本发明专利技术公开了一种基于多光谱遥感影像的互花米草识别方法及系统，该方法包括：获取遥感影像数据集并进行数据预处理；对预处理后的遥感影像数据集依次进行光谱分析和波段选择处理；对预处理后的遥感影像数据集依次进行归一化植被指数计算处理和阈值分割处理；通过支持向量机分类算法对互花米草与非互花米草的最佳光谱波段组合的遥感影像数据集进行分类处理；进行矢量化处理和相交处理，得到互花米草识别结果。本发明专利技术通过最大类间方差法和支持向量机分类算法获取互花米草分类图，从而提高了互花米草提取自动化程度，减少了分类样本提取的工作量。本发明专利技术作为一种基于多光谱遥感影像的互花米草识别方法及系统，可广泛应用于遥感信息处理技术领域。感信息处理技术领域。感信息处理技术领域。
【技术实现步骤摘要】
一种基于多光谱遥感影像的互花米草识别方法及系统
[0001]本专利技术涉及遥感信息处理
，尤其涉及一种基于多光谱遥感影像的互花米草识别方法及系统。
技术介绍
[0002]滨海盐沼是处于海洋和陆地两大生态系统过渡地带，被海水周期性淹没，具有较高草本或低矮灌木植被覆盖度的一种湿地生态系统。互花米草在2003年被国家环保部列为首批16种外来入侵物种名单，是名单中唯一的海岸带盐沼植物。互花米草自1979年引入我国以来，在全国海岸带被广泛种植，后经自然扩散，分布已遍及我国温带和亚热带海滨地区。随着互花米草种群面积的不断增长，互花米草虽然在促淤造陆、保滩护岸等方面有一定作用，但也带来了诸如生物多样性的降低及生态系统的退化、生物群落结构的改变等严重的生态问题，影响滨海湿地的自然环境、生态过程和经济发展，威胁区域生物安全和生态系统稳定。特别的，互花米草极强的适应能力使其在亚热带海岸带地区与红树林竞争生存空间，造成红树林生境土壤退化等诸多生态问题。
[0003]常用的互花米草遥感提取方法包括目视解译、计算机自动分类方法。其中，目视解译是应用高空间分辨率遥感影像识别入侵植物分布范围最简单直观的方法，但依赖工作人员的解译经验，受主观因素的影响较大。计算机自动分类方法，如面向对象分类法，常被应用于高空间分辨率遥感影像地物信息的自动提取。面向对象分类法，需人工设置多尺度分割参数，影响方法的自动化程度，且参数设置对分割结果的影响较大。另外，互花米草和红树林的光谱特征相似，因此，亚热带海岸带地区互花米草与红树林混生的复杂环境为互花米草的遥感识别技术带来较大的挑战。
技术实现思路
[0004]为了解决上述技术问题，本专利技术的目的是提供一种基于多光谱遥感影像的互花米草识别方法及系统，在提高互花米草提取的自动化程度的同时也减少了分类样本提取的工作量。
[0005]本专利技术所采用的第一技术方案是：一种基于多光谱遥感影像的互花米草识别方法，包括以下步骤：
[0006]获取高空间分辨率多光谱遥感影像数据集并进行数据预处理，得到预处理后的遥感影像数据集；
[0007]对预处理后的遥感影像数据集依次进行光谱分析和波段选择处理，得到互花米草与非互花米草的最佳光谱波段组合的遥感影像数据集；
[0008]对互花米草与非互花米草的最佳光谱波段组合的遥感影像数据集依次进行归一化植被指数计算处理和阈值分割处理，得到第一互花米草分布图；
[0009]通过支持向量机分类算法对互花米草与非互花米草的最佳光谱波段组合的遥感影像数据集进行分类处理，得到第二互花米草分布图；
[0010]对第一互花米草分布图和第二互花米草分布图依次进行矢量化处理和相交处理，得到互花米草识别结果。
[0011]进一步，所述获取高空间分辨率多光谱遥感影像数据集并进行数据预处理，得到预处理后的遥感影像数据集这一步骤，其具体包括：
[0012]通过光学卫星的多光谱传感器对待识别区域进行多光谱遥感数据的拍摄，得到高空间分辨率多光谱遥感影像数据；
[0013]对高空间分辨率多光谱遥感影像数据进行校正处理，得到校正后的遥感影像数据集；
[0014]所述校正处理包括辐射定标，大气校正和正射校正；
[0015]通过待识别区域的矢量数据对校正后的遥感影像数据集进行裁剪处理，得到预处理后的遥感影像数据集。
[0016]进一步，所述对预处理后的遥感影像数据集依次进行光谱分析和波段选择处理，得到互花米草与非互花米草的最佳光谱波段组合的遥感影像数据集这一步骤，其具体包括：
[0017]通过目视解译法对预处理后的遥感影像数据集进行采样处理，得到互花米草与非互花米草的纯净像素样本数据；
[0018]通过光谱分析方法对互花米草与非互花米草的纯净像素样本数据依次进行光谱分析处理和波段选择处理，得到互花米草与非互花米草的最佳光谱波段组合的遥感影像数据集。
[0019]进一步，所述对预处理后的遥感影像数据集依次进行归一化植被指数计算处理和阈值分割处理，得到第一互花米草分布图这一步骤，其具体包括：
[0020]基于预处理后的遥感影像数据集，进行归一化植被指数计算，得到归一化植被指数数据；
