一种类型异常图斑自动识别方法及系统技术方案

本发明专利技术公开了一种类型异常图斑自动识别方法及系统。该方法包括：获取待识别多光谱遥感影像；对多光谱遥感影像进行裁切，以获得类别易出错或易混淆的图斑的影像；计算各图斑影像的综合光谱指数；根据各图斑影像综合光谱指数的大小，分要素类对各图斑影像进行排序；确定图斑影像序列前后设定数量的图斑影像中是否存在类别异常图斑；如果存在，则在图斑影像序列的前和/或后增加设定数量的图斑影像，并对增加的图斑影像进行类别异常识别，如果增加的图斑影像中存在类别异常图斑，则跳转至“在图斑影像序列的前和/或后增加设定数量的图斑影像进行识别”步骤，直至增加的图斑影像中不存在类别异常图斑为止。本发明专利技术能够实现类别异常图斑的自动识别。

【技术实现步骤摘要】
一种类型异常图斑自动识别方法及系统
本专利技术涉及图像处理
，特别是涉及一种类型异常图斑自动识别方法及系统。
技术介绍
随着社会的发展，在地理国情监测领域，对地表覆盖数据的准确度、精细度提出了更高的要求。然而，由于我国地表情况复杂、遥感影像质量不一、解译受人员主观影响大等因素，地表覆盖数据中经常出现图斑分类错误问题，严重影响了地理国情监测成果的质量，每年各生产单位、质检单位需要花费大量人力、物力、财力去排查地表覆盖数据中的大图斑及同谱异物错误。
技术实现思路
本专利技术的目的是提供一种类型异常图斑自动识别方法及系统。为实现上述目的，本专利技术提供了如下方案：一种类型异常图斑自动识别方法，包括：获取待识别多光谱遥感影像；基于图斑的几何范围，对所述多光谱遥感影像进行裁切，以获得类别易出错或易混淆的图斑的影像；计算各图斑影像的综合光谱指数，所述综合光谱指数由植被指数、水体指数以及差分建筑物指数加权组合构成，用以区分图斑要素类别；根据各图斑影像的综合光谱指数的大小，分要素类对各图斑影像进行排序；确定图斑影像序列前后设定数量的图斑影像中是否存在类别异常图斑；如果存在类别异常图斑，则在图斑影像序列的前和/或后增加设定数量的图斑影像，并对增加的图斑影像进行类别异常识别，如果增加的图斑影像中存在类别异常图斑，则跳转至“在图斑影像序列的前和/或后增加设定数量的图斑影像进行识别”步骤，直至增加的图斑影像中不存在类别异常图斑为止，输出异常图斑影像。可选的，在所述基于图斑的几何范围，对所述多光谱遥感影像进行裁切之前，还包括：根据历史数据确定易出错或易混淆的要素类别以及用以区分易出错或易混淆的要素类别的综合光谱指数中植被指数、水体指数以及差分建筑物指数的权重系数。可选的，所述根据各图斑影像的综合光谱指数的大小，分要素类对各图斑影像进行排序，具体包括：确定每一所述图斑影像的综合光谱指数的中间值或平均值；根据图斑影像的综合光谱指数的中间值或平均值的大小，分要素类对各图斑影像进行排序。可选的，所述类别异常图斑检测方法包括：判断相邻图斑影像的综合光谱指数的差值是否大于设定阈值；如果是，则表示存在类别异常图斑，且类别异常图斑为所述相邻图斑影像到图斑序列第一端之间所有的图斑，所述第一端为图斑序列距离所述相邻图斑影像较近的一端。可选的，在所述计算各图斑影像的综合光谱指数之前，还包括：对所述植被指数和所述水体指数进行归一化处理；对所述差分建筑物指数以及归一化的植被指数和水体指数进行拉伸处理。可选的，所述方法还包括：向人机交互端输出计算机识别出的类别异常图斑影像，以供人工进行二次识别。可选的，所述多光谱遥感影像的裁切过程在计算机内存中进行。本专利技术还提供了一种类型异常图斑自动识别系统，包括：待识别多光谱遥感影像获取模块，用于获取待识别多光谱遥感影像；图斑影像裁切模块，用于基于图斑的几何范围，对所述多光谱遥感影像进行裁切，以获得类别易出错或易混淆的图斑的影像；综合光谱指数计算模块，用于计算各图斑影像的综合光谱指数，所述综合光谱指数由植被指数、水体指数以及差分建筑物指数加权组合构成，用以区分图斑要素类别；排序模块，用于根据各图斑影像的综合光谱指数的大小，分要素类对各图斑影像进行排序；类别异常确定模块，用于确定图斑影像序列前后设定数量的图斑影像中是否存在类别异常图斑，以及确定增加的图斑影像中是否存在类别异常图斑。可选的，所述系统还包括：初始参数确定模块，用于根据历史数据确定易出错或易混淆的要素类别以及用以区分易出错或易混淆的要素类别的综合光谱指数中植被指数、水体指数以及差分建筑物指数的权重系数。可选的，所述排序模块，具体包括：数值确定单元，用于确定每一所述图斑影像的综合光谱指数的中间值或平均值；排序单元，用于根据图斑影像的综合光谱指数的中间值或平均值的大小，分要素类对各图斑影像进行排序。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：本专利技术提供的类型异常图斑自动识别方法及系统首先提取待识别多光谱遥感影像中易于出错或易于混淆的图斑，然后对各图斑的能够区分出易出错或易混淆图斑的光谱指数进行计算，并根据该光谱指数的大小对各可图斑进行排序，最后通过对序列两端设定数量的图斑进行类别异常检测以确定类别异常图斑。本专利技术实现了图斑类别异常的自动识别，提高了检测的效率。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为本专利技术实施例1提供的类型异常图斑自动识别方法流程示意图；图2为本专利技术实施例2提供的类型异常图斑自动识别系统结构示意图。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。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。实施例1图1为本专利技术实施例1提供的类型异常图斑自动识别方法流程示意图，参见图1，本实施例提供的类型异常图斑自动识别方法包括以下步骤：步骤101：获取待识别多光谱遥感影像；步骤102：基于图斑的几何范围，对多光谱遥感影像进行裁切，以获得类别易出错或易混淆的图斑的影像；步骤103：计算各图斑影像的综合光谱指数，所述综合光谱指数由植被指数、水体指数以及差分建筑物指数加权组合构成，用以区分图斑要素类别；步骤104：根据各图斑影像的综合光谱指数的大小，分要素类对各图斑影像进行排序；步骤105：确定图斑影像序列前后设定数量的图斑影像中是否存在类别异常图斑；步骤106：如果存在类别异常图斑，则在图斑影像序列的前和/或后增加设定数量的图斑影像，并对增加的图斑影像进行类别异常识别，如果增加的图斑影像中存在类别异常图斑，则跳转至“在图斑影像序列的前和/或后增加设定数量的图斑影像进行识别”步骤，直至增加的图斑影像中不存在类别异常图斑为止；步骤107：输出类别异常图斑影像。在本实施例中，依次从地表覆盖矢量数据中获取各图斑的几何范围，定义影像裁切函数，裁切的范围为图斑的几何范围，被裁切的影像为待识别多光谱遥感影像，待识别多光谱遥感影像的波段数应不少于4个，至少包括红、绿、蓝、近红外等波段，影像裁切函数面向图斑光谱指数定义了影像数据的处理方式，其中，优选的，处理过程在计算机内存中进行，不输出裁本文档来自技高网...

