一种利用遥感影像提取植被遮阳网类别的方法及装置、用户设备制造方法及图纸

本发明专利技术实施例公开一种利用遥感影像提取植被遮阳网类别的方法及装置、用户设备，该方法包括：通过先将预处理后的多光谱图像和全色图像进行图像融合，然后对融合后的图像进行分割得到适合继续分类的面向对象图像斑块，再计算图像斑块的NDENWI指数、NDVI指数及BSI指数，最后根据NDENWI指数、NDVI指数以及BSI指数对图像斑块进行分类提取得到遮阳网类别；可见，实施图1所描述的方法，通过NDENWI指数，将水体与植被遮阳网之间的差异拉大，同时使用了面向对象分类的方法，结合图像融合与图像拉伸的处理，提高植被遮阳网在分类时的精度。

A method for extracting vegetation net category by using remote sensing image and device and user equipment

The embodiment of the invention discloses a method for extracting vegetation classification using remote sensing image and shading device, user device, the method includes: through the first after pretreatment of the multi spectral image and panchromatic image fusion, then the fused image segmentation to get the suitable object oriented image classification and image patches to continue. The plaque NDENWI index, NDVI index and BSI index calculation, according to the NDENWI index, NDVI index and BSI index to classify the image patches obtained shading categories; visible, the implementation method described in Figure 1, the NDENWI index, the difference between the water and vegetation net widening, while using the method of object-oriented classification the combination of image fusion and image processing, tension, improve the classification accuracy of vegetation net.

