【技术实现步骤摘要】
一种基于高分辨率影像数据的耕地地块提取方法及系统
本专利技术涉及耕地地块提取领域，特别是涉及一种基于高分辨率影像数据的耕地地块提取方法及系统。
技术介绍
农田地块空间分布与土地状况是社会资源调配的重要参考依据与衡量标准，是现代农业相关产业规划与发展的基础数据，对农田地块分布的精确掌握，对国家快速估计受灾影响情况及核算救灾物资和维护社会稳定意义重大。现有技术中农田地块提取主要有基于分类和分割两种类型，其中，分类类型是利用各类型的分类器解算图像中各像素的属性类型并提取其中的耕地像元，相邻耕地像元的集合即为耕地地块，然而该方法提取的地块边界不清晰，存在严重的椒盐现象，受分类精度的影响大。分割类型的方法包括根据像元光谱特性的分割、通过边缘的构建进行分割、依据区域异质性评价的分割、依据光学物理模型基础的分割和基于特定数理模型组合的分割，其中，基于像元光谱特性进行分割的方法仅考虑了像素本身的灰度而忽略了其空间相关性，无法解决异物同谱与同物异谱的问题，且对噪声干扰敏感，阈值设定强依赖于操作人员的经验；基于边缘构建进行分割的方法因影像中自然地物空间分布的复杂性，参数选择仍然依赖经验，且伪边缘与不连续边缘会严重影响分割效果；基于区域异质性评价进行分割的方法中，原始种子点选取、同质性检测标准的确定对操作人员经验的依赖较强，且在边缘周围易出现错误分割，最优分割参数的选择缺乏科学客观的标准，模型移植性差、自动化程度低。综上，现有的农田提取方法基于人工提取更加依赖于操作人员的经验，导致分割方法可移植性低。
【技术保护点】
1.一种基于高分辨率影像数据的耕地地块提取方法，其特征在于，所述方法具体包括：/n对待提取遥感影像中的全色波段图像和多光谱波段图像进行融合，得到遥感融合图像；/n对所述遥感融合图像分别进行特征提取和非监督分类，得到特征要素数据集合和种子点集合；所述特征要素数据集合包括：光谱数据、纹理数据集和植被数据；所述种子点集合为非监督分类结果中耕地范围内的地物图斑矢量中心点构成的集合；/n对所述全色波段图像采用多种边缘检测算子进行边缘检测，按所述全色波段图像的像元的边缘强度对所述全色波段图像的像元进行分层，得到多层边缘样本，由多层所述边缘样本构成边缘样本集合；其中，相同边缘强度的像元归为同一层边缘样本，所述边缘强度的评价标准为按所述全色波段图像的像元被不同边缘检测算子识别为边缘的次数，被识别次数越多像元强度越大；/n判断当前迭代次数t下的当前边缘样本集合的层数是否为0；/n若当前迭代次数t下的当前边缘样本集合的层数不为0，则选取所述当前边缘样本集合中的任意一层边缘样本作为目标边缘；/n选取所述种子点集合中的任意一个像素点作为研究点；/n以所述研究点为种子点进行区域生长，得到所述研究点对应的更新后的...
【技术特征摘要】
1.一种基于高分辨率影像数据的耕地地块提取方法，其特征在于，所述方法具体包括：
对待提取遥感影像中的全色波段图像和多光谱波段图像进行融合，得到遥感融合图像；
对所述遥感融合图像分别进行特征提取和非监督分类，得到特征要素数据集合和种子点集合；所述特征要素数据集合包括：光谱数据、纹理数据集和植被数据；所述种子点集合为非监督分类结果中耕地范围内的地物图斑矢量中心点构成的集合；
对所述全色波段图像采用多种边缘检测算子进行边缘检测，按所述全色波段图像的像元的边缘强度对所述全色波段图像的像元进行分层，得到多层边缘样本，由多层所述边缘样本构成边缘样本集合；其中，相同边缘强度的像元归为同一层边缘样本，所述边缘强度的评价标准为按所述全色波段图像的像元被不同边缘检测算子识别为边缘的次数，被识别次数越多像元强度越大；
判断当前迭代次数t下的当前边缘样本集合的层数是否为0；
若当前迭代次数t下的当前边缘样本集合的层数不为0，则选取所述当前边缘样本集合中的任意一层边缘样本作为目标边缘；
选取所述种子点集合中的任意一个像素点作为研究点；
以所述研究点为种子点进行区域生长，得到所述研究点对应的更新后的耕地区域，以及更新后的种子点集合；具体为，在当前区域生长次数n下将所述研究点的8邻域中位于所述种子点集合外的像素点构成的集合确定为目标点集合并计算所述目标点集合中的每个像素点与耕地区域的特征向量的差值，将所述差值小于第一设定阈值的像素点加入所述耕地区域中得到所述研究点对应的更新后的耕地区域；将所述差值小于所述第一设定阈值且所在位置不属于所述目标边缘的像素点加入种子点集合中，并将当前所述研究点从所述种子点集合内删除得到更新后的种子点集合；其中若当前区域生长次数n为初始区域生长次数则所述耕地区域为所述研究点，若当前区域生长次数n不是初始区域生长次数则所述耕地区域为上次区域生长次数n-1下得到的更新后的耕地区域；
判断更新后的种子点集合是否空，得到第一判断结果；
若所述第一判断结果为否，则选取所述更新后的种子点集合中的任意一个像素点作为研究点，并返回所述以所述研究点为种子点进行区域生长，得到所述研究点对应的更新后的耕地区域，以及更新后的种子点集合这一步骤；
