(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211341918.3 (22)申请日 2022.10.31 (71)申请人 宁波拾烨智能科技有限公司 地址 315000 浙江省宁波市海曙区众创空 间6号楼23楼 (72)发明人 乐舜卿　 (51)Int.Cl. G06V 20/13(2022.01) G06V 10/26(2022.01) G06V 10/74(2022.01) G06V 10/762(2022.01) (54)发明名称 集成多源遥感数据的海岸滩涂变化监测方 法 (57)摘要 本发明涉及数据处理技术领域， 具体涉及一 种集成多源遥感数据的海岸滩涂变化监测方法， 该方法包括： 通过采用遥感设备进行图像识别， 获取待监测海岸滩涂的第一红外遥感图像、 第一 微波遥感图像、 第一可见光遥感图像、 第二红外 遥感图像、 第二微波遥感图像和第二可见光遥感 图像， 基于这些图像进行数据识别和处理， 确定 第一海岸滩涂区域和第二海岸滩涂区域， 进而生 成海岸滩涂变化信息， 以实现对海岸滩涂变化的 监测。 因此， 本发明提供的方法采用图形识别的 方式， 并进行相关的数据处理， 解决了海岸滩涂 变化监测的准确率低下的技术问题， 提高了海岸 滩涂变化监测的准确率。 权利要求书3页 说明书13页 附图1页 CN 115471761 A 2022.12.13 CN 115471761 A 1.一种集成多源遥感数据的海岸滩涂变化 监测方法， 其特 征在于， 包括以下步骤： 获取待监测海岸滩涂的第 一红外遥感图像、 第 一微波遥感图像、 第一可见光遥感图像、 第二红外 遥感图像、 第二 微波遥感图像和第二可 见光遥感图像； 对所述第一红外遥感图像进行红外数据处理， 确定所述第 一红外遥感图像中的每个像 素点对应的红外滩涂可能信息； 对所述第一微波遥感图像进行微波数据处理， 确定所述第 一微波遥感图像中的每个像 素点对应的微波滩涂可能信息； 根据所述第 一红外遥感图像和所述第 一可见光遥感图像， 确定所述第 一可见光遥感图 像中的每 个像素点对应的可 见光滩涂可能信息； 根据所述第 一红外遥感图像中的各个像素点对应的红外滩涂可能信 息、 所述第 一微波 遥感图像中的各个像素点对应的微波滩涂可能信息和所述第一可见光遥感 图像中的各个 像素点对应的可 见光滩涂可能信息， 确定第一海岸滩涂区域； 根据所述第二红外遥感图像、 所述第二微波遥感图像和所述第二可见光遥感图像， 确 定第二海岸滩涂区域； 根据所述第一海岸滩涂区域和所述第二海岸滩涂区域， 生成海岸滩涂变化信息 。 2.根据权利要求1所述的方法， 其特征在于， 所述对所述第 一红外遥感图像进行红外数 据处理， 确定所述第一红外 遥感图像中的每 个像素点对应的红外滩涂可能信息， 包括： 对所述第一红外遥感图像进行分割， 得到所述第一红外遥感图像对应的红外掩膜图 像； 将所述红外掩膜图像和所述第一红外 遥感图像相乘， 得到红外滩涂图像； 根据所述红外滩涂图像和所述第 一红外遥感图像， 确定所述第 一红外遥感图像中的红 外滩涂区域； 根据所述红外滩涂区域和所述第 一红外遥感图像中的每个像素点对应的灰度值， 确定 所述像素点对应的红外滩涂可能信息 。 3.根据权利要求1所述的方法， 其特征在于， 所述对所述第 一微波遥感图像进行微波数 据处理， 确定所述第一 微波遥感图像中的每 个像素点对应的微波滩涂可能信息， 包括： 对所述第一微波遥感图像进行分割， 得到所述第一微波遥感图像对应的微波掩膜图 像； 将所述微波掩膜图像和所述第一 微波遥感图像相乘， 得到微波滩涂图像； 根据所述微波滩涂图像和所述第 一微波遥感图像， 确定所述第 一微波遥感图像中的微 波滩涂区域； 根据所述微波滩涂区域和所述第 一微波遥感图像中的每个像素点对应的灰度值， 确定 所述像素点对应的微波滩涂可能信息 。 