一种基于光谱库的星载高光谱农田裸土目标识别方法技术

本发明专利技术公开了一种基于光谱库的星载高光谱农田裸土目标识别方法，包括对研究区星载高光谱影像预处理，得到研究区农田地表反射率影像；根据地表反射率影像对光谱进行重采样，构建农田典型地物光谱库；逐像元计算农田地表反射率与光谱库内各地物光谱间的光谱相似性，选择与各地物光谱最相似的影像像元，作为该地物类别初始样本；对反射率影像进行光谱维滤波与空间维滤波处理，得到滤波后反射率影像；对滤波后的反射率影像进行特征提取与特征归一化处理，构建影像光谱特征集；计算全部初始样本邻域窗口内像元与各类别初始样本的光谱角距离和欧式距离，对训练样本进行扩增；利用训练样本进行多分类器综合分类，得到研究区农田裸土目标空间分布图。土目标空间分布图。土目标空间分布图。

【技术实现步骤摘要】
一种基于光谱库的星载高光谱农田裸土目标识别方法


[0001]本专利技术涉及星载高光谱数据农田裸土识别
，尤其涉及一种基于光谱库的星载高光谱农田裸土目标识别方法。

技术介绍

[0002]随着卫星遥感的快速发展，星载遥感数据已经逐渐成为农田土壤质量调查监测与评价的重要数据源。与传统的实地调查方法相比，卫星遥感技术具有快速、经济、环保、无损、可重复等优点，为大范围、高频次、高密度、空间连续的农田土壤质量调查与监测提供了新的手段。而准确的裸土目标识别，是实现土壤质量信息高精度反演的关键。
[0003]由于裸土光谱由土壤类型、土壤水分、有机质含量和氧化铁含量等多种因素控制，利用传统多光谱数据提取的裸土经常会受到秸秆、水、阴影和建筑的干扰。高光谱遥感数据具有上百个光谱通道和近乎连续的光谱曲线，可以对土壤光谱特征进行更精细的刻画，实现裸土目标的高精度识别。
[0004]随着高分五号、珠海一号、资源一号02D、高分五号02星等高光谱卫星的发射，我国星载高光谱数据的区域覆盖能力和覆盖频次都有了极大提升。除珠海一号外，各星载高光谱传感器均覆盖可见光
‑
近红外(VNIR)到短波红外(SWIR)光谱范围，可覆盖有机质、矿物质、水分等土壤主要成分的吸收特征，为区域和全国尺度土壤质量规模化、常态化调查提供了稳定的探测手段和丰富的数据源。
[0005]目前，国内外专门针对星载高光谱的裸土目标识别研究相对较少，大多是通过手动选择训练样本进行监督分类或目标识别的方式实现。该方法需大量的人力和时间成本，且结果受人工样本选择的影响较大，难以进行与卫星数据量相匹配的规模化、批量化处理。因此，本专利技术针对国产星载高光谱遥感数据特点，研究并提出一种基于光谱库的星载高光谱农田裸土目标识别技术，在预先完成光谱库构建与必要参数设置后，可以实现星载高光谱数据农田裸土目标的自动化识别，在自然资源调查监测、耕地土壤质量调查评价等具有较好的应用前景，对于促进我国高光谱卫星在土壤质量监测中的业务化应用具有重要意义。

