【技术实现步骤摘要】
基于卫星遥感图像的林业生物灾害监测方法和系统
本专利技术涉及一种地物监测方法，具体而言，涉及一种基于卫星遥感图像的林业生物灾害监测方法、装置、设备及计算机可读存储介质。
技术介绍
本专利技术对
技术介绍
的描述属于与本专利技术的相关技术，仅仅是用于说明和便于理解本专利技术的
技术实现思路
，不应理解为申请人明确认为或推定申请人认为是本专利技术在首次提出申请的申请日的现有技术。上世纪以来航空航天以及卫星遥感技术不断发展，通过卫星遥感影像数据，为国土资源监察和管理提供了很大便利。随着卫星遥感领域的发展，通过卫星影像来对林业管理已经有一定历史，但是卫星影像一般覆盖面积大，单纯靠人工查看、标记工作量巨大而且容易遗漏。
技术实现思路
本专利技术旨在至少在一定程度上解决相关技术问题中的技术问题之一。为解决上述现有技术的缺陷，本专利技术实施例提供一种基于卫星遥感图像的林业生物灾害监测方法、地物分类装置、计算机设备及计算机可读存储介质。为此，本专利技术一个实施例的基于卫星遥感图像的林业生物灾害监测方法，包括：(1)获取第一图像步骤，获取第一图像，所述第一图像的每个像素点取值为n维向量[f1,...
【技术保护点】
1.基于卫星遥感图像的林业生物灾害监测的方法，包括：(1)获取第一图像步骤，获取第一图像，所述第一图像的每个像素点取值为n维向量[f1,f2,f3，...,fn]，向量中的每个值对应一个波段band1，band2，band3，…，bandn；(2)确定分类数量步骤，确定要生成的类别数量h；(3)第一模型训练步骤，将第一图像中的每个像素点输入高斯混合模型GMM进行训练得到第二图像，为第二图像的每个像素分配一个像素值，所述像素值为1至h中的类别；以及(4)第一输出分类结果步骤，输出第二图像。
【技术特征摘要】
1.基于卫星遥感图像的林业生物灾害监测的方法，包括：(1)获取第一图像步骤，获取第一图像，所述第一图像的每个像素点取值为n维向量[f1,f2,f3，...,fn]，向量中的每个值对应一个波段band1，band2，band3，…，bandn；(2)确定分类数量步骤，确定要生成的类别数量h；(3)第一模型训练步骤，将第一图像中的每个像素点输入高斯混合模型GMM进行训练得到第二图像，为第二图像的每个像素分配一个像素值，所述像素值为1至h中的类别；以及(4)第一输出分类结果步骤，输出第二图像。2.根据权利要求1所述的基于卫星遥感图像的林业生物灾害监测方法，其特征在于，还包括：(5)确定再分类类别步骤，对第二图像的h个类别进行分析，确定h个类别中再分类的具体类别；(6)确定再分类数量步骤，确定所述再分类的具体类别所要生成的类别数量k；(7)第二模型训练步骤，将第二图像中的部分类别的全部像素点输入高斯混合模型GMM进行训练得到第三图像，为第三图像的每个像素分配一个像素值，所述像素值为1至k中的类别；(8)第二输出分类结果步骤，输出第三图像；(9)迭代步骤，重复所述步骤(5)至(8)，直至收敛；以及(10)目标像素合并步骤，将以上每次步骤(5)得到的目标具体类别中的全部像素合并，得到目标像素的集合。3.根据权利要求1或2所述的基于卫星遥感图像的林业生物灾害监测方法，其特征在于，还包括：特征工程步骤，利用所述第一图像中每个像素点的波段值band1，band2，band3，…，bandn中选取任意波段相互组合计算而生成新特征。4.根据权利要求3所述的基于卫星遥感图像的林业生物灾害监测方法，其特征在于，所述特征工程步骤具体包括：利用所述第一图像中每个像素点的波段值band1，band2，band3，…，bandn中选取任意两个波段相互组合计算而生成h(h-1)/2个新特征。5.根据权利要求3所述的基于卫星遥感图像的林业生物灾害监测方法，其特征在于，所述特征工程步骤具体包括：选取特定的小窗口在原图像上逐步滑动，在滑动窗口的范围内对每个波段计算其均值、标准差以及取值范围、熵、互信息等中的一个或多个，生成新的特征，作为滑窗中心位置的一个新特征。6.一种基于卫星遥感图像的林业生物灾害监测装置，包括：获取第一图像单元，用于获取第一图像，所述第一图像的每个像素点取值为n维向量[f1,f2,f3，....
【专利技术属性】
技术研发人员：方国飞，杨国伟，张旭，东科，宋宽，张弓，顾竹，周艳涛，李晓冬，
申请(专利权)人：国家林业局森林病虫害防治总站，北京佳格天地科技有限公司，
类型：发明
国别省市：辽宁,21
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。