【技术实现步骤摘要】
本专利技术属于遥感应用
,具体涉及一种基于高分辨率影像的区域自适应耕地提取方法。
技术介绍
耕地信息的快速、准确提取对耕地动态监测、耕地地力调查与评价、耕地保护及基本农田划定、土地资源利用程度分析、精准农业等具有重要意义。高分辨率影像增强了耕地的内部差异性,使得耕地覆盖的光谱表现呈现多样性,加大了耕地准确提取的难度。目前高分辨率影像耕地提取方法有很多种,其存在以下问题:1)一般耕地提取方法是根据农作物的生长特点,采用时相符合生长周期的多期影像进行分析研究的,此方法在推广上受到数据源的时相和数量的限制;2)采用面向对象的耕地提取方法应用较广泛,但其存在应用区域小、分类过程复杂,自动化程度低,不具有普适性和推广性。
技术实现思路
本专利技术的目的是提供一种基于高分辨率影像的耕地提取方法,所述耕地提取方法不受数据源的时相和数量限制,且具有普适性和推广性。为实现上述目的,本专利技术提出了一种基于高分辨率影像的区域自适应耕地提取方法,包括:S1,对数据进行预处理;S2,对高分辨率影像进行多尺度分割,确定耕地的最优分割尺度,得到耕地分类的最优分割层;S3,在最优分割层中构建多个耕地样本集,形成每个耕地样本集的属性特征空间;S4,对每一个耕地样本集,进行最优影像特征空间选择;S5,对每一个耕地样本集,根据最优影像特征空间构建耕地提取的模糊分类器;S6,基于耕地样本集和模糊分类器进行耕地 ...
【技术保护点】
一种基于高分辨率影像的区域自适应耕地提取方法,其特征在于,所述提取方法包括:S1,对数据进行预处理;S2,对高分辨率影像进行多尺度分割,确定耕地的最优分割尺度,得到耕地分类的最优分割层;S3,在最优分割层中构建多个耕地样本集,形成每个耕地样本集的属性特征空间;S4,对每一个耕地样本集,进行最优影像特征空间选择;S5,对每一个耕地样本集,根据最优影像特征空间构建耕地提取的模糊分类器;S6,基于耕地样本集和模糊分类器进行耕地提取:S61,根据耕地样本集的属性特征空间,逐一对步骤S2最优分割后的对象进行属性特征计算;S62,分别对S61得到的属性特征计算结果与步骤S3构建的耕地样本集的属性特征空间范围值进行匹配,如果对象的属性特征值在某一耕地样本集的属性特征范围内,则记为1,否则记为0,得到匹配矩阵DijDij=l1,l2,l3,l4,...lip1,p2,p3,p4,...pin1,n2,n3,n4,...nib1,b2,b3,b4,...bi...................w1,w2,w3,w4,...wiT]]>其中,l,p,n,b,…,w分别为耕地样本集的属性特征,i为耕地样本 ...
【技术特征摘要】
1.一种基于高分辨率影像的区域自适应耕地提取方法,其特征在于,所述提取方法包
括:
S1,对数据进行预处理;
S2,对高分辨率影像进行多尺度分割,确定耕地的最优分割尺度,得到耕地分类的最优
分割层;
S3,在最优分割层中构建多个耕地样本集,形成每个耕地样本集的属性特征空间;
S4,对每一个耕地样本集,进行最优影像特征空间选择;
S5,对每一个耕地样本集,根据最优影像特征空间构建耕地提取的模糊分类器;
S6,基于耕地样本集和模糊分类器进行耕地提取:
S61,根据耕地样本集的属性特征空间,逐一对步骤S2最优分割后的对象进行属性特征
计算;
S62,分别对S61得到的属性特征计算结果与步骤S3构建的耕地样本集的属性特征空间
范围值进行匹配,如果对象的属性特征值在某一耕地样本集的属性特征范围内,则记为1,
否则记为0,得到匹配矩阵DijDij=l1,l2,l3,l4,...lip1,p2,p3,p4,...pin1,n2,n3,n4,...nib1,b2,b3,b4,...bi...................w1,w2,w3,w4,...wiT]]>其中,l,p,n,b,…,w分别为耕地样本集的属性特征,i为耕地样本集的个数,j为属性特
征的个数,T表示矩阵的转置;
S63,根据定义的耕地样本集中每个属性特征所占权重值与匹配矩阵Dij,分别计算对象
与每一个耕地样本集的相似度,得到相似度矩阵Si,
Si=Dij×δj=l1,l2,l3,l4,...lip1,p2,p3,p4,...pin1,n2,n3,n4,...nib1,b2,b3,b4,...bi..................·w1,w2,w3,w4,...wiT×δ1δ2δ3δ4...δj=S1S2S3S4...Si]]>其中,δi为样本集属性特征权重矩阵,δi根据区域情况进行自定义;
S64,设定相似度矩阵Si的阈值判断条件,若对象与某个耕地样本集的相似度满足阈值
判断条件,则对象与某个耕地样本集相匹配;
S65,根据S64的匹配结果,对该对象执行相匹配的耕地样本集对应的模糊分类器,得到
分类类别函数E(i)和类别隶属度ω(i),S66,采用加权投票法进行耕地加权计算,计算公式如下:
E(x)=Σi=1n(E(i)×ω(i))]]>其中,E(x)为耕地加权判断函数,n为与对象x相匹配的模糊分类器总数,i为模糊分类
器的个数,i=1,…,n;
S67,对对象是否为耕地进行判断,判断条件如下:
2.如权利要求1所述的基于高分辨率影像的区域自适应耕地提取方法,其特征在于,数
据预处理包括对高分辨率影像及数字高程模型进行处理,其中,影像处理包括对影像进行
辐射和几何校正,数字高程模型处理包括生成坡度。
3.如权利要求1所述的基于高分辨率影像的区域自适应耕地提取方法,其特征在于,所
述步骤S2中,耕地的最优分割尺度为同时满足均值方差为峰值、形状指数方差为谷值的分
割尺度;...
【专利技术属性】
技术研发人员:文强,丁媛,李丽,纪中奎,周会珍,沙漠泉,周淑芳,张强,任昊冬,
申请(专利权)人:二十一世纪空间技术应用股份有限公司,
类型:发明
国别省市:北京;11
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。