System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及图像分析领域,尤其涉及一种基于多光谱遥感的草原入侵物种识别方法及系统。
技术介绍
1、草原物种入侵指的是一种生物物种(通常是非本地物种,也称为外来物种)进入并定居在原本不属于它们生态系统中的草原地区。入侵物种可以抢占资源、改变生境条件、竞争原有物种、传播疾病等,从而对草原生态系统产生不可逆转的破坏。因此,快速的识别草原入侵物种,并积极采取相应防护措施非常重要。
2、目前,对于草原入侵物种识别方法一般利用分子生物学技术,通过提取入侵植物样本的dna,通过dna条形码技术将其与已知参考物种进行比对,以识别入侵物种,然而通过这种方法虽然识别准确度高但是效率过低。
技术实现思路
1、为了解决上述技术问题,本专利技术提供了一种基于多光谱遥感的草原入侵物种识别方法及系统,可以提高草原入侵物种的识别准确度。
2、第一方面,本专利技术提供了一种一种基于多光谱遥感的草原入侵物种识别方法,包括:
3、在草原区域部署多光谱遥感装置,利用所述多光谱遥感装置采集所述草原区域的多光谱图像,对所述多光谱图像进行大气矫正,得到矫正图像,对所述矫正图像进行定标处理,得到定标图像;
4、对所述定标图像进行频域划分,得到频域分级图像,对所述频域分级图像进行小波分解,得到分解图像,提取所述分解图像的小波系数,根据所述小波系数,对所述分解图像进行图像融合,得到融合图像;
5、检测所述融合图像的图像角点,对所述图像角点进行多尺度表征,得到多尺度角点,利
6、根据所述图像信息识别所述多光谱图像的物种信息,访问所述草原区域的物种库,将所述物种信息和所述物种库进行匹配,得到匹配结果,根据所述匹配结果确定所述草原区域的入侵物种。
7、在第一方面的一种可能实现方式中,所述对所述多光谱图像进行大气矫正,得到矫正图像,包括:
8、利用下述公式计算所述多光谱图像的空气折射率:
9、
10、其中,z表示空气折射率,sc空气辐射亮度,r表示涅菲尔反射系数,qc表示漫广辐射亮度,ts表示空气折射率的参考值,
11、构建所述多光谱图像的大气校正程序,将所述空气折射率的反射参数输入至所述大气校正程序中,得到校正图像。
12、在第一方面的一种可能实现方式中,所述对所述矫正图像进行定标处理,得到定标图像,包括:
13、提取所述矫正图像中的目标点,计算所述目标点的回波能量,利用下述公式计算所述矫正图像的辐射定标常数:
14、
15、其中,α表示辐射定标常数,β表示矫正图像的辐射回波能量,γ表示矫正图像的辐射面积,θ表示矫正图像的辐射的辐射角度,
16、根据所述辐射定标常数,对所述矫正图像进行辐射定标,得到辐射定标图像。
17、在第一方面的一种可能实现方式中,所述计算所述目标点的回波能量,包括:
18、
19、其中,energy表示回波能量,m表示目标点总数,k表示目标点i的像素强度值,qi表示目标点区域图像的像素点总数,qj表示目标点回波区域图像j的像素点总数,n表示目标点对应的回波点总数,di表示目标点区域图像的像素大小,dj表示目标点对应回波区域图像的像素大小。
20、在第一方面的一种可能实现方式中,所述对所述定标图像进行频域划分,得到频域分级图像,包括:
21、将所述定标图像转化为灰度图像;
22、对所述灰度图像进行二维傅里叶变换,得到图像频谱;
23、对所述图像频谱进行滤波处理,得到目标频谱区域;
24、对所述目标频谱区域进行频域划分,得到频域分级图像。
25、在第一方面的一种可能实现方式中,所述对所述频域分级图像进行小波分解,得到分解图像,包括:
26、将所述频域分级图像转换为小波信号,构建所述小波信号的分解层数;
27、利用预构建的小波基函数、所述小波信号及所述分解层数数将所述频域分级图像进行小波分解,得到分解图像。
28、在第一方面的一种可能实现方式中,所述根据所述小波系数,对所述分解图像进行图像融合,得到融合图像,包括:
29、利用下述公式计算所述小波系数的均方差:
30、
31、其中,r表示均方差,n表示分解图像的数量,xu表示第u个分解图像的小波系数,yv表示第v个分解图像的小波系数,
32、基于所述均方差,将所述分解图像中处于同一频域内的分解图像进行图像融合,得到融合图像。
33、在第一方面的一种可能实现方式中,所述对所述图像角点进行多尺度表征,得到多尺度角点,包括:
