基于Pléiades和面向对象的地膜信息提取方法及系统技术方案

本发明专利技术公开了一种基于Pléiades和面向对象的地膜信息提取方法，采用Pléiades卫星影像数据，开展了基于面向对象的地膜农田遥感识别。首先利用多尺度分割方法对影像进行不同尺度分割，通过对比不同分割尺度下影像对象分割效果，选出适合研究区地膜农田遥感识别最优分割尺度。在此基础上，提取光谱特征、几何特征以及纹理特征等多种特征并进行了特征优选，获取优化特征子集。最后利用随机森林机器学习算法进行地膜农田分布信息提取，并利用混淆矩阵法进行精度验证。本发明专利技术大大提高了农田地膜的识别精度和准确度。

【技术实现步骤摘要】
基于Pléiades和面向对象的地膜信息提取方法及系统
本专利技术涉及农田地膜识别
，更具体的说是涉及一种基于Pléiades和面向对象的地膜信息提取方法及系统。
技术介绍
在农业生产中利用地膜覆盖技术可以有效提高土壤熵情和土壤温度，保水保肥，抑制杂草、防止病虫害，增加农作物产量，提高农作物的品质等作用。70年代后期，地膜开始被使用在我国的农业栽培中。如今，在农业生产上地膜的使用量越来越多，这对我国玉米、棉花、马铃薯等农作物提前进入产品形成期，对单产的增加有重要作用。目前为止，在农业生产中利用的地膜绝大多数由稳定的有机化合物聚乙烯或聚氯乙烯合成，难分解，易破碎、难回收，并且随着地膜施用量的增加和使用时间的增长，残留地膜逐年积累，使得土壤板结，阻碍地下水下渗，使农作物根系受损，减少农作物的产量，造成农业环境污染。因此，权衡覆盖地膜的积极作用和消极影响在农业应用上具有非常重要的意义。获取地膜农田空间分布信息能够为其生产效益和环境效应综合评价提供基础数据。传统的农业统计数据缺乏时空性，受人为主观影响。而野外调查方法受到环境复杂等客观条件的制约，很难实现大规模的实地调查，并且需要耗费许多的人员、资源、金钱和时间。因此，急需寻找一种便于收集地膜农田空间分布信息的方法。遥感技术是不直接接触目标物的情况下获取其分布信息及其变化信息的技术，其具有观测范围广、受天气限制少、获取数据速度快、实时性强、信息丰富等优势，因此在很多领域中得到了广泛的应用。根据遥感数据的获取方式以及接受的信息源不同，可将遥感技术分为光学遥感技术和微波遥感技术。其中，光学遥感技术主要通过太阳发射的电磁波穿过大气传到地物，地物反射或本身的电磁波被卫星传感器在可见光波段、近红外波段、短波红外波段和热红外波段接收从而得到光学遥感影像，光学遥感技术的应用已经进入了各行各业。中低空间分辨率遥感成像技术(如MODIS卫星数据、Landsat卫星数据)，其扫描覆盖面积大，获取详细的光谱及空间信息存在一定的局限性。随着遥感技术的不断发展，能获取的遥感影像数据的空间分辨率不断提高，高空间分辨率遥感数据的应用范围也不断扩大；高空间分辨率影像能够提供更加详细的地表覆盖信息，地物的形状信息、纹理信息和地物间各空间关联等更加直观，使得较小的空间尺度地物如房屋、水体的信息提取更加容易。遥感影像信息提取方法也不断发展。根据是否需要先验知识，可分为监督分类和非监督分类；根据处理单位不同可分为基于像元的分类，基于亚像元的分类以及面向对象的分类；根据利用的技术手段不同可分为人机交互式的目视解译、传统的计算机自动分类以及机器学习分类等。基于像元的遥感影像分类方法主要以光谱信息的差异为依据进行遥感影像的分类，主要考虑像元尺度上的光谱信息，较少考虑形状信息、纹理信息、结构信息以及上下文等信息，其分类结果容易产生“椒盐现象”。随着遥感技术的不断进步，相继出现多种高分辨率影像获取技术。高分辨率遥感影像中包含了更多的空间结构信息，但由于分辨率高，在基于像元的分类过程中容易出现“同物异谱”现象，即同种地物的光谱特征不同，以及“同谱异物”现象，即不同地物出现相同光谱特征的现象，从而影响信息提取效果。