南荻空间分布提取方法、终端设备及存储介质技术

本发明专利技术公开了一种南荻空间分布提取方法、终端设备及存储介质，根据湿地不同地物在不同时相影像上的植被指数特征、光谱特征、纹理特征及空间特征等特征的差异，确定最佳分割尺度进行影像分割，针对分割对象的光谱值、形状、纹理及其他间接特征等，构建湿地地物分类规则集，实现南荻空间分布信息提取。本发明专利技术确定了三个大小不一的最优分割尺度，分析了不同尺度层的地类间的纵向关系和相同尺度分割产生的同层中地类间的横向关系，由大到小建立三个分类层次，在一定程度上解决了较小图斑的影响，提高了分类精度。提高了分类精度。提高了分类精度。

【技术实现步骤摘要】
南荻空间分布提取方法、终端设备及存储介质


[0001]本专利技术涉及农业/林业遥感
，特别是一种南荻空间分布提取方法、终端设备及存储介质。

技术介绍

[0002]南荻是我国特有的芒属植物，隶属于禾本科黍亚科，集中分布在洞庭湖湿地并仅分布于我国长江中下游地区，关于它的生态保护国外并没有相关研究，而国内对这一特殊的宝贵物种还没有引起足够的特别关注。传统的南荻生长空间分布和面积监测以人工地面实地调查和上报为主。随着遥感技术的发展，学者基于地物光谱差异，采用监督分类、非监督分类、决策树分类等方法，研究湿地植被分类。由于湿地内部地物错综复杂，湿地植被在遥感影像上的光谱特征受湿地环境背景影响较大，因此普遍存在“同谱异物”和“同物异谱”现象，传统的依靠光谱差异的分类方法已较难适用于湿地植被的分类。

