一种茶树林遥感监测的方法及装置制造方法及图纸

本发明专利技术公开了一种茶树林遥感监测的方法及装置，该方法通过获取茶树林遥感影像，根据面向对象分类模型将所述茶树林遥感影像进行多尺度分割，根据特征知识库基于分割对象进行图像的分层分类，得到茶树林信息。可以实现提高茶树林提取精度，满足实际应用。

【技术实现步骤摘要】
一种茶树林遥感监测的方法及装置
本专利技术实施例涉及遥感影像处理
，尤其涉及一种茶树林遥感监测方法及装置。
技术介绍
林地资源是林业可持续发展的根本，是我国基础性的自然资源和战略性的经济资源，而信息化的林地管理是当前林业发展的一个重要环节。茶树林作为林业产业的主体，集经济效益、社会效益和生态效益于一体，在林业产业发展中占据重要地位。近年来，随着高分遥感应用领域的不断扩大，特别是空间分辨率的不断提高以及在县域尺度的应用推广，为茶树林的提取、监测和管理提供了有力的支持。因此，在现有的林业遥感研究基础上，开展针对茶树林的自动监测方法研究具有实际意义，如何快速、准确地从复杂的地形地貌中提取出相似度较高的茶树林种是需要解决的关键技术。
技术实现思路
本专利技术实施例提供一种茶树林遥感监测方法及装置，提高茶树林提取精度，满足实际应用。本专利技术实施例提供的一种茶树林遥感监测的方法，包括：获取具有茶树林的遥感影像；在已知为茶树林的区域，筛选纹理最佳窗口并构建包含纹理特征、光谱特征、地形特征、物候特征和形状特征的特征知识库；根据面向对象分类模型将所述茶树林遥感影像进行多尺度分割；根据特征知识库基于本文档来自技高网...

【技术保护点】
1.一种茶树林遥感监测的方法，其特征在于，包括：获取具有茶树林的遥感影像；在已知为茶树林的区域，筛选纹理最佳窗口并构建包含纹理特征、光谱特征、地形特征、物候特征和形状特征的特征知识库；根据面向对象分类模型将所述茶树林遥感影像进行多尺度分割；根据特征知识库基于分割对象进行图像的分层分类，得到茶树林信息。

【技术特征摘要】
1.一种茶树林遥感监测的方法，其特征在于，包括：获取具有茶树林的遥感影像；在已知为茶树林的区域，筛选纹理最佳窗口并构建包含纹理特征、光谱特征、地形特征、物候特征和形状特征的特征知识库；根据面向对象分类模型将所述茶树林遥感影像进行多尺度分割；根据特征知识库基于分割对象进行图像的分层分类，得到茶树林信息。2.如权利要求1所述的方法，其特征在于，纹理最佳窗口通过以下步骤实现：选取遥感影像中果树林、茶树林和其它林地区域，获取遥感影像不同地物的8个纹理特征值，分别为MEAN、Variance、Homogeneity、Contrast、Dissimilarity、Entopy、SecondMoment、Correlation，针对每一个纹理变量f＝1,2...,8计算累计差：μi表示第i类地物该特征变量的均值；通过比较三种地物的八个纹理变量在不同尺寸的窗口下各自的均值，以累计差的和达到最大时的窗口大小作为纹理特征提取的最佳窗口。3.如权利要求1所述的方法，其特征在于，特征知识库为从茶树林区域中的46个特征中选取23个特征作为最优特征组合，23个特征为：MeanDEM，MeanCorrelation3，MeanMean4，Area，Maindirection，Asymmetry，MeanCorrelation4，Radiusoflargestenclosedellipse，Meanndvi_cha，MeanCorrelation2，MeanDissimilarity3，MeanNir，Width，MeanDissimilarity2，Volume，EllipticFit，Max.diff，MeanDissimilarity1，Borderlength，MeanDissimilarity4，NDWI，Numberofpixels。4.如权利要求1所述的方法，其特征在于，根据建立的特征知识库基于分割对象进行图像的分层分类，运用到阈值分类、模糊分类和基于特征优化的最邻近分类，在Level1中区分植被和非植被，区分方法为MeanDEM<40andNDVI<-0.03时为非植被，其它为植被；Level2中将植被细分为果树林、茶树林和其他林地，依据特征知识库中的23个特征，使用邻近分类距离为2，Level3中整合集中细分后Level2中的植被类别，使用邻近分类距离为1。5.如权利要求1所述的方法，其特征在于，在进行图像的分层分类之后，还包括：对分类结果进行小斑块去除，更改分类颜色、分类统计分析和栅格-矢量转换处理。6.一种茶树林遥感监测的装置，其特征在于，包括：获取单元，用于获取茶...

【专利技术属性】
技术研发人员：罗明，陆洲，姚新华，冯险峰，金佳，褚煜琴，
申请(专利权)人：中科禾信遥感科技苏州有限公司，苏州市林业站苏州市森林植物检疫站，
类型：发明
国别省市：江苏,32