一种基于植被指数思想的地物信息遥感提取方法技术

本发明专利技术涉及遥感分类技术领域，具体涉及一种基于植被指数思想的地物信息遥感提取方法，包括以下步骤：S1.选取目标地物，计算得出相应的NEW‑NDVI或NEW‑RVI值；S2.应用阈值分割技术分别提取步骤S1获得NEW‑NDVII或NEW‑RVI值中大于T的部分，即可去除部分非目标地物信息；S3.应用数学中集合相交运算，将步骤S2得到的多个NEW‑NDVI或NEW‑RVI值求交得出最终的目标地物信息。本发明专利技术基于植被指数思想的地物信息遥感提取方法根据目标地物特征信息曲线类比叶绿素波谱特征曲线来提取目标信息，提取精度稳定，普适性强，适用于各种环境，自动化程度高，避免了提取过程中人为因素的干扰，同时提取方法简单，提取的信息准确，对掌握目标地物空间分布信息、促进遥感分类技术的应用发展具有重要意义。

A method for remote sensing information extraction of ground features based on vegetation index

The invention relates to the field of remote sensing classification technology, and particularly relates to a method for extracting feature information of remote sensing vegetation index based on the idea, which comprises the following steps: S1. selected objects, corresponding NEW NDVI or NEW RVI; S2. application threshold segmentation technique were extracted from step S1 obtained in more than T NEW or NDVII NEW RVI value, you can remove the part of the non object information; S3. applied mathematics set intersection, will be obtained in step S2 multiple NEW NDVI or NEW RVI intersection that the final object information. The present invention features information extraction method of remote sensing vegetation index based on the idea of feature information based on the target curve analogy chlorophyll spectrum character curve to extract the target information extraction accuracy, stability, strong universality, suitable for various environments, high degree of automation, to avoid the interference of human factors in the process of extraction, and the extraction method is simple, accurate extraction master of information, has important significance of object spatial distribution information, promote the application and development of remote sensing classification technology.

