一种基于数据挖掘的遥感影像城市扩张监测方法技术

本申请公开了一种基于数据挖掘的遥感影像城市扩张监测方法。该方法包括：采集卫星遥感影像数据存储在分布式数据库中；通过计算访问接口对所述分布式数据库进行访问，利用决策树算法对所述分布式数据库中原始的影像数据进行分类处理，并利用OpenCV的膨胀腐蚀算法对所述原始的影像数据进行降噪处理，获得处理后的影像数据；通过定义的城镇成排区域提取算法对所述处理后的影像数据中的城镇区域进行提取；采用实时任务与定时任务相结合的方式，对得到的所述城镇区域进行比对分析，及时了解城镇扩张的情况。镇扩张的情况。镇扩张的情况。

【技术实现步骤摘要】
一种基于数据挖掘的遥感影像城市扩张监测方法


[0001]本申请涉及数据挖掘领域，尤其涉及一种基于数据挖掘的遥感影像城市扩张监测方法。

技术介绍

[0002]随着我国城市化进程日益加快，城镇用地规模迅速扩张。它不仅占用了大量的土地资源，而且也对城市周边的生态环境产生巨大的影响。
[0003]遥感技术因其能提供动态、丰富和廉价的数据源已成为获取土地覆盖信息最为行之有效的手段。基于此，越来越多的卫星遥感影像用于城市扩张监测的分析上，传统的遥感影像分类技术已比较成熟,应用广泛。
[0004]但由于不同的分类器分类精度不同,在多种因素影响下,分类精度表现出很大的不确定性，数据分析耗时耗力，不能较好的满足对城市扩张的实时准确的监测。

