一种基于高分辨率遥感图像的农田边界提取方法技术

一种基于高分辨率遥感图像的农田边界提取方法，通过对农机工作区域的高分辨率遥感图像进行分层次的分割、聚类后再进行精准的边缘提取。本发明专利技术有益效果：解决了农田边缘提取中同谱异物错分的现象和高分辨率影像中丰富的地物信息带来的分割精度问题，能够准确的从遥感图像中提取出农田边界，用来指导农机自动导航。

A Farmland Boundary Extraction Method Based on High Resolution Remote Sensing Images

A method of farmland boundary extraction based on high-resolution remote sensing image is proposed. The high-resolution remote sensing image of farm machinery working area is segmented hierarchically, clustered and then extracted accurately. The invention has the beneficial effect of resolving the problem of misclassification of homologous foreign bodies in farmland edge extraction and the segmentation accuracy caused by abundant ground features information in high resolution images, and accurately extracting farmland boundary from remote sensing images, which can be used to guide the automatic navigation of agricultural machinery.

【技术实现步骤摘要】
一种基于高分辨率遥感图像的农田边界提取方法
本专利技术涉及模式识别与图像处理
，具体地说是一种基于高分辨率遥感图像的农田边界提取方法。
技术介绍
近年来，随着农业技术的革新与农业集中化生产的推进，自动化农机的需求与日剧增。在农业部的大力推进下，我国的农业机械自动化发展进程迅速，农业机械的自动导航和各种农业智能机器人成为人们研究的热点。相对于室内机器人来讲，农业机械的机器视觉导航的工作环境和工作对象更加复杂。采用高分辨率遥感数据，可准确、细致的反映出地表特征。从高分辨率影像准确的提取出农田(即农机工作区域)，便于分析农田的空间特征和形状特征，为农机自动驾驶提供空间位置信息与形状信息。高精度遥感影像能够清晰、准确的呈现出地表的特征与细节，便于分析。可是，随之而来的影响是非目标地物噪声也越来越多，加上遥感影像中地物细节的多样性和复杂性，利用高分辨率遥感数据中提取农田的边界成为一件困难的事情。本专利技术的目的是提供一种结合面向对象的地物信息提取方法，来获取精准的农田边界。
技术实现思路
本专利技术所要解决的技术问题是提供一种基于高分辨率遥感图像的农田边界提取方法，解决农田边界提取中同谱异物错分的现象和高分辨率影像中丰富的地物信息带来的分割精度问题。本专利技术为解决上述技术问题所采用的技术方案是：一种基于高分辨率遥感图像的农田边界提取方法，包括以下步骤：步骤一、采用无人机低空摄影，获取农机工作区域的高空间分辨率的农田原始图像；对原始图像进行预处理，将处理后的图像进行几何校正生成农田局部高精度图像，利用地面控制点对生成的农田局部高精度图像进行几何精校正；步骤二、对步骤一处理过的图像进行多尺度分割，建立多尺度地物基元属性和关系的层次结构，引入多维特征空间向量，优化基元间的相似性度量；步骤三、利用分类器对遥感图像中的主要的地物信息进行分类；步骤四、采用聚类处理的方法对分类后的图像进行分类后处理，消除局部碎斑；步骤五、对步骤四处理过的图像进行分割，分别分割出农田区域和非农田区域；步骤六、在分割出的农田区域上，利用农田边缘的几何特性，进行边缘提取。本专利技术所述步骤二中对图像进行多尺度分割处理的具体方法为：(1)提取图像像素的RGB色度空间，将RGB色度空间转换到HSV色度空间中，结合每个像素在图像中的位置，得到每个像素在5维特征空间中的值(px,py,h,s,v)；(2)寻找像素在5维特征空间中的值的概率密度的极大值点：采用非参数密度估计的方法，某一点x的密度估计值为：其中，K(x)为高斯核函数，这里采用径向对称核函数K(x)＝ck,dk(||x||2)，其中ck,d为标准化函数，使得：h为核函数带宽，N为样本总数，d为特征值的维度；从起始点开始，沿着密度估计值的梯度方向搜索极大值点，梯度方向是各个数据点的方向向量的加权平均值，当时，就到达了模点；(3)判断是否到模点，到了就停止，将模点颜色赋给出发点，实现图像平滑；(4)以模点为中心，采用区域生长的方法对模点进行聚类：对图像进行顺序扫描，找到第一个模点标记为(x0,y0)，以该点为中心，考虑该点的4邻域像素(x,y)，如果(x,y)满足区域生长法则，则这两个像素点就合并，将(x,y)与(x0,y0)合并在同一个区域，再从新的模点出发合并下去；(5)提取地物基元的光谱特征、纹理特征和基元间的边界特征，构建基元的多维特征向量p＝(p1,p2,…,pn-1)(n为特征维数)，在基元特征空间中，搜索当前基元的K近邻，分析当前基元K近邻的距离和方位特性，计算基元K近邻局部空间的距离和方向参数，基元间的相似度Sij为：其中，c1,c2,…,cn表示不同特征值的权重；(6)依据距离和方位参数，自适应调整模型特征系数，优化基元间的相似性度量，将包含像素点少于M的区域与和它最相似的区域合并。本专利技术的有益效果是：本专利技术通过对农机工作区域的高分辨率遥感图像进行分层次的分割、聚类后再进行精准的边缘提取，解决了农田边缘提取中同谱异物错分的现象和高分辨率影像中丰富的地物信息带来的分割精度问题，能够准确的从遥感图像中提取出农田边界，用来指导农机自动导航。附图说明图1为本专利技术农田边界提取方法的流程图。具体实施方式下面结合说明书附图对本专利技术的具体实施方式(实施例)进行描述，使本领域的技术人员能够更好地理解本专利技术。步骤一：农田局部高精度地图的获取，具体实施流程如下：1.1、设计无人机飞行航线，使航线旁向重叠度在30％到40％之间，航向重叠度在60％到70％之间，相邻像片航高差小于20cm，最高处与最低处航高差小于30cm。无人机按照设计的航线飞行，获取高空间分辨率的低空遥感图像。1.2、对步骤1.1得到的遥感图像预处理，对图像进行去云雾、匀色、裁边等处理，并通过一系列数学模型来消除原始遥感影像上的几何误差。进行几何精校正的做法是：利用具有大地坐标和投影信息的地面控制点数据确定一个模拟几何畸变的数学模型，以此来建立原始图像与标准空间的某种对应关系，然后利用这种对应关系，把畸变图像空间中的全部像素变换到标准空间中，从而实现图像的几何精校正。1.3、采用差分GPS获取农田地面的控制点坐标，结合GPS，将图像转化为一个点状的矢量图层，采用三次多项式法对遥感图像进行点、线、面精度分析，加以拟合纠正，再通过最邻近法进行重采样，获得纠正后的图像。1.4、利用SIFT算法结合最小二乘法对纠正后的图像进行图像的匹配和拼接。步骤二：对步骤一处理过的图像进行多尺度分割，建立多尺度地物基元属性和关系的层次结构，引入多维特征空间向量，优化基元间的相似性度量。具体方法为：2.1、提取图像像素的RGB色度空间，将RGB色度空间转换到HSV色度空间中，结合每个像素在图像中的位置，得到每个像素在5维特征空间中的值(px,py,h,s,v)；2.2、寻找像素在5维特征空间中的值的概率密度的极大值点：采用非参数密度估计的方法，某一点x的密度估计值为：其中，K(x)为高斯核函数，这里采用径向对称核函数K(x)＝ck,dk(||x||2)，其中ck,d为标准化函数，使得：h为核函数带宽，N为样本总数，d为特征值的维度；从起始点开始，沿着密度估计值的梯度方向搜索极大值点，梯度方向是各个数据点的方向向量的加权平均值，当时，就到达了模点；2.3、判断是否到模点，到了就停止，将模点颜色赋给出发点，实现图像平滑；2.4、以模点为中心，采用区域生长的方法对模点进行聚类：对图像进行顺序扫描，找到第一个模点标记为(x0,y0)，以该点为中心，考虑该点的4邻域像素(x,y)，如果(x,y)满足区域生长法则，则这两个像素点就合并，将(x,y)与(x0,y0)合并在同一个区域，再从新的模点出发合并下去；2.5、提取地物基元的光谱特征、纹理特征和基元间的边界特征，构建基元的多维特征向量p＝(p1,p2,…,pn-1)(n为特征维数)，在基元特征空间中，搜索当前基元的K近邻，分析当前基元K近邻的距离和方位特性，计算基元K近邻局部空间的距离和方向参数，基元间的相似度Sij为：其中，c1,c2,…,cn表示不同特征值的权重；2.6、依据距离和方位参数，自适应调整模型特征系数，优化基元间的相似性度量，将包含像素点少于M的区域与和它最相似的区域合并。步骤三：利用分类器对遥感图像中的本文档来自技高网...