若所述第一判断结果为是则将多个所述研究点对应的更新后的耕地区域确定为当前迭代次数t下的目标边缘对应的耕地区域；
将所述目标边缘从所述当前边缘样本集合中删除，并更新所述当前边缘样本集合和当前迭代次数t，返回所述判断当前迭代次数t下的当前边缘样本集合的层数是否为0；
若当前迭代次数t下的当前边缘样本集合层数为0，则比较各目标边缘对应的耕地区域中包含的中强边缘的数量，选择包含中强边缘数量最多的所述耕地区域作为耕地地块提取结果；其中，所述中强边缘为边缘强度为第二设定阈值的像元组成的集合。
2.根据权利要求1所述的一种基于高分辨率影像数据的耕地地块提取方法，其特征在于，所述以所述研究点为种子点进行区域生长，得到所述研究点对应的更新后的耕地区域，以及更新后的种子点集合，具体为：
在当前区域生长次数n下，根据所述特征要素数据集合计算所述目标点集合中的每个像素点与耕地区域的特征向量的差值；
若所述差值小于第一设定阈值，则确定所述像素点属于所述耕地区域，再更新所述耕地区域，得到所述研究点对应的更新后的耕地区域，若所述差值小于第一设定阈值，且所述差值对应的像素点不属于所述目标边缘，则将所述像素点添加进所述种子点集合得到所述更新后的种子点集合。
3.根据权利要求1所述的一种基于高分辨率影像数据的耕地地块提取方法，其特征在于，所述若当前迭代次数t下的当前边缘样本集合层数为0，则比较各目标边缘对应的耕地区域中包含的中强边缘的数量，选择包含中强边缘数量最多的所述耕地区域作为耕地地块提取结果，具体为：
若当前迭代次数t下的当前边缘样本集合层数为0，则统计各所述耕地区域中包含的中强边缘的数量，并将包含中强边缘的数量最多的耕地区域确定为最优分割地块；
对所述最优分割地块依次进行剔除零碎岛和打通零散区域的处理，得到耕地地块提取结果。
4.根据权利要求1所述的一种基于高分辨率影像数据的耕地地块提取方法，其特征在于，所述纹理数据集的确定方法具体为：
获取遥感训练图像；所述遥感训练图像为耕地地块提取结果已知的遥感图像；
对所述遥感训练图像中的全色波段图像和多光谱波段图像进行融合，得到遥感训练融合图像；
对所述遥感训练融合图像分别进行特征提取和非监督分类，得到光谱训练数据、纹理训练数据集、植被训练数据和种子点训练集合；所述纹理训练数据集包括不同窗口尺寸不同检测方向不同步长下的熵、二阶矩、能量矩、均值、相关性、对比度、差异性和相似性；所述种子点训练集合为非监督分类结果中耕地范围内的训练地物图斑矢量中心点构成的集合；
对所述遥感训练图像中的全色波段图像进行边缘检测，得到边缘样本训练集合；
将所述光谱训练数据、所述植被训练数据、所述种子点训练集合和所述边缘样本训练集合输入到耕地提取模型中，并将所述纹理训练数据集中的各纹理训练特征分别输入到所述耕地提取模型中，得到各所述纹理训练特征对应的训练耕地提取结果；
由所述训练耕地提取结果计算各所述纹理训练特征对应的精度贡献率；
对所述精度贡献率进行排序，得到贡献率序列，并将所述贡献率序列中前预设比例的精度贡献率对应的纹理训练特征确定为最优纹理特征；
依据所述最优纹理特征对所述遥感融合图像进行特征提取得到纹理数据集。
5.根据权利要求4所述的一种基于高分辨率影像数据的耕地地块提取方法，其特征在于，所述由所述训练耕地提取结果计算各所述纹理训练特征对应的精度贡献率，具体为：
将所述光谱训练数据、所述植被训练数据、所述种子点训练集合和所述边缘样本训练集合输入到耕地提取模型中，得到标准训练耕地提取结果；
由所述标准训练耕地提取结果确定标准耕地提取精度；所述标准耕地提取精度包括标准像素总体精度、标准耕地用户精度和标准耕地生产者精度；
由第i个训练耕地提取结果确定第i个纹理训练特征对应的训练耕地提取精度；所述训练耕地提取精度包括像素总体精度、耕地用户精度和耕地生产者精度；
由第i个纹理训练特征对应的训练耕地提取精度和所述标准耕地提取精度计算第i个纹理训练特征对应的精度贡献率，具体为
Ci＝Ai-A0；
其中，Ci为第i个纹理训练特征对应的精度贡献率，A0为标准耕地提取精度，Ai为第i个纹理训练特征对应的训练耕地提取精度。
6.根据权利要求4所述的一种基于高分辨率影像数据的耕地地块提取方法，其特征在于，所述将所述光谱训练数据、所述植被训练数据、所述种子点训练集合和所述边缘样本训练集合输入到耕地提取模型中，并将所述纹理训练数据集中的各纹理训练特征分别输入到所述耕地提取模型中，得到各所述纹理训练特征对应的训练耕地提取结果，具体为：
判断当前迭代次数m下的当前边缘样本训练集合的层数是否为0；
若当前迭代次数m下的当前边缘样本训练集合的层数不为0，则选取所述当前边缘样本训练集合中...
【专利技术属性】
技术研发人员：朱秀芳，李忠义，张强，
申请(专利权)人：北京师范大学，
类型：发明
国别省市：北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。