基于遥感光谱特征的目标提取方法及系统及装置及介质制造方法及图纸

本发明专利技术公开了基于遥感光谱特征的目标提取方法及系统及装置及介质，包括：采集预设目标对应的若干个波段的遥感数据作为基础数据；在基础数据中对分类分别取样得到样本数据；建立分类模型，利用样本数据训练分类模型得到训练后的分类模型；将预设区域的待处理遥感数据输入训练后的分类模型，输出预设区域的分类结果；计算预设区域地物的归一化差分植被指数与归一化差分黄度指数，比较指数计算结果与阈值，基于比较结果筛选除去分类结果中的非植被部分与绿色植被部分，得到预设区域的最终分类结果，相比于传统的单模型预测而言，本方法能够大大的提升预测的稳定性和鲁棒性；且本方法省时省力并且更加精确，识别提取精度得到了极大的提升。

【技术实现步骤摘要】
基于遥感光谱特征的目标提取方法及系统及装置及介质
本专利技术涉及遥感影像识别分类领域，具体地，涉及基于遥感光谱特征的目标提取方法及系统及装置及介质。
技术介绍
随着地球资源卫星技术的发展，卫星上搭载的传感器己能获得高分辨率的数字卫星影像。商用卫星可以提供10米到1米空间分辨率卫星影像，在这种具有高空间分辨率特性的影像上，地物形状特征和纹理特征清晰可辨，这为运用形状特征和纹理特征等地物细节信息进行目标精确识别提供了客观基础。因此，将地物光谱特征和地物纹理结构特征有机地结合是提高遥感图像分类精度的可行途径。传统遥感影像识别分类技术基于单一来源数据，容易出现数据缺失、云层覆盖、质量差等问题，传统的遥感影像识别分类方法常常基于机器学习方法或归一化差分黄度指数(NDYI)导致最终的识别精度不高，且传统的遥感影像识别采用单模型进行预测，预测的稳定性和和鲁棒性较差。
技术实现思路
为了提高遥感影像识别的精度，本专利技术提供了基于遥感光谱特征的目标提取方法及系统及装置及介质。为实现上述目的，本专利技术提供了基于遥感光谱特征的本文档来自技高网...

【技术保护点】
1.基于遥感光谱特征的目标提取方法，其特征在于，所述方法包括：/n采集预设目标对应的若干个波段的遥感数据作为基础数据；/n从基础数据中对预设目标、绿色植被以及其他地物分别分类取样，得到样本数据；/n建立分类模型，利用样本数据训练分类模型，得到训练后的分类模型；/n将预设区域的待处理遥感数据输入训练后的分类模型，输出预设区域的分类结果；/n计算预设区域地物的归一化差分植被指数与归一化差分黄度指数，比较归一化差分植被指数与归一化差分黄度指数的计算结果与阈值，基于比较结果筛选除去分类结果中的非植被部分与绿色植被部分，得到预设区域的最终分类结果，基于最终分类结果得到预设目标。/n

【技术特征摘要】
1.基于遥感光谱特征的目标提取方法，其特征在于，所述方法包括：
采集预设目标对应的若干个波段的遥感数据作为基础数据；
从基础数据中对预设目标、绿色植被以及其他地物分别分类取样，得到样本数据；
建立分类模型，利用样本数据训练分类模型，得到训练后的分类模型；
将预设区域的待处理遥感数据输入训练后的分类模型，输出预设区域的分类结果；
计算预设区域地物的归一化差分植被指数与归一化差分黄度指数，比较归一化差分植被指数与归一化差分黄度指数的计算结果与阈值，基于比较结果筛选除去分类结果中的非植被部分与绿色植被部分，得到预设区域的最终分类结果，基于最终分类结果得到预设目标。


2.根据权利要求1所述的基于遥感光谱特征的目标提取方法，其特征在于，预设目标为油菜花，遥感数据的采集时间为油菜花的花期内。


3.根据权利要求1所述的基于遥感光谱特征的目标提取方法，其特征在于，本方法还包括利用可见光波段对比查看并筛选出预设目标的遥感数据。


4.根据权利要求1所述的基于遥感光谱特征的目标提取方法，其特征在于，选取样本时基于可见光真彩色光谱特征选取到像素点。


5.根据权利要求1所述的基于遥感光谱特征的目标提取方法，其特征在于，本方法采集以下4个波段的遥感数据，包括：蓝波段、绿波段、红波段和近红外波段。


6.根据权利要求1所述的基于遥感光谱特征的目标提取方法，其特征在于，本方法中的分类模型基于随机森林算法进行分类。


7.根据权利要求1所述的基于遥感光谱特征的目标提取方法，其特征在于，地物的归一化差...

【专利技术属性】
技术研发人员：不公告发明人，
申请(专利权)人：成都数之联科技有限公司，
类型：发明
国别省市：四川;51