一种基于多时相高分辨率遥感影像的设施蔬菜提取方法技术

本发明专利技术提供了一种基于多时相高分辨率遥感影像的设施蔬菜提取方法，包括：对高分辨率遥感影像进行预处理，以提取出单波段图像；对单波段图像执行图像增强处理，从而提高设施蔬菜与其他地物类别的区分能力；选择预定观察窗口，对增强处理后的图像进行纹理分析处理，从而计算获得特征值纹理影像；基于特征值纹理影像，创建易与设施蔬菜混淆的建筑物和道路的掩膜图像；利用掩膜图像对原始的高分辨率遥感影像进行掩膜，从而提取出地物图斑的边缘检测线；对边缘检测线进行数学形态学操作和细分割处理，从而生成提取结果；对设施蔬菜的灰度图像执行二值化处理，提取出设施蔬菜的矢量图斑并进行矢量转栅格处理，从而实现设施蔬菜信息提取。

【技术实现步骤摘要】
一种基于多时相高分辨率遥感影像的设施蔬菜提取方法
本专利技术属于图像智能处理
，涉及高分辨率遥感影像的信息提取技术，具体涉及一种基于多时相高分辨率遥感影像的设施蔬菜提取方法，用于基于高分辨率遥感影像，提取出影像中的设施蔬菜信息。
技术介绍
随着我国城镇化的快速推进，对蔬菜的需求也日趋增长，集约化蔬菜生产(以设施蔬菜为代表)已经成为蔬菜生产的主要发展方向。设施蔬菜可以延长蔬菜供应周期，提高蔬菜产量，缓解供应紧张现象。目前国内常用的设施农业类型主要包括：塑料大棚(含中小拱棚)、日光温室和连栋温室。塑料大棚是指以塑料薄膜作为透光覆盖材料的单栋拱棚。在我国南方地区使用功能是冬季保温，夏季遮阳、防雨。而在北方地区使用主要具有春提早、秋延后作用，一般比露地生产科提早或延后一个月左右。由于其保温性能较差，在北方地区一般不用它做越冬生产。日光温室是我国科技工作者在一面坡温室的基础上不断完善提高开发出来的一种具有中国特色的温室形式。它是以太阳能为主要能源，夜间采用活动保温被在前屋面保温进行越冬生产的单层面塑料薄膜温室，该类温室的东、西、北三面墙体和后屋面采用高保温建筑材料。在我国北方地区使用，正常条件下不用人工加温可保持室内外温差达到20-30℃以上，此类温室现已在北纬30-45°地区有广泛应用，是北方地区越冬生产园艺产品的主要温室形式。连栋温室是指将多个单跨的温室通过天沟连接起来的大面积生产温室，是当今世界和我国发展现代化设施农业的趋势和潮流。连栋温室根据结构形式和覆盖材料的不同分为：连栋玻璃温室、连栋塑料温室和聚碳酸酯板温室(PC温室)。上述的三种温室又可以简单的分为：“冷棚”(塑料大棚)和“暖棚”(日光温室和连栋温室)。蔬菜设施栽培已经成为现代农业的重要组成部分之一，设施栽培成了将传统农业改造为现代农业的一种重要手段，并且在许多地区成了当地的支柱产业，极大的增加了农民的收入。另外，设施蔬菜的出现使得土地的利用率高，在一定程度上摆脱了对自然环境的依赖，具有高投入、高技术含量、高品质、高产量、高效益等特点，是最有活力的农业新产业。设施蔬菜的建设面积反映了当地的农业现代化发展水平，也反映了当地的蔬菜供应能力，对于市场上蔬菜的供求关系起到至关重要的影响，对于当地农业部门的科学管理、蔬菜种植政策制定等方面都有很重要的意义。其中，良种补贴的重要一项就是良种补贴的面积，面积的准确度关系着农民的切身利益。在现有技术中，设施蔬菜的面积产量等信息通常是采用常规的地面调查方法或常年的统计数据，缺乏科学性，浪费大量的时间和人力，受人为主观因素影响较大，对政府的决策、管理难以提供可靠性依据，不能满足其需求。遥感作为远距离探测地物接收地物电磁波信息特性的技术，具有常规传统技术所不具备的信息真实丰富、现势性、宏观性、动态性等诸多优势。通过遥感技术快速、准确地获取设施蔬菜的面积、土地利用分布等信息，可以为合理布置菜区分布、实现集约化蔬菜生产、稳定和促进农业发展水平，实现农业资源的高效和可持续利用奠定良好基础。遥感技术的快速发展，高分辨率遥感影像已经成为获取设施蔬菜种植面积的主要途径。如何从海量高分辨率遥感影像数据中高效、精准地提取出设施蔬菜的面积、类型等信息是高分辨率遥感影像智能解译中急需解决的关键技术之一。