技术实现思路

[0003]本专利技术所要解决的技术问题是，针对现有技术不足，提供一种南荻空间分布提取方法、终端设备及存储介质，提高湿地植被分类与识别精度。
[0004]为解决上述技术问题，本专利技术所采用的技术方案是：一种南荻空间分布提取方法，包括以下步骤：
[0005]S1、将遥感影像分割为研究区和非研究区；
[0006]S2、选取第一分割尺度，利用所述第一分割尺度对所述研究区影像进行分割，确定各地类各特征参数最佳阈值范围，根据各特征参数最佳阈值范围的不同，先后提取湖泊、河流、大片南荻、大片草地，剩余范围归类为未分类；
[0007]S3、选取第二分割尺度，利用所述第二分割尺度对未分类影像进行进一步分割，确定各地类各特征参数最佳阈值范围，根据各特征参数最佳阈值范围的不同，先后提取沟渠、小片南荻、小片草地、林地、道路、白泥洲，剩余范围归类为未分类；
[0008]S4、选取第三分割尺度，利用所述第三分割尺度对步骤S3获得的未分类影像进行进一步分割，确定各地类各特征参数最佳阈值范围，根据各特征参数最佳阈值范围的不同，先后提取积水洼地/坑塘、房屋建筑，剩余范围归类为未分类；
[0009]S5、将大片南荻、小片南荻归类为南荻，将湖泊、河流、沟渠、积水洼地/坑塘一起归类为水体，将大片草地、小片草地归类为草地，将道路、房屋建筑归类为建设用地，白泥洲、未分类归类为其他用地；
[0010]S6、对于任一地类，将像元素小于设定值的图斑合并到其他地类中，其中，所述地类是指南荻、水体、草地、林地、建设用地、其他用地；
[0011]S7、对经步骤S6处理后的地类进行平滑处理，得到最终的分类结果。
[0012]本专利技术确定了三个大小不一的最优分割尺度，分析了不同尺度层的地类间的纵向关系和相同尺度分割产生的同层中地类间的横向关系，由大到小建立三个分类层次，在一
定程度上解决了较小图斑的影响，提高了分类精度；同时，本专利技术综合考虑了植被的物候特征、光谱特征、空间特征、纹理特征等多维遥感特征，确定了合适的分类特征参数，建立了科学合理的分类规则，提高了分类精度。本专利技术的方法极大地提高了湿地植被分类与识别精度。
[0013]本专利技术中，所述特征参数包括：归一化植被指数NDVI、归一化水体指数NDWI、绿度指数RG、红波段反射率R、近红外波段反射率NIR、亮度值Brightness、形状指数SI、长宽比L/W、矩形度RF、饱和度Saturation、强度Intensity、同质性Homogeneity。
[0014]本专利技术中，归一化植被指数NDVI、归一化水体指数NDWI、绿度指数RG计算公式为：NIR为近红外波段反射率，R为红波段反射率；G为绿波段反射率；B为蓝波段反射率。
[0015]本专利技术中，所述第一分割尺度＞第二分割尺度＞第三分割尺度。
[0016]进一步地，本专利技术中，所述第一分割尺度为220，第二分割尺度为130，第三分割尺度为60。第一分割尺度是针对影像全局进行分割，提取出湖水、江水、大片南荻、大片草地等大面积地物；第二分割尺度是对第一分割尺度下分割范围模糊、辨识度不高的对象进一步分割，提取小片南荻、小片湖草、泄洪道、道路、林地等面积相对较小的地物；第三分割尺度针对辨识度低、面积小的对象进一步细小分割，对房屋建筑、积水洼地/坑塘等地类做出较高精度的对象归类，第三分割尺度重点通过目视判读纠正错分和漏分信息。
[0017]为了进一步提高分类精度，本专利技术中，确定各特征参数最佳阈值范围的具体实现过程包括：
[0018]选择某一个特征参数，在灰度图内显示该特征参数的数值，通过颜色显示特征范围；
[0019]不断调整该特征参数数值的下限值和上限值，直至该特征参数数值在灰度图内的剩余覆盖范围均为目标提取地类；
[0020]选择特征参数视图窗口显示的最小值和最大值为提取当前地类的最佳阈值范围。
[0021]本专利技术中，步骤S6的具体实现过程包括：
[0022]对于任一地类，设置条件函数，即Number of pixels≤a，Number of pixels表示图斑像元数量，a表示设置的具体数值；
[0023]将所述地类中满足所述条件函数的图斑合并到相邻的其他地类中。
[0024]本专利技术中，相邻的其他地类是与目标地类边界相邻的其他地类。例如：水体小图斑周边有草地、林地、南荻等，水体相邻地类指的就是草地、林地、南荻等。
[0025]对于南荻、水体、草地、林地，a＝25；对于建设用地、其他用地，a＝9。
[0026]作为一个专利技术构思，本专利技术还提供了一种终端设备，包括存储器、处理器及存储在存储器上的计算机程序；所述处理器执行所述计算机程序，以实现本专利技术上述方法的步骤。
[0027]作为一个专利技术构思，本专利技术还提供了一种计算机可读存储介质，其上存储有计算机程序/指令；所述计算机程序/指令被处理器执行时实现本专利技术上述方法的步骤。
[0028]与现有技术相比，本专利技术所具有的有益效果为：
[0029](1)本专利技术确定了三个大小不一的最优分割尺度，分析了不同尺度层的地类间的纵向关系和相同尺度分割产生的同层中地类间的横向关系，由大到小建立三个分类层次，
在一定程度上解决了较小图斑的影响，提高了分类精度；
[0030](2)本专利技术针对湿地植被类型多样、地形地貌复杂、季节性水位变化较大等因素影响，导致植被分类精度低的问题，综合考虑了植被的物候特征、光谱特征、空间特征、纹理特征等多维遥感特征，确定了合适的分类特征参数，建立了科学合理的分类规则集，提高了分类精度；
[0031](3)本专利技术考虑了南荻生长期内生物量以及生长环境的变化，以及南荻与其他植被的可区分性，充分利用了南荻关键时期的生长特征，能以静态的图像反映南荻动态的生长过程。
附图说明
[0032]图1为本专利技术实施例1方法流程图；
[0033]图2为本专利技术实施例最优分割尺度选择试验图；
[0034]图3为本专利技术实施例ROC图，其中，A为小分割尺度，B为中分割尺度，C为大分割尺度；
[0035]图4为本专利技术本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种南荻空间分布提取方法，其特征在于，包括以下步骤：S1、将遥感影像分割为研究区和非研究区；S2、选取第一分割尺度，利用所述第一分割尺度对所述研究区影像进行分割，确定各地类各特征参数最佳阈值范围，根据各特征参数最佳阈值范围的不同，先后提取湖泊、河流、大片南荻、大片草地，剩余范围归类为未分类；S3、选取第二分割尺度，利用所述第二分割尺度对未分类影像进行进一步分割，确定各地类各特征参数最佳阈值范围，根据各特征参数最佳阈值范围的不同，先后提取沟渠、小片南荻、小片草地、林地、道路、白泥洲，剩余范围归类为未分类；S4、选取第三分割尺度，利用所述第三分割尺度对步骤S3获得的未分类影像进行进一步分割，确定各地类各特征参数最佳阈值范围，根据各特征参数最佳阈值范围的不同，先后提取积水洼地/坑塘、房屋建筑，剩余范围归类为未分类；S5、将大片南荻、小片南荻归类为南荻，将湖泊、河流、沟渠、积水洼地/坑塘一起归类为水体，将大片草地、小片草地归类为草地，将道路、房屋建筑归类为建设用地，白泥洲、未分类归类为其他用地；S6、对于任一地类，将像元素小于设定值的图斑合并到其他地类中，其中，所述地类是指南荻、水体、草地、林地、建设用地、其他用地；S7、对经步骤S6处理后的地类进行平滑处理，得到最终的分类结果。2.根据权利要求1所述的南荻空间分布提取方法，其特征在于，所述特征参数包括：归一化植被指数NDVI、归一化水体指数NDWI、绿度指数RG、红波段反射率R、近红外波段反射率NIR、亮度值Brightness、形状指数SI、长宽比L/W、矩形度RF、饱和度Saturation、强度Intensity、同质性Homogeneity。3.根据权利要求2所述的南荻空间分布提取方法，其...

【专利技术属性】
技术研发人员：胡文，黄晨曦，吕玉凤，刘志杰，
申请(专利权)人：湖南航天远望科技有限公司，
类型：发明
国别省市：