4.根据权利要求1所述的方法， 其特征在于， 所述根据所述第 一红外遥感图像和所述第 一可见光遥感图像， 确定所述第一可见光遥感图像中的每个像素点对应的可见光滩涂可能 信息， 包括： 对所述第一红外遥感图像进行目标分割， 得到红外水体区域、 红外滩涂区域和 红外固 体区域； 从所述红外水体区域中筛 选出灰度值最小的像素点， 作为水体初始中心点；权　利　要　求　书 1/3 页 2 CN 115471761 A 2从所述红外滩涂区域中筛 选出灰度值为目标灰度值的像素点， 作为滩涂初始中心点； 从所述红外固体区域中筛 选出灰度值最大的像素点， 作为固体初始中心点； 根据所述水体初始中心点和所述第一可见光遥感图像中的每个像素点对应的灰度值 和位置， 确定所述像素点对应的水体相似度； 根据所述滩涂初始中心点和所述第一可见光遥感图像中的每个像素点对应的灰度值 和位置， 确定所述像素点对应的滩涂相似度； 根据所述固体初始中心点和所述第一可见光遥感图像中的每个像素点对应的灰度值 和位置， 确定所述像素点对应的固体相似度； 对于所述第一可见光遥感图像中的每个像素点， 根据所述像素点对应的水体相似度、 滩涂相似度和固体相似度， 对所述像素点进行聚类， 得到所述像素点对应的可见光滩涂可 能信息。 5.根据权利要求4所述的方法， 其特征在于， 所述从所述红外滩涂区域中筛选出灰度值 为目标灰度值的像素点， 作为滩涂初始中心点， 包括： 从所述红外滩涂区域中的各个像素点对应的灰度值中筛选出最大的灰度值和最小的 灰度值； 将所述最大的灰度值和所述 最小的灰度值的均值， 确定为均值灰度值； 确定所述红外滩涂区域中每个像素点对应的灰度值与 所述均值灰度值的差值， 作为所 述像素点对应的目标差值； 将所述红外滩涂区域中各个像素点对应的目标差值中的最小的目标差值对应的像素 点对应的灰度值， 确定为所述目标 灰度值； 将所述红外滩涂区域中灰度值为所述目标灰度值的像素点， 确定为所述滩涂初始中心 点。 6.根据权利要求4所述的方法， 其特征在于， 所述根据所述像素点对应的水体相似度、 滩涂相似度和固体相似度， 对所述像素点进行聚类， 得到所述像素点对应的可见光滩涂可 能信息， 包括： 从所述像素点对应的水体相似度、 滩涂相似度和固体相似度中筛选出值最小的相似 度， 将所述像素点划分到所述值最小的相似度对应的类别， 其中， 水体相似度对应的类别是 水体类， 滩涂相似度对应的类别是 滩涂类， 固体相似度对应的类别是固体 类； 响应于所述第一可见光遥感图像中的各个像素点全部对应划分到所述水体类或所述 滩涂类或所述固体 类， 分别确定所述水体 类、 所述滩涂类和所述固体 类对应的聚类中心点； 响应于所述水体初始中心点与所述水体类对应的聚类中心点之间的距离、 所述滩涂初 始中心点与所述滩涂类对应的聚类中心点之间的距离和所述固体初始中心点与所述固体 类对应的聚类中心 点对应的聚类中心点之 间的距离均小于预设距离， 将所述像素点对应的 滩涂相似度， 确定为所述像素点对应的可 见光滩涂可能信息 。 7.根据权利要求1所述的方法， 其特征在于， 所述根据所述第 一红外遥感图像中的各个 像素点对应的红外滩涂可能信息、 所述第一微波遥感图像中的各个像素点对应的微波 滩涂 可能信息和所述第一可见光遥感图像中的各个像素点对应的可见光滩涂可能信息， 确定第 一海岸滩涂区域， 包括： 根据所述第 一红外遥感图像中的每个像素点对应的红外滩涂可能信 息、 所述像素点对权　利　要　求　书 2/3 页 3 CN 115471761 A 3