一种中低分辨率遥感数据的耕地识别方法及系统技术方案

本发明专利技术公开了一种中低分辨率遥感数据的耕地识别方法及系统，该方法包括：获得EVI多时间序列数据；采用时间序列谐波分析法对EVI多时间序列数据进行滤波重构；采用最小噪声分离变换对滤波重构后的EVI多时间序列数据进行降维降噪获得MNF图像；对MNF图像进行纯净像元指数计算，提取纯净像元图像；在MNF图像、纯净像元图像中选取包括耕地在内各种地物的端元信息并构建地物样本库；通过地物样本库对原始影像进行混合像元分解，从而获得原始影像中的耕地影像信息。本发明专利技术综合利用了地物多时间序列的地物光谱特征信息和混合像元线性光谱分解模型，避免了因难以表达地物在时间谱上的变化，造成地物错分的现象，从而提高耕地信息提取的准确率。取的准确率。取的准确率。

【技术实现步骤摘要】
一种中低分辨率遥感数据的耕地识别方法及系统


[0001]本专利技术涉及一种在中低分辨率遥感图像数据中识别耕地的方法和识别系统。

技术介绍

[0002]随着卫星遥感技术的迅猛发展，遥感以其宏观性、实时性为耕地信息快速获取提供了可能性。基于中低分辨率遥感数据，将遥感技术应用到耕地信息的提取中涉及到多种分类算法，目前主要分为两大类。一是非监督分类的迭代自组织数据分析法(ISODATA)和K
‑
means均值分类算法等，二是监督分类中的最大似然法、支持向量机法(Support Vector Machine，SVM)、随机森林法(Random Forest，RF)、基于专家知识的决策树(Decision Tree，DT)和神经网络法(Neural Network，NN)等。
[0003]现有的算法利用中低分辨率遥感数据提取耕地信息主要存在以下问题：(1)时相单一。某一个时相获取的遥感影像，在可见光波谱上难以区分同谱异物的现象。(2)对于地物种类丰富的区域，混合像元的问题普遍存在。中低分辨率数据的分辨率相对较低，实际的地理空间覆盖范围广，某一个像元中可能存在着多种不同类型地物，影响地物提取的准确率。

