一种多光谱植被监测干扰信息的剔除方法和装置制造方法及图纸

本发明专利技术提供了一种多光谱植被监测干扰信息的剔除方法和装置，涉及数据处理的技术领域，包括：获取目标区域的目标数据，其中，目标数据包括：无人机多光谱数据和环境背景数据；基于目标数据，确定出目标区域的特征参数，其中，特征参数包括：归一化植被指数、纹理特征参数和环境特征参数；将特征参数输入决策树分类模型，利用决策树分类模型剔除目标区域的植被指数信息的干扰信息，得到目标区域的最优植被指数阈值分割范围；基于最优植被指数阈值分割范围，确定出目标区域的植被指数信息，解决了现有技术中获取到的植被指数信息的准确性较低的技术问题。低的技术问题。低的技术问题。

【技术实现步骤摘要】
一种多光谱植被监测干扰信息的剔除方法和装置


[0001]本专利技术涉及数据处理的
，尤其是涉及一种多光谱植被监测干扰信息的剔除方法和装置。

技术介绍

[0002]目前无人机多光谱植被健康监测技术，大多采用植被指数作为关键监测指标，常用的如归一化植被指数（NDVI）、比值植被指数(RVI)、增强型植被指数（EVI）等。但是直接使用植被指数，方法过于简单，监测精度较低。
[0003]植被指数是判断植被覆盖度和生长状况差异的重要根据，但是也存在很多问题。首先，植被光谱表现为植被、土壤亮度、土壤颜色、大气环境和阴影等复杂要素的混合反应；其次，植被光谱还收到大气状况变化的影响。因此，将植被光谱进行各种组合计算得到的植被指数，反应的不光有植被信息，还包括了很多其他环境背景信息，简单的直接利用植被指数监测植被的健康状况，没有考虑排除植被光谱中包含的其他信息，得到的监测结果是不准确的。
[0004]针对上述问题，还未提出有效的解决方案。

