一种基于时序特征的花生提取方法技术

本发明专利技术涉及卫星影像特征提取技术领域，具体为一种基于时序特征的花生提取方法，包括以下步骤：步骤一、获取长时序地表反射率数据；步骤二、提取花生及其它典型农作物的时序光谱反射率、植被指数、红边指数及纹理特征向量；步骤三、实现特征优选；步骤四、构建时序特征样本集；步骤五、获得时序特征样本集；步骤六、构建随机森林分类器模型；步骤七、实现花生提取；本发明专利技术以花生为研究对象，采用Sentinel‑2时间序列数据，提取花生及其它典型农作物的光谱、植被指数、红边指数、纹理等时序特征，再通过特征优选实现诊断性特征提取，最大程度的体现不同作物的差异性，在此基础上结合随机森林分类方法实现花生的有效提取。

【技术实现步骤摘要】

本专利技术涉及卫星影像特征提取，具体为一种基于时序特征的花生提取方法。

技术介绍

1、农作物的种植结构提取通常采用单期影像，主要包括目视解译、基于图像统计分类的非监督和监督分类法以及基于图像语义纹理信息的各种集成方法，但不同农作物在同一期遥感影像上往往表现出相似的光谱特征，因此，在单期遥感影像上难以实现不同农作物种植区域的有效区分。近年来，基于物候特征的作物识别方法添加了关键物候期的概念，利用时间序列遥感数据的时相变化规律，综合作物关键物候期特征进行作物类型识别，能够有效解决基于单期影像光谱特征的方法所遇到的问题，使作物类型识别更有针对性，避免了卫星遥感数据的盲目使用。当前基于时序特征开展农作物分类的研究中，大多基于ndvi时间序列数据，实现利用作物间物候期的差异实现农作物种植结构提取。但时当作物物候期差异较小时，仅依据ndvi的时序特征往往难以实现不同作物的有效区分。

技术实现思路

1、本专利技术的目的在于针对上述的不足，提供一种基于时序特征的花生提取方法，通过以花生为研究对象，采用sentinel-2时间本文档来自技高网...

【技术保护点】

1.一种基于时序特征的花生提取方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的一种基于时序特征的花生提取方法，其特征在于，步骤一中，所述辐射定标为将图像的数字量化值(DN)转化为物理量(辐射亮度)的处理过程；

3.根据权利要求2所述的一种基于时序特征的花生提取方法，其特征在于，步骤二中，时序光谱反射率提取：提取蓝波段反射率、绿波段反射率、红波段反射率和近红外波段反射率4种光谱反射率特征；

4.根据权利要求3所述的一种基于时序特征的花生提取方法，其特征在于，红边指数提取：根据公式4-公式12，提取红边位置指数、红边归一化植被指数、植物衰老反射指...

【技术特征摘要】

1.一种基于时序特征的花生提取方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的一种基于时序特征的花生提取方法，其特征在于，步骤一中，所述辐射定标为将图像的数字量化值(dn)转化为物理量(辐射亮度)的处理过程；

3.根据权利要求2所述的一种基于时序特征的花生提取方法，其特征在于，步骤二中，时序光谱反射率提取：提取蓝波段反射率、绿波段反射率、红波段反射率和近红外波段反射率4种光谱反射率特征；

4.根据权利要求3所述的一种基于时序特征的花生提取方法，其特征在于，红边指数提取：根据公式4-公式12，提取红边位置指数、红边归一化植被指数、植物衰老反射指数、红边叶绿素指数、新型倒红边叶绿素指数、改进叶绿素吸收指数、修正比值植被指数、叶绿素敏感指数和归一化红边指数9种红边指数特征：

5.根据权利要求4所述的一种基于时序特征的花生提取方法，其特征在于，纹理特征向量提取：根据公式13-公式17，提取能量、熵、对比度、同质度和相关性：

6.根据权利要求1所述...

【专利技术属性】
技术研发人员：赵敏，王梦涵，薛超玉，乔月霞，李超，
申请(专利权)人：航天科工海鹰集团有限公司，
类型：发明
国别省市：