一种土地覆盖自动更新方法技术

一种土地覆盖自动更新方法，包括获取目标影像和参考影像、参考影像分类信息；训练样本选取和目标影像分类。以两景年份不相同的遥感影像数据和一景土地利用分类数据为基础，实现了一种基于概率向量比较变化检测的土地利用更新方法；具体包括变化检测的自适应阈值确定；前后两景遥感影像的不变像元与变化像元的变化检测；土地利用分类训练样本的自动选取；目标影像的土地利用自动更新。本发明专利技术为土地资源遥感应用、地理国情监测、国家生态文明建设中的土地利用覆盖变化数据提供新的模式和方法，对于生态文明建设和可持续发展战略实施的信息支撑具有重要意义。

【技术实现步骤摘要】
一种土地覆盖自动更新方法
本专利技术涉及地理监测
，具体的说涉及一种土地覆盖自动更新方法。
技术介绍
土地覆盖数据是全球环境变化、碳氮循环等研究和应用的基础数据，也是国家生态文明建设、自然资产价值准确评估的重要信息源。例如，在生态评估、环境建模和全球变化等研究中，土地覆盖数据是不可或缺的输入要素。目前，大区域高频率地表覆盖数据生产和更新的主要途径是对中等空间分辨率遥感影像进行分类，可用影像的不断丰富（例如美国的Landsat、欧空局的Sentinel-2和中国的GF-4卫星影像）为之提供了极大便利。然而，同一区域的不同影像间存在多种因素（例如大气条件、土壤湿度和影像获取时相等）造成的光谱差异，致使针对先期影像建立的分类模型一般无法直接应用于当期影像分类。此外，通过传统方式为每期影像分类获取训练样本将耗费大量的人力、费用和时间。因此，如何充分利用先期地表覆盖数据（连同先期影像）对当前目标影像进行高质量自动分类成为相关研究关注的主要焦点。土地覆盖数据更新是数据获取的一种常见情形，一般定义为在具备同一区域两期影像（简称“参考影像”和“目标影像”）以及参考影像对应的土地覆盖分类（简称“参考分类”）的情况下，由计算机程序自动生成另一期土地覆盖分类（简称“目标分类”）的任务。数据更新的实现可独立于变化检测，也可依赖于变化检测。相对而言，后者对两期影像及其辐射校正处理的要求相对较低，应用也更加广泛。近年来提出的基于概率向量比较（PVC）变化检测的更新方法（PVCU）优势尤为明显，具有良好的应用前景。PVC（概率向量比较）是分类后比较（PCC）变化检测的一种改进。理论和实验均已表明，在变化占比较小的情况下，PVCU相当有效。过大的训练样本规模（等于影像像元总数）加上迭代操作，使得现有PVCU分类运算量巨大，不得不选用低精度、高效率分类器（例如最大似然法），而放弃高精度、低效率分类器（例如随机森林）。因此，将训练样本获取过程从目标影像分类过程中剥离出来，剥离之后，训练样本获取是一个类似于原PVCU的迭代过程，而目标影像分类则退化为一个普通的PVC以及MRF优化过程。
技术实现思路
鉴于以上所述的技术问题，本专利技术实施例提供了一种土地覆盖自动更新方法，解决了传统变化检测方法中变化阈值难以确定的问题。一种土地覆盖自动更新方法，包括：S1获取参考影像和目标影像、参考分类信息；S2训练样本选取S2.1采样分层随机抽样方式，提取参考分类C1的子集，并令训练样本Ω=；S2.2提取与训练样本Ω对应的参考影像I1和目标影像I2的子集和；S2.3利用训练样本Ω和分类器对和分类，得到和两期概率向量，计算变化强度；其中是中间产生的分类；S2.4确定变化阈值，判定中的变化像元和未变化像元；S2.5如果未变化像元与训练样本Ω的一致率达到S2.4确定的变化阈值，则将未变化像元作为最终目标样本输出；否则，去除变化像元后，令Ω=，回到S2.2；S3目标影像分类S3.1利用训练样本Ω和分类器对参考影像I1和目标影像I2分类，得到目标分类C2和两期概率向量，计算变化强度；S3.2判定目标影像I2中的变化像元和未变化像元；S3.3将目标分类C2中未变化像元的类别置换为参考分类C1相应位置的类别：C2()=C1()；S3.4利用Ω和分类器对变化像元进行分类；S3.5优化C2，最终恢复被剔除变化像元的原有类别。其中确定变化阈值，包括：S2.4.1设定系列阈值（T1<T2…<Tn）和系列比例（P1<P2…<Pm）；S2.4.2预设初始数值i=1，j=1；S2.4.3以Pj为剔除比例，从两期概率向量中剔除主概率较小的像元，并执行分类后比较法PCC；以Ti为变化阈值执行概率向量比较法PVC；并计算两种比较结果的一致率；S2.4.4执行j=j+1，若j>m，执行S2.4.5；否则回到S2.4.3；S2.4.5执行i=i+1，若i>n，执行S2.4.6；否则回到S2.4.3；S2.4.6当PVC和PCC一致率最大时对应的系列阈值Ti即为所要确定的变化阈值。所述分类器为随机森林RF、最大自然法或其他分类器。S3.5中，利用马尔科夫随机场模型MRF优化C2。本专利技术以两景年份不相同的遥感影像数据和一景土地利用分类数据（与其中一个年份相对应）为基础，实现了一种基于概率向量比较变化检测的土地利用更新方法；具体包括变化检测的自适应阈值确定；前后两景遥感影像的不变像元与变化像元的变化检测；土地利用分类训练样本的自动选取；目标影像的土地利用自动更新。本专利技术为土地资源遥感应用、地理国情监测、国家生态文明建设中的土地利用覆盖变化数据提供新的模式和方法，对于生态文明建设和可持续发展战略实施的信息支撑具有重要意义。本专利技术对于土地利用数据库的快速建立具有重要作用。本专利技术将训练样本获取过程从目标影像分类过程中剥离出来，剥离之后，训练样本获取是一个类似于原基于概率向量比较变化检测的更新方法的迭代过程，而目标影像分类则退化为一个普通的概率向量比较以及马尔科夫随机场模型优化过程；利用分类后比较法（PCC）和基于向量比较法（PVC）自适应的确定变化阈值，进而利用变化检测识别不变像元，获得训练样本，利用MATLAB软件实现土地利用自动更新。本专利技术利用分类后比较辅助的概率向量比较变化阈值确定算法：该算法属于基于样本的搜索算法，但样本非人工采集，而是来自与概率向量比较同源且优势互补的分类后比较，具有自适应性；其关键在于如何最大程度地消除分类后比较分类错误的影响，由分类原理可知，分类后比较分类错误像元对应的是概率向量元素最大值（简称“主概率”）较小的像元该算法属于基于样本的搜索算法，但样本非人工采集，而是来自与PVC同源且优势互补的PCC，具有自适应性。其关键在于如何最大程度地消除PCC分类错误的影响。由分类原理可知，PCC分类错误像元对应的是概率向量元素最大值（简称“主概率”）较小的像元。例如，假设土地覆盖类型共3个类型，像元1的概率向量为（0.3，0.3，0.4），像元2的概率向量为（0.2，0.2，0.6），那么主概率为0.4的像元1比主概率为0.6的像元2属于错分的可能性更大。因此，在以系列比例分别剔除两期概率向量中主概率较小像元的基础上，依据PCC和PVC一致率最大化准则即可构建PVC变化阈值自适应搜索算法。本专利技术主要针对土地覆盖变化的自动监测，建立了新的土地覆盖自动更新方法，可用于国土资源管理，城市规划、农业发展相关的土地利用领域，所获数据添加到土地利用数据库，可作为国家生态文明建设、自然资产价值等准确评估的基础数据。附图说明从下面结合附图对本专利技术的具体实施方式的描述中可以更好地理解本专利技术，其中：通过阅读以下参照附图对非限制性实施例所作的详细描述，本专利技术的其它特征、目的和优点将会变得更明显,其中，相同或相似的附图标记表本文档来自技高网...

