利用面向对象技术融合高空间和高时间分辨率数据的遥感图像分类方法，涉及一种面向对象的遥感图像分类方法。为了解决以往的遥感图像分类方法无法区分“异物同谱”的土地覆盖类型，不适用于在中低分辨率的遥感影像上应用的问题。应用SG滤波器进行滤波处理；确定待分类的遥感影像中典型植被的MODIS-NDVI时序曲线；对TM影像进行分割，每个分割单元作为一个对象；提取每个对象的特征信息；提取所有的非植被对象；去除非植被对象将所得到的植被对象作为面状矢量来分割MODIS-NDVI时序数据，从而获得每个植被对象获得相应的物候信息；判定每个对象所属的植被类型；完成土地覆盖分类。用于土地覆盖类型的区分。
【技术实现步骤摘要】
本专利技术涉及利用面向对象遥感图像分类方法融合高空间分辨率数据(Landsat) 和高时间分辨率数据(M0DIS-NDVI)进行快速准确的遥感图像土地覆盖分类方法。
技术介绍
面向对象的遥感图像解译方法是相对于传统遥感影像处理软件主要针对单个像元的解译算法而言的。该方法在分类时不仅考虑地物的光谱特征，还主要利用其几何特征和结构特征，图像中的最小单元不再是单个的像元，而是一个个对象。该方法是基于认知模型的遥感信息提取方法，更贴近人类的认知过程，已成为遥感信息提取领域主要的研究方向之一。陆地资源卫星(Landsat)数据空间分辨率高，已被证实非常适合土地覆盖分类研究。中分辨率成像光谱仪归一化植被指数(M0DIS-NDVI)时序数据空间分辨率较低，但时间分辨率高，能够反应植被物候信息。由于植被物候信息反应植被季节性变化规律，因此在遥感图像中拥有相同或相似的NDVI时序谱的对象将被识别为同一土地覆盖类型。目前国内外对于面向对象分类技术的应用主要集中于单一时相高分辨率遥感图像的分类。将具有相同光谱、纹理和空间组合关系等特征“同质均一”的像元合并成一个对象，以对象为单位进行后续分类工作。这种方法一般对遥感图像的获取时间有一定要求，并且无法区分“异物同谱”的土地覆盖类型，很难在单一时相的遥感影像上应用。利用NDVI时序数据进行土地覆盖分类的研究目前主要集中于中低分辨率的遥感影像分类中，这种方法是传统的基于像元的分类，结果往往较细碎不具有明确的地理学意义，不能满足地理信息系统对多边形的要求。本专利技术使用的MODIS的全称为中分辨率成像光谱仪(moderate-resolution imaging spectroradiometer) qMODIS是搭载在terra和aqua卫星上的一个重要的传感器， 是卫星上唯一将实时观测数据通过X波段向全世界直接广播，并可以免费接收数据并无偿使用的星载仪器，全球许多国家和地区都在接收和使用MODIS数据。MODIS用于对陆表、生物圈、固态地球、大气和海洋进行长期全球观测。LANDSAT是美国陆地探测卫星系统，TM是LANDSAT卫星上安装的成像设备，也就是用LANDSAT上的TM可以对地球表面来成像。
技术实现思路
本专利技术针对以往的遥感图像分类方法无法区分“异物同谱”的土地覆盖类型，不适用于在中低分辨率的遥感影像上应用的问题，提出了。，该方法包括以下步骤步骤一应用Savitzky-Golay(SG)滤波器，对M0DIS-NDVI时序数据进行滤波处理，去除错误信息，消除传感器以及获取过程中生成的噪音，得到稳定的物候信息源；步骤二 从步骤一中所得到的稳定的物候信息源中，确定待分类的遥感影像中典型植被的M0DIS-NDVI时序曲线，即，典型植被的物候特征；步骤三利用M0DIS-NDVI时序数据获取待分类TM影像中植被物候信息，并对TM 影像进行多层多尺度分割，得到一系列分割单元，每个分割单元由空间上相邻、同质性达到 70%以上的像元组成，将每个分割单元作为一个对象；步骤四提取步骤三所得到的每个对象的光谱特征、纹理特征、形状特征和结构特征信息；步骤五利用步骤四得到的所有特征信息，在TM影像中提取非植被对象；步骤六在TM影像中去除步骤五所提取的非植被对象后得到所需的植被对象，将所得到的植被对象作为面状矢量来分割滤波之后的M0DIS-NDVI时序数据，从而获得每个对象相应的 M0DIS-NDVI时序曲线，即，每个植被对象获得相应的物候信息；步骤七参考步骤二中典型植被的M0DIS-NDVI时序曲线，判定步骤六中每个对象所属的植被类型；步骤八综合步骤五中得到的非植被对象和步骤七中的植被对象，完成土地覆盖分类。