一种基于水稻指数的多时相遥感影像水稻提取方法技术

本发明专利技术涉及一种基于水稻指数的多时相遥感影像水稻提取方法。首先对每一个时相的遥感影像进行几何配准，然后计算配准后的各时相遥感影像的归一化差分植被指数NDVI，得到时序NDVI影像，再由时序NDVI影像及水稻生长季数计算得到多个归一化差分时序指数NDTI，并对NDTI进行最小值融合，得到水稻指数RI，接着对RI特征影像进行阈值分割，得到水稻提取结果，最后利用光谱约束和几何约束对水稻提取结果进行后处理，得到较为准确的水稻提取结果。本发明专利技术无需人工选择训练样本，即可实现多时相遥感影像水稻全自动提取，且本发明专利技术基于水稻多个生长季的特点设计水稻指数进行水稻提取，可以广泛用于多熟制品种水稻的提取。

【技术实现步骤摘要】
一种基于水稻指数的多时相遥感影像水稻提取方法
本专利技术属于遥感影像处理
，特别是涉及一种基于水稻指数的多时相遥感影像水稻提取方法。
技术介绍
水稻是我国主要的粮食作物之一，其生长状况影响着国家粮食安全、农业经济发展以及社会稳定。水稻种植区域的提取是实施水稻监测、合理配置水稻种植资源、发展水稻生产的基础，卫星遥感技术以其能实现周期性、大范围覆盖的优势，成为大面积水稻种植区域快速自动提取的有效手段。多时相遥感影像能够反映地物在不同时间的变化情况，而农作物有着显著的随季节周期性变化的物候特征，因此在多时相遥感影像中不同农作物之间以及农作物与其它地物之间可以比较明显地区分。许多学者将多时相遥感影像用于水稻提取中，现有的基于多时相遥感影像的水稻提取方法大致可分为两类：1)非监督方法，在多时相遥感影像中提取一种或多种植被指数的时间序列，根据植被指数的变化规律，设定阈值来对水稻进行提取；2)监督分类方法，基于传统的机器学习或深度学习，选取水稻训练样本，将多时相遥感影像和水稻样本输入分类器或深度网络进行训练，进而得到水稻提取的结果。但是，现有的方法中，非监督的方法往往是根据多种植被指数或植被指数的组合来设定多个阈值条件，需要耗费大量的人工、时间和精力来得到一个最佳的水稻提取模型。而监督分类方法，特别是基于深度学习的方法，需要通过大量的实地调查和人工标记来选择训练样本，自动化程度较低。此外，水稻多个生长季、一年多熟的特点是其区别于其它农作物和地物的显著物候特征之一，而现有方法较少对这种“多季”的特征加以利用。<br>
技术实现思路
本专利技术针对现有技术的不足，提供一种基于水稻指数的多时相遥感影像水稻提取方法。首先由多时相遥感影像得到可以描述水稻生长状态的植被指数时间序列，再从植被指数时间序列中提取出对应水稻每一个生长季的时序特征，通过对这些时序特征进行最小值融合来得到水稻指数特征，然后对水稻指数特征进行阈值分割得到水稻提取结果，最后利用光谱和几何约束条件进行水稻提取后处理。为了达到上述目的，本专利技术提供的技术方案是一种基于水稻指数的多时相遥感影像水稻提取方法，包括以下步骤：步骤1,对每一个时相的遥感影像进行几何配准；步骤2,对每一个时相的遥感影像计算归一化差分植被指数NDVI，得到时序NDVI影像；步骤3,由时序NDVI影像及水稻生长季数计算得到多个归一化差分时序指数NDTI；步骤4,对NDTI进行最小值融合，得到水稻指数RI；步骤5,对RI特征影像进行阈值分割，得到水稻提取结果；步骤6,通过光谱约束和几何约束，对步骤5中的水稻提取结果进行后处理。而且，所述步骤2中归一化植被指数NDVI的计算方法如下：其中，为第i个时相的影像在近红外波段的像素值，为第i个时相的影像在红波段的像素值，m为总时相数量。而且，所述步骤3中归一化差分时序指数NDTI与遥感影像上对应区域的水稻生长季数有关，每一个生长季的NDTI由该生长季内NDVI峰值和NDVI谷值决定，为两者之差比上两者之和。考虑到同一区域不同水稻之间生长季略微的偏差，峰值和谷值对应的时相在用户给定时相的邻域内自适应地选择。NDTI计算方法如下：其中，n为水稻生长季数，Mj1为用户给定的每一季NDVI峰值的大致时相索引，Mj2为用户给定的每一季NDVI谷值的大致时相索引。步骤2中将计算得到的NDVI平移至了非负范围，可以保证式(2)NDTI的计算结果位于[-1,1]范围内。而且，所述步骤4中水稻指数RI为水稻不同生长季的NDTI的最小值，其计算方式如下：求取RI后，将RI特征影像线性拉伸至[0,1]范围内。其中，g(x，y)和g′(x，y)分别为拉伸前和拉伸后的RI特征影像，(x，y)为像素在特征影像中的位置坐标，RImin为RI特征影像中的最小像素值，RImax为RI特征影像中的最大像素值。而且，所述步骤5中对拉伸后的RI特征影像选用固定的阈值(推荐阈值为0.33)进行阈值分割，得到水稻提取结果；其中，RICE(x，y)为水稻提取结果的二值图，(x，y)为像素的位置坐标，1表示水稻像素，0表示非水稻像素，和为设定的阈值。而且，所述步骤6中需利用全部时相NDVI的均值进行光谱约束，设定约束阈值(推荐阈值为0.3)，以剔除水稻提取结果中明显不是植被的像素；其中，RICE′(x，y)为进行了光谱约束之后的水稻提取结果二值图，(x，y)为像素的位置坐标，NDVImean(x，y)为像素全部时相NDVI的均值，TNDVI为设定的阈值。对水稻提取结果二值图取连通域得到水稻对象，利用面积和长宽比对水稻对象进行几何约束。分别设定面积阈值TArea(推荐阈值TArea＝1000m2)和长宽比阈值TLW(推荐阈值TLW＝8)剔除不符合稻田几何形状的对象，所剔除的对象面积Area≤TArea或长宽比LW≥TLW。经过光谱约束和几何约束后，得到最终的水稻提取结果。与现有技术相比，本专利技术具有如下优点：本专利技术无需人工选择训练样本，即可实现多时相遥感影像水稻全自动提取，且与其它基于植被指数和阈值分割的方法相比，本专利技术阈值设定难度较小，可大大减少人工的工作量，提高自动化程度。此外，本专利技术基于水稻多个生长季的特点设计水稻指数进行水稻提取，可以广泛用于多熟制品种水稻的提取。附图说明图1为本专利技术实施例的流程图。具体实施方式本专利技术提供一种基于水稻指数的多时相遥感影像水稻提取方法，首先由多时相遥感影像得到可以描述水稻生长状态的植被指数时间序列，再从植被指数时间序列中提取出对应水稻每一个生长季的时序特征，通过对这些时序特征进行最小值融合来得到水稻指数特征，然后对水稻指数特征进行阈值分割得到水稻提取结果，最后利用光谱和几何约束条件进行水稻提取后处理。下面结合附图和实施例对本专利技术的技术方案作进一步说明。如图1所示，本专利技术实施例的流程包括以下步骤：步骤1，对每一个时相的遥感影像进行几何配准。几何配准可通过ENVI、ERDAS等遥感影像处理软件实现，本专利技术中几何配准通过ENVI软件中的GeometricCorrection-Registration-ImageRegistrationWorkflow工具实现，主要包括自动选取控制点、控制点粗差剔除、选取配准方法进行配准几个步骤。步骤2，对每一个时相的遥感影像计算归一化差分植被指数NDVI(NormalizedDifferenceVegetationIndex)，得到时序NDVI影像。NDVI常用于检测植被的生长状态，其计算方法如下：其中，为第i个时相的影像在近红外波段的像素值，为第i个时相的影像在红波段的像素值，m为总时相数量。步骤3，由时序NDVI影像及水稻生长季数计算多个归一化差分时序指数NDTI(NormalizedDifferenceTemp本文档来自技高网...

