【技术实现步骤摘要】
本专利技术属于遥感影像，具体涉及一种基于随机森林和区域生长的水稻遥感识别方法及系统。
技术介绍
1、水稻是我国主要的粮食作物，在我国南北方均有种植，准确掌握其种植面积情况对粮食估产、粮食补贴等具有非常重要的意义。传统的水稻种植面积的统计是各地政府通过各乡村的上报数据以及政府抽查方式进行统计分析得到的。由于受到人为因素、抽查方式的干扰，统计结果有一定误差，且浪费大量人力、物力、财力和时间。随着遥感技术以及影像解译方法的迅速发展，使通过遥感技术对水稻种植面积进行大范围的、快速、准确的提取成为可能。
2、传统的机器学习方法识别水稻主要有两种：(1)基于像元的分类，如决策树分类、最大似然法分类、随机森林分类、支持向量机分类等。该方法以单个像元为基本处理单元，主要根据像元所呈现的光谱信息进行分类。它很少使用其他特征和空间信息，比如数据类型的纹理和形状。采用该方法难以解决椒盐噪声，存在同谱异物或同物异谱等问题。(2)面向对象的分类方法。该算法分为数据分割、特征选择和图像分类三个步骤，与基于像元的分类方法相比，该方法具有更高的精度、完整性和效率。由于我国水稻种植区地形复杂，地块破碎，这两种方法均存在水稻识别不完整，识别边界不准确的问题。
技术实现思路
1、为了解决上述问题，本专利技术在随机森林分类结果的基础上，结合区域生长技术进行水稻提取。利用多层特征信息提高晚稻提取的准确性，并采用动态阈值实现局部适应性，从而准确地提取不同形状、大小和条件的作物区域。
2、为实现上述目的
3、获取水稻的遥感影像数据并进行预处理，得到预处理遥感影像数据；
4、基于所述预处理遥感影像数据，获取遥感影像光谱特征集、光谱指数特征集和纹理特征集，并构建第一特征空间；
5、基于所述第一特征空间和所述预处理遥感影像数据，获取水稻分类结果；
6、基于所述预处理遥感影像数据，构建第二特征空间；
7、基于所述水稻分类结果和所述第二特征空间，获取水稻识别结果；
8、基于所述第一特征空间，获取图像分割结果；
9、基于所述图像分割结果和所述水稻识别结果，完成水稻识别。
10、优选的，所述第二特征空间构建完成之后，基于所述水稻分类结果，统一所述第二特征空间中各波段晚稻的灰度值方差：
11、
12、其中，i表示所述第二特征空间中的第i波段；gi表示计算后特征信息像元值；gi表示计算前特征信息像元值；σi表示特征像元值的标准差；σ0表示第1个特征空间像元值的标准差。
13、优选的，获取所述水稻识别结果的方法包括：
14、对所述水稻分类结果中的单个对象进行区域生长，获取区域生长结果；
15、基于所述区域生长结果，获取所述水稻识别结果；
16、所述单个对象表示：该对象中的每一个像元的分类结果均为水稻，且该对象中任意一个像元的四邻域像元中至少一个属于像元集合。
17、优选的，进行所述区域生长的方法包括：
18、(1)将农作物m分类结果中的单个对象作为初始区域d0，并分别计算出所述初始区域d0的均值mi，0和方差σi，0，其中i表示所述第二特征空间中的第i波段；
19、(2)判断σi，0≤σmax，若为真，则对象进行下一步，否则停止生长；
20、(3)在第n次迭代中，根据前一次迭代的均值mi，n-1和方差σi，n-1计算新的阈值范围ωi，n＝[mi，n-1-θσi，n-1，mi，n-1+θσi，n-1]；
21、(4)根据ωi,n、σi,n-1≤εσi,0和前一次迭代后的区域dn-1计算新的区域dn，它由与dn-1相连通且满足阈值条件ωi,n的像元组成；
22、(5)计算新区域dn的均值mi,n和方差σi,n；
23、(6)重复步骤(3)～(5)，直至范围不再扩大。
24、优选的，进行所述水稻识别的方法包括：对所述第一特征空间进行图像分割，并计算所述水稻识别结果占图像分割后的单个区域的面积比例，若所述面积比例大于预设阈值，则该区域为水稻，否则该区域为非水稻，完成水稻的识别。
25、优选的，计算所述面积比例的方法包括：
26、
