一种基于遥感影像的积雪提取方法及系统技术方案

本发明专利技术公开一种基于遥感影像的积雪提取方法及系统。该方法包括：获取待提取积雪信息的遥感影像；通过判断遥感影像中的各个像素是否满足预设归一化积雪指数阈值和各波段反射率阈值确定各个像素是否属于积雪分布范围；利用训练好的DBN网络对属于积雪分布范围内的各个像素进行进一步积雪特征识别，得到深度提取结果；训练好的DBN网络是利用积雪提取样本集对DBN网络进行训练得到的；对深度提取结果中的各个像素的周边像素进行像素类别调整，得到最终的积雪提取结果。本发明专利技术的积雪提取方法及系统能够尽可能小的避免地物对积雪提取的影响，提高积雪提取的准确度。

【技术实现步骤摘要】
一种基于遥感影像的积雪提取方法及系统
本专利技术涉及遥感
，特别是涉及一种基于遥感影像的积雪提取方法及系统。
技术介绍
积雪是气象学和水文学中一个非常重要的参数。积雪的多寡不仅是影响气候变化的重要因素，也是影响干旱和半干旱地区农牧业发展的重要因素，因此对积雪的研究越发重要。目前积雪资料的获取主要包括三个途径：通过站点获取资料、利用可见光获取资料和利用微波遥感获取资料。通过微波遥感技术获取积雪资料是近几十年发展起来的新技术。由于其覆盖面积广，资料获取效率高等优点被广泛应用。然而由于地物类型的多样化，从遥感影像中提取积雪信息对提取准确的要求较高。现有的从遥感影像中提取积雪信息的方法多受地物类型的干扰，提取准确度较低。
技术实现思路
本专利技术的目的是提供一种基于遥感影像的积雪提取方法及系统，尽可能小的避免地物对积雪提取的影响，提高积雪提取的准确度。为实现上述目的，本专利技术提供了如下方案：一种基于遥感影像的积雪提取方法，包括：获取待提取积雪信息的遥感影像；通过判断所述遥感影像中的各个像素是否满足预设归一化积雪指数阈值和各波段反射率阈值确定各个像素是否属于积雪分布范围；利用训练好的DBN网络对属于积雪分布范围内的各个像素进行进一步积雪特征识别，得到深度提取结果；所述训练好的DBN网络是利用积雪提取样本集对DBN网络进行训练得到的；对深度提取结果中的各个像素的周边像素进行像素类别调整，得到最终的积雪提取结果。可选的，所述通过判断所述遥感影像中的各个像素是否满足预设归一化积雪指数阈值和各波段反射率阈值确定各个像素是否属于积雪分布范围，具体包括：提取所述遥感影像中每个像素在第二波段、第四波段和第六波段的反射率；根据每个像素在第四波段的反射率R4和在第六波段的反射率R6计算每个像素的归一化积雪指数NDSI；NDSI＝(R4-R6)/(R4+R6)判断每个像素是否同时满足归一化积雪指数NDSI＞0.4、第六波段的反射率R6＜0.2和第二波段的反射率R2＞0.2这三个条件，若同时满足则确定该像素属于积雪分布范围，否则确定该像素不属于积雪分布范围。可选的，所述利用积雪提取样本集对DBN网络进行训练，具体包括：获取已构建的积雪提取样本集；提取所述积雪提取样本集中各样本的特征向量；所述特征向量包括但不限于光谱特征、指数特征、均值和方差；构建DBN网络；利用所述特征向量对所述DBN网络进行训练，得到训练好的DBN网络。可选的，所述对深度提取结果中的各个像素的周边像素进行像素类别调整，得到最终的积雪提取结果，具体包括：将深度提取结果中属于积雪的像素赋值为1，将不属于积雪的像素赋值为0，得到二值化图像；将所述二值化图像中的每一个像素作为中心像素，计算八邻域范围内属于积雪的像素的数量和不属于积雪的像素的数量；若属于积雪的像素的数量大于或等于不属于积雪的像素的数量，则将中心像素重新赋值为1，否则重新赋值为0；确定所有被赋值为1的像素为最终的积雪像素，得到最终的积雪提取结果。本专利技术还公开一种基于遥感影像的积雪提取系统，包括：影像获取模块，用于获取待提取积雪信息的遥感影像；初步划分模块，用于通过判断所述遥感影像中的各个像素是否满足预设归一化积雪指数阈值和各波段反射率阈值确定各个像素是否属于积雪分布范围；深度划分模块，用于利用训练好的DBN网络对属于积雪分布范围内的各个像素进行进一步积雪特征识别，得到深度提取结果；所述训练好的DBN网络是利用积雪提取样本集对DBN网络进行训练得到的；像素调整模块，用于对深度提取结果中的各个像素的周边像素进行像素类别调整，得到最终的积雪提取结果。可选的，所述初步划分模块包括：反射率提取单元，用于提取所述遥感影像中每个像素在第二波段、第四波段和第六波段的反射率；归一化积雪指数计算单元，用于根据每个像素在第四波段的反射率R4和在第六波段的反射率R6计算每个像素的归一化积雪指数NDSI；NDSI＝(R4-R6)/(R4+R6)阈值判断单元，用于判断每个像素是否同时满足归一化积雪指数NDSI＞0.4、第六波段的反射率R6＜0.2和第二波段的反射率R2＞0.2这三个条件，若同时满足则确定该像素属于积雪分布范围，否则确定该像素不属于积雪分布范围。可选的，该积雪提取系统还包括训练模块，所述训练模块用于利用积雪提取样本集对DBN网络进行训练；所述训练模块包括：样本集获取单元，用于获取已构建的积雪提取样本集；特征提取单元，用于提取所述积雪提取样本集中各样本的特征向量；所述特征向量包括但不限于光谱特征、指数特征、均值和方差；网络构建单元，用于构建DBN网络；网络训练单元，用于利用所述特征向量对所述DBN网络进行训练，得到训练好的DBN网络。可选的，所述像素调整模块，包括：二值化处理单元，用于将深度提取结果中属于积雪的像素赋值为1，将不属于积雪的像素赋值为0，得到二值化图像；重新赋值单元，用于将所述二值化图像中的每一个像素作为中心像素，计算八邻域范围内属于积雪的像素的数量和不属于积雪的像素的数量；若属于积雪的像素的数量大于或等于不属于积雪的像素的数量，则将中心像素重新赋值为1，否则重新赋值为0；最终结果提取单元，用于确定所有被赋值为1的像素为最终的积雪像素，得到最终的积雪提取结果。根据本专利技术提供的具体实施例，本专利技术公开了以下技术效果：本专利技术通过三个步骤进行积雪提取：基于归一化积雪指数的初步提取、基于深度置信网络的进一步提取和最终的像素调整。三个步骤代表提取的三层深度，从而能够尽可能小的避免地物对积雪特征提取的影响，最大程度保留了积雪信息，剔除了非积雪的信息，大大提高了积雪提取的准确度。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，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性的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术基于遥感影像的积雪提取方法实施例的方法流程图；图2为本专利技术基于遥感影像的积雪提取系统实施例的系统结构图。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。本专利技术的目的是提供一种基于遥感影像的积雪提取方法及系统，尽可能小的避免地物对积雪提取的影响，提高积雪提取的准确度。为使本专利技术的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本专利技术作进一步详细的说明。图1为本专利技术基于遥感影像的积雪提取方法实施例的方法流程图。参见图1，该基于遥感影像的积雪提取方法，包括：步骤101：获取待提取积雪信息的遥感影像。步骤102：通过判断所述遥感影像中的各个像素是否满足预设归一化积雪指数阈值和各波段反射率阈值确定各个像素是否属于积雪分布范围。该步骤102，具体包括：提取所述遥感影像中每个像素在第二波段、第四波段和第六波段的反射率；根据每个像素在第四波段的反射率R4和在第六波段的反射率R6计算每个像素的归一化积雪指数NDSI，计算公式为：NDSI＝(R4-R6)/(R4+R6)本文档来自技高网...