【技术保护点】
1.一种类型异常图斑自动识别方法，其特征在于，包括：/n获取待识别多光谱遥感影像；/n基于图斑的几何范围，对所述多光谱遥感影像进行裁切，以获得类别易出错或易混淆的图斑的影像；/n计算各图斑影像的综合光谱指数，所述综合光谱指数由植被指数、水体指数以及差分建筑物指数加权组合构成，用以区分图斑要素类别；/n根据各图斑影像的综合光谱指数的大小，分要素类对各图斑影像进行排序；/n确定图斑影像序列前后设定数量的图斑影像中是否存在类别异常图斑；/n如果存在类别异常图斑，则在图斑影像序列的前和/或后增加设定数量的图斑影像，并对增加的图斑影像进行类别异常识别，如果增加的图斑影像中存在类别异常图斑，则跳转至“在图斑影像序列的前和/或后增加设定数量的图斑影像进行识别”步骤，直至增加的图斑影像中不存在类别异常图斑为止，/n输出类别异常图斑影像。/n

【技术特征摘要】
1.一种类型异常图斑自动识别方法，其特征在于，包括：
获取待识别多光谱遥感影像；
基于图斑的几何范围，对所述多光谱遥感影像进行裁切，以获得类别易出错或易混淆的图斑的影像；
计算各图斑影像的综合光谱指数，所述综合光谱指数由植被指数、水体指数以及差分建筑物指数加权组合构成，用以区分图斑要素类别；
根据各图斑影像的综合光谱指数的大小，分要素类对各图斑影像进行排序；
确定图斑影像序列前后设定数量的图斑影像中是否存在类别异常图斑；
如果存在类别异常图斑，则在图斑影像序列的前和/或后增加设定数量的图斑影像，并对增加的图斑影像进行类别异常识别，如果增加的图斑影像中存在类别异常图斑，则跳转至“在图斑影像序列的前和/或后增加设定数量的图斑影像进行识别”步骤，直至增加的图斑影像中不存在类别异常图斑为止，
输出类别异常图斑影像。


2.根据权利要求1所述的类型异常图斑自动识别方法，其特征在于，在所述基于图斑的几何范围，对所述多光谱遥感影像进行裁切之前，还包括：
根据历史数据确定易出错或易混淆的要素类别以及用以区分易出错或易混淆的要素类别的综合光谱指数中植被指数、水体指数以及差分建筑物指数的权重系数。


3.根据权利要求1所述的类型异常图斑自动识别方法，其特征在于，所述根据各图斑影像的综合光谱指数的大小，分要素类对各图斑影像进行排序，具体包括：
确定每一所述图斑影像的综合光谱指数的中间值或平均值；
根据图斑影像的综合光谱指数的中间值或平均值的大小，分要素类对各图斑影像进行排序。


4.根据权利要求1所述的类型异常图斑自动识别方法，其特征在于，所述类别异常图斑检测方法包括：
判断相邻图斑影像的综合光谱指数的差值是否大于设定阈值；
如果是，则表示存在类别异常图斑，且类别异常图斑为所述相邻图斑影像到图斑序列第一端之间所有的图斑，所述第一端为图斑序列距离所述相邻图斑影像较近的一端。


5.根据权...

【专利技术属性】
技术研发人员：李冲，李昊霖，
申请(专利权)人：自然资源部四川测绘产品质量监督检验站四川省测绘产品质量监督检验站，
类型：发明
国别省市：四川;51