【技术实现步骤摘要】

本专利技术涉及智能设备
，尤其涉及一种利用遥感影像提取植被遮阳网类别的方法及装置、用户设备。
技术介绍
遥感影像分类是将遥感影像中的每个像元划分到不同地物类别中的过程。分类依据主要包括地物光谱特征、地物形状特征、空间关系特征等，目前大多数研究还是基于地物光谱特征。结合目视解译结果，利用计算机自动分类算法是目前遥感影像分类的主要方法。从分类层次来看，分类方法可划分为基于像元的分类和面向对象的分类，传统的基于像元的分类方法以单个像元为单位,过于着眼于局部而忽略了附近整片图斑的几何结构情况，产生“椒盐现象”，制约了信息提取的精度，而面向对象的遥感分类方法，综合考虑光谱统计特征、形状、大小、纹理、相邻关系等一系列因素，将影像分割为多个同质影像图斑，作为最小研究单元，具有更高的分类精度。在现有的分类方法与分类指数中，没有明确针对水体和植被遮阳网，例如水体与富贵竹种植遮阳网进行区分的作用，分类时在一定程度上会发生漏分错分的问题。
技术实现思路
本专利技术实施例公开了一种利用遥感影像提取植被遮阳网类别的方法及装置、用户设备，有利于提高植被遮阳网在分类时的精度。本专利技术实施例第一方面公开一种利用遥感影像提取植被遮阳网类别的方法，包括：将预处理后的多光谱图像和全色图像进行图像融合；对融合后的图像进行分割得到适合继续分类的面向对象图像斑块；计算所述图像斑块的NDENWI指数、NDVI指数及BSI指数；根据所述NDENWI指数、NDVI指数以及BSI指数对所述图像斑块进行分类提取得到遮阳网类别。作为一种可选的实施方式，在本专利技术实施例第一方面中，所述将预处理后的多光谱图像和全色图像进行图像融合的步骤包括：将多光谱图像进行辐射定标和大气校正，以及对全色图像进行辐射定标；然后将全色图像与多光谱图像进行图像融合；对融合后的图像进行裁剪，再对裁剪后的图像进行拉伸。作为一种可选的实施方式，在本专利技术实施例第一方面中，所述方法还包括：结合Green波段、SWIR1波段和SWIR2波段，并且使用复合波段比值法来构建NDENWI指数公式，所述NDENWI指数公式用于计算NDENWI指数，所述NDENWI指数公式为：其中，SWIR1与SWIR2分别为landsat8卫星的陆地成像仪(全称：OperationalLandImager，OLI)影像中的第六波段和第七波段，Green为landsat8卫星OLI影像的第三波段。作为一种可选的实施方式，在本专利技术实施例第一方面中，所述根据NDENWI指数、NDVI指数以及BSI指数对所述图像斑块进行分类提取得到遮阳网类别的步骤包括：根据所述NDENWI指数和预设的阈值区分出水体与非水体两类；然后根据NDVI指数和预设的阈值将非水体类别分为植被与非植被两类；再根据BSI指数将非植被类别区分出裸地与遮阳网两类。作为一种可选的实施方式，在本专利技术实施例第一方面中，所述根据NDENWI指数、NDVI指数以及BSI指数对所述图像斑块进行分类提取得到遮阳网类别的步骤之后，所述方法还包括：获取所述图像斑块的距离特征与光谱特征；根据所述距离特征与所述光谱特征，剔除遮阳网类中毗邻水体的斑块和Green波段、SWIR1波段和SWIR2波段光谱值的平均值之和较高的斑块，得到优化后的遮阳网类别。本专利技术实施例第二方面公开一种利用遥感影像提取植被遮阳网类别的装置，包括：图像融合模块，用于将预处理后的多光谱图像和全色图像进行图像融合；分割模块，用于对图像融合模块融合后的图像进行分割得到适合继续分类的面向对象图像斑块；指数计算模块，用于计算分割模块分割得到的图像斑块的NDENWI指数、NDVI指数及BSI指数；分类提取模块，用于根据指数计算模块计算的NDENWI指数、NDVI指数以及BSI指数对所述图像斑块进行分类提取得到遮阳网类别。作为一种可选的实施方式，在本专利技术实施例第二方面中，所述图像融合模块包括：预处理单元，用于将多光谱图像进行辐射定标和大气校正，以及对全色图像进行辐射定标；图像融合单元，用于将预处理单元处理后的全色图像与多光谱图像进行图像融合；裁剪和拉伸单元，用于对图像融合单元融合后的图像进行裁剪，再对裁剪后的图像进行拉伸。作为一种可选的实施方式，在本专利技术实施例第二方面中，所述装置还包括：NDENWI指数构建模块，用于结合Green波段、SWIR1波段和SWIR2波段，并且使用复合波段比值法来构建NDENWI指数公式，所述NDENWI指数公式用于计算NDENWI指数，所述NDENWI指数公式为：其中，SWIR1与SWIR2分别为landsat8卫星的陆地成像仪(全称：OperationalLandImager，OLI)影像中的第六波段和第七波段，Green为landsat8卫星OLI影像的第三波段。作为一种可选的实施方式，在本专利技术实施例第二方面中，所述装置还包括：获取模块，用于获取分割模块分割得到的图像斑块的距离特征与光谱特征；以及，优化模块，用于根据获取模块获取的距离特征与光谱特征，剔除遮阳网类中毗邻水体的斑块和Green波段、SWIR1波段和SWIR2波段光谱值的平均值之和较高的斑块，得到优化后的遮阳网类别。本专利技术实施例第三方面公开一种用户设备，包括本专利技术实施例第二方面公开的所述利用遥感影像提取植被遮阳网类别的装置。与现有技术相比，本专利技术实施例具备以下有益效果：本专利技术实施例中，通过先将预处理后的多光谱图像和全色图像进行图像融合，然后对融合后的图像进行分割得到适合继续分类的面向对象图像斑块，再计算图像斑块的NDENWI指数、NDVI指数及BSI指数，最后根据NDENWI指数、NDVI指数以及BSI指数对图像斑块进行分类提取得到遮阳网类别；可见，实施图1所描述的方法，通过NDENWI指数，将水体与植被遮阳网之间的差异拉大，同时使用了面向对象分类的方法，结合图像融合与图像拉伸的处理，提高植被遮阳网在分类时的精度。附图说明为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1是本专利技术实施例公开的一种利用遥感影像提取植被遮阳网类别的方法的流程示意图；图2是本专利技术实施例公开的另一种利用遥感影像提取植被遮阳网类别的方法的流程示意图；图3是本专利技术实施例公开的另一种利用遥感影像提取植被遮阳网类别的方法的流程示意图；图4是本专利技术实施例公开的一种利用遥感影像提取植被遮阳网类别的装置的结构示意图；图5是本专利技术实施例公开的另一种利用遥感影像提取植被遮阳网类别的装置的结构示意图；图6是本专利技术实施例公开的一种用户设备的结构示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。需要说明的是，本专利技术实施例的术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那本文档来自技高网...

