一种基于云模型的山区易混淆树种多光谱遥感识别方法技术

本发明专利技术公开了一种基于云模型的山区易混淆树种多光谱遥感识别方法，该方法以资源三号多光谱遥感影像为基础，将云模型方法应用于山区易混淆树种麻栎和刺槐的识别。首先，筛选出树种的敏感光谱指数；其次，构建树种识别云模型；再次，根据最大判别法实现树种识别。同时，利用支持向量机法对相同数据进行分类，作为对照。结果表明：基于云模型的麻栎分类精度达到91.65％，刺槐分类精度达到89.49％，总体精度达到90.80％，高于支持向量机的分类精度。云模型树种识别方法有助于实现森林树种的快速识别和精准管理，为易混淆树种的分类识别提供了新的技术支持。

A multi spectral remote sensing method for identification of easily confused tree species in mountainous area based on cloud model

The invention discloses a multi spectral remote sensing recognition method based on cloud model in mountainous area, which is based on the multi spectral remote sensing image of resource No. three, and applies the cloud model to the identification of Quercus Acacia and Robinia pseudoacacia in mountainous areas. First, the sensitive spectral index of tree species was screened out; secondly, the tree species identification cloud model was constructed; thirdly, the tree species identification was achieved according to the maximum discriminant method. At the same time, support vector machine is used to classify the same data as a comparison. The results show that the classification accuracy of oak based on cloud model reaches 91.65%, the precision of Robinia pseudoacacia is 89.49% and the overall precision is 90.80%, which is higher than the classification precision of support vector machines. The cloud model tree species recognition method helps to realize rapid identification and precise management of forest tree species, and provides new technical support for classification and recognition of easily confused tree species.

【技术实现步骤摘要】
一种基于云模型的山区易混淆树种多光谱遥感识别方法
本专利技术涉及一种树种识别方法，具体地说，涉及一种基于云模型的山区易混淆树种多光谱遥感识别方法。
技术介绍
森林作为陆地上面积最大的生态系统，对全球的环境保护和经济发展非常重要。麻栎和刺槐是泰山的重要建群树种，其果实及树皮、叶均具有巨大实用价值和药用价值，也是营造防风林、防火林、水源涵养林的重要树种，两者同属落叶乔木，生长环境近似，树皮均呈灰黑褐色，为山区易混淆树种，遥感识别难度大。对其正确识别是了解其分布状况、保护森林资源、发挥其经济和生态价值的基础。泰山地形复杂，交通不便，采用野外调查的方法，需要耗费大量人力、物力和财力，且在短时间内难以实现大空间尺度调查。近年来，遥感技术被广泛应用于森林树种的分类识别，数据处理和分析算法的相对滞后，在一定程度上影响了遥感技术在森林树种识别应用中的发展，为了更高效地处理和利用遥感影像数据，提高树种识别的分类精度，开发新的树种识别算法十分重要。现有树种识别算法有最小距离分类法、最大似然估计法、决策树分类法、神经网络分类法以及支持向量机分类法等。最小距离法和最大似然估计法是遥感图像分类中的传统算法，应用十分广泛，比较成熟，特点是实现较简单、计算量小且速度快，缺点是分类精度不够，只能将特征十分明显的样本正确分类。岳俊等基于不同分辨率遥感数据的光谱与纹理特征，分别运用最大似然法、马氏距离、神经网络、支持向量机4种分类方法，对南疆盆地4种主栽果树(核桃、红枣、香梨和苹果)进行了遥感识别，在分辨率为2米的遥感影像中，各方法分类精度分别为58.32％、58.70％、68.70％和69.71％；刘晓娜等基于Landsat数据和MODIS-NDVI数据，以决策树分类方法对中老缅交界地区的橡胶林地进行分类，其中橡胶幼林分类精度为75％，橡胶成林分类精度达到90％；王吉斌等基于安徽省砀山县EO-1Hyperion影像，采用改进的BP神经网络模型完成了落叶松、油松、侧柏、栎树、板栗、杨树的信息提取，总体识别精度为82.3％；申鑫等基于高分辨率与高光谱遥感影像，通过提取并优化特征变量的方法对江苏南部丘陵地区北亚热带马尾松及次生落叶树种进行了分类，用全部特征变量对马尾松、麻栎、枫香树、板栗4个典型树种分类时，总体精度为64.6％，针对森林类型的分类精度为81.1％，高于利用选取的优化特征变量对4个典型树种的分类精度；林丽群等从植物地理学、遥感、GIS三者相结合的角度，将多源、多时相遥感数据与物种物候特性、专家知识进行有效整合，提出了一种乔木树种识别的方法，其中常绿乔木刺叶栎识别精度为70.18％，落叶乔木识别精度最高的为漆树的65.21％。综上所述，支持向量机法在精细树种识别中应用较广泛且分类精度较高于其它方法，优化并综合运用遥感数据特征值也可提高树种识别精度，但其精度仍有待提高，新的分类方法也在不断的探索中。近年来，云模型理论已逐渐应用于遥感影像解译等数据挖掘领域，秦昆等利用云模型的FCM聚类方法和传统的FCM聚类方法对遥感图像进行分割实验，实验表明采用云模型的FCM方法具有较好的分割效果，且提高了效率；丁玉琦等基于影像灰度值提出了以云模型和期望最大聚类进行遥感影像分割的新算法；宋岚等提出了一种基于云模型、图论和互信息的影像分割方法。自杜鹢等提出基于云模型的云变换概念划分方法，根据数据的实际分布将数量型属性的定义域划分为多个基于云的定性概念，证明了云模型在遥感影像分类中的可行性。云模型分类方法简单、计算量小，可通过其特有的识别算法有效表达遥感影像分类中数据(同谱异物、异物同谱)、其分类过程及分类结果的不确定性，具有很好的发展前景。目前利用云模型进行树种(尤其易混淆树种)的分类识别还比较少，对于麻栎、刺槐的识别更未见报道，且在现有基于遥感影像进行云模型树种识别中，多直接利用光谱信息，通过建立敏感光谱指数来扩大树种间差异、提高树种识别精度的方法还很少见。
技术实现思路
本专利技术的目的在于提供一种基于云模型的山区易混淆树种多光谱遥感识别方法。该方法基于资源三号遥感影像数据，通过提取并建立敏感光谱指数，建立云模型进行树种分类识别，旨在为树种(尤其易混淆树种)识别提供更加可行简便的方法。其具体技术方案为：一种基于云模型的山区易混淆树种多光谱遥感识别方法，包括以下步骤：利用预处理后的资源3号多光谱数据，筛选敏感光谱指数，构建云模型，开展树种分类识别和精度验证，运用数学运算法，将多光谱影像的各波段反射率通过数学变换建立光谱指数，基于4个波段共建立了166个光谱指数将已建光谱指数与两树种类型进行相关性分析，根据显著性高低筛选出10个光谱指数作为敏感光谱指数。通过构建一维云模型分别筛选出麻栎、刺槐一维云模型识别精度最高的三个敏感光谱指数作为最佳敏感光谱指数；选取三维云模型为代表，在一维云模型基础上建立三维云模型，进行精度比较。云模型分类算法分为3个步骤:一是一维逆向云发生器生成每个树种的云模型；二是利用X条件云发生器(一维、三维)计算每个待测样本的隶属度，三是用极大判定法进行分类；通过核函数将数据从原始特征空间映射到高维特征空间，使线性内积运算非线性化，然后在特征空间建立使分类间隔最大化的最优超平面，并基于该超平面实现对未知样本的判别。步骤1、基于样区光谱数据构建各树种光谱指数，并筛选敏感光谱指数。步骤2、基于敏感光谱指数构建一维逆向云发生器，得出各树种的期望(Ex)、熵(En)、超熵(He)，得到树种识别一维云模型。利用一维逆向云发生器计算待测样本的隶属度，并通过最大判定法则对待测样本进行分类，得出一维云模型分类精度。步骤3、选出分类精度最高的三组敏感光谱指数，作为最佳敏感光谱指数构建三维条件云发生器，最大判定法对待测样本进行分类，得出三维云模型树种识别精度。进一步，将一维、三维云模型树种识别精度进行对比，得出树种识别最佳云模型。进一步，得出麻栎三维云模型识别的最佳敏感光谱指数为：(R3/R4)/500(R3-R4)、lnR3/3000(R3-R4)、lnR4/2000(R4-R3)；刺槐三维云模型识别的最佳敏感光谱指数为R3-R4、(R3-R4)/(eR3)、(R4-R3)/(eR4)，(其中R3、R4分别代表9月29日影像的第3、4波段反射率值，e为自然底数，e＝2.718281828459)。同时得出一维云模型树种识别精度总体高于三维云模型，且计算简单，易于操作。与现有技术相比，本专利技术的有益效果：本专利技术以资源三号多光谱遥感影像为基础，将云模型方法应用于山区易混淆树种麻栎和刺槐的识别。首先，筛选出树种的敏感光谱指数；其次，构建树种识别云模型；再次，根据最大判别法实现树种识别。同时，利用支持向量机法对相同数据进行分类，作为对照。结果表明：基于云模型的麻栎分类精度达到91.65％，刺槐分类精度达到89.49％，总体精度达到90.80％，高于支持向量机的分类精度。云模型树种识别方法有助于实现森林树种的快速识别和精准管理，为易混淆树种的分类识别提供了新的技术支持。附图说明图1是样区分布图；图2是本专利技术基于云模型的山区易混淆树种多光谱遥感识别方法的流程图；图3是一维、三维逆向云发生器，其中，图3(a)为一维逆向云发生器，图3(b)为三维逆向云发生器；图4是一本文档来自技高网...