同时，设施蔬菜是遥感影像中典型的、很常见也很重要的地物要素类型，其信息的有效获取，在地理数据更新、农村发展规划、农业科学管理等领域具有重要的意义。遥感平台的多样化发展，空间和光谱分辨率的提升，遥感技术在农业领域的应用变得越来越广泛。对于遥感影像进行地物类别分类主要是确定不同地物类别间的判别界面和判别准则，目前对于设施蔬菜提取方法上，很多时候都是通过以监督分类和非监督分类为算法，采用目视解译来进行修正来提高分辨率。其中，目视解译能综合利用地物的色调或色彩、形状、大小、阴影、纹理、图案、位置和布局等影像特征的知识，但目视解译需要解译人员对研究区比较熟悉，且分类非常费时费力。监督分类和非监督分类的方法由于过分依赖地物光谱信息，不能充分挖掘地物空间特征和其他辅助信息，难以克服影像中的“同物异谱”和“同谱异物”现象，分类精度受到一定的限制，若要达到较高的精度需要进行大量的后期修正。此外存在的方法还包括：面向对象的分类算法、人工神经网络法、支持向量机法、基于空间结构的提取方法等。目前提取设施蔬菜的结果中有建筑物、道路的存在，这在很大程度上会造成提取的精度差，混淆范围大。此外，从数据源上，目前已有的方法多数是采用LandsatTM、SPOT5、RapidEye等中低分辨率遥感影像，不能满足精细的设施蔬菜信息提取要求，部分提出的高分辨率遥感设施蔬菜的提取方法又往往受影像质量、场景复杂度的影响较大，且需要大量的人工干预，这降低了方法的普适性和自动化程度。因此要实现设施蔬菜的精准提取，就必须采用的高分辨流程遥感影像。
技术实现思路
为了解决现有技术中存在的问题，本专利技术提出了一种基于高分辨率遥感影像的设施蔬菜信息提取方案，能够满足影像中设施蔬菜信息提取的需要，提高高分辨率遥感影像设施蔬菜提取的鲁棒性和普适性，实现了设施蔬菜种植面积的提取。本专利技术提供了一种基于多时相高分辨率遥感影像的设施蔬菜提取方法，用于基于高分辨率遥感影像，提取出影像中的设施蔬菜信息，包括以下步骤：步骤一，对高分辨率遥感影像进行预处理，以提取出单波段图像；步骤二，对单波段图像执行图像增强处理，从而提高设施蔬菜与其他地物类别的区分能力；步骤三，选择预定观察窗口，对增强处理后的图像进行纹理分析处理，从而计算获得特征值纹理影像；步骤四，基于特征值纹理影像，创建易与设施蔬菜混淆的建筑物和道路的掩膜图像；步骤五，利用掩膜图像对原始的高分辨率遥感影像进行掩膜，从而提取出地物图斑的边缘检测线；步骤六，对边缘检测线进行数学形态学操作和细分割处理，从而生成关于设施蔬菜的灰度图像的提取结果；步骤七，对设施蔬菜的灰度图像执行二值化处理，提取出设施蔬菜的矢量图斑并进行矢量转栅格处理，从而实现对设施蔬菜信息的提取。优选地，在本专利技术中，预处理至少包括：辐射定标、利用基准影像进行几何校正、图像融合、图像向前、基于规则进行区域裁剪。纹理分析处理为灰度共生矩阵的纹理统计法，并且特征值纹理影像的特征值至少包括：熵、对比度、自相关、能量、同质性。具体地，在步骤一中执行：采用高分辨率遥感影像自带的.rpb文件对遥感影像进行正射校正操作；采用定标参数和光谱响应函数，对正射校正后的影像进行辐射定标，从而得到地表反射率影像；采用基准影像，对地表反射率影像进行几何校正；采用GS融合法，高分辨率、多光谱的全色影像进行融合处理；采用行政边界对进行影像裁剪，从而完成影像的预处理。额外地，步骤二还可以包括：提取高分辨率遥感影像中的蓝波段，进行直方图均衡化图像增强处理。相应地，在步骤二中执行：将高分辨率遥感影像的数据转换为double类型；将高分辨率遥感影像的数据转换为[0，1]区间的灰度图像；将高分辨率遥感影像的数据扩充到[0，255]区间；提取高分辨率遥感影像中的蓝波段进行分析；对蓝波段进行直方图均衡化图像增强处理，从而进一步提高设施蔬菜与其他地物类别的区分能力。在步骤三中执行：灰度量级化操作；确定观察窗口；设定步距及扫描方向；计算纹理本文档来自技高网...

