基于遥感图像的土地利用分类方法、存储介质和计算设备技术

本发明专利技术公开了一种基于遥感图像的土地利用分类方法、存储介质和计算设备，方法包括：首先，获取目标城市的遥感图像；初步解译遥感图像，得到图像初步分类结果；矢量提取出目标城市地图中的轨道交通线路和站点，得到矢量化的轨道交通线路与站点；利用矢量化的轨道交通线路与站点对遥感图像进行裁剪，裁剪出轨道交通沿线区域的遥感图像；利用Google地球获取轨道交通沿线区域的遥感图像，根据POI类别和从Google地球获取到的遥感图像中的用地类型判别标志针对初步分类结果为建筑用地的轨道交通沿线区域遥感图像进行再次解译，得到最终土地利用分类结果；本发明专利技术可以准确快速地对城市轨道交通线路与站点区域进行土地利用分类，快速获取到土地利用情况。

Land use classification method, storage medium and computing equipment based on remote sensing image

【技术实现步骤摘要】
基于遥感图像的土地利用分类方法、存储介质和计算设备
本专利技术涉及土地调查与规划
，特别涉及一种基于遥感图像的土地利用分类方法、存储介质和计算设备。
技术介绍
城市轨道交通从规划、建设到运营等阶段，土地的利用状态在不断地发生着变化。城市的地铁线路里程不断增长，城市内部的区域经济发展状况不同，地形地貌亦有差别，引起了周边土地发生复杂的利用变化，即使是同一个位置的土地，在地铁发展的不同阶段以及城市的不同年份也存着在一定的差异性。在实际生活中，在进行土地调查与规划工作时就需要获取到最新的土地利用数据。目前国内外主要利用测绘和实地调查方法获取有关于轨道交通沿线的土地利用分类情况，由于轨道交通沿线的土地发展迅速，用地类型转换频繁，利用现有的方法获取最新的土地利用数据都需要浪费大量财力、物力，而且时效性差，无法满足实际应用的需要。
技术实现思路
本专利技术的第一目的在于克服现有技术的缺点与不足，提供一种基于遥感图像的土地利用分类方法，该方法可以准确且快速对城市轨道交通沿线的土地利用进行分类，快速获取到土地利用情况。本专利技术的第二目的在于提供一种存储介质。本专利技术的第三目的在于提供一种计算设备。本专利技术的第一目的通过下述技术方案实现：一种基于遥感图像的土地利用分类方法，包括：获取目标城市的遥感图像；对目标城市的遥感图像进行初步解译，得到图像初步分类结果；初步分类结果包括绿地、水域、空地和建筑用地四个基本类别；获取目标城市的地图，矢量提取出地图中的轨道交通线路和站点，得到矢量化的轨道交通线路与站点；针对于待土地利用分类的轨道交通沿线区域，利用矢量化的轨道交通线路与站点对遥感图像进行裁剪，裁剪出轨道交通沿线区域的遥感图像，并且获取到裁剪出的轨道交通沿线区域遥感图像的初步分类结果；利用Google地球获取轨道交通沿线区域的遥感图像，根据POI类别和从Google地球获取到的遥感图像中的用地类型判别标志针对初步分类结果为建筑用地的轨道交通沿线区域遥感图像进行再次解译，得到最终土地利用分类结果。优选的，目标城市的遥感图像通过地理空间数据云网站下载得到，目标城市的遥感图像的分辨率低于利用Google地球获取到的遥感图像的分辨率。优选的，获取目标城市的遥感图像，还包括对目标城市的遥感图像进行预处理，预处理包括图像拉伸增强和波段组合，其中，图像拉伸是指调整、变换遥感图像的密度和色调；波段组合是指针对于经过图像拉伸处理后的遥感图像，对遥感图像进行不同光谱波段的叠加组合。优选的，通过机器学习得到的分类器对遥感图像进行初步解译，其中机器学习得到分类器的具体过程如下：获取多个来自不同区域的已知基本类别的遥感图像，作为训练样本，其中，在获取训练样本的过程中，包括对训练样本进行可分离性验证，判断能否用于训练分类器；选择分类器类型；获取各训练样本的光谱信息，将各训练样本的光谱信息作为分类器的输入，各训练样本的基本类别作为分类器的输出，对分类器进行训练，得到用于分类遥感图像的分类器。