【技术保护点】
一种利用遥感影像提取植被遮阳网类别的方法，其特征在于，包括：将预处理后的多光谱图像和全色图像进行图像融合；对融合后的图像进行分割得到适合继续分类的面向对象图像斑块；计算所述图像斑块的归一化网体‑水体差异增强指数(Normalized Difference Enhance between Net and Water Index，NDENWI)、归一化植被指数(Normalized Difference Vegetation Index，NDVI)及裸土指数(bare soil index，BSI)；根据所述NDENWI指数、NDVI指数以及BSI指数对所述图像斑块进行分类提取得到遮阳网类别。

【技术特征摘要】
1.一种利用遥感影像提取植被遮阳网类别的方法，其特征在于，包括：将预处理后的多光谱图像和全色图像进行图像融合；对融合后的图像进行分割得到适合继续分类的面向对象图像斑块；计算所述图像斑块的归一化网体-水体差异增强指数(NormalizedDifferenceEnhancebetweenNetandWaterIndex，NDENWI)、归一化植被指数(NormalizedDifferenceVegetationIndex，NDVI)及裸土指数(baresoilindex，BSI)；根据所述NDENWI指数、NDVI指数以及BSI指数对所述图像斑块进行分类提取得到遮阳网类别。2.根据权利要求1所述的方法，其特征在于，所述将预处理后的多光谱图像和全色图像进行图像融合的步骤包括：将多光谱图像进行辐射定标和大气校正，以及对全色图像进行辐射定标；然后将全色图像与多光谱图像进行图像融合；对融合后的图像进行裁剪，再对裁剪后的图像进行拉伸。3.根据权利要求1-2所述的方法，其特征在于，所述方法还包括：结合Green波段、SWIR1波段和SWIR2波段，并且使用复合波段比值法来构建NDENWI指数公式，所述NDENWI指数公式用于计算NDENWI指数，所述NDENWI指数公式为：其中，SWIR1与SWIR2分别为landsat8卫星的陆地成像仪(全称：OperationalLandImager，OLI)影像中的第六波段和第七波段，Green为landsat8卫星OLI影像的第三波段。4.根据权利要求3所述的方法，其特征在于，所述根据NDENWI指数、NDVI指数以及BSI指数对所述图像斑块进行分类提取得到遮阳网类别的步骤包括：根据所述NDENWI指数和预设的阈值区分出水体与非水体两类；然后根据NDVI指数和预设的阈值将非水体类别分为植被与非植被两类；再根据BSI指数将非植被类别区分出裸地与遮阳网两类。5.根据权利要求4所述的方法，其特征在于，所述根据NDENWI指数、NDVI指数以及BSI指数对所述图像斑块进行分类提取得到遮阳网类别的步骤之后还包括：获取所述图像斑块的距离特征与光谱特征...

【专利技术属性】
技术研发人员：王月如，陈劲松，关舒婧，韩鹏鹏，韩宇，易琳，
申请(专利权)人：中国科学院深圳先进技术研究院，
类型：发明
国别省市：广东;44