s321.在等值線的工作框中選擇需要分類的矢量數據圖，并設置等值線間距為1，劃分等值線；
38、s322.根據等值線，選擇海草分布大于預設閾值的區域，對所選區域的邊緣等值線連塊，得到等值線區塊。
39、上述優選方案的有益效果是：
40、利用等值線工具進行劃分，提高了研究區域圖像和數據信息的分類精度，實現了對區塊圖中海草集中分布的區域的提取。
41、作為優選，步驟s4中所述iso聚類非監督方法，具體為：根據無人機圖像中海底底質及海草的光譜反射特征，對圖像中的海草特征進行分類提取，分類數量設置為6；并利用灰度共生矩陣方法，從區塊圖中提取紋理特征，將提取的紋理特征與原始的光譜反射特征結合，形成包含光譜反射特征和紋理特征的特征向量。
42、上述優選方案的有益效果是：
43、通過影像中海底底質及海草的光譜反射特征進行分類處理，并將分類數量設置為6，結合灰度共生矩陣方法可以避免其他海底生物的干擾，精確地提取海草生長范圍，提高了分類效果，能夠精確提本文檔來自技高網
...
【技術保護點】
1.一種基于無人機圖像的海草床分布提取方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的基于無人機圖像的海草床分布提取方法，其特征在于：步驟S1中所述利用無人機進行航攝時，選擇在低潮時段進行拍攝。
3.根據權利要求1所述的基于無人機圖像的海草床分布提取方法，其特征在于，所述步驟S2具體包括以下步驟：
4.根據權利要求1?所述的基于無人機圖像的海草床分布提取方法，其特征在于，所述步驟S3具體包括以下步驟：
5.根據權利要求4所述的基于無人機圖像的海草床分布提取方法，其特征在于，所述步驟S31具體包括以下步驟：
6.根據權利要求5所述的基于無人機圖像的海草床分布提取方法，其特征在于，步驟S312中所述支持向量機模型的核函數類型為為高斯徑向基核函數；所述為高斯徑向基核函數的表示公式為：
7.根據權利要求4所述的基于無人機圖像的海草床分布提取方法，其特征在于，所述步驟S32具體包括以下步驟：
8.根據權利要求1所述的基于無人機圖像的海草床分布提取方法，其特征在于，步驟S4中所述ISO聚類非監督方法，具體為：根據無人機圖像中海底底質及海草的光譜反射特征，對圖像中的海草特征進行分類提取，分類數量設置為6；并利用灰度共生矩陣方法，從區塊圖中提取紋理特征，將提取的紋理特征與原始的光譜反射特征結合，形成包含光譜反射特征和紋理特征的特征向量。
9.根據權利要求8所述的基于無人機圖像的海草床分布提取方法，其特征在于，所述步驟S4具體包括以下步驟：
10.根據權利要求9所述的基于無人機圖像的海草床分布提取方法，其特征在于：步驟S45中所述兩個不同色彩的柵格圖包括綠色和藍色，所述綠色的柵格圖為海草；所述藍色的柵格圖為水體和其他底質。
...
【技術特征摘要】
1.一種基于無人機圖像的海草床分布提取方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的基于無人機圖像的海草床分布提取方法，其特征在于：步驟s1中所述利用無人機進行航攝時，選擇在低潮時段進行拍攝。
3.根據權利要求1所述的基于無人機圖像的海草床分布提取方法，其特征在于，所述步驟s2具體包括以下步驟：
4.根據權利要求1?所述的基于無人機圖像的海草床分布提取方法，其特征在于，所述步驟s3具體包括以下步驟：
5.根據權利要求4所述的基于無人機圖像的海草床分布提取方法，其特征在于，所述步驟s31具體包括以下步驟：
6.根據權利要求5所述的基于無人機圖像的海草床分布提取方法，其特征在于，步驟s312中所述支持向量機模型的核函數類型為為高斯徑向基核函數；所述為高斯徑向基核函數的表示公式為：
7....
【專利技術屬性】
技術研發人員：徐廣珺，施宇誠，劉婧媛，林之夏，吳家倫，劉大召，
申請(專利權)人：廣東海洋大學，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。