一种高时频遥感图像特征辅助的居民地提取与分类方法技术

技术编号:21434575 阅读:54 留言:0更新日期:2019-06-22 12:39
本发明专利技术公开一种高时频遥感图像特征辅助的居民地提取与分类方法,其步骤:首先收集覆盖研究区域的高时频遥感图像和相应区域的夜间灯光数据,其次对收集的高时频遥感图像进行辐射定标、几何校正和图像配准,对夜间灯光数据进行图像重采样,然后采用NDVI最大值合成阈值分割、NDWI最大值合成阈值分割、近红外波段辐亮度随太阳高度角的变化斜率阈值分割、夜间灯光数据约束等逐步剔除背景地类实现居民地提取,得到居民地提取结果图,最后通过居民地连续斑块的面积和夜间灯光的阈值分割实现居民地分类,得到居民地分类结果图。方法易行,操作简便,能够较好的将水体、裸地等与居民地区分开来,且能够实现居民地二级分类,居民地提取与分类精度较高。

【技术实现步骤摘要】
一种高时频遥感图像特征辅助的居民地提取与分类方法
本专利技术属于遥感图像分类识别
,更具体地涉及一种利用高时频遥感图像数据和夜间灯光数据进行居民地提取与分类的方法,适用于可以获取同一区域地物类型未发生变化的时间段内多个不同太阳高度角的多光谱遥感图像序列及该地区的夜间灯光数据的情况下的居民地调查与监测。
技术介绍
居民地是人与自然相互作用的产物,是人类因生产和生活需要而集聚定居的场所。近年来,随着经济社会发展,我国居民地迅速扩张(王雷,李丛丛,应清,程晓,王晓昳,李雪艳,胡娈运,梁璐,俞乐,黄华兵,宫鹏.中国1990~2010年城市扩张卫星遥感制图[J].科学通报,2012,57(16):1388-1399.),不仅改变了地球表面覆盖与形态,而且直接影响着局部、区域乃至全球的气候、生物化学、水文过程。快速、准确、全面、客观地获取与分析居民地的空间分布和时空变化,不仅能为人口、经济等统计数据的空间化提供基本的骨架,在居民地管理、耕地保护、生态环境动态监测与保护、地理国(世)情监测、灾害评估等方面也具有重要意义(陈军,陈利军,李然,廖安平,彭舒,鲁楠,张宇硕.基于GlobeLand3本文档来自技高网...

【技术保护点】
1.一种高时频遥感图像特征辅助的居民地提取与分类方法,其步骤是:(A)收集覆盖研究区域的不同太阳高度角的高时频多光谱遥感图像和夜间灯光图像,研究区域高时频多光谱遥感图像收集的包括:1)每景遥感图像均覆盖研究区域,每景图像的云覆盖区域不大于10%;2)每景遥感图像均包含绿、红、近红外波段,同一传感器拍摄的图像;3)收集不同时相遥感图像n景(n>=2),不同时相图像上的地物类型未发生变化,数据的时间跨度不超过10天;4)遥感图像拍摄时的太阳高度角在30-75度,太阳高度角和最小太阳高度角之间的差异不小于10度;研究区域夜间灯光图像收集的包括:采用NPP/VIIRS DNB年合成夜间灯光图像数...

