一种基于高分影像的小麦地块识别方法技术

本发明专利技术提出了一种基于高分影像的小麦地块识别方法，包括：获取卫星数据，并提取卫星数据中的高分影像，根据分类目的、影像数据自身的特征和分类区收集的信息确定分类系统；并对高分影像进行特征判断，对图像质量不达标的图像进行预处理；得到的高分影像中选取小麦训练样本；选择并设置支持向量机分类的分类器；从小麦训练样本中选择待分类的小麦高分影像，并采用支持向量机分类的分类器对小麦训练样本进行机器学习，生成并输出小麦分类结果；对小麦分类结果进行聚类处理；对经过聚类处理后的小麦分类结果进行精度验证，生成精度分析报表。本发明专利技术只需选择少数样本自动进行分类，减少手动分类的工作量，实现小麦地块的大范围获取和面积统计。

A wheat plot recognition method based on high resolution image

【技术实现步骤摘要】
一种基于高分影像的小麦地块识别方法
本专利技术涉及农业生产及影像处理
，特别涉及一种基于高分影像的小麦地块识别方法。
技术介绍
在农业生产中，准确获取地块级别冬小麦分布及面积统计对农业生产有重大意义。但是，目前对冬小麦的分类大多为大尺度(县级以上)，无法指导实际生产。并且，利用现有采集软件等方式采集数据成本极高，且无法形成多年数据积累。
技术实现思路
本专利技术的目的旨在至少解决所述技术缺陷之一。为此，本专利技术的目的在于提出一种基于高分影像的小麦地块识别方法。为了实现上述目的，本专利技术的实施例提供一种基于高分影像的小麦地块识别方法，包括如下步骤：步骤S1，获取卫星数据，并提取所述卫星数据中的高分影像，根据分类目的、影像数据自身的特征和分类区收集的信息确定分类系统；并对高分影像进行特征判断，对图像质量不达标的图像进行预处理；步骤S2，从步骤S1中得到的高分影像中选取小麦训练样本；步骤S3，选择并设置支持向量机分类的分类器；步骤S4，从所述小麦训练样本中选择待分类的小麦高分影像，并采用支持向量机分类的分类器对所述小麦训练样本进行机器学习，生成并输出小麦分类结果；步骤S5，对所述小麦分类结果进行聚类处理；步骤S6，对经过聚类处理后的小麦分类结果进行精度验证，生成精度分析报表。进一步，在所述步骤S1中，结合目标区高分影像数据以及乡镇级数据，以预设波段组合显示分辨小麦与实地采集冬小麦地块对比。进一步，在所述步骤S2中，在整个高分影像图像上辨别小麦区域，逐个绘制多个多边形样本，分别完成多个多边形样本的选择，以得到所述小麦训练样本。进一步，在所述步骤S2中，所述多边形样本的选取均匀分布在整个高分影像图像上。进一步，在所述步骤S5中，采用聚类处理方法以对小麦分类结果中的小图斑进行剔除或重新分类。进一步，所述聚类处理，包括如下步骤：将被选的分类结果采用一个膨胀操作合并到一起，然后用变换核对分类图像进行腐蚀操作。进一步，在所述步骤S6中，采用以下两种方式之一进行精度验证：(1)混淆矩阵；(2)ROC曲线。根据本专利技术实施例的基于高分影像的小麦地块识别方法，采用高分影像数据，相比现有常用的小麦分类图图(主要是基于MODIS或者TM卫星数据提取的土地利用图)，基于高分数据集具有分辨率高的优势，因为采用的数据源自身数据分辨率高。所以选择高分1号卫星影像，针对待提取区作物生育期等特征，进行了特定时相的卫星数据，以更好识别和提取小麦地块，获取到小麦地块的分布及其面积。本专利技术的作业流程优化达到冬小麦分类结果符合精度要求。只需选择少数样本自动进行分类，减少手动分类的工作量，实现小麦地块的大范围获取和面积统计。本专利技术附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本专利技术的实践了解到。附图说明本专利技术的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：图1为根据本专利技术实施例的基于高分影像的小麦地块识别方法的流程图。具体实施方式下面详细描述本专利技术的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本专利技术，而不能理解为对本专利技术的限制。如图1所示，本专利技术实施例的基于高分影像的小麦地块识别方法，包括如下步骤：步骤S1，获取卫星数据，并提取卫星数据中的高分影像，根据分类目的、影像数据自身的特征和分类区收集的信息确定分类系统；并对高分影像进行特征判断，对图像质量不达标的图像进行预处理。即，对影像进行特征判断，评价图像质量，决定是否需要进行影像增强等预处理。其中，影像特征达标的标准：分类区域无云无薄雾，地物轮廓清晰。具体的，通过项目具体情况确定小麦分类的具体范围，分类精度；通过影像不同时像，小麦的不同生长情况，结合实地小麦生长情况，确定小麦的特征；根据小麦的品种，不同季节对应小麦不同生长情况提供实际分类信息。具体的，结合目标区高分影像数据以及乡镇级数据，以预设波段组合，显示分辨小麦与实地采集冬小麦地块对比。在本专利技术的实施例中，预设波段组合可以为R:TMBand5，G:TMBand4，B：TMBand3，通过目视可分辨小麦，与实地采集冬小麦地块对比。在本专利技术的实施例中，采用“高分一号”卫星的卫星数据。“高分一号”卫星具有高、中空间分辨率对地观测和大幅宽成像结合的特点，2米空间分辨率全色和8米空间分辨率多光谱图像组合幅宽优于60公里；16米空间分辨率多光谱图像组合幅宽优于800公里能够为国土资源部门、农业部门、气象部门、环境保护部门提供高精度、宽范围的空间观测服务；在地理测绘、海洋和气候气象观测、水利和林业资源监测、城市和交通精细化管理，疫情评估与公共卫生应急、地球系统科学研究等领域发挥重要作用。步骤S2，从步骤S1中得到的高分影像中选取小麦训练样本。具体的，默认ROIs绘制类型为多边形，在整个高分影像图像上辨别小麦区域，逐个绘制多个多边形样本，分别完成多个多边形样本的选择，以得到小麦训练样本。其中，多边形区域的行踪满足小麦所在区域即可。即，在影像上辨别小麦区域并单击鼠标左键开始绘制多边形样本，一个多边形绘制结束后，双击鼠标左键或者点击鼠标右键，选择CompleteandAcceptPolygon，完成一个多边形样本的选择。需要说明的是，采用相同的方法，在图像别的区域绘制其他样本，样本尽量均匀分布在整个图像上；这样就为小麦选好了训练样本。步骤S3，选择并设置支持向量机分类的分类器。在本步骤中，采用支持向量机分类(SupportVectorMachine或SVM)，该支持向量机分类的分类器是一种建立在统计学习理论(StatisticalLearningTheory或SLT)基础上的机器学习方法。SVM可以自动寻找那些对分类有较大区分能力的支持向量，由此构造出分类器，可以将类与类之间的间隔最大化，因而有较好的推广性和较高的分类准确率。步骤S4，从小麦训练样本中选择待分类的小麦高分影像，并采用支持向量机分类的分类器对小麦训练样本进行机器学习，生成并输出小麦分类结果。具体的，选择/Classification/SupervisedClassification/SupportVectorMachineClassification，选择待分类影像，按照默认设置参数输出分类结果。步骤S5，对小麦分类结果进行聚类处理。应用监督分类，由于分类结果中不可避免地会产生一些面积很小的图斑，必要对这些小图斑进行剔除或重新分类，目前常用的方法为聚类处理(clump)。在本步骤中，采用聚类处理方法以对小麦分类结果中的小图斑进行剔除或重新分类。具体的，聚类处理(clump)是运用数学形态学算子(腐蚀和膨胀)，将临近的类似分类区域聚类并进行合并。分类图像经常缺少空间连续性(分类区域中斑点或洞的存在)。低通滤波虽然可以用来平滑这些图像，但是类别信息常常会被临近类别的编码干扰，聚类处理解决了这个问题。聚类处理，包括如下步骤：将被选的分类结果采用一个膨胀操作合并到一起，然后用变换核对分类图像进行腐蚀操作。下面介绍详细操作流程：(1)打开分类结果；(2)打开聚类处理工具，在弹出对话框中选择分类数据，点击OK；(3)在Cl本文档来自技高网...