技术实现思路

[0006]为解决上述技术问题，本专利技术的目的是提供一种基于光谱库的星载高光谱农田裸土目标识别方法，该方法首先通过影像预处理获得研究区农田地表反射率影像，通过构建农田典型地物光谱库，计算光谱库中各类地物光谱与影像像元光谱的相似性，确定各类别初始样本，之后在对反射率影像进行光谱维和空间维滤波基础上，进行光谱特征提取与特征归一化处理，基于光谱特征集进行训练样本扩增，最后利用多分类器综合分类获得农田裸土目标空间分布信息。该技术具有操作简单、自动化程度高等特点，无需人工选择训练样本，适合星载高光谱数据的规模化、业务化处理。
[0007]本专利技术的目的通过以下的技术方案来实现：
[0008]一种基于光谱库的星载高光谱农田裸土目标识别方法，包括：
[0009]步骤A对研究区星载高光谱影像进行预处理，得到研究区农田地表反射率影像；
[0010]步骤B根据得到的地表反射率影像对光谱进行重采样，构建农田典型地物光谱库；
[0011]步骤C逐像元计算农田地表反射率与光谱库内各地物光谱间的光谱相似性，并选择与各地物光谱最相似的影像像元，作为该地物类别初始样本；
[0012]步骤D对反射率影像进行光谱维滤波与空间维滤波处理，得到滤波后反射率影像；
[0013]步骤E对滤波后的反射率影像进行特征提取与特征归一化处理，构建影像光谱特征集；
[0014]步骤F计算全部初始样本邻域窗口内像元与各类别初始样本的光谱角距离和欧式距离，对训练样本进行扩增；
[0015]步骤G利用训练样本进行多分类器综合分类，并对每组分类结果进行类别合并，将不同土壤类型合并为“裸土”，若三组裸土识别中有两组及以上为“裸土”则该像元标记为“裸土”，否则标记为“非裸土”，最终得到研究区农田裸土目标空间分布图。
[0016]与现有技术相比，本专利技术的一个或多个实施例可以具有如下优点：
[0017]本专利技术提出的基于光谱库的星载高光谱农田裸土目标识别方法，给出星载高光谱影像预处理、农田典型地物光谱库构建、各地物类别初始样本确定、反射率影像滤波处理、光谱特征提取与特征归一化、训练样本扩增、多分类器综合分类的具体实施流程及方法。本专利技术具有可探测范围大、速度快、识别精度高、可实时监测等优点，可以广泛应用在国内已发射的高分五号、珠海一号、资源一号02D、高分五号02星等高光谱卫星数据中，实现农田区域裸土目标的批量化、规模化、自动化的高精度识别，为星载高光谱土壤质量监测分析提供重要技术支撑。
附图说明
[0018]图1是基于光谱库的星载高光谱农田裸土目标识别方法的流程图；
[0019]图2a、2b分别是Savitzky
‑
Golay滤波前、后反射率光谱，图2c、2d分别是PCA
‑
SAD滤波前、后反射率影像图；
[0020]图3a、3b、3c、3d分别是研究区内区域一的裸土目标识别结果、区域一的裸土实际分布情况、区域二的裸土目标识别结果和区域二的裸土实际分布情况图。
具体实施方式
[0021]为使本专利技术的目的、技术方案和优点更加清楚，下面将结合实施例及附图对本专利技术作进一步详细的描述。
[0022]如图1所示，本专利技术提出的基于光谱库的星载高光谱农田裸土目标识别方法，包括以下步骤：
[0023]步骤10对研究区星载高光谱影像进行预处理，得到研究区农田地表反射率影像；
[0024]步骤20根据得到的地表反射率影像对光谱进行重采样，构建农田典型地物光谱库；
[0025]步骤30逐像元计算农田地表反射率与光谱库内各地物光谱间的光谱相似性，并选择与各地物光谱最相似的影像像元，作为该地物类别初始样本；
[0026]步骤40对反射率影像进行光谱维滤波与空间维滤波处理，得到滤波后反射率影像；
[0027]步骤50对滤波后的反射率影像进行特征提取与特征归一化处理，构建影像光谱特征集；
[0028]步骤60计算全部初始样本邻域窗口内像元与各类别初始样本的光谱角距离和欧式距离，对训练样本进行扩增；
[0029]步骤70利用训练样本进行多分类器综合分类，并对每组分类结果进行类别合并，将不同土壤类型合并为“裸土”，若三组裸土识别中有两组及以上为“裸土”，则该像元标记为“裸土”，否则标记为“非裸土”，最终得到研究区农田裸土目标空间分布图。
[0030]上述步骤10根据研究区范围，搜集获取ZY1
‑
02D卫星L1A级高光谱影像，基于ENVI软件进行辐射系数校正，然后选择FLAASH模型进行大气校正，之后逐波段目视检查影像条带噪声、CCD片间不一致、坏线等问题，对存在问题的波段采用矩匹配方法进行质量提升，之后利用ENVI软件进行影像正射纠正、地形及太阳光度校正、影像镶嵌，并分别利用研究区范围与研究区农田分布的矢量文件进行影像裁剪和农田区域掩膜，得到研究区农田地表反射率影像。
...

【技术保护点】

【技术特征摘要】
1.一种基于光谱库的星载高光谱农田裸土目标识别方法，其特征在于，所述方法包括以下步骤：步骤A对研究区星载高光谱影像进行预处理，得到研究区农田地表反射率影像；步骤B根据得到的地表反射率影像对光谱进行重采样，构建农田典型地物光谱库；步骤C逐像元计算农田地表反射率与光谱库内各地物光谱间的光谱相似性，并选择与各地物光谱最相似的影像像元，作为该地物类别初始样本；步骤D对反射率影像进行光谱维滤波与空间维滤波处理，得到滤波后反射率影像；步骤E对滤波后的反射率影像进行特征提取与特征归一化处理，构建影像光谱特征集；步骤F计算全部初始样本邻域窗口内像元与各类别初始样本的光谱角距离和欧式距离，对训练样本进行扩增；步骤G利用训练样本进行多分类器综合分类，并对每组分类结果进行类别合并，将不同土壤类型合并为“裸土”，若三组裸土识别中有两组及以上为“裸土”则该像元标记为“裸土”，否则标记为“非裸土”，最终得到研究区农田裸土目标空间分布图。2.如权利要求1所述的基于光谱库的星载高光谱农田裸土目标识别方法，其特征在于，所述步骤A中农田地表反射率影像是根据产品级别进行辐射系数校正、大气校正、影像辐射问题检测与质量提升、正射纠正、地形及太阳光度校正、影像镶嵌与裁剪、农田区域掩膜进行预处理得到。3.如权利要求1所述的基于光谱库的星载高光谱农田裸土目标识别方法，其特征在于，所述步骤A中通过目视或自动化算法检测影像辐射问题，重点检测影像条带噪声、CCD片间不一致问题、坏线，并利用矩匹配方法对存在问题的波段进行质量提升，舍弃质量提升后问题依然严重的波段。4.如权利要求1所述的基于光谱库的星载高光谱农田裸土目标识别方法，其特征在于，步骤2具体包括根据预先收集的资料与影像拍摄时间，确定研究区农田中包含的典型地物类型，收集或实测各典型地物光谱，并根据反射率影像进行光谱重采样，构建农田典型地物光谱库；所述光谱库包含研究区的多种土壤、作物、秸秆、水体、大棚、地膜、云、雪、阴影、建筑地物光谱。5.如权利要求1所述的基于光谱库的星载高光谱农田裸土目标识别方法，其特征在于，所述步骤C中光谱相似性计算以光谱角距离SAD作为评价指标，SAD越小，认为二者光谱越相似；两个光谱间的SAD计算公式如下：其中，I与R分别表示待...

【专利技术属性】
技术研发人员：尚坤，肖晨超，
申请(专利权)人：自然资源部国土卫星遥感应用中心，
类型：发明
国别省市：