(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 202210108691.1 (22)申请日 2022.01.28 (71)申请人 广东省科 学院广州地理研究所 地址 510075 广东省广州市越秀区先烈中 路100号大院之一 申请人 南方海洋科学与工程广东省实验室 （广州） (72)发明人 邓应彬　丁小辉　荆文龙　杨骥　 李梦圆　李鑫　李勇　 (74)专利代理 机构 广州骏思知识产权代理有限 公司 44425 专利代理师 潘桂生 (51)Int.Cl. G06V 20/17(2022.01) G06V 20/80(2022.01)G06V 10/764(2022.01) G06V 10/80(2022.01) G06K 9/62(2022.01) (54)发明名称 基于无人机遥感图像的地表类型检测方法、 装置以及设备 (57)摘要 本发明涉及遥感数据分析领域， 特别涉及一 种基于无人机遥感图像的地表类型检测方法， 所 述方法包括： 通过无人机获取目标区域的遥感图 像数据集以及温度数据集， 其中， 遥感图像数据 集包括若干个热红外图像数据， 温度数据集包括 与热红外图像数据相对应的气温参数； 对热红外 图像数据进行掩膜处理， 获取不透水面图像数 据； 根据不透水面图像数据以及温度数据集， 获 取目标区域的不透水面图像数据的每个像元的 热辐射特征的敏感指数， 构建热辐射特征的敏 感 指数数据集； 根据热辐射特征的敏感指数数据 集， 获取目标区域的地表类型分类数据。 通过结 合热辐射特征， 对地表类型进行分类， 准确地反 映地表类型的地表温度， 从而准确地反映出当前 区域的热环境， 高效， 快捷。 权利要求书3页 说明书10页 附图3页 CN 114612805 A 2022.06.10 CN 114612805 A 1.一种基于无 人机遥感图像的地表类型检测方法， 其特 征在于， 包括以下步骤： 通过无人机获取目标区域的遥感图像数据集以及温度数据集， 其中， 所述遥感图像数 据集包括若干个热 红外图像数据， 所述温度数据集包括与所述热 红外图像数据相对应的气 温参数； 对所述热红外图像数据进行掩膜处 理， 获取不透水面图像数据； 根据所述不透水面图像数据以及温度 数据集， 获取所述目标区域的热辐射特征的敏感 指数， 构建热辐射特 征的敏感指数 数据集； 根据所述热辐射特 征的敏感指数 数据集， 获取 所述目标区域的地表类型分类数据； 响应于检测指令， 所述检测指令包括待检测区域的遥感图像数据集以及温度数据集， 获取电子地图数据， 根据所述待检测区域的遥感图像数据集以及温度数据集， 获取待检测 区域的地表类型分类数据， 根据所述地表类型分类数据中的地表类型以及与所述地表类型 对应的地表标识， 获取所述电子地图数据的各个区域的地表标识， 在所述电子地图数据上 进行地表标识的显示以及标注。 2.根据权利要求1所述的基于无人机遥感图像的地表类型检测方法， 其特征在于， 所述 对所述热红外图像数据进行掩膜处 理， 获取不透水面图像数据， 包括 步骤： 获取所述热红外图像数据对应的掩膜数据； 根据所述掩膜数据， 过滤所述目标区域的热红外 图像数据内的掩膜数据对应的区域， 获取所述不透水面图像数据。 3.根据权利要求2所述的基于无人机遥感图像的地表类型检测方法， 其特征在于， 所述 掩膜数据， 其中， 所述掩膜数据包括植被掩膜数据、 水体掩膜数据以及土壤掩膜数据， 所述 掩膜数据对应的区域包括 植被区域、 水体区域以及土壤区域。 4.