技术实现思路

[0005]有鉴于此，本专利技术的目的在于提供一种多光谱植被监测干扰信息的剔除方法和装置，以缓解了现有技术中获取到的植被指数信息的准确性较低的技术问题。
[0006]第一方面，本专利技术实施例提供了一种多光谱植被监测干扰信息的剔除方法，包括：获取目标区域的目标数据，其中，所述目标数据包括：无人机多光谱数据和环境背景数据；基于所述目标数据，确定出所述目标区域的特征参数，其中，所述特征参数包括：归一化植被指数、纹理特征参数和环境特征参数；将所述特征参数输入决策树分类模型，利用所述决策树分类模型剔除所述目标区域的植被指数信息的干扰信息，得到所述目标区域的最优植被指数阈值分割范围；基于所述最优植被指数阈值分割范围，确定出所述目标区域的植被指数信息。
[0007]进一步地，所述纹理特征参数包括：均值、方差、标准差、同质性、对比度、相异性、熵、角二阶矩和相关性；所述环境特征参数包括：土壤调节植被指数，日均温度和日均湿度。
[0008]进一步地，基于所述目标数据，确定出所述目标区域的纹理特征参数和环境特征参数，包括：对所述无人机多光谱数据依次进行拼接处理、校正处理和标定处理，得到目标无人机多光谱数据；基于所述目标无人机多光谱数据，提取出所述纹理特征参数；基于所述归一化植被指数和所述环境背景数据，确定出所述环境特征参数。
[0009]进一步地，将所述特征参数输入决策树分类模型，利用所述决策树分类模型剔除所述目标区域的植被指数信息的干扰信息，得到所述目标区域的最优植被指数阈值分割范围，包括：计算步骤，计算所述特征参数中每个特征参数的不纯度指标；确定步骤，确定出所述特征参数中的目标特征参数，其中，所述目标特征参数为所述特征参数包含的各个特征
参数中不纯度指标小于对应预设阈值的特征参数；构建步骤，基于所述目标特征参数构建决策树分类模型分支；所述目标特征参数确定为所述特征参数重复执行所述计算步骤、所述确定步骤和所述构建步骤，直至所述特征参数中包含的各个特征参数的不纯度指标均小于对应预设阈值或均大于对应预设阈值，得到所述目标区域的树形图；基于所述树形图，确定出所述最优植被指数阈值分割范围。
[0010]进一步地，所述方法还包括：获取地面采样点发送的所述目标区域的真实植被指数信息；基于所述最优植被指数阈值分割范围对所述目标区域的植被指数信息进行分割，得到分割结果；将所述分割结果与所述真实植被指数信息进行对比，得到所述分割结果与所述真实植被指数信息之间的分类精度和虚警值；在所述分类精度小于预设分类精度和/或所述虚警值大于预设虚警值的情况下，对所述决策树分类模型进行参数优化。
[0011]第二方面，本专利技术实施例提供了一种多光谱植被监测干扰信息的剔除装置，包括：获取单元，第一确定单元，剔除单元和第二确定单元，其中，所述获取单元，用于获取目标区域的目标数据，其中，所述目标数据包括：无人机多光谱数据和环境背景数据；所述第一确定单元，基于所述目标数据，确定出所述目标区域的特征参数，其中，所述特征参数包括：归一化植被指数、纹理特征参数和环境特征参数；所述剔除单元，用于将所述特征参数输入决策树分类模型，利用所述决策树分类模型剔除所述目标区域的植被指数信息的干扰信息，得到所述目标区域的最优植被指数阈值分割范围；所述第二确定单元，用于基于所述最优植被指数阈值分割范围，确定出所述目标区域的植被指数信息。
[0012]进一步地，所述纹理特征参数包括：均值、方差、标准差、同质性、对比度、相异性、熵、角二阶矩和相关性；所述环境特征参数包括：土壤调节植被指数，日均温度和日均湿度。
[0013]进一步地，所述第一确定单元，用于：对所述无人机多光谱数据依次进行拼接处理、校正处理和标定处理，得到目标无人机多光谱数据；基于所述目标无人机多光谱数据，提取出所述纹理特征参数；基于所述归一化植被指数和所述环境背景数据，确定出所述环境特征参数。
[0014]在本专利技术实施例中，通过获取目标区域的目标数据，其中，目标数据包括：无人机多光谱数据和环境背景数据；基于目标数据，确定出目标区域的特征参数，其中，特征参数包括：归一化植被指数、纹理特征参数和环境特征参数；将特征参数输入决策树分类模型，利用决策树分类模型剔除目标区域的植被指数信息的干扰信息，得到目标区域的最优植被指数阈值分割范围；基于最优植被指数阈值分割范围，确定出目标区域的植被指数信息，本专利技术实施例通过引入环境背景数据，排除掉环境背景数据中光谱信息的非植被信息带来的干扰，达到了得到准确的植被指数信息的目的，进而解决了现有技术中获取到的植被指数信息的准确性较低的技术问题，从而实现了提高多光谱植被监测的准确度的技术效果。
[0015]本专利技术的其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本专利技术而了解。本专利技术的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
[0016]为使本专利技术的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
[0017]为了更清楚地说明本专利技术具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0018]图1为本专利技术实施例提供的一种多光谱植被监测干扰信息的剔除方法的流程图；图2为本专利技术实施例提供的一种多光谱植被监测干扰信息的剔除装置的示意图；图3为本专利技术实施例提供的一种电子设备的示意图。
具体实施方式
[0019]为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合附图对本专利技术的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种多光谱植被监测干扰信息的剔除方法，其特征在于，包括：获取目标区域的目标数据，其中，所述目标数据包括：无人机多光谱数据和环境背景数据；基于所述目标数据，确定出所述目标区域的特征参数，其中，所述特征参数包括：归一化植被指数、纹理特征参数和环境特征参数；将所述特征参数输入决策树分类模型，利用所述决策树分类模型剔除所述目标区域的植被指数信息的干扰信息，得到所述目标区域的最优植被指数阈值分割范围；基于所述最优植被指数阈值分割范围，确定出所述目标区域的植被指数信息。2.根据权利要求1所述的方法，其特征在于，所述纹理特征参数包括：均值、方差、标准差、同质性、对比度、相异性、熵、角二阶矩和相关性；所述环境特征参数包括：土壤调节植被指数，日均温度和日均湿度。3.根据权利要求2所述的方法，其特征在于，基于所述目标数据，确定出所述目标区域的纹理特征参数和环境特征参数，包括：对所述无人机多光谱数据依次进行拼接处理、校正处理和标定处理，得到目标无人机多光谱数据；基于所述目标无人机多光谱数据，提取出所述纹理特征参数；基于所述归一化植被指数和所述环境背景数据，确定出所述环境特征参数。4.根据权利要求3所述的方法，其特征在于，将所述特征参数输入决策树分类模型，利用所述决策树分类模型剔除所述目标区域的植被指数信息的干扰信息，得到所述目标区域的最优植被指数阈值分割范围，包括：计算步骤，计算所述特征参数中每个特征参数的不纯度指标；确定步骤，确定出所述特征参数中的目标特征参数，其中，所述目标特征参数为所述特征参数包含的各个特征参数中不纯度指标小于对应预设阈值的特征参数；构建步骤，基于所述目标特征参数构建决策树分类模型分支；所述目标特征参数确定为所述特征参数重复执行所述计算步骤、所述确定步骤和所述构建步骤，直至所述特征参数中包含的各个特征参数的不纯度指标均小于对应预设阈值或均大于对应预设阈值，得到所述目标区域的树形图；基于所述树形图，确定出所述最优植被指数阈值分割范围。5.根据权利要求1所述的方法，其特征在于，所述方法还包括：获取地面采样点...

【专利技术属性】
技术研发人员：施蕾蕾，周正，王昊，
申请(专利权)人：航天宏图信息技术股份有限公司，
类型：发明
国别省市：