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