农田防护林图像的提取方法技术

本发明专利技术提供一种农田防护林图像的提取方法

【技术实现步骤摘要】
农田防护林图像的提取方法、装置及电子设备


[0001]本专利技术涉及计算机
，尤其涉及一种农田防护林图像的提取方法
、
装置及电子设备
。

技术介绍

[0002]相关技术中，在从遥感影像中提取农田防护林信息的方法方面，常见的方法倾向于使用单一时相的高分辨率影像进行分析，但由于农田防护林的季节性变化和生长动态，单一时相影像无法准确捕捉这些变化，导致精确度较低
。

技术实现思路

[0003]针对现有技术存在的问题，本专利技术实施例提供一种农田防护林图像的提取方法
、
装置及电子设备
。
[0004]第一方面，本专利技术提供一种农田防护林图像的提取方法，包括：
[0005]基于多个目标图像特征类别和多个目标月份，对目标区域的时间序列遥感影像集合进行特征提取，获取各个目标图像特征类别对应的时间序列特征集合，图像特征类别为光谱特征类别
、
地形特征类别或纹理特征类别；
[0006]输入各个目标图像特征类别对应的时间序列特征集合至目标随机森林分类模型，获取所述目标随机森林分类模型输出的分类结果，所述分类结果用于表示目标区域的遥感影像中各个像元对应的地物分类；
[0007]基于所述分类结果，从目标区域的遥感影像中提取出第一农田防护林图像
。
[0008]可选地，根据本专利技术提供的一种农田防护林图像的提取方法，在基于多个目标图像特征类别和多个目标月份，对目标区域的时间序列遥感影像集合进行特征提取，获取各个目标图像特征类别对应的时间序列特征集合之前，还包括：
[0009]基于预设时间步长，按时序对所述目标区域的遥感影像进行多次影像融合，获取多个目标时段分别对应的融合后遥感影像，一次影像融合用于处理一个预设时间步长内的多幅遥感影像，所述目标时段的时长等于所述预设时间步长；
[0010]基于多个目标时段分别对应的融合后遥感影像，确定所述时间序列遥感影像集合
。
[0011]可选地，根据本专利技术提供的一种农田防护林图像的提取方法，所述影像融合，包括：
[0012]基于所述预设时间步长，获取目标时段内的多幅待融合遥感影像；
[0013]基于所述多幅待融合遥感影像，获取各个像元对应的多个像元遥感数据；
[0014]针对每一个像元，从像元对应的多个像元遥感数据中筛选出归一化植被指数
NDVI
最高的目标像元遥感数据；
[0015]基于各个像元对应的目标像元遥感数据，生成所述目标时段对应的融合后遥感影像
。
[0016]可选地，根据本专利技术提供的一种农田防护林图像的提取方法，在基于多个目标图像特征类别和多个目标月份，对目标区域的时间序列遥感影像集合进行特征提取，获取各个目标图像特征类别对应的时间序列特征集合之前，还包括：
[0017]基于多个预设图像特征类别和所述时间序列遥感影像集合，通过随机森林评估特征重要性，获取各个预设图像特征类别在各个目标时段对应的特征重要性值；
[0018]基于各个预设图像特征类别在各个目标时段对应的特征重要性值，对所述多个预设图像特征类别进行筛选，确定所述多个目标图像特征类别；
[0019]基于各个预设图像特征类别在各个目标时段对应的特征重要性值，对一年中月份进行筛选，确定所述多个目标月份
。
[0020]可选地，根据本专利技术提供的一种农田防护林图像的提取方法，所述基于各个预设图像特征类别在各个目标时段对应的特征重要性值，对所述多个预设图像特征类别进行筛选，确定所述多个目标图像特征类别，包括：
[0021]针对各个预设图像特征类别，基于预设图像特征类别在各个目标时段对应的特征重要性值，通过计算平均值，确定预设图像特征类别对应的特征重要性平均值；
[0022]基于第一特征重要性阈值和各个预设图像特征类别对应的特征重要性平均值，对所述多个预设图像特征类别进行筛选，确定所述多个目标图像特征类别
。
[0023]可选地，根据本专利技术提供的一种农田防护林图像的提取方法，所述基于各个预设图像特征类别在各个目标时段对应的特征重要性值，对一年中月份进行筛选，确定所述多个目标月份，包括：
[0024]针对各个月份，基于第二特征重要性阈值和各个预设图像特征类别在各个目标时段对应的特征重要性值，统计特征重要性值大于所述第二特征重要性阈值的预设图像特征类别的目标类别数量，确定月份对应的目标类别数量；
[0025]基于类别数量阈值和各个月份对应的目标类别数量，对一年中月份进行筛选，确定所述多个目标月份
。
[0026]可选地，根据本专利技术提供的一种农田防护林图像的提取方法，在基于所述分类结果，从目标区域的遥感影像中提取出第一农田防护林图像之后，还包括：
[0027]基于已知的地物类型数据，通过掩膜去除方式对农田防护林图像进行处理，获取第二农田防护林图像；