为了避免基于像元的分类中存在的此类问题，面向对象的分类方法得到快速发展。面向对象分类方法基于目标对象完成影像信息提取，其处理的最小单元是由影像分割得到与实际的地物类别相对应的一个个影像对象的实体单元。面向对象的分类方法可以借助影像对象的多种特征，也可以运用不同的分割尺度转化为不同尺度的影像对象层。目标地物存在多样性和复杂性，不同地物具有不同的适用尺度，需要在其最优尺度层中提取，充分挖掘遥感影像信息，因而分类精度和速度显著提高。面向对象分类方法能够同时考虑光谱、纹理、形状、大小、拓扑关系和上下文关系等多种影像特征，能满足各种分类条件，便于分类，使分类结果更加准确，是适宜高分辨率遥感影像的分类和提取方法。目前，地膜覆盖栽培技术作为一项重要的农业实践技术，由于其利弊关系，它的规划发展需要进行严格监管。地膜农田遥感识别的难度在于地膜农田遥感特征在空间、时间、光谱上具有特殊性。虽然对于遥感在地膜识别上的运用近两年开始得到了关注，但是对于地膜农田面向对象最佳尺度还没有一个明确的分割尺度，同时，地膜农田遥感识别的对象特征数量和种类的选择也是本领域技术人员亟待解决的问题。
技术实现思路
有鉴于此，本专利技术提供了一种基于Pléiades和面向对象的地膜信息提取方法及系统，采用Pléiades卫星获取高分辨率影像，并同时考虑光谱、纹理、形状、大小、拓扑关系和上下文关系等多种影像特征，使研究区地物的分类更加准确，能够提高农田地膜的识别精度。为了实现上述目的，本专利技术采用如下技术方案：一种基于Pléiades和面向对象的地膜信息提取方法，包括以下步骤：步骤S1、获取待研究区域范围内的卫星影像数据和调查样本，并对所述卫星影像数据进行预处理；所述卫星影像数据为Pléiades卫星数据；步骤S2、采用面向对象影像分析方法中的多尺度分割方法对预处理后的卫星影像数据进行分割，获取最优分割尺度下的分割对象；步骤S3、在最优分割尺度下提取所述分割对象上的光谱特征、纹理特征以及几何特征中的多种特征；步骤S4、利用随机森林机器学习回归优化方法对步骤S3中的所述多种特征进行优化，获得优化特征子集；步骤S5、基于所述优化特征子集及所述调查样本数据，采用随机森林进行训练获得地膜农田识别结果；步骤S6、利用混淆矩阵法对所述地膜农田识别结果进行精度验证。经由上述的技术方案可知，与现有技术相比，本专利技术采用采用Pléiades卫星获取高分辨率影像，并同时考虑光谱、纹理、形状、大小、拓扑关系和上下文关系等多种影响特征，并对特征值进行优化，使研究区地物的分类更加准确，能够提高农田地膜的识别精度。同时，运用多尺度分割方法进一步明确每个单元的属性，使遥感影像得到充分利用，同时，它可以使影像分割后形成的子区域互不交叠，但内部却以相同或相似的特征连通，有效减少“椒盐现象”，从而提高分辨率和遥感影像的识别精度。优选的，在上述一种基于Pléiades和面向对象的地膜信息提取方法中，所述步骤S1中对所述卫星影像数据进行预处理包括所述步骤S1中对所述卫星影像数据进行预处理至少包括辐射定标、大气校正和几何校正。优选的，在上述一种基于Pléiades和面向对象的地膜信息提取方法中，步骤S2包括：S21、设定不同的分割尺度参数；S22、根据步骤S21中不同的分割尺度参数分别对卫星影像数据进行分割，得到不同分割尺度参数下的分割效果图；所述分割效果图中每一个分割对象所包含的所有像元均存在相似性；S23、比较不同分割尺度参数下的分割效果图，选取最优分割尺度参数下的分割效果图。优选的，在上述一种基于Pléiades和面向对象的地膜信息提取方法中，步骤S3中的光谱特征包括：灰度均值、亮度和最大差分。优选的，在上述一种基于Pléiades和面向对象的地本文档来自技高网...