【技术实现步骤摘要】

本专利技术涉及遥感分类
，具体涉及一种基于植被指数思想的地物信息遥感提取方法。
技术介绍
地物识别与提取对社会很多领域都具有重要的应用意义。遥感是一种大范围、快速获取地面地物信息的技术。因此，及时、准确地获取地物空间分布信息的技术与方法是当前遥感领域重要研究方向之一。当前，已有的地物遥感提取技术与方法有很多，例如基于不同分类技术的提取方法，包括监督分类和非监督分类(比如，目视解译、决策树、神经网络、支持向量机、聚类等分类技术)；基于不同遥感数据源的提取方法，包括高、中、低分辨率遥感影像(MODIS、TM/ETM、SPOT、高分等)，以及地面、航空、航天等方式获取的遥感数据(车载扫描仪、无人机/载人飞机、卫星等)。但是，根据已有研究成果分析发现，现有地物遥感提取方法存在以下问题：一是提取精度不稳定，特别是空间位置精度低；二是方法具有区域局限性，普适性差；三是需要人工采集大量的地物训练样本；四是人为因素干扰较大；五是方法复杂；六是自动化程度较低。
技术实现思路
本专利技术的目的在于解决以上技术问题，提供一种基于植被指数思想的地物信息遥感提取方法，通过遥感技术获取目标的遥感图像，根据遥感图像建立目标地物特征信息曲线，经特定的技术方法，结合阈值分割技术提取地物信息。为解决上述问题，本专利技术采用以下技术方案：一种基于植被指数思想的地物信息遥感提取方法，包括以下步骤：S1.选取目标地物，计算得出相应的NEW-NDVI或NEW-RVI值，所述NEW-NDVI和NEW-RVI的计算方法包括以下步骤：a.通过遥感技术获取目标地物特征信息数据，并根据目标地物特征信息数据建立目标地物特征信息时间序列曲线；b.将目标地物特征信息时间序列曲线与叶绿素波谱特征曲线类比，取目标地物特征信息时间序列曲线中的高值影像(H_Image)和低值影像(L_Image)；根据下述公式计算NEW-NDVI或NEW-RVI，NEW-NDVI＝(H_Image-L_Image)/(H_Image+L_Image)，NEW-RVI＝H_Image/L_Image，其中，H_Image是目标地物特征信息高值影像，L_Image是目标地物特征信息低值影像，NEW-NDVI或NEW-RVI值大于T的区域表示目标地物，小于等于T的区域表示其它地物；所述T在与NEW-NDVI值对比时，-1＜T≤0；所述T在与NEW-RVI值对比时，0＜T≤1；所述叶绿素波谱特征曲线选自地物波谱库；c.重复步骤a和b，再选取几对目标地物特征信息时间序列曲线中的高值和低值影像，按照NEW-NDVI或NEW-RVI公式计算得出NEW-NDVI2/NEW-RVI2、NEW-NDVI3/NEW-RVI3、NEW-NDVI4/NEW-RVI4…S2.应用阈值分割技术分别提取步骤S1获得NEW-NDVII或NEW-RVI值中大于T的部分，即可去除部分非目标地物信息；S3.应用数学中集合相交运算，将步骤S2得到的多个NEW-NDVI或NEW-RVI值求交得出最终的目标地物信息。进一步地，所述目标地物特征信息数据为高分辨率遥感影像、中分辨率遥感影像、低分辨率遥感影像、多光谱遥感数据或高光谱遥感数据。进一步地，所述步骤S1的子步骤b中，还包括将H_Image和L_Image分别类比叶绿素波谱特征曲线的近红外光波段和红光波段。进一步地，所述叶绿素波谱特征曲线是由光谱仪测量得到，或者通过遥感软件处理多光谱影像得到；进一步地，所述目标地物为植被、土壤、岩石或大气。本专利技术的原理为：根据叶绿素波谱特征曲线，近红外光波段是叶绿素高反射波段，可见光红光波段是叶绿素低反射波段，近红外光和红光两个波段之比即为比值植被指数(RVI)，两波段之差除以两波段之和即为归一化植被指数(NDVI)。上述几种植被指数的原理可以简单地看做是对叶绿素具有高值(近红外波段)和低值(可见光红波段)特征的两个影像做比值或差值等运算的指数，这些植被指数可以较好的描述绿色植被的覆盖程度。归一化植被指数的取值在-1和1之间，其中，小于0的部分表示水体、雪、云等；等于0表示岩石；大于0表示绿色植被。对于比值植被指数，绿色植被覆盖区域的比值植被指数的值远大于1，小于2；无植被覆盖区域的RVI值小于或等于1。本专利技术一种基于植被指数思想的地物信息遥感提取方法，与现有技术相比，其突出的特点和优异的效果在于：本专利技术基于植被指数思想的地物信息遥感提取方法根据目标地物特征信息曲线类比叶绿素波谱特征曲线来提取植被信息，提取精度稳定，普适性强，适用于各种复杂环境，自动化程度高，避免了提取过程中人为因素的干扰，同时提取方法简单，提取的信息准确，对掌握目标地物空间分布信息、促进遥感分类技术的应用发展具有重要意义。附图说明图1为本专利技术一种基于植被指数思想的地物信息遥感提取方法的流程图；图2为本专利技术实施例中目标地物冬小麦NDVI时间序列曲线图；图3为本专利技术实施例中冬小麦波谱特征曲线图；图4为本专利技术实施例中冬小麦高分目视解译结果图；图5为本专利技术实施例中提取出冬小麦种植面积及空间分布图。具体实施方式以下通过具体实施方式和附图对本专利技术作进一步的详细说明，但不应将此理解为本专利技术的范围仅限于以下的实例。在不脱离本专利技术上述方法思想的情况下，根据本领域普通技术知识和惯用手段做出的各种替换或变更，均应包含在本专利技术的范围内。下面以农作物冬小麦作为目标地物为例，提取河北省辛集市2014年农作物冬小麦种植面积及空间分布，并进行精度验证。遥感数据可以选择高、中、低分辨率遥感影像，以及多光谱、高光谱等遥感数据。本次提取使用分辨率为250米的MODIS-NDVI16天合成遥感影像数据。具体提取过程如下：(1)选取归一化植被指数作为目标地物冬小麦的特征信息，从2013年第289天到2014年第177天总共16期MODIS-NDVI影像数据，并以这16期MODIS影像数据建立冬小麦NDVI时间序列曲线。根据NEW-NDVI＝(H_Image-L_Image)/(H_Image+L_Image)计算对应的NEW-NDVI值，应用阈值分割法分别提取这16期NEW-NDVI大于零的部分，初次去除非目标地物信息。并基于分割提取后的16期数据，再次建立目标地物冬小麦NDVI时间序列曲线(如图2所示)。(2)将目标地物冬小麦NDVI时间序列曲线类比冬小麦波谱特征曲线(如图3所示)，选取冬小麦NDVI时间序列曲线中2013年第321天数据作为高值影像和2013年第289天数据作为低值影像，分别类比冬小麦波谱特征曲线中的近红外波段和红波段。高值和低值影像之差除以高值和低值影像之和，记为NEW-NDVI1并计算相应的值；(3)同理，根据目标地物冬小麦NDVI时间序列曲线和NEW-NDVI公式，选取2014年第81天作为高值，2014年第161天作为低值，记为NEW-NDVI2并计算相应的值；选取2014年第97天作为高值，2014年第145天作为低值，记为NEW-NDVI2并计算相应的值；(4)应用阈值分割技术分别提取NEW-NDVI1、NEW-NDVI2和NEW-NDVI3大于零的部分，进一步去除非目标地物冬小麦信息；(5)应用数学集合相交运算法，将NEW-NDVI1、NEW-NDVI2、NE本文档来自技高网...