【技术保护点】
1.一种土地覆盖自动更新方法，包括：/nS1获取参考影像和目标影像、参考分类信息；/nS2训练样本选取/nS2.1采样分层随机抽样方式，提取参考分类

【技术特征摘要】
1.一种土地覆盖自动更新方法，包括：
S1获取参考影像和目标影像、参考分类信息；
S2训练样本选取
S2.1采样分层随机抽样方式，提取参考分类C1的子集，并令训练样本Ω=；
S2.2提取与训练样本Ω对应的参考影像I1和目标影像I2的子集和；
S2.3利用训练样本Ω和分类器对和分类，得到和两期概率向量，计算变化强度；其中是中间产生的分类；
S2.4确定变化阈值，判定中的变化像元和未变化像元；
S2.5如果未变化像元与训练样本Ω的一致率达到S2.4确定的变化阈值，则将未变化像元作为最终目标样本输出；否则，去除变化像元后，令Ω=，回到S2.2；
S3目标影像分类
S3.1利用训练样本Ω和分类器对参考影像I1和目标影像I2分类，得到目标分类C2和两期概率向量，计算变化强度；
S3.2判定目标影像I2中的变化像元和未变化像元；
S3.3将目标分类C2中未变化像元的类别置换为参考分类C1相应位置的类别：C2()=C1()；
S3.4利用Ω和分类器对变化像元进行分类；
S3.5优化C2，最终恢复...

【专利技术属性】
技术研发人员：孙建国，金江磊，杨维涛，
申请(专利权)人：兰州交通大学，
类型：发明
国别省市：甘肃;62