技术实现思路

[0005]本专利技术提供了一种基于数据挖掘的遥感影像城市扩张监测方法，解决了如下技术问题：传统的遥感影像数据分析耗时耗力，不能较好的满足对城市扩张的实时准确的监测。
[0006]为解决上述技术问题，本说明书一个或多个实施例是这样实现的：
[0007]本说明书一个或多个实施例提供的一种基于数据挖掘的遥感影像城市扩张监测方法，包括：
[0008]采集卫星遥感影像数据存储在分布式数据库中；
[0009]通过计算访问接口对所述分布式数据库进行访问，利用决策树算法对所述分布式数据库中原始的影像数据进行分类处理，并利用OpenCV的膨胀腐蚀算法对所述原始的影像数据进行降噪处理，获得处理后的影像数据；
[0010]通过定义的城镇成排区域提取算法对所述处理后的影像数据中的城镇区域进行提取；
[0011]采用实时任务与定时任务相结合的方式，对得到的所述城镇区域进行比对分析，及时了解城镇扩张的情况。
[0012]本专利技术的方法与传统统计数据分析方法相比更具实时性和可靠性。
[0013]在本申请的一种实施例中，采集海量卫星遥感影像数据存储在分布式数据库中，具体包括：
[0014]通过卫星地图软件，采集卫星遥感影像数据，对所述卫星遥感影像数据进行加工后形成原始的影像数据存储在分布式数据库中，所述分布式数据库采用Hbase数据库。
[0015]在本申请的一种实施例中，在基于高性能并行计算框架Spark的基础上实现对影像数据一系列处理。
[0016]在本申请的一种实施例中，利用决策树算法对所述分布式数据库中原始的影像数据进行分类处理，具体包括：
[0017]利用C4.5决策树算法对原始的影像数据进行分类处理，所述分类结果为，将影像中的数据分为两类，一种为城镇区，一种为非城镇区，在影像上体现为两种不同的颜色。
[0018]在本申请的一种实施例中，对Spark中的master节点进行单点故障排除，保持系统稳定运行；
[0019]其余节点除了对数据进行并行计算外，还要保证计算结果的准确性，需要对相同数据两次计算进行结果校验；
[0020]所述其余节点包括，slave节点。
[0021]在本申请的一种实施例中，通过定义的城镇成排区域提取算法对所述处理后的影像数据中的城镇区域进行提取，具体包括：
[0022]将所述处理后的影像数据离散化，对所述离散化后的影像数据中所有的像素点遍历，设置像素点数量阈值，对分类结果中大于或者小于像素点数量阈值的区域的颜色更改成相邻像素点颜色中数量最多的颜色。
[0023]在本申请的一种实施例中，通过定义的城镇成排区域提取算法对所述处理后的影像数据中的城镇区域进行提取，具体包括：
[0024]重复进行像素点的遍历，直到所有区域的数量均满足所述像素点数量阈值。
[0025]在本申请的一种实施例中，通过定义的城镇成排区域提取算法对所述处理后的影像数据中的城镇区域进行提取，具体包括：
[0026]获取所述离散化后的影像数据的邻接表，遍历当前区域，获取颜色与该区域的颜色不同的点，记录所述点并使用邻接表存储；
[0027]根据所述邻接表中的数据运算得到所有区域的二阶邻接关系。
[0028]在本申请的一种实施例中，通过定义的城镇成排区域提取算法对所述处理后的影像数据中的城镇区域进行提取，具体包括：
[0029]计算两个不同区域之间的邻接强度，若两个不同区域之间的邻接强度同时大于或等于预先设定的邻接强度阈值，则认为两个不同区域是成排出现的。
[0030]在本申请的一种实施例中，采用实时任务与定时任务相结合的方式，对得到的处理后的遥感影像数据进行比对分析，具体包括：
[0031]实时采集所述遥感影像数据保存到所述分布式数据库中，每间隔一段时间便对所述分布式数据库中采集到的所述影像数据进行数据的挖掘与分析，提取城镇区域数据，与之前分析的数据进行比对，了解城镇扩张的情况。
[0032]本专利技术提供了一种基于数据挖掘的遥感影像城市扩张监测方法，与传统遥感影像数据分析方法相比，本专利技术对遥感影像数据挖掘分析的方法更具实时性和可靠性。
附图说明
[0033]此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
[0034]图1为本申请实施例提供的一种基于数据挖掘的遥感影像城市扩张监测方法步骤流程示意图。
[0035]图2为本申请实施例提供的利用各种算法工具对遥感影像数据处理流程示意图。
[0036]图3为本申请实施例提供的邻接关系结构举例示意图。
[0037]图4为本申请实施例提供的处理后的影像数据中城镇区域与非城镇区域颜色划分示意图。
具体实施方式
[0038]为了使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例对本申请进行清楚、完整的描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0039]遥感技术因其能提供动态、丰富和廉价的数据源已成为获取土地覆盖信息最为行之有效的手段。基于此，越来越多的卫星遥感影像用于城市扩张监测的分析上，传统的遥感影像分类技术已比较成熟,应用广泛。
[0040]但由于不同的分类器分类精度不同,在多种因素影响下,分类精度表现出很大的不确定性，数据分析耗时耗力，不能较好的满足对城市扩张的实时准确的监测。
[0041]本申请的方案可以解决上述问题，下面进行具体说明。
[0042]图1为本申请实施例提供的一种基于数据挖掘的遥感影像城市扩张监测方法步骤流程示意图，可以包括以下步骤：
[0043]采集卫星遥感影像数据存储在分布式数据库中；
[0044]通过计算访问接口对分布式数据库进行访问，利用决策树算法对分布式数据库中原始的影像数据进行分类处理，并利用OpenCV的膨胀腐蚀算法对原始的影像数据进行降噪处理，获得处理后的影像数据；
[本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于数据挖掘的遥感影像城市扩张监测方法，其特征在于，包括：采集卫星遥感影像数据存储在分布式数据库中；通过计算访问接口对所述分布式数据库进行访问，利用决策树算法对所述分布式数据库中原始的影像数据进行分类处理，并利用OpenCV的膨胀腐蚀算法对所述原始的影像数据进行降噪处理，获得处理后的影像数据；通过定义的城镇成排区域提取算法对所述处理后的影像数据中的城镇区域进行提取；采用实时任务与定时任务相结合的方式，对得到的所述城镇区域进行比对分析，及时了解城镇扩张的情况。2.根据权利要求1所述的方法，其特征在于，采集海量卫星遥感影像数据存储在分布式数据库中，具体包括：通过卫星地图软件，采集卫星遥感影像，对所述卫星遥感影像进行加工后形成原始的影像数据存储在分布式数据库中，所述分布式数据库采用Hbase数据库。3.根据权利要求1所述的方法，其特征在于，所述方法还包括：在基于高性能并行计算框架Spark的基础上实现对影像数据一系列处理。4.根据权利要求1所述的方法，其特征在于，利用决策树算法对所述分布式数据库中原始的影像数据进行分类处理，具体包括：利用C4.5决策树算法对原始的影像数据进行分类处理，所述分类结果为，将影像中的数据分为两类，一种为城镇区，一种为非城镇区，在影像上体现为两种不同的颜色。5.根据权利要求3所述的方法，其特征在于，所述方法还包括：对Spark中的master节点进行单点故障排除，保持系统稳定运行；其余节点除了对数据进行并行计算外，还要保证计算结果的准确性，需要对相同数据两次计算进行结果校验；所述其余节点包括，slave节点。6.根据权利要求1所...

【专利技术属性】
技术研发人员：戴鸿君，
申请(专利权)人：济南浪潮高新科技投资发展有限公司，
类型：发明
国别省市：