【技术保护点】
一种基于植被指数思想的地物信息遥感提取方法，其特征在于，包括以下步骤：S1.选取目标地物，计算得出相应的NEW‑NDVI或NEW‑RVI值，所述NEW‑NDVI和NEW‑RVI的计算方法包括以下步骤：a.通过遥感技术获取目标地物特征信息数据，并根据目标地物特征信息数据建立目标地物特征信息时间序列曲线；b.将目标地物特征信息时间序列曲线与叶绿素波谱特征曲线类比，取目标地物特征信息时间序列曲线中的高值影像(H_Image)和低值影像(L_Image)；根据下述公式计算NEW‑NDVI或NEW‑RVI，NEW‑NDVI＝(H_Image‑L_Image)/(H_Image+L_Image)，NEW‑RVI＝H_Image/L_Image，其中，H_Image是目标地物特征信息高值影像，L_Image是目标地物特征信息低值影像，NEW‑NDVI或NEW‑RVI值大于T的区域表示目标地物，小于等于T的区域表示其它地物；所述T在与NEW‑NDVI值对比时，‑1＜T≤0；所述T在与NEW‑RVI值对比时，0＜T≤1；所述叶绿素波谱特征曲线选自地物波谱库；c.重复步骤a和b，再选取几对目标地物特征信息时间序列曲线中的高值和低值影像，按照NEW‑NDVI或NEW‑RVI公式计算得出NEW‑NDVI2/NEW‑RVI2、NEW‑NDVI3/NEW‑RVI3、NEW‑NDVI4/NEW‑RVI4…S2.应用阈值分割技术分别提取步骤S1获得NEW‑NDVII或NEW‑RVI值中大于T的部分，即可去除部分非目标地物信息；S3.应用数学中集合相交运算，将步骤S2得到的多个NEW‑NDVI或NEW‑RVI值求交得出最终的目标地物信息。...

【技术特征摘要】
1.一种基于植被指数思想的地物信息遥感提取方法，其特征在于，包括以下步骤：S1.选取目标地物，计算得出相应的NEW-NDVI或NEW-RVI值，所述NEW-NDVI和NEW-RVI的计算方法包括以下步骤：a.通过遥感技术获取目标地物特征信息数据，并根据目标地物特征信息数据建立目标地物特征信息时间序列曲线；b.将目标地物特征信息时间序列曲线与叶绿素波谱特征曲线类比，取目标地物特征信息时间序列曲线中的高值影像(H_Image)和低值影像(L_Image)；根据下述公式计算NEW-NDVI或NEW-RVI，NEW-NDVI＝(H_Image-L_Image)/(H_Image+L_Image)，NEW-RVI＝H_Image/L_Image，其中，H_Image是目标地物特征信息高值影像，L_Image是目标地物特征信息低值影像，NEW-NDVI或NEW-RVI值大于T的区域表示目标地物，小于等于T的区域表示其它地物；所述T在与NEW-NDVI值对比时，-1＜T≤0；所述T在与NEW-RVI值对比时，0＜T≤1；所述叶绿素波谱特征曲线选自地物波谱库；c.重复步骤a和b，再选取几对目标地物特征信息时间序列曲线中的高值和低值影像，按照NEW-...

【专利技术属性】
技术研发人员：王冬利，刘海新，王贺封，承大宇，赵玉玲，张安兵，李静，
申请(专利权)人：河北工程大学，
类型：发明
国别省市：河北;13