本发明专利技术涉及农业遥感领域，具体公开了一种农作物遥感分类方法及系统；本发明专利技术采用卫星获取高光谱农田作物影像，然后使用去云处理、辐射校正、影像融合和影像拼接对高光谱农田作物影像进行处理，再对处理之后的高光谱数据进行降维处理，去除冗余信息，能够降低数据计算量提升运算效率，作物分类学习模型使用分类精度高且泛化能力强的SVM分类器，相较于一般的多光谱作物分类模型，结合降维处理高光谱影像数据的分类模型能够较大程度地提升分类精度，精准识别出农作物种类。
【技术实现步骤摘要】
本专利技术属于农业遥感，具体涉及一种农作物遥感分类方法及系统。
技术介绍
1、获取农作物详细资料有助于国家了解农作物长势，预估农作物产量，也便于国家及时获取农作物灾害数据，农作物详细资料获取途径主要是地方农业人员的实地调查，此种调查方式耗时较长，而且容易出现调查差漏，不易获得精准数据，随着空间科技的发展，可以通过空间卫星技术获取地面作物的详细资料。
2、一般的空间卫星遥感技术，大多使用多光谱影像进行精细分类，但是多光谱影像存在空间分辨率低、波段范围短且数目少等诸多缺点，此时根据多光谱影像进行小区域作物分类存在较大局限性，如果使用高空间分辨率遥感影像则会导致数据获取成本高，因此可以引入波长范围广、波段数目多且光谱曲线完整的高光谱遥感影像，用作农作物精细分类数据影像资料，进而为农作物精细管理提供有力支持。
技术实现思路
1、本专利技术的目的在于提供一种农作物遥感分类方法及系统，以解决上述
技术介绍
中提出的问题。
2、为实现上述目的，本专利技术提供如下技术方案：
>3、一种农作物遥感本文档来自技高网...
【技术保护点】
1.一种农作物遥感分类方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种农作物遥感分类方法，其特征在于：所述S1中，通过无人机选定多个标记点位，制作与农田作物种类对应的标签，并建立数据集，并将数据集按照8:2的比例分为训练集和测试集。
3.根据权利要求2所述的一种农作物遥感分类方法，其特征在于：所述S2中，农田作物遥感影像数据预处理包括去云处理、辐射校正、影像融合和影像拼接。
4.根据权利要求3所述的一种农作物遥感分类方法，其特征在于：所述S2中，将成像光谱仪中心波长和波长半幅宽在MATLAB环境设计的辐射定标系统中，完成由影像DN值到地表...
【技术特征摘要】
1.一种农作物遥感分类方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种农作物遥感分类方法，其特征在于：所述s1中，通过无人机选定多个标记点位，制作与农田作物种类对应的标签，并建立数据集，并将数据集按照8:2的比例分为训练集和测试集。
3.根据权利要求2所述的一种农作物遥感分类方法，其特征在于：所述s2中，农田作物遥感影像数据预处理包括去云处理、辐射校正、影像融合和影像拼接。
4.根据权利要求3所述的一种农作物遥感分类方法，其特征在于：所述s2中，将成像光谱仪中心波长和波长半幅宽在matlab环境设计的辐射定标系统中，完成由影像dn值到地表反射率的辐射校正。
5.根据权利要求4所述的一种农作物遥感分类方法，其特征在于：所述s2中，将卫星成像仪拍摄的高光谱数据分为高光谱全色影像和高光谱立方体影像，采用pansharpen算法融合处理高光谱全色影像和高光谱立方体影像，得到idl编程提取子波段影像，采用photoscan处理idl编程提取子波段影像和高光谱...
【专利技术属性】
技术研发人员：王家强，李会侠，夏文豪，罗德芳，李福庆，乔顺宇，
申请(专利权)人：塔里木大学，
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。