【技术保护点】
1.一种基于水稻指数的多时相遥感影像水稻提取方法，其特征在于，包括如下步骤：/n步骤1,对每一个时相的遥感影像进行几何配准；/n步骤2,对每一个时相的遥感影像计算归一化差分植被指数NDVI，得到时序NDVI影像；/n步骤3,由时序NDVI影像及水稻生长季数计算得到多个归一化差分时序指数NDTI；/n步骤4,对NDTI进行最小值融合，得到水稻指数RI；/n步骤5,对RI特征影像进行阈值分割，得到水稻提取结果；/n步骤6,通过光谱约束和几何约束，对步骤5中的水稻提取结果进行后处理。/n

【技术特征摘要】
1.一种基于水稻指数的多时相遥感影像水稻提取方法，其特征在于，包括如下步骤：
步骤1,对每一个时相的遥感影像进行几何配准；
步骤2,对每一个时相的遥感影像计算归一化差分植被指数NDVI，得到时序NDVI影像；
步骤3,由时序NDVI影像及水稻生长季数计算得到多个归一化差分时序指数NDTI；
步骤4,对NDTI进行最小值融合，得到水稻指数RI；
步骤5,对RI特征影像进行阈值分割，得到水稻提取结果；
步骤6,通过光谱约束和几何约束，对步骤5中的水稻提取结果进行后处理。


2.如权利要求1所述的一种基于水稻指数的多时相遥感影像水稻提取方法，其特征在于：所述步骤2中归一化植被指数NDVI的计算方法如下：



其中，为第i个时相的影像在近红外波段的像素值，为第i个时相的影像在红波段的像素值，m为总时相数量。


3.如权利要求1所述的一种基于水稻指数的多时相遥感影像水稻提取方法，其特征在于：所述步骤3中归一化差分时序指数NDTI与遥感影像上对应区域的水稻生长季数有关，每一个生长季的NDTI由该生长季内NDVI峰值和NDVI谷值决定，为两者之差比上两者之和，考虑到同一区域不同水稻之间生长季略微的偏差，峰值和谷值对应的时相在用户给定时相的邻域内自适应地选择，NDTI计算方法如下：









其中，n为水稻生长季数，Mj1为用户给定的每一季NDVI峰值的大致时相索引，Mj2为用户给定的每一季NDVI谷值的大致时相索引，步骤2中将计算得到的NDVI平移至了非负范围，可以保证式(2)NDTI的计算结果位于[-1，1]范围内。


4.如权利要求1所述的一种基于水稻...

【专利技术属性】
技术研发人员：黄昕，涂理林，
申请(专利权)人：武汉大学，
类型：发明
国别省市：湖北;42