34、利用下述公式计算所述图像角点的梯度值:
35、
36、其中,t表示梯度值,h表示图像角点对应图像的长度,l表示图像角点对应图像的宽度,δx表示图像角点在水平方向的梯度,δy表示图像角点在垂直方向的梯度,k(i,j)表示图像角点,
37、利用下述公式计算所述图像角点的角点能量:
38、
39、其中,e表示角点能量,h表示图像角点对应图像的长度,l表示图像角点对应图像的宽度,f(i,j)2表示图像角点的灰度值,
40、并将所述梯度值与所述角点能量作为所述图像角点的角点信息,根据所述角点信息确定所述角点图像的多尺度角点。
41、在第一方面的一种可能实现方式中,所述利用所述多尺度角点,识别所述融合图像的图像特征,包括:
42、构建所述融合图像的特征矩阵,并将所述多尺度角点的角点信息输入至所述特征矩阵中,得到所述特征矩阵中的角点信息;
43、将所述融合图像的像素值分解为数字矩阵,将所述特征矩阵中的角点信息与所述数字矩阵中的像素值进行匹配,得到所述融合图像的特征值;
44、提取所述特征值中符合预设阈值的目标特征值,将所述目标特征值进行特征翻译,得到图像特征。
45、第二方面,本专利技术提供了一种基于多光谱遥感的草原入侵物种识别方法及系统,所述系统包括:
46、光谱图像处理模块,用于在草原区域部署多光谱遥感装置,利用所述多光谱遥感装置采集所述草原区域的多光谱图像,对所述多光谱图像进行大气矫正,得到矫正图像,对所述矫正图像进行定标处理,得到定标图像;
47、图像融合模块,用于对所述定标图像进行频域划分,得到频域分级图像,对所述频域分级图像进行小波分解,得到分解图像,提取所述分解图像的小波系数,根据所述小波系数,对所述分解图像进行图像融合,得到融合图像;
48、图像信息识别模块,用于检测所述融合图像的图像角点,对所述图像角点进行多尺度表征,得到多尺度角点,利用所述多尺度角点,识别所述融合图像的图像特征,根据所述图像特征识别所述多光谱图像的图像信息;
本文档来自技高网...【技术保护点】
1.一种基于多光谱遥感的草原入侵物种识别方法,其特征在于,所述方法包括:
2.如权利要求1所述的一种基于多光谱遥感的草原入侵物种识别方法,其特征在于,所述对所述多光谱图像进行大气矫正,得到矫正图像,包括:
3.如权利要求1所述的一种基于多光谱遥感的草原入侵物种识别方法,其特征在于,所述对所述矫正图像进行定标处理,得到定标图像,包括:
4.如权利要求3所述的一种基于多光谱遥感的草原入侵物种识别方法,其特征在于,所述计算所述目标点的回波能量,包括:
5.如权利要求1所述的一种基于多光谱遥感的草原入侵物种识别方法,其特征在于,所述对所述定标图像进行频域划分,得到频域分级图像,包括:
6.如权利要求1所述的一种基于多光谱遥感的草原入侵物种识别方法,其特征在于,所述对所述频域分级图像进行小波分解,得到分解图像,包括:
7.如权利要求1所述的一种基于多光谱遥感的草原入侵物种识别方法,其特征在于,所述根据所述小波系数,对所述分解图像进行图像融合,得到融合图像,包括:
8.如权利要求1所述的一种基于多光谱遥感的草
9.如权利要求1所述的一种基于多光谱遥感的草原入侵物种识别方法,其特征在于,所述利用所述多尺度角点,识别所述融合图像的图像特征,包括:
10.一种基于多光谱遥感的草原入侵物种识别方法及系统,其特征在于,所述系统包括:
...【技术特征摘要】
1.一种基于多光谱遥感的草原入侵物种识别方法,其特征在于,所述方法包括:
2.如权利要求1所述的一种基于多光谱遥感的草原入侵物种识别方法,其特征在于,所述对所述多光谱图像进行大气矫正,得到矫正图像,包括:
3.如权利要求1所述的一种基于多光谱遥感的草原入侵物种识别方法,其特征在于,所述对所述矫正图像进行定标处理,得到定标图像,包括:
4.如权利要求3所述的一种基于多光谱遥感的草原入侵物种识别方法,其特征在于,所述计算所述目标点的回波能量,包括:
5.如权利要求1所述的一种基于多光谱遥感的草原入侵物种识别方法,其特征在于,所述对所述定标图像进行频域划分,得到频域分级图像,包括:
6.如权利要求1所...
【专利技术属性】
技术研发人员:王海,哈斯巴根,石红霄,王珍,姜超,
申请(专利权)人:中国农业科学院草原研究所,
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。