【技术保护点】
1.一种基于多时相高分辨率遥感影像的设施蔬菜提取方法，用于基于高分辨率遥感影像，提取出影像中的设施蔬菜信息，其特征在于，包括以下步骤：步骤一，对所述高分辨率遥感影像进行预处理，以提取出单波段图像；步骤二，对所述单波段图像执行图像增强处理，从而提高所述设施蔬菜与其他地物类别的区分能力；步骤三，选择预定观察窗口，对增强处理后的图像进行纹理分析处理，从而计算获得特征值纹理影像；步骤四，基于所述特征值纹理影像，创建易与所述设施蔬菜混淆的建筑物和道路的掩膜图像；步骤五，利用所述掩膜图像对原始的所述高分辨率遥感影像进行掩膜，从而提取出地物图斑的边缘检测线；步骤六，对所述边缘检测线进行数学形态学操作和细分割处理，从而生成关于所述设施蔬菜的灰度图像的提取结果；步骤七，对所述设施蔬菜的灰度图像执行二值化处理，提取出所述设施蔬菜的矢量图斑并进行矢量转栅格处理，从而实现对设施蔬菜信息的提取。

【技术特征摘要】
1.一种基于多时相高分辨率遥感影像的设施蔬菜提取方法，用于基于高分辨率遥感影像，提取出影像中的设施蔬菜信息，其特征在于，包括以下步骤：步骤一，对所述高分辨率遥感影像进行预处理，以提取出单波段图像；步骤二，对所述单波段图像执行图像增强处理，从而提高所述设施蔬菜与其他地物类别的区分能力；步骤三，选择预定观察窗口，对增强处理后的图像进行纹理分析处理，从而计算获得特征值纹理影像；步骤四，基于所述特征值纹理影像，创建易与所述设施蔬菜混淆的建筑物和道路的掩膜图像；步骤五，利用所述掩膜图像对原始的所述高分辨率遥感影像进行掩膜，从而提取出地物图斑的边缘检测线；步骤六，对所述边缘检测线进行数学形态学操作和细分割处理，从而生成关于所述设施蔬菜的灰度图像的提取结果；步骤七，对所述设施蔬菜的灰度图像执行二值化处理，提取出所述设施蔬菜的矢量图斑并进行矢量转栅格处理，从而实现对设施蔬菜信息的提取。2.根据权利要求1所述的基于多时相高分辨率遥感影像的设施蔬菜提取方法，其特征在于，所述预处理至少包括：辐射定标、利用基准影像进行几何校正、图像融合、图像向前、基于规则进行区域裁剪。3.根据权利要求2所述的基于多时相高分辨率遥感影像的设施蔬菜提取方法，其特征在于，在所述步骤一中执行：采用所述高分辨率遥感影像自带的.rpb文件对遥感影像进行正射校正操作；采用定标参数和光谱响应函数，对正射校正后的影像进行辐射定标，从而得到地表反射率影像；采用基准影像，对所述地表反射率影像进行几何校正；采用GS融合法，高分辨率、多光谱的全色影像进行融合处理；采用行政边界对进行影像裁剪，从而完成影像的预处理。4.根据权利要求1所述的基于多时相高分辨率遥感影像的设施蔬菜提取方法，其特征在于，所述步骤二还包括：提取所述高分辨率遥感影像中的蓝波段，进行直方图均衡化图像增强处理。5.根据权利要求4所述的基于多时相高分辨率遥感影像的设施蔬菜提取方法，其特征在于，在所述步骤二中执行：将所述高分辨率遥感影像的数据转换为double类型；将所述高分辨率遥感影像的数据转换为[0，1]区间的灰度图像；将所述高分辨率遥感影像的数据扩充到[0，255]区间；提取所述高分辨率遥感影像中的蓝波段进行分析；对所述蓝波段进行直方图均衡化图像增强处理，从而进一步提高所述设施蔬菜与其他地物类别的区分能力。6.根据权利要求1所述的基于多时相高分辨率遥感影像的设施蔬菜提取方法，其特征在于，所述纹理分析处理为灰度共生矩阵的纹理统计法，并且所述特征值纹理影像的特征值至少包括：熵、对比度、自相关、能量、同质性。7.根据权利要求6所述的基于多时相高分辨率遥感影像的设施蔬菜提取方法，其特征在于，在所述步骤三中执行：灰度量级化操作；确定所述观察窗口；设定步距及扫描方向；计算纹理的灰度共生矩阵；计算所述特征值纹理影像的特征值；生成所述特征值纹理影像。8.根据权...

【专利技术属性】
技术研发人员：杨秀峰，赵建鹏，李国洪，金永涛，李旭青，赵起超，刘世盟，
申请(专利权)人：北华航天工业学院，
类型：发明
国别省市：河北,13