根据权利要求3所述的基于无人机遥感图像的地表类型检测方法， 其特征在于， 所述 获取所述热红外图像数据对应的掩膜数据， 包括 步骤： 根据所述热红外图像数据以及归一化植被指数算法， 获取所述热红外图像数据的归一 化植被指数， 根据所述归一化植被指数以及预设的归一化植被指数阈值， 从所述热红外图 像数据中提取植被区域图像数据， 根据所述植被区域图像数据， 获取植被掩膜数据， 其中， 所述归一 化植被指数算法为： 式中， NDVI为所述归一 化植被指数， N IR为近红外波段， R为红外波段； 根据所述热红外图像数据以及归一化差异水体指数算法， 获取所述热红外图像数据的 归一化差异水体指数， 根据所述归一化差异水体指数以及预设的归一化差异水体指数阈 值， 从所述热 红外图像数据中提取水体区域图像数据， 根据所述水体区域图像数据， 获取水 体掩膜数据， 其中， 所述归一 化差异水体指数算法为： 式中， MNDWI为所述归一 化差异水体指数， Gre en为绿波段， MIR为中红外波段； 根据所述热红外图像数据以及土壤调节植被指数算法， 获取所述热红外图像数据的土 壤调节植被指数， 根据所述土壤调节植被指数以及预设的土壤调节植被指数阈值， 从所述权　利　要　求　书 1/3 页 2 CN 114612805 A 2热红外图像数据中提取土壤区域图像数据， 根据所述土壤区域图像数据， 获取土壤掩膜数 据， 其中， 所述土壤调节植被指数算法为： 式中， MSAVI为所述土壤调节植被指数， Red为红光波段。 5.根据权利要求1所述的基于无人机遥感图像的地表类型检测方法， 其特征在于， 所述 根据所述不透水面图像数据以及温度数据集， 获取所述目标区域的不透水面图像数据的每 个像元的热辐射特 征的敏感指数， 构建热辐射特 征的敏感指数 数据集， 包括 步骤： 根据所述不透水面图像数据以及地表温度算法， 获取所述不透水面图像的地表温度 数 据， 其中， 所述 地表温度算法为： 式中， Ts为地表温度； C为亮度温度值； C ’为等效大气平均温度； a和b为回归系数； α和β 为 中间系数， 其中α ＝e ·r， β ＝(1‑e)[1+e(1 ‑r)]， e为大气透过率， r为 地表比辐射 率； 根据所述地表温度数据以及热辐射特征的敏感指数算法， 获取所述目标区域的不透水 面图像数据的每个像元 的热辐射特征的敏感指数， 构建热辐 射特征的敏感指数数据集， 其 中， 所述热辐射特 征的敏感指数算法为： TCI＝(Ts‑Ta_c)/(Ta_max‑Ta_min) 式中， TCI为所述热辐射特征的敏感指数， Ta_c为所述气温参数中热红外图像数据获取 时的当地气温， Ta_max为所述气温参数 中热红外图像数据获取时的当天的最高气温， Ta_min为 所述气温参数中热红外图像数据获取时的当天的最低气温。 6.根据权利要求1所述的基于无人机遥感图像的地表类型检测方法， 其特征在于， 所述 根据所述热辐 射特征的敏感指数数据集， 获取所述 目标区域的地表类型分类数据， 还包括 步骤： 获取所述热辐射特征的敏感指数数据集的偏差平方和参数， 其中， 所述偏差平方和参 数包括第一偏差平方和参数以及第二偏差平 方和参数， 所述第一偏差平 方法和参数为热辐 射特征的敏感指数的均值的偏差平方和， 所述第二偏差平方和参数为热辐射特征的敏感指 数的均值的平方偏差平方和； 根据所述偏差平方和参数以及方差拟合优度算法， 获取方差拟合优度， 根据所述方差 拟合优度以及预设的方差拟合优度阈值， 对所述热辐 射特征的敏感指数数据集进行分类， 获取所述目标区域的地表类型分类数据。 7.一种基于无 人机遥感图像的地表类型检测装置， 其特 征在于， 包括： 获取模块， 用于通过无人机获取目标区域的遥感图像数据集以及温度 数据集， 其中， 所 述遥感图像数据集包括若干个热红外图像数据， 所述温度数据集包括与所述热 红外图像数 据相对应的气温参数； 处理模块， 用于对所述热红外图像数据进行掩膜处 理， 获取不透水面图像数据； 构建模块， 用于根据所述不透水面图像数据以及温度数据集， 获取所述目标区域的不 透水面图像数据的每个像元的热辐射特征的敏感指数， 构建热辐射特征的敏感指数数据权　利　要　求　书 2/3 页 3 CN 114612805 A 3