优选的，初步解译后还包括分类精度验证步骤：随机获取不同区域的已知基本类别的遥感图像作为验证样本，根据各验证样本对应的基本类别与初步分类结果进行对比，利用混淆矩阵计算Kappa系数，得到分类精度，若分类精度达到第一预设阈值，则结束验证，将当前训练好的分类器作为最终分类器；若分类精度达不到第一预设阈值，则重新选择多个来自不同区域的已知基本类别的遥感图像作为训练样本对分类器进行重新训练，直到分类的精度达到第一预设阈值。优选的，针对于初步解译后的遥感图像进行小斑剔除，具体为：利用Majority分析方法剔除初步解译后的遥感图像中面积小于一定值的图斑。优选的，再次解译包括：利用POI类别和从Google地球获取到的轨道交通沿线区域的遥感图像的用地类型判别标志，获取不同用地类型的用地类型图层，其中，每获取到一种用地类型的用地类型图层，将该用地类型图层叠加到初步分类结果为建筑用地的轨道交通沿线区域遥感图像，融合相同用地类型的图斑，得到更新的轨道交通沿线区域遥感图像。优选的，再次解译后还包括精度验证步骤：随机选取轨道交通沿线区域内的多个POI类别样本；根据多个POI类别样本以及经过再次解译后轨道交通沿线区域遥感图像中所分类出的用地类型，利用混淆矩阵计算Kappa系数，得到轨道交通沿线区域遥感图像的分类精度，当轨道交通沿线区域遥感图像的分类精度达到第二预设阈值，则结束验证，轨道交通沿线区域遥感图像所分类出的用地类型为最终土地利用分类结果；当轨道交通沿线区域遥感图像的分类精度达不到第二预设阈值，则重新进行再次解译，直至轨道交通沿线区域遥感图像的分类精度达到第二预设阈值。本专利技术的第二目的通过下述技术方案实现：一种存储介质，存储有程序，所述程序被处理器执行时，实现本专利技术第一目的所述的基于遥感图像的土地利用分类方法。本专利技术的第三目的通过下述技术方案实现：一种计算设备，包括处理器以及用于存储处理器可执行程序的存储器，所述处理器执行存储器存储的程序时，实现本专利技术第一目的所述的基于遥感图像的土地利用分类方法。本专利技术相对于现有技术具有如下的优点及效果：(1)本专利技术基于遥感图像的土地利用分类方法，首先获取目标城市的遥感图像；对目标城市的遥感图像进行初步解译，得到图像初步分类结果；初步分类结果包括绿地、水域、空地和建筑用地四个基本类别；获取目标城市的地图，矢量提取出地图中的轨道交通线路和站点，得到矢量化的轨道交通线路与站点；针对于待土地利用分类的轨道交通沿线区域，利用矢量化的轨道交通线路与站点对遥感图像进行裁剪，裁剪出轨道交通沿线区域的遥感图像，并且获取到裁剪出的轨道交通沿线区域遥感图像的初步分类结果；利用Google地球获取轨道交通沿线区域的遥感图像，根据POI类别和从Google地球获取到的遥感图像中的用地类型判别标志针对初步分类结果为建筑用地的轨道交通沿线区域遥感图像进行再次解译，得到最终土地利用分类结果。本专利技术方法基于遥感图像，通过结合POI类别和从Google地球获取到的遥感图像，可以更准确快速地对遥感图像进行土地利用分类，最终所得的土地利用分类结果可以判读出绿地、水域、空地以及由多种不同用地类型组成的建筑用地，因此通过本专利技术土地利用分类方法可以准确且快速对城市轨道交通线路与站点区域进行土地利用分类，时效性好，所得的土地利用分类结果可以有效识别出不同用地类型，因此可以快速获取到土地利用情况，节省人力、财力和物力；另外，通过本专利技术方法可以得到不同时间段下同一地区的土地利用分类情况，以及同一时间段不同地区的土地利用分类情况，有利于城市的土地调查与规划工作。(2)本专利技术基于遥感图像的土地利用分类方法中，预处理包括图像拉伸增强和波段组合，图像拉伸用于调整、变换遥感图像的密度和色调，改善遥感图像的目视质量，突出遥感图像中的地物特征，提高遥感图像判读性能和效果；波段组合用于针对于经过图像拉伸处理后的遥感图像，对遥感图像进行不同光谱波段的叠加组合，达到突出遥感图像中不同地物显示效果的处理目的，方便解译；当目标城市的遥感图像中还包括目标城市之外的其他地区，预处理还包括在图像拉伸增强和波段组合之前，对目标城市的遥感图像进行裁剪，按照目标城市的行政区划边界进行裁剪，将遥感图像中目标城市裁剪出来，去除遥感图像中目标本文档来自技高网...