【技术保护点】
1.一种基于遥感影像的积雪提取方法，其特征在于，包括：获取待提取积雪信息的遥感影像；通过判断所述遥感影像中的各个像素是否满足预设归一化积雪指数阈值和各波段反射率阈值确定各个像素是否属于积雪分布范围；利用训练好的DBN网络对属于积雪分布范围内的各个像素进行进一步积雪特征识别，得到深度提取结果；所述训练好的DBN网络是利用积雪提取样本集对DBN网络进行训练得到的；对深度提取结果中的各个像素的周边像素进行像素类别调整，得到最终的积雪提取结果。

【技术特征摘要】
1.一种基于遥感影像的积雪提取方法，其特征在于，包括：获取待提取积雪信息的遥感影像；通过判断所述遥感影像中的各个像素是否满足预设归一化积雪指数阈值和各波段反射率阈值确定各个像素是否属于积雪分布范围；利用训练好的DBN网络对属于积雪分布范围内的各个像素进行进一步积雪特征识别，得到深度提取结果；所述训练好的DBN网络是利用积雪提取样本集对DBN网络进行训练得到的；对深度提取结果中的各个像素的周边像素进行像素类别调整，得到最终的积雪提取结果。2.根据权利要求1所述的一种基于遥感影像的积雪提取方法，其特征在于，所述通过判断所述遥感影像中的各个像素是否满足预设归一化积雪指数阈值和各波段反射率阈值确定各个像素是否属于积雪分布范围，具体包括：提取所述遥感影像中每个像素在第二波段、第四波段和第六波段的反射率；根据每个像素在第四波段的反射率R4和在第六波段的反射率R6计算每个像素的归一化积雪指数NDSI；NDSI＝(R4-R6)/(R4+R6)判断每个像素是否同时满足归一化积雪指数NDSI＞0.4、第六波段的反射率R6＜0.2和第二波段的反射率R2＞0.2这三个条件，若同时满足则确定该像素属于积雪分布范围，否则确定该像素不属于积雪分布范围。3.根据权利要求1所述的一种基于遥感影像的积雪提取方法，其特征在于，所述利用积雪提取样本集对DBN网络进行训练，具体包括：获取已构建的积雪提取样本集；提取所述积雪提取样本集中各样本的特征向量；所述特征向量包括但不限于光谱特征、指数特征、均值和方差；构建DBN网络；利用所述特征向量对所述DBN网络进行训练，得到训练好的DBN网络。4.根据权利要求1所述的一种基于遥感影像的积雪提取方法，其特征在于，所述对深度提取结果中的各个像素的周边像素进行像素类别调整，得到最终的积雪提取结果，具体包括：将深度提取结果中属于积雪的像素赋值为1，将不属于积雪的像素赋值为0，得到二值化图像；将所述二值化图像中的每一个像素作为中心像素，计算八邻域范围内属于积雪的像素的数量和不属于积雪的像素的数量；若属于积雪的像素的数量大于或等于不属于积雪的像素的数量，则将中心像素重新赋值为1，否则重新赋值为0；确定所有被赋值为1的像素为最终的积雪像素，得到最终的积雪提取结果。5.一种基于遥感影像的积雪提取系统，其特征在于，包括：影像获取模块...

【专利技术属性】
技术研发人员：王宗明，路春燕，何兴元，毛德华，贾明明，任春颖，
申请(专利权)人：中国科学院东北地理与农业生态研究所，
类型：发明
国别省市：吉林,22