基于像元统计的作物种植地块识别方法和装置制造方法及图纸

本申请涉及一种基于像元统计的作物种植地块识别方法，基于地块的识别来对目标作物进行影像识别统计，通过对面积的筛查、对非单一种植的地块的细分、通过像元占比对地块标注的作物进行验证，保证了对地块作物识别的准确性，提高了遥感影像对作物检测的可靠性。

【技术实现步骤摘要】
基于像元统计的作物种植地块识别方法和装置
本申请属于遥感图像处理
，尤其是涉及一种基于像元统计的作物种植地块识别方法和装置。
技术介绍
随着遥感技术的快速发展，目前已经能够提供从局部、区域到全球范围的连续地表采样，并可以提供从0.5米到数十公里空间分辨率的遥感数据，实现从多个空间尺度进行对地遥感观测。尺度变异和敏感性在使用遥感数据的分析中逐渐起到重要的作用。近年来，多尺度的遥感数据广泛用于区域乃至全球尺度的土地覆被制图，人们越来越重视遥感数据分类精度尺度效应方面的研究。随着空间分辨率的提高，遥感往往具有更高的地面目标识别和面积估算精度。利用遥感数据识别不同农作物并估算其种植面积能够极大地便利对农作物耕种的监控。地块是农业种植管理的基本单元，在农作物遥感识别过程中，如何准确识别作物种植的地块即识别出某种作物种植的区域边界是准确统计种植面积的基础。
技术实现思路
本专利技术要解决的技术问题是：为解决现有技术中的不足，从而提供一种识别精度高的基于像元统计的作物种植地块识别方法和装置。本专利技术解决其技术问题所本文档来自技高网...

【技术保护点】
1.一种基于像元统计的作物种植地块识别方法，其特征在于，包括以下步骤：/nS1：采集某区域作物耕种周期内的多个时相的遥感影像；/nS2：对遥感影像上的耕地地块信息进行识别，依据耕地的田埂道路划分出地块，统计每块地块的面积；/nS3：将每块地块的面积与第一阈值进行对比，选择大于等于第一阈值的地块，忽略小于第一阈值的地块；/nS4：针对大于等于第一阈值的地块，利用作物关键期影像时的地块内的像元统计的标准差计算识别标记出地块为单一种植的地块还是非单一种植的地块；/nS5：对S4步骤中识别出的非单一种植的地块按照作物种类分成多个细分地块，使每个地块中仅被标记为一种作物；/nS6：对S1步骤中作物耕种周...

【技术特征摘要】
1.一种基于像元统计的作物种植地块识别方法，其特征在于，包括以下步骤：
S1：采集某区域作物耕种周期内的多个时相的遥感影像；
S2：对遥感影像上的耕地地块信息进行识别，依据耕地的田埂道路划分出地块，统计每块地块的面积；
S3：将每块地块的面积与第一阈值进行对比，选择大于等于第一阈值的地块，忽略小于第一阈值的地块；
S4：针对大于等于第一阈值的地块，利用作物关键期影像时的地块内的像元统计的标准差计算识别标记出地块为单一种植的地块还是非单一种植的地块；
S5：对S4步骤中识别出的非单一种植的地块按照作物种类分成多个细分地块，使每个地块中仅被标记为一种作物；
S6：对S1步骤中作物耕种周期内的多个时相的遥感影像进行分析，识别出每个地块中种植有目标作物的像元，并对具有目标作物的地块进行标注；
S7：统计单个地块中种植有目标作物的像元数量，计算每个地块中的像元占比，并判断S6步骤中对地块的作物标记是否正确；
S8：对S7步骤中标记正确的地块进行统计分析。


2.根据权利要求1所述的基于像元统计的作物种植地块识别方法，其特征在于，S4步骤中，利用作物关键期影像时的地块内的像元统计的标准差计算识别标记出地块为单一种植的地块还是非单一种植的地块的方法为：
提取出地块的边界处的像元，取边界处的像元的对角线的交点作为像元的中心点，判断中心点是否位于地块内；若像元中心点在地块外，则该像元不作为地块所包含的像元；若像元中心点在地块内，则该像元作为地块所包含的像元，将像元中心点位于地块内的边界处的像元与边界内的像元作为相应地块所包含的像元；
计算地块所包含的各像元的NDVI值，式中，B3和B4分别为红波段、近红波段；
计算地块中各像元的NDVI值的标准差：式中，xi表示地块所包含的像元的NDVI值，表示地块所包含像元NDVI大小的平均值；
统计所有地块的标准差，确定第二阈值，标准差大于第二阈值的地块即为非单一种植的地块，标准差小于等于第二阈值的地块即为单一种植的地块。


3.根据权利要求1所述的基于像元统计的作物种植地块识别方法，其特征在于，S7步骤中，具体判断步骤为：计算每个地块中像元占比＝C/N×100％，
式中，C表示单个地块中种植有目标作物的像元数量，N表示单个地块包含的所有像元数；当“像元占比”小于等于第三阈值时则认为S6中对地块的作物标记为错误；当“像元占比”大于第三阈值时则认为S6中对地块的作物标记为正确。


4.根据权利要求1所述的基于像元统计的作物种植地块识别方法，其特征在于，S5步骤中，对S4步骤中识别出的非单一种植的地块的作为新的掩膜图层，新选取标记训练样本，利用神经网络对标记的地块进行细分，对非单一种植的地块按照作物种类分成多个细分地块，并进行检验及人工修正，使每个地块中仅被标记为一种作物。


5.根据权利要求1所述的基于像元统计的作物种植地块识别方法，其特征在于，目标作物为棉花，S1步骤中分别获取4月下旬、5月下旬、6月中旬、7月下旬、8月中旬、9月上旬和9月下旬的遥感影像；
S6步骤中识别出每个地块中种植有目标作物的像元时采用以下步骤：
当符合以下两个条件中的任何一个时，则判定该地块栽种物为棉花；
条件一：
4月下旬的遥感影像中地块的NDVI值小于0.19且大于0.04；
且
5月下旬的遥感影像中地块的NDVI值小于0.18且大于0.06；
且
6月中旬的遥感影像中地块的NDVI值小于0.44且大于0.29；
且
7月下旬的遥感影像中地块的NDVI值小于0.51且大于0.36；
且
8月中旬的遥感影像中地块的NDVI值小于0.69且大于0.44；
且
9月下旬的遥感影像中地块的NDVI值小于0.66且大于0.42；
条件二：
4月下旬的遥感影像中地块的NDVI值小于0.19且大于0.04；
且
5月下旬的遥感影像中地块的NDVI值小于0.18且大于0.06；
且
6月中旬的遥感影像中地块的NDVI值小于0.44且大于0.29；
且
7月下旬的遥感影像中地块的NDVI值小于0.51且大于0.36；
且
8月中旬的遥感影像中地块的NDVI值小于0.69且大于0.44；
且
9月上旬的遥感影像中地块的NDVI值小于0.69且大于0.44；
且
9月下旬的遥感影像中地块的NDVI值小于0.47且大于0.15。


6.一种基于像元统计的作物种植地块识别装置，其特征在于，包括：

【专利技术属性】
技术研发人员：罗明，陆洲，吴学明，梁爽，徐飞飞，
申请(专利权)人：中科禾信遥感科技苏州有限公司，中国科学院地理科学与资源研究所，中华联合财产保险股份有限公司，
类型：发明
国别省市：江苏;32