The invention provides a method and system for identifying fruit trees. The methods include: obtaining high resolution remote sensing images and digital elevation models of the target area, dividing the target area into several sub target regions with equal size, obtaining the target features of each sub target area according to the high resolution remote sensing image and the digital elevation model of the target area; the target features include several. Spectral features, several texture features and several topographic features; the target features of each sub target area are entered into a pre constructed random forest classifier to determine whether each sub target area is a fruit forest or not, according to whether each sub target area is the fruit of the fruit forest, and the fruit forest in the target area is identified. The system includes remote sensing module, feature extraction module and recognition module. A fruit forest identification method and system provided by the invention improve the accuracy of fruit forest identification.
【技术实现步骤摘要】
一种果林识别方法和系统
本专利技术涉及遥感
,更具体地,涉及一种果林识别方法和系统。
技术介绍
随着快速、准确地提取果林空间分布信息及面积对稳定果园面积、优化空间布局及相关部门制定决策具有重要意义。遥感技术所具有的宏观、快速、实时等特点,为提取人工果树林信息提供了高效快捷的技术手段。我国南方地区如海南、广东、广西等地区是重要的水果产地,但是这些地区地物类型也复杂多样,植被终年常绿,地块破碎化程度高且面积小,单一时项或多时项的低、中分辨率影像往往无法满足高精度的果林(如芒果林等)信息提取和变化监测的需求。随着航空航天技术、传感器的不断进步,高分辨率遥感影像的应用范围逐渐扩大,如何基于高分辨率影像进行复杂地表下垫面人工果树林信息的高精度提取有待深入研究。在基于遥感影像的地物信息提取研究方面,传统基于单个像元单纯依靠光谱信息的信息提取方法主要利用单个影像像元的光谱特征信息提取地物的方法,适用于中低分辨率多光谱和高光谱影像;专家知识决策树的信息提取方法是利用单个像元的光谱特征、空间关系和其他上下文关系归类的一种适用于多源数据的地物信息提取方法,整个过程知识获取比较复杂;传统基于单个象元纯光谱和知识决策树遥感信息提取方法,仅利用单个象元的光谱信息,分类精度非常低。果林内部以及果林与其它自然林、经济林之间往往存在“同谱异物”、“同物异谱”现象,使得仅利用光谱信息进行果林的识别和信息提取的现有技术在准确率上仍然不高。
技术实现思路
为克服现有技术存在的识别准确率不高的不足,本专利技术提供一种果林识别方法和系统。根据本专利技术的一个方面,提供一种果林识别方法,包括:S1 ...
【技术保护点】
1.一种果林识别方法,其特征在于,包括:S1、获取目标区域的高分辨率遥感图像和数字高程模型;S2、将所述目标区域划分成大小相等的若干个子目标区域,根据所述目标区域的高分辨率遥感图像和数字高程模型获取每一所述子目标区域的目标特征;所述目标特征包括若干个光谱特征、若干个纹理特征和若干个地形特征;S3、分别将每一所述子目标区域的目标特征输入预先构建好的随机森林分类器,判断每一所述子目标区域是否为果林,根据每一所述子目标区域是否为果林的判断结果,识别所述目标区域中的果林。
【技术特征摘要】
1.一种果林识别方法,其特征在于,包括:S1、获取目标区域的高分辨率遥感图像和数字高程模型;S2、将所述目标区域划分成大小相等的若干个子目标区域,根据所述目标区域的高分辨率遥感图像和数字高程模型获取每一所述子目标区域的目标特征;所述目标特征包括若干个光谱特征、若干个纹理特征和若干个地形特征;S3、分别将每一所述子目标区域的目标特征输入预先构建好的随机森林分类器,判断每一所述子目标区域是否为果林,根据每一所述子目标区域是否为果林的判断结果,识别所述目标区域中的果林。2.根据权利要求1所述的果林识别方法,其特征在于,获取构建好的随机森林分类器的具体步骤包括:S01、提取预先获取的训练样本集中每一训练样本的第一数量的特征;所述第一数量的特征包括若干个光谱特征、若干个纹理特征和若干个地形特征;S02、从所述训练样本集中有放回地随机抽取预设的第一比例的训练样本;S03、从所述第一数量的特征中随机抽取第二数量的特征,根据分裂规则,使用抽取的训练样本的所述第二数量的特征获取决策树的分裂点,根据所述分裂点生成决策树;所述第二数量小于所述第一数量;S04、重复执行步骤S02和S03,直至抽取的次数达到预设次数;S05、根据生成的全部所述决策树,生成待验证的随机森林分类器;S06、利用预先获取的验证样本集,获取所述待验证的随机森林分类器的分类准确率,当所述分类准确率大于准确率阈值时,将所述待验证的随机森林分类器作为所述构建好的随机森林分类器,将当前第一数量的特征作为所述目标特征。3.根据权利要求2所述的果林识别方法,其特征在于,预先获取所述训练样本集和所述验证样本集的具体步骤包括:获取若干个样本区域的高分辨率遥感图像和数字高程模型;将每个所述样本区域划分成大小相等的若干个子样本区域,所述子样本区域的大小与所述目标区域的大小相等;将全部所述子样本区域作为样本,组成样本集;从所述样本集中抽取预设的第二比例的样本作为训练样本,组成所述训练样本集;将所述样本集中未被抽取的样本作为验证样本,组成所述验证样本集。4.根据权利要求2所述的果林识别方法,其特征在于,所述第一数量的特征中的光谱特征包括:蓝光波段光谱信息、绿光波段光谱信息、红光波段光谱信息和近红外波段光谱信息、归一化植被指数、土壤亮度指数和土壤调节植被指数;所述第一数量的特征中的纹理特征包括:灰度共生矩阵的方差、相关性、非相似性、同质性、对比度、二阶矩和熵;所述第一数量的特征中的地形特征包括:高程和坡度。5.根据权利要求4所述的果林识别方法,其特征在于,所述步骤S06还包括:...
【专利技术属性】
技术研发人员:叶回春,黄文江,崔贝,黄珊瑜,任传帅,董莹莹,
申请(专利权)人:三亚中科遥感研究所,中国科学院遥感与数字地球研究所,
类型:发明
国别省市:海南,46
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。