【技术保护点】
1.一种基于Pléiades和面向对象的地膜信息提取方法，其特征在于，包括以下步骤：/n步骤S1、获取待研究区域范围内的卫星影像数据和调查样本，并对所述卫星影像数据进行预处理；所述卫星影像数据为Pléiades卫星数据；/n步骤S2、采用面向对象影像分析方法中的多尺度分割方法对预处理后的卫星影像数据进行分割，获取最优分割尺度下的分割对象；/n步骤S3、在最优分割尺度下提取所述分割对象上的光谱特征、纹理特征以及几何特征中的多种特征；/n步骤S4、利用随机森林机器学习回归优化方法对步骤S3中的所述多种特征进行优化，获得优化特征子集；/n步骤S5、基于所述优化特征子集及所述调查样本数据，采用随机森林进行训练获得地膜农田识别结果；/n步骤S6、利用混淆矩阵法对所述地膜农田识别结果进行精度验证。/n

【技术特征摘要】
1.一种基于Pléiades和面向对象的地膜信息提取方法，其特征在于，包括以下步骤：
步骤S1、获取待研究区域范围内的卫星影像数据和调查样本，并对所述卫星影像数据进行预处理；所述卫星影像数据为Pléiades卫星数据；
步骤S2、采用面向对象影像分析方法中的多尺度分割方法对预处理后的卫星影像数据进行分割，获取最优分割尺度下的分割对象；
步骤S3、在最优分割尺度下提取所述分割对象上的光谱特征、纹理特征以及几何特征中的多种特征；
步骤S4、利用随机森林机器学习回归优化方法对步骤S3中的所述多种特征进行优化，获得优化特征子集；
步骤S5、基于所述优化特征子集及所述调查样本数据，采用随机森林进行训练获得地膜农田识别结果；
步骤S6、利用混淆矩阵法对所述地膜农田识别结果进行精度验证。


2.根据权利要求1所述的一种基于Pléiades和面向对象的地膜信息提取方法，其特征在于，所述步骤S1中对所述卫星影像数据进行预处理至少包括辐射定标、大气校正和几何校正。


3.根据权利要求1所述的一种基于Pléiades和面向对象的地膜信息提取方法，其特征在于，步骤S2包括：
S21、设定不同的分割尺度参数；
S22、根据步骤S21中不同的分割尺度参数分别对卫星影像数据进行分割，得到不同分割尺度参数下的分割效果图；所述分割效果图中每一个分割对象所包含的所有像元均存在相似性；
S23、比较不同分割尺度参数下的分割效果图，选取最优分割尺度参数下的分割效果图。


4.根据权利要求1所述的一种基于Pléiades和面向对象的地膜信息提取方法，其特征在于，步骤S3中的光谱特征包括：灰度均值、亮度和最大差分。


5.根据权利要求1所述的一种基于Pléiades和面向对象的地膜信息提取方法，其特征在于，步骤S3中的纹理特征包括均一性、对比度、同质性、异质性、熵、角二阶矩、均值、相关性和标准差。


6.根据权利要...

【专利技术属性】
技术研发人员：哈斯图亚，陈仲新，
申请(专利权)人：内蒙古农业大学，中国农业科学院农业资源与农业区划研究所，
类型：发明
国别省市：内蒙古;15