【技术保护点】
1.一种基于高分影像的小麦地块识别方法，其特征在于，包括如下步骤：步骤S1，获取卫星数据，并提取所述卫星数据中的高分影像，根据分类目的、影像数据自身的特征和分类区收集的信息确定分类系统；并对高分影像进行特征判断，对图像质量不达标的图像进行预处理；步骤S2，从步骤S1中得到的高分影像中选取小麦训练样本；步骤S3，选择并设置支持向量机分类的分类器；步骤S4，从所述小麦训练样本中选择待分类的小麦高分影像，并采用支持向量机分类的分类器对所述小麦训练样本进行机器学习，生成并输出小麦分类结果；步骤S5，对所述小麦分类结果进行聚类处理；步骤S6，对经过聚类处理后的小麦分类结果进行精度验证，生成精度分析报表。

【技术特征摘要】
1.一种基于高分影像的小麦地块识别方法，其特征在于，包括如下步骤：步骤S1，获取卫星数据，并提取所述卫星数据中的高分影像，根据分类目的、影像数据自身的特征和分类区收集的信息确定分类系统；并对高分影像进行特征判断，对图像质量不达标的图像进行预处理；步骤S2，从步骤S1中得到的高分影像中选取小麦训练样本；步骤S3，选择并设置支持向量机分类的分类器；步骤S4，从所述小麦训练样本中选择待分类的小麦高分影像，并采用支持向量机分类的分类器对所述小麦训练样本进行机器学习，生成并输出小麦分类结果；步骤S5，对所述小麦分类结果进行聚类处理；步骤S6，对经过聚类处理后的小麦分类结果进行精度验证，生成精度分析报表。2.如权利要求1所述的基于高分影像的小麦地块识别方法，其特征在于，在所述步骤S1中，结合目标区高分影像数据以及乡镇级数据，以预设波段组合显示分辨小麦与实地采集冬小麦地块对比。3.如权利要求1...

【专利技术属性】
技术研发人员：朱德海，张俊青，
申请(专利权)人：北京兴农丰华科技有限公司，
类型：发明
国别省市：北京,11