【技术保护点】
1.一种基于高分辨率遥感图像的农田边界提取方法，其特征在于：包括以下步骤：步骤一、采用无人机低空摄影，获取农机工作区域的高空间分辨率的农田原始图像；对原始图像进行预处理，将处理后的图像进行几何校正生成农田局部高精度图像，利用地面控制点对生成的农田局部高精度图像进行几何精校正；步骤二、对步骤一处理过的图像进行多尺度分割，建立多尺度地物基元属性和关系的层次结构，引入多维特征空间向量，优化基元间的相似性度量；步骤三、利用分类器对遥感图像中的主要的地物信息进行分类；步骤四、采用聚类处理的方法对分类后的图像进行分类后处理，消除局部碎斑；步骤五、对步骤四处理过的图像进行分割，分别分割出农田区域和非农田区域；步骤六、在分割出的农田区域上，利用农田边缘的几何特性，进行边缘提取。

【技术特征摘要】
1.一种基于高分辨率遥感图像的农田边界提取方法，其特征在于：包括以下步骤：步骤一、采用无人机低空摄影，获取农机工作区域的高空间分辨率的农田原始图像；对原始图像进行预处理，将处理后的图像进行几何校正生成农田局部高精度图像，利用地面控制点对生成的农田局部高精度图像进行几何精校正；步骤二、对步骤一处理过的图像进行多尺度分割，建立多尺度地物基元属性和关系的层次结构，引入多维特征空间向量，优化基元间的相似性度量；步骤三、利用分类器对遥感图像中的主要的地物信息进行分类；步骤四、采用聚类处理的方法对分类后的图像进行分类后处理，消除局部碎斑；步骤五、对步骤四处理过的图像进行分割，分别分割出农田区域和非农田区域；步骤六、在分割出的农田区域上，利用农田边缘的几何特性，进行边缘提取。2.根据权利要求1所述的一种基于高分辨率遥感图像的农田边界提取方法，其特征在于：所述步骤二中对图像进行多尺度分割处理的具体方法为：(1)提取图像像素的RGB色度空间，将RGB色度空间转换到HSV色度空间中，结合每个像素在图像中的位置，得到每个像素在5维特征空间中的值(px,py,h,s,v)；(2)寻找像素在5维特征空间中的值的概率密度的极大值点：采用非参数密度估计的方法，某一点x的密度估计值为：其...

【专利技术属性】
技术研发人员：李莹玉，张玉成，
申请(专利权)人：洛阳中科龙网创新科技有限公司，
类型：发明
国别省市：河南,41