技术实现思路

[0004]有鉴于此，本专利技术提供一种中低分辨率遥感数据的耕地识别方法及系统，耦合时间和空间信息，提高地物提取的准确率。
[0005]为解决以上技术问题，本专利技术的技术方案为采用一种中低分辨率遥感数据的耕地识别方法，包括：
[0006]对多期卫星遥感原始影像进行预处理，获得EVI多时间序列数据；
[0007]采用时间序列谐波分析法对EVI多时间序列数据进行滤波重构；
[0008]采用最小噪声分离变换对滤波重构后的EVI多时间序列数据进行降维降噪获得MNF图像；
[0009]对MNF图像进行纯净像元指数计算，提取纯净像元图像；
[0010]结合MNF图像、纯净像元图像、原始影像选取包括耕地在内各种地物的端元信息并构建地物样本库；
[0011]通过地物样本库对原始影像进行混合像元分解，从而获得原始影像中的耕地影像信息。
[0012]作为一种改进，所述预处理包括：
[0013]进行辐射定标，将影像DN值转换成地表辐射率数据；
[0014]进行大气校正，获得地表反射率数据；
[0015]采用DEM数据对影像进行正射校正生成平面正射影像；
[0016]计算影像中的增强型植被指数，并合成多个时相的增强型植被指数数据从而获得EVI多时间序列数据。
[0017]作为一种进一步的改进，所述采用时间序列谐波分析法对EVI多时间序列数据进行滤波重构的方法包括：
[0018]生成拟合曲线步骤，利用EVI多时间序列数据中的离散数据生成最小平方拟合曲线；
[0019]剔除偏离点步骤，逐个将EVI多时间序列数据中的离散数据与拟合成的拟合曲线进行比较，剔除偏离拟合曲线超过阈值的点；
[0020]重新生成拟合曲线步骤，将剩余的离散数据重新生成拟合曲线；
[0021]重复执行剔除偏离点步骤和重新生成拟合曲线步骤，直到达到迭代次数或者生成符合要求的拟合曲线为止。
[0022]作为另一种更进一步的改进，所述生成拟合曲线的方法为：
[0023]令f(t)是周期为2T的连续时间序列信号且满足收敛定理：
[0024][0025]其傅立叶展开式为：
[0026][0027]其中，其中，
[0028]式中，j为谐波阶数，A0为谐波余项，A
j
为第j阶谐波的振幅，ω
j
为第j阶谐波的频率，为第j阶谐波的相位；a
j
、b
j
为函数f(t)第j阶谐波的傅立叶系数；
[0029]傅立叶系数采用最小二乘法拟合：
[0030]M
T
×
M
×
J＝M
T
×
Y
[0031]其中，J为系数矩阵，M为傅立叶矩阵，M
T
为傅立叶矩阵的转置矩阵。
[0032]作为一种改进，所述采用最小噪声分离变换对滤波重构后的EVI多时间序列数据进行降维降噪获得MNF图像的方法为：
[0033]设W
i
(x)为第i波段的影像空间，i＝1,2,
…
,n；n为影像的空间维数；设
[0034]W(x)＝M(x)+N(x)，
[0035]式中，W(x)＝{W1(x),W2(x),
…
,W
n
(x)}；M(x)表示W(x)中的信号，N(x)是W(x)中的噪音。
[0036]Cov{W(x)}＝∑＝∑M+∑N
[0037]式中，∑M表示信号的协方差矩阵，∑N表示噪音的协方差矩阵。第i波段的噪音分量为：
[0038]Var{N
i
(x)}/Var{W
i
(x)}。
[0039]作为一种改进，所述通过地物样本库对原始影像进行混合像元分解的方法包括：
[0040]基于线性光谱混合分解模型，逐个对原始影像中的像元分别运行地物样本库中的地物样本模型，获得该像元与每个样本模型的均方根值；
[0041]选取该像元与每个样本模型的均方根值中最小的一个，具有最小均方根值对应的地物样本模型所代表的地物为该像元的地物；
[0042]选取原始影像中所有的耕地像元从而生成原始影像中的耕地影像信息。
[0043]作为一种改进，所述线性光谱混合分解模型为：
[0044][0045][0046][0047]式中，N表示端元个数；P表示图像中任意一个M维光谱向量(M是图像的波段个数)；E表示M
×
N矩阵，列表示端元向量，E＝[e1,e2,
···
,e
n
]；c表示系数向量c＝(c1,c2,
···
,c
n
)
T
；c
i
表示像元中端元e
i
的比例；r表示误差项。
[0048]本专利技术还提供一种中低分辨率遥感数据的耕地识别系统，其特征在于包括：
[0049]影像预处理模块，用于对多期卫星遥感原始影像进行预处理，获得EVI多时间序列数据；
[0050]EVI多时间序列数据获取模块，用于采用时间序列谐波分析法对EVI多时间序列数据进行滤波重构；
[0051]降维降噪模块，用于采用最小噪声分离变换对滤波重构后的EVI多时间序列数据进行降维降噪获得MNF图像；
[0052]纯净像元图像获取模块，用于对MNF图像进行纯净像元指数计算，提取纯净像元图像；
[0053]地物样本库构建模块，用于在MNF图像、纯净像元图像中选取包括耕地在内各种地物的端元信息并构建地物样本库；
[0054]耕地影像信息生成模块，用于本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种中低分辨率遥感数据的耕地识别方法，其特征在于包括：对多期卫星遥感原始影像进行预处理，获得EVI多时间序列数据；采用时间序列谐波分析法对EVI多时间序列数据进行滤波重构；采用最小噪声分离变换对滤波重构后的EVI多时间序列数据进行降维降噪获得MNF图像；对MNF图像进行纯净像元指数计算，提取纯净像元图像；在MNF图像、纯净像元图像中选取包括耕地在内各种地物的端元信息并构建地物样本库；通过地物样本库对原始影像进行混合像元分解，从而获得原始影像中的耕地影像信息。2.根据权利要求1所述的一种中低分辨率遥感数据的耕地识别方法，其特征在于所述预处理包括：进行辐射定标，将影像DN值转换成地表辐射率数据；进行大气校正，获得地表反射率数据；采用DEM数据对影像进行正射校正生成平面正射影像；计算影像中的增强型植被指数，并合成多个时相的增强型植被指数数据从而获得EVI多时间序列数据。3.根据权利要求1所述的一种中低分辨率遥感数据的耕地识别方法，其特征在于所述采用时间序列谐波分析法对EVI多时间序列数据进行滤波重构的方法包括：生成拟合曲线步骤，利用EVI多时间序列数据中的离散数据生成最小平方拟合曲线；剔除偏离点步骤，逐个将EVI多时间序列数据中的离散数据与拟合成的拟合曲线进行比较，剔除偏离拟合曲线超过阈值的点；重新生成拟合曲线步骤，将剩余的离散数据重新生成拟合曲线；重复执行剔除偏离点步骤和重新生成拟合曲线步骤，直到达到迭代次数或者生成符合要求的拟合曲线为止。4.根据权利要求3所述的一种中低分辨率遥感数据的耕地识别方法，其特征在于所述生成拟合曲线的方法为：令f(t)是周期为2T的连续时间序列信号且满足收敛定理：其傅立叶展开式为：其中，其中，式中，j为谐波阶数，A0为谐波余项，A
j
为第j阶谐波的振幅，ω
j
为第j阶谐波的频率，为
第j阶谐波的相位；a
j
、b
j
为函数f(t)第j阶谐波的傅立叶系数；傅立叶系数采用最小二乘法拟合：M
T
×
M
×
J＝M
T
×
Y其中，J为系数矩阵，M为傅立叶矩阵，M
T
为傅立叶矩阵的转置矩阵。5.根据权利要求1所述的一种中低分辨率遥感数据的耕地识别方法，其特征在于所述采用最小噪声分离变换对滤波重构后的EVI多时间序列数据进行降维降噪获得MNF图像的方法为：设W
i
(x)为第i波段的影像空间，i＝1,2,
…
,n；n为影像的空间维数；设W(x)＝M(x)+N(x)，式中，W(x)＝{W1(x),W2(x),
…
,W
n
(x)}；M(x)表示W(x)中的信号，N(x)是W(x)中的噪音。Cov{W(x)}＝∑＝∑M+∑N式中，∑M表示信号的协方差矩阵，∑N表示噪音...

【专利技术属性】
技术研发人员：周玉洁，王谕锋，韩宇韬，吕琪菲，张至怡，陈爽，刘意，刘洋，余琴，冯敏铭，
申请(专利权)人：四川航天神坤科技有限公司，
类型：发明
国别省市：