[0021]通过最大类间方差法对归一化植被指数数据进行二值化分割处理，得到植被分布掩模数据；
[0022]基于归一化植被指数数据和植被分布掩模数据，得到植被分布区域的归一化植被指数数据；
[0023]通过最大类间方差法对植被分布区域的归一化植被指数数据进行二值化分割，得到第一互花米草分布图。
[0024]进一步，所述归一化植被指数计算公式如下：
[0025][0026]上式中，NDVI表示归一化植被指数，ρ
nir
表示近红外波段的反射率，ρ
red
表示红光波段的反射率。
[0027]进一步，所述支持向量机分类算法的核函数为径向基核函数，其公式如下所示：
[0028]K(x
i
,y
i
)＝exp(
‑
g|x
i
‑
x
j
|2),g>0
[0029]上式中，|x
i
‑
x
j
|2表示空间中两类地物点之间的欧式距离的平方，g表示核函数系数。
[0030]本专利技术所采用的第二技术方案是：一种基于多光谱遥感影像的互花米草识别系
统，包括：
[0031]预处理模块，用于获取高空间分辨率多光谱遥感影像数据集并进行数据预处理，得到预处理后的遥感影像数据集；
[0032]分析模块，用于对预处理后的遥感影像数据集依次进行光谱分析和波段选择处理，得到互花米草与非互花米草的最佳光谱波段组合的遥感影像数据集；
[0033]分割模块，用于对预处理后的遥感影像数据集依次进行归一化植被指数计算处理和阈值分割处理，得到第一互花米草分布图；
[0034]分类模块，用于通过支持向量机分类算法对互花米草与非互花米草的最佳光谱波段组合的遥感影像数据集进行分类处理，得到第二互花米草分布图；
[0035]相交模块，用于对第一互花米草分布图和第二互花米草分布图依次进行矢量化处理和相交处理，得到互花米草识别结果。
[0036]本专利技术方法及系统的有益效果是：本专利技术基于高空间分辨率多光谱遥感数据，先通过光谱分析挖掘互花米草的光谱特征，再通过最大类间方差法对归一化植被指数数据进行阈值分割处理，得到互花米草的初步提取结果，最后通过支持向量机分类算法对对互花米草与非互花米草的最佳光谱波段组合的遥感数据集进行分类处理，筛选出互花米草的初步提取结果中误分为互花米草的地物，在提高互花米草提取的自动化程度的同时也减少了分类样本提取的工作量。
附图说明
[0037]图1是本专利技术一种基于多光谱遥感影像的互花米草识别方法的步骤流程图；
[0038]图2是本专利技术一种基于多光谱遥感影像本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于多光谱遥感影像的互花米草识别方法，其特征在于，包括以下步骤：获取高空间分辨率多光谱遥感影像数据并进行数据预处理，得到预处理后的遥感影像数据集；对预处理后的遥感影像数据集依次进行光谱分析和波段选择处理，得到互花米草与非互花米草的最佳光谱波段组合的遥感影像数据集；对预处理后的遥感影像数据集依次进行归一化植被指数计算处理和阈值分割处理，得到第一互花米草分布图；通过支持向量机分类算法对互花米草与非互花米草的最佳光谱波段组合的遥感影像数据集进行分类处理，得到第二互花米草分布图；对第一互花米草分布图和第二互花米草分布图依次进行矢量化处理和相交处理，得到互花米草识别结果。2.根据权利要求1所述一种基于多光谱遥感影像的互花米草识别方法，其特征在于，所述获取高空间分辨率多光谱遥感影像数据并进行数据预处理，得到预处理后的遥感影像数据集这一步骤，其具体包括：通过光学卫星的多光谱传感器对待识别区域进行多光谱遥感数据的拍摄，得到高空间分辨率多光谱遥感影像数据；对高空间分辨率多光谱遥感影像数据进行校正处理，得到校正后的遥感影像数据集；所述校正处理包括辐射定标，大气校正和正射校正；通过待识别区域的矢量数据对校正后的遥感影像数据集进行裁剪处理，得到预处理后的遥感影像数据集。3.根据权利要求2所述一种基于多光谱遥感影像的互花米草识别方法，其特征在于，所述对预处理后的遥感影像数据集依次进行光谱分析和波段选择处理，得到互花米草与非互花米草的最佳光谱波段组合的遥感影像数据集这一步骤，其具体包括：通过目视解译法对预处理后的遥感影像数据集进行采样处理，得到互花米草与非互花米草的纯净像素样本数据；通过光谱分析方法对互花米草与非互花米草的纯净像素样本数据依次进行光谱分析处理和波段选择处理，得到互花米草与非互花米草的最佳光谱波段组合的遥感影像数据集。4.根据权利要求3所述一种基于多光谱遥感影像的互花米草识别方法，其特征在于，所述对预处理后的遥感影像数据集依次进行归一化植被指数计算处理和阈值分割处理，得到第一互花米草分布图这一步骤，其具体包括：基于预处理后的遥感影像数据...
【专利技术属性】
技术研发人员：董迪，
申请(专利权)人：国家海洋局南海规划与环境研究院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。