本专利技术的优点本专利技术综合了面向对象分类技术与利用植被物候信息分类技术的优点，利用面向对象技术的多尺度分割得到均质的多边形对象，然后提取对象的物候信息， 判定该对象的土地覆盖类型。本专利技术克服了单独利用面向对象分类技术对“异物同谱”土地覆盖类型不能区分的困难，同时也解决了单独利用物候信息分类结果细碎、不具有明确地理意义的问题。使得面向对象分类技术更好的适用于中低分辨率的遥感影像分类，不仅提高了分类的精度和速度，而且明确了分类结果的地理意义。附图说明图I为2009年3月初到9月末试验区中林地和芦苇荡的NDVI变动曲线，图中 —□—代表林地、图中——ο——代表芦華荡；图2为2009年3月初到9月末试验区中水田和旱地的NDVI变动曲线，图中 —□—代表水田、图中——O——代表旱地；图3为利用尺度分割后的对象统计M0DIS-NDVI时序数据的像元。具体实施例方式具体实施方式一下面结合图3说明本实施方式。本实施方式所述的包括以下步骤步骤一应用Savitzky-Golay(SG)滤波器，对M0DIS-NDVI时序数据进行滤波处理，去除错误信息，消除传感器以及获取过程中生成的噪音，得到稳定的物候信息源；步骤二 从步骤一中所得到的稳定的物候信息源中，确定待分类的遥感影像中典型植被的M0DIS-NDVI时序曲线，即，典型植被的物候特征；步骤三利用M0DIS-NDVI时序数据获取待分类TM影像中植被物候信息，并对TM影像进行多层多尺度分割，得到一系列分割单元，每个分割单元由空间上相邻、同质性达到 70%以上的像元组成，将每个分割单元作为一个对象；步骤四提取步骤三所得到的每个对象的光谱特征、纹理特征、形状特征和结构特征信息；步骤五利用步骤四得到的所有特征信息，在TM影像中提取非植被对象；步骤六在TM影像中去除步骤五所提取的非植被对象后得到所需的植被对象，将所得到的植被对象作为面状矢量来分割滤波之后的M0DIS-NDVI时序数据，从而获得每个对象相应的 M0DIS-NDVI时序曲线，即，每个植被对象获得相应的物候信息；步骤七参考步骤二中典型植被的M0DIS-NDVI时序曲线，判定步骤六中每个对象所属的植被类型；步骤八综合步骤五中得到的非植被对象和步骤七中的植被对象，完成土地覆盖分类。具体实施方式二 下面结合图I说明本实施方式，本实施方式为对实施方式一的进一步说明，实施方式一步骤五中所述的非植被对象是水体、裸地和人工建筑地。具体实施例如下步骤一获取试验区各种地物的物候信息作为训练样本，根据中分辨率成像光谱仪MODIS的植被指数产品M0D13Q1，得到2009年3月初到9月末试验区中典型植被类型的 NDVI变动曲线。步骤二 应用Savitzky-Golay (SG)滤波器，对M0DIS-NDVI时序数据进行滤波，去除噪音得到稳定的物候信息。步骤三JfLandsat TM影像进行多尺度分割，得到一系列空间上相邻、同质性较好的分割单元，将每个单元作为一个对象。表I显示在面向对象分类过程中多尺度分割的参数设置。试验用的Landsat TM轨道号为P120R31，时间为2009年7月15日。表I.权利要求1.，其特征在于，该方法包括以下步骤步骤一应用Savitzky-Golay滤波器对M0DIS-NDVI时序数据进行滤波处理，去除错误信息，消除传感器以及获取过程中生成的噪音，得到稳定的物候信息源；步骤二 从步骤一中所得到的稳定的物候信息源中，确定待分类的遥感影像中典型植被的M0DIS-NDVI时序曲线，即，典型植被的物候特征；步本文档来自技高网...
【技术保护点】
【技术特征摘要】
【专利技术属性】
技术研发人员：贾明明，刘殿伟，王宗明，任春颖，汤旭光，董张玉，邵田田，
申请(专利权)人：中国科学院东北地理与农业生态研究所，
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。