【技术特征摘要】
1.一种高时频遥感图像特征辅助的居民地提取与分类方法,其步骤是:(A)收集覆盖研究区域的不同太阳高度角的高时频多光谱遥感图像和夜间灯光图像,研究区域高时频多光谱遥感图像收集的包括:1)每景遥感图像均覆盖研究区域,每景图像的云覆盖区域不大于10%;2)每景遥感图像均包含绿、红、近红外波段,同一传感器拍摄的图像;3)收集不同时相遥感图像n景(n>=2),不同时相图像上的地物类型未发生变化,数据的时间跨度不超过10天;4)遥感图像拍摄时的太阳高度角在30-75度,太阳高度角和最小太阳高度角之间的差异不小于10度;研究区域夜间灯光图像收集的包括:采用NPP/VIIRSDNB年合成夜间灯光图像数据,数据采集时间与高时频多光谱遥感图像采集时间接近;(B)对步骤(A)收集的高时频多光谱遥感图像进行辐射定标、几何校正和图像配准,对夜间灯光图像进行图像重采样处理;1)通过从卫星图像的头文件中读取定标系数,使用以下计算公式将各时相多光谱遥感图像的数字量化值DN转换成辐亮度,实现图像的辐射定标:Lt=Gain×DN+Bias式中,Lt为图像的辐亮度,Gain为增益,Bias为偏置,单位均为W﹒m-2﹒sr-1﹒μm-1,DN为卫星载荷观测值,无量纲;2)利用卫星图像自带的有理多项式系数,通过有理函数模型对各时相多光谱遥感图像进行几何校正;3)选定多时相遥感图像中一个时相的遥感图像为基准图像,其它(n-1)个时相的遥感图像作为待配准图像,通过选取基准图像与待配准图像上的同名点,然后利用这些同名点建立基准图像与待配准图像之间的几何畸变模型,再利用该几何畸变模型进行几何校正;4)通过图像灰度值重采样对夜间灯光图像进行空间分辨率变换,使得变换后的图像空间分辨率与高时频多光谱遥感图像的空间分辨率一致,采用数学上的双向线性内插法为重采样方法计算分辨率变换后像元位置的灰度值;双线性插值法是将与待求像元的四个邻近像元的灰度值在行和列两个方向上作线性内插,通常根据待求像元与邻近的四个像元的距离权重计算出灰度值,并赋给待求像元,双线性插值法公式为:式中,gx'y'为输出像元灰度值,gi为邻近点i的灰度值,pi为邻近点对投影点的权重,pi=1/di,di表示邻近点到投影点的距离;g1、g2、g3、g4分别为四个邻近点的灰度值,p1、p2、p3、p4分别为四个邻近点对投影点的权重;(C)基于(步骤B)预处理后的高时频遥感图像和夜间灯光图像,通过逐步剔除背景地类实现居民地提取,其步骤包括:1)基于(步骤B)图像预处理后的高时频多光谱遥感图像,根据NDVI计算公式计算每个时相的NDVI,并对各时相的NDVI进行最大值合成,得到NDVI最大值合成图,基于NDVI最大值合成图,通过阈值分割剔除植被覆盖地表;NDVI为归一化植被指数,其计算公式为:其中,NDVI为归一化植被指数,NIR和R分别为图像的近红外波段和红波段辐亮度值,单位均为W﹒m-2﹒sr-1﹒μm-1;采用最大值合成法对各时相的NDVI进行最大值合成,即选取观测像元的在时间序列图像中的最大NDVI值作为该像元合成期的NDVI,MVC法的公式为:X=Max(X1,...,Xi,...,Xn),1≤i≤n其中,X为某像元的最大值合成结果,Xi为该像元第i时相的值,n为图像时相数;Max为求取一组数中的最大值的函数;基于NDVI最大值合成图,通过阈值分割剔除植被覆盖地表,包括以下步骤:①对于NDVI最大值合成图,设定阈值T1,T1为正数;②对于NDVI最大值合成图中像元值大于T1的像元,将其归入植被覆盖地表类别,赋值为0,其他像元归入备选居民地类别,赋值为1,植被覆盖地表的NDVI通常大于居民地,通过设置阈值,将植被覆盖地表从图像中剔除;2)基于(步骤B)图像预处理后的高时频多光谱遥感图像,根据NDWI计算公式计算每个时相的NDWI,并对各时相的NDWI进行最大值合成,得到NDWI最大值合成图,基于NDWI最大值合成图,通过阈值分割剔除水体;NDWI为归一化水体指数,其计算公式为:其中,NDWI为归一化水体指数,NIR和G分别为图像的近红外波段和绿波段辐亮度值,单位均为W﹒m-2﹒sr-1﹒μm-1;采用最大值合成法进行NDWI最大值合成,选取观测像元的在时间序列图像中的最大NDWI值作为该像元合成期的NDWI,MVC法的公式为:X=Max(X1,...,Xi,...,Xn),1≤i≤n其中,X为某像元的最大值合成结果,Xi为该像元第i时相的值,n为图像时相数;Max为求取一组数中的最大值的函数;基于NDWI最大值合成图,通过阈值分割剔除水体,包括以下步骤:①对于NDWI最大值合成图,设定阈值T2,T2为正数;②针对NDVI最大值合成阈值分割结果图中像元值为1的区域,将NDWI最大值合成图中像元值小于T2的像元归入备选居民地区域,赋值为1,其他像元归入水体,赋值为0,水体的NDWI通常大于居民地,通过设置合适的阈值,将水体从图像中剔除;结果图中像元值为0的区域为非居民地区域,像元值为1的区域为备选居民地区域;3)基于(步骤B)图像预处理后的高时频多光谱遥感图像,采用趋势分析方法分析近红外波段辐亮度随太阳高度角变化的趋势特征,得到近红外波段辐亮度随太阳高度角的变化斜率图,基于近红外波段辐亮度随太阳高度角的变化斜率图,通过阈值分割剔除易与居民地混淆的水体;采用趋势分析方法,计算n(n-1)/2个数据组合的斜率的中位数,获得近红外波段辐亮度随太阳高度角的变化斜率图,趋势分析方法的公式为:其中,slope为图像像元近红外波段辐亮度值随太阳高度角的变化斜率,NIR...

【专利技术属性】
技术研发人员:任玉环刘亚岚
申请(专利权)人:中国科学院遥感与数字地球研究所
类型:发明
国别省市:北京,11

网友询问留言 已有0条评论
  • 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。

1