一种果林识别方法和系统技术方案

本发明专利技术提供一种果林识别方法和系统。其中，方法包括：获取目标区域的高分辨率遥感图像和数字高程模型；将目标区域划分成大小相等的若干个子目标区域，根据目标区域的高分辨率遥感图像和数字高程模型获取每一子目标区域的目标特征；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；分别将每一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，判断每一子目标区域是否为果林，根据每一子目标区域是否为果林的判断结果，识别目标区域中的果林。系统包括：遥感模块、特征提取模块和识别模块。本发明专利技术提供的一种果林识别方法和系统，提高了果林识别的准确率。

A method and system for fruit forest identification

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、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。优选地，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。优选地，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。优选地，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。优选地，所述步骤S06还包括：当所述分类准确率小于准确率阈值时，获取所述训练样本集中每一训练样本若干个新的特征，将所述若干个新的特征与当前第一数量的特征共同构成新的第一数量的特征，并执行步骤S02，直至所述分类正确率大于准确率阈值。优选地，所述新的特征至少包括新的光谱特征和/或新的纹理特征；所述新的光谱特征至少包括：增强型植被指数、比值植被指数、绿色归一化差值植被指数、三角植被指数、差值植被指数和归一化差值水指数中的一个或多个；所述新的纹理特征至少包括：灰度共生矩阵的逆差分矩、中值、协方差、反差、共生和均值、共生和方差、共生和熵、共生差均值、共生差方差和共生差熵中的一个或多个。优选地，所述步骤S05和步骤S06之间还包括：利用生成每棵决策树时未被抽取的训练样本，获取当前待验证的随机森林分类器的袋外数据误差；根据所述袋外数据误差，获取当前第一数量的特征中每一特征的重要性；根据当前第一数量的特征中每一特征的重要性，保留当前第一数量的特征中的若干个特征，作为新的第一数量的特征，并执行步骤S02，直至生成新的待验证的随机森林分类器。优选地，所述获取目标区域的高分辨率遥感图像的具体步骤包括：获取所述目标区域特定时期的清晰无云的高分辨率卫星影像，对所述高分辨率卫星影像进行预处理，获得所述目标区域的高分辨率遥感图像；对所述高分辨率卫星影像进行预处理的方法包括辐射定标、大气校正、正射校正、几何精校正和投影变换。优选地，所述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的具体步骤包括：对于每一所述子目标区域，根据所述目标区域的高分辨率遥感图像获取该子目标区域的若干个光谱特征和若干个纹理特征，根据所述目标区域的数字高程模型获取该子目标区域的若干个地形特征。根据本专利技术的另一个方面，提供一种果林识别系统，包括：遥感模块，用于获取目标区域的高分辨率遥感图像和数字高程模型；特征提取模块，用于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；识别模块，用于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。本专利技术提供的一种果林识别方法和系统，通过提取光谱特征、纹理特征和地形特征作为子目标区域的特征，并使用随机森林分类器进行分类，识别目标区域中的果林，提高了果林识别的准确率，能满足果林常态监测等需求，具有较高的果林识别的准确率。附图说明图1为本专利技术实施例一种果林识别方法的流程图；图2为本专利技术实施例一种果林识别系统的功能框图。具体实施方式下面结合附图和实施例，对本专利技术的具体实施方式作进一步详细描述。以下实施例用于说明本专利技术，但不用来限制本专利技术的范围。图1为本专利技术实施例一种果林识别方法的流程图。如图1所示，一种果林识别方法包括：步骤S1、获取目标区域的高分辨率遥感图像和数字高程模型；步骤S2、将目标区域划分成大小相等的若干个子目标区域，根据目标区域的高分辨率遥感图像和数字高程模型获取每一子目标区域的目标特征；目标特征包括若干个光谱特本文档来自技高网...

【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