【技术保护点】
1.一种基于遥感图像的土地利用分类方法，其特征在于，包括：获取目标城市的遥感图像；对目标城市的遥感图像进行初步解译，得到图像初步分类结果；初步分类结果包括绿地、水域、空地和建筑用地四个基本类别；获取目标城市的地图，矢量提取出地图中的轨道交通线路和站点，得到矢量化的轨道交通线路与站点；针对于待土地利用分类的轨道交通沿线区域，利用矢量化的轨道交通线路与站点对遥感图像进行裁剪，裁剪出轨道交通沿线区域的遥感图像，并且获取到裁剪出的轨道交通沿线区域遥感图像的初步分类结果；利用Google地球获取轨道交通沿线区域的遥感图像，根据POI类别和从Google地球获取到的遥感图像中的用地类型判别标志针对初步分类结果为建筑用地的轨道交通沿线区域遥感图像进行再次解译，得到最终土地利用分类结果。

【技术特征摘要】
1.一种基于遥感图像的土地利用分类方法，其特征在于，包括：获取目标城市的遥感图像；对目标城市的遥感图像进行初步解译，得到图像初步分类结果；初步分类结果包括绿地、水域、空地和建筑用地四个基本类别；获取目标城市的地图，矢量提取出地图中的轨道交通线路和站点，得到矢量化的轨道交通线路与站点；针对于待土地利用分类的轨道交通沿线区域，利用矢量化的轨道交通线路与站点对遥感图像进行裁剪，裁剪出轨道交通沿线区域的遥感图像，并且获取到裁剪出的轨道交通沿线区域遥感图像的初步分类结果；利用Google地球获取轨道交通沿线区域的遥感图像，根据POI类别和从Google地球获取到的遥感图像中的用地类型判别标志针对初步分类结果为建筑用地的轨道交通沿线区域遥感图像进行再次解译，得到最终土地利用分类结果。2.根据权利要求1所述的基于遥感图像的土地利用分类方法，其特征在于，目标城市的遥感图像通过地理空间数据云网站下载得到，目标城市的遥感图像的分辨率低于利用Google地球获取到的遥感图像的分辨率。3.根据权利要求1所述的基于遥感图像的土地利用分类方法，其特征在于，获取目标城市的遥感图像，还包括对目标城市的遥感图像进行预处理，预处理包括图像拉伸增强和波段组合，其中，图像拉伸是指调整、变换遥感图像的密度和色调；波段组合是指针对于经过图像拉伸处理后的遥感图像，对遥感图像进行不同光谱波段的叠加组合。4.根据权利要求1所述的基于遥感图像的土地利用分类方法，其特征在于，通过机器学习得到的分类器对遥感图像进行初步解译，其中机器学习得到分类器的具体过程如下：获取多个来自不同区域的已知基本类别的遥感图像，作为训练样本，其中，在获取训练样本的过程中，包括对训练样本进行可分离性验证，判断能否用于训练分类器；选择分类器类型；获取各训练样本的光谱信息，将各训练样本的光谱信息作为分类器的输入，各训练样本的基本类别作为分类器的输出，对分类器进行训练，得到用于分类遥感图像的分类器。5.根据权利要求1所述的基于遥感图像的土地利用分类方法，其特征在于，初步解译后还包括分类精度验证步骤：随机获取不同区域的已知基本类别的遥感...

【专利技术属性】
技术研发人员：吴大放，何尹杰，刘艳艳，
申请(专利权)人：广州大学，
类型：发明
国别省市：广东,44