27、其中，k表示水稻的识别结果占图像分割后的单个区域的面积比例；x表示区域生长后的水稻所占区域；y表示图像分割后的某一单个区域；sx∩y表示区域x与区域y交集的面积；sy表示区域y的面积。
28、本专利技术还提供了一种基于随机森林和区域生长的水稻遥感识别系统，所述系统用于实现上述方法，包括：采集模块、计算模块、随机森林模块、构建模块、区域生长模块、图像分割模块和识别模块；
29、所述采集模块用于获取水稻的遥感影像数据并进行预处理；
30、所述计算模块用于基于所述预处理遥感影像数据，获取遥感影像光谱特征集、光谱指数特征集和纹理特征集，并构建第一特征空间；
31、所述区域生长模块用于基于所述第一特征空间和所述预处理遥感影像数据，获取水稻分类结果；
32、所述构建模块用于基于所述预处理遥感影像数据，构建第二特征空间；
33、所述区域生长模块用于基于所述水稻分类结果和所述第二特征空间，获取水稻识别结果；
34、所述图像分割模块用于基于所述第一特征空间，获取图像分割结果；
35、所述识别模块用于基于所述图像分割结果和所述水稻识别结果，完成水稻识别。
36、与现有技术相比，本专利技术的有益效果如下：
37、本专利技术公开了基于随机森林和区域生长结合的水稻遥感识别方法及系统，弥补了传统随机森林方法水稻面积识别不完整和边界不准确的问题，提升了水稻种植区域的面积提取精度，具有很好的经济价值。
本文档来自技高网...【技术保护点】
1.一种基于随机森林和区域生长的水稻遥感识别方法，其特征在于，方法包括：
2.根据权利要求1所述的基于随机森林和区域生长的水稻遥感识别方法，其特征在于，获取所述水稻分类结果的方法包括：基于所述第一特征空间和所述预处理遥感影像数据，采用随机森林分类器对水稻进行遥感识别，得到所述水稻分类结果。
3.根据权利要求2所述的基于随机森林和区域生长的水稻遥感识别方法，其特征在于，所述第二特征空间构建完成之后，基于所述水稻分类结果，统一所述第二特征空间中各波段晚稻的灰度值方差：
4.根据权利要求1所述的基于随机森林和区域生长的水稻遥感识别方法，其特征在于，获取所述水稻识别结果的方法包括：
5.根据权利要求4所述的基于随机森林和区域生长的水稻遥感识别方法，其特征在于，进行所述区域生长的方法包括：
6.根据权利要求5所述的基于随机森林和区域生长的水稻遥感识别方法，其特征在于，进行所述水稻识别的方法包括：对所述第一特征空间进行图像分割，并计算所述水稻识别结果占图像分割后的单个区域的面积比例，若所述面积比例大于预设阈值，则该区域为水稻，否则该
7.根据权利要求6所述的基于随机森林和区域生长的水稻遥感识别方法，其特征在于，计算所述面积比例的方法包括：
8.基于随机森林和区域生长的水稻遥感识别系统，所述系统用于实现权利要求1-7任一项所述的方法，其特征在于，包括：采集模块、计算模块、随机森林模块、构建模块、区域生长模块、图像分割模块和识别模块；
...【技术特征摘要】
1.一种基于随机森林和区域生长的水稻遥感识别方法，其特征在于，方法包括：
2.根据权利要求1所述的基于随机森林和区域生长的水稻遥感识别方法，其特征在于，获取所述水稻分类结果的方法包括：基于所述第一特征空间和所述预处理遥感影像数据，采用随机森林分类器对水稻进行遥感识别，得到所述水稻分类结果。
3.根据权利要求2所述的基于随机森林和区域生长的水稻遥感识别方法，其特征在于，所述第二特征空间构建完成之后，基于所述水稻分类结果，统一所述第二特征空间中各波段晚稻的灰度值方差：
4.根据权利要求1所述的基于随机森林和区域生长的水稻遥感识别方法，其特征在于，获取所述水稻识别结果的方法包括：
5.根据权利要求4所述的基于随机森林和区域生长...
【专利技术属性】
技术研发人员：成功，周兴旺，廖灵燚，王冬军，王子萱，李玉芳，
申请(专利权)人：中南大学，
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。