【技术保护点】
1.一种基于云模型的山区易混淆树种多光谱遥感识别方法，其特征在于，包括以下步骤：步骤1、基于样区光谱数据构建各树种光谱指数，并筛选敏感光谱指数。步骤2、基于敏感光谱指数构建一维逆向云发生器，得出各树种的期望、熵、超熵，得到树种识别一维云模型。利用一维逆向云发生器计算待测样本的隶属度，并通过最大判定法则对待测样本进行分类，得出一维云模型分类精度。步骤3、选出分类精度最高的三组敏感光谱指数，作为最佳敏感光谱指数构建三维条件云发生器，最大判定法对待测样本进行分类，得出三维云模型树种识别精度。

【技术特征摘要】
1.一种基于云模型的山区易混淆树种多光谱遥感识别方法，其特征在于，包括以下步骤：步骤1、基于样区光谱数据构建各树种光谱指数，并筛选敏感光谱指数。步骤2、基于敏感光谱指数构建一维逆向云发生器，得出各树种的期望、熵、超熵，得到树种识别一维云模型。利用一维逆向云发生器计算待测样本的隶属度，并通过最大判定法则对待测样本进行分类，得出一维云模型分类精度。步骤3、选出分类精度最高的三组敏感光谱指数，作为最佳敏感光谱指数构建三维条件云发生器，最大判定法对待测样本进行分类，得出三维云模型树种识别精度。2.根据权利要求1所述的基于云模型的山区易混淆树种多光谱遥感识别方法，其特征...

【专利技术属性】
技术研发人员：刘晓，王凌，朱西存，韦秋雨，谭振华，
申请(专利权)人：山东农业大学，
类型：发明
国别省市：山东,37