[0028]滤除所述第二农田防护林图像中像元数小于像元数阈值的相连像元以及消除所述第二农田防护林图像中的空洞，获取第三农田防护林图像
。
[0029]可选地，根据本专利技术提供的一种农田防护林图像的提取方法，在滤除所述第二农田防护林图像中像元数小于像元数阈值的相连像元以及消除所述第二农田防护林图像中的空洞，获取第三农田防护林图像之后，还包括：
[0030]基于所述目标区域的遥感影像，进行地块分割处理，获取地块分割结果图像；
[0031]基于所述地块分割结果图像和所述第三农田防护林图像，进行图像融合，获取地块包围图像，所述地块包围图像用于表示地块被防护林包围的状态；
[0032]基于所述地块包围图像，对所述目标区域的农田防护林进行评估，获取至少一个农田防护林参数；
[0033]所述至少一个农田防护林参数包括以下参数中的一项或多项：地块包围度
、
林带
偏角和防主害风有效率
。
[0034]第二方面，本专利技术还提供一种农田防护林图像的提取装置，包括：
[0035]特征提取模块，用于基于多个目标图像特征类别和多个目标月份，对目标区域的时间序列遥感影像集合进行特征提取，获取各个目标图像特征类别对应的时间序列特征集合，图像特征类别为光谱特征类别
、
地形特征类别或纹理特征类别；
[0036]地物分类模块，用于输入各个目标图像特征类别对应的时间序列特征集合至目标随机森林分类模型，获取所述目标随机森林分类模型输出的分类结果，所述分类结果用于表示目标区域的遥感影像中各个像元对应的地物分类；
[0037]图像提取模块，用于基于所述分类结果，从目标区域的遥感影像中提取出第一农田防护林图像
。
[0038]第三方面，本专利技术还提供一种电子设备，包括存储器
、
处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述农田防护林图像的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种农田防护林图像的提取方法，其特征在于，包括：基于多个目标图像特征类别和多个目标月份，对目标区域的时间序列遥感影像集合进行特征提取，获取各个目标图像特征类别对应的时间序列特征集合，图像特征类别为光谱特征类别
、
地形特征类别或纹理特征类别；输入各个目标图像特征类别对应的时间序列特征集合至目标随机森林分类模型，获取所述目标随机森林分类模型输出的分类结果，所述分类结果用于表示目标区域的遥感影像中各个像元对应的地物分类；基于所述分类结果，从目标区域的遥感影像中提取出第一农田防护林图像
。2.
根据权利要求1所述农田防护林图像的提取方法，其特征在于，在基于多个目标图像特征类别和多个目标月份，对目标区域的时间序列遥感影像集合进行特征提取，获取各个目标图像特征类别对应的时间序列特征集合之前，还包括：基于预设时间步长，按时序对所述目标区域的遥感影像进行多次影像融合，获取多个目标时段分别对应的融合后遥感影像，一次影像融合用于处理一个预设时间步长内的多幅遥感影像，所述目标时段的时长等于所述预设时间步长；基于多个目标时段分别对应的融合后遥感影像，确定所述时间序列遥感影像集合
。3.
根据权利要求2所述农田防护林图像的提取方法，其特征在于，所述影像融合，包括：基于所述预设时间步长，获取目标时段内的多幅待融合遥感影像；基于所述多幅待融合遥感影像，获取各个像元对应的多个像元遥感数据；针对每一个像元，从像元对应的多个像元遥感数据中筛选出归一化植被指数
NDVI
最高的目标像元遥感数据；基于各个像元对应的目标像元遥感数据，生成所述目标时段对应的融合后遥感影像
。4.
根据权利要求2所述农田防护林图像的提取方法，其特征在于，在基于多个目标图像特征类别和多个目标月份，对目标区域的时间序列遥感影像集合进行特征提取，获取各个目标图像特征类别对应的时间序列特征集合之前，还包括：基于多个预设图像特征类别和所述时间序列遥感影像集合，通过随机森林评估特征重要性，获取各个预设图像特征类别在各个目标时段对应的特征重要性值；基于各个预设图像特征类别在各个目标时段对应的特征重要性值，对所述多个预设图像特征类别进行筛选，确定所述多个目标图像特征类别；基于各个预设图像特征类别在各个目标时段对应的特征重要性值，对一年中月份进行筛选，确定所述多个目标月份
。5.
根据权利要求4所述农田防护林图像的提取方法，其特征在于，所述基于各个预设图像特征类别在各个目标时段对应的特征重要性值，对所述多个预设图像特征类别进行筛选，确定所述多个目标图像特征类别，包括：针对各个预设图像特征类别，基于预设图像特征类别在各个目标时段对应的特征重要性值，通过计算平均值，确定预设图像特征类别对应的特征重要性平均值；基于第一特征重要性阈值和各个预设图像特征类别...

【专利技术属性】
技术研发人员：马慧，吴炳方，田富有，赵航，
申请(专利权)人：中国科学院空天信息创新研究院，
类型：发明
国别省市：