基于高分辨率影像的生态图斑提取方法技术

本发明专利技术公开了一种基于高分辨率影像的生态图斑提取方法，其包括如下步骤：获取高分辨率影像，提取路网、水系及地形线数据；以所述路网、水系和地形数据作为提取掩膜，将影像拆分成多个独立的子任务区，用于分区域的生态图斑提取；根据各个子任务区内的影像特征，对地表要素进行分层提取；以及对分层提取出的每种地类的矢量结果，按照由大尺度到小尺度的顺序，将提取的生态图斑更新到同一个矢量文件上，形成全要素的生态图斑矢量，得到最终的生态系统图斑矢量一张图。根据本发明专利技术的生态图斑提取方法，可将复杂地表进行简化，将相似特征的要素集中在若干个相对独立的子区域内，降低了地物提取的难度。提取的难度。提取的难度。

【技术实现步骤摘要】
基于高分辨率影像的生态图斑提取方法


[0001]本专利技术是关于生态学与遥感
，特别是关于一种基于高分辨率遥感影像的“图斑级”生态系统提取方法。

技术介绍

[0002]生态系统是在自然界的一定空间内，生物与环境构成的统一整体。生态系统的范围可大可小，在不同的尺度上所需要的生态系统的表现形式也是不一致的。目前，在国家尺度、省域尺度和市域尺度，大多以中分辨率影像作为数据基础，通过面向像素的分类方式将地表划分成不同的生态系统类型。这种方式能够快速获取限定尺度条件下的生态系统类型，并且具有较高的准确率。然而，在县域尺度上，由于表现范围的缩小，中分辨率影像表现信息也会大量减少，单个像素内表现的内容复杂多样，从而导致生态系统类型不纯净。高分辨率遥感影像在空间上相比于中低分辨率的影像具有更加丰富的空间信息特征，表现内容也比中分辨率影像多。如果依然采用面向像素的分类方法进行生态系统类型划分，将会导致图斑破碎不连续的情况，在视觉上也不美观。高分影像可以清晰辨别每一个独立的空间地理实体，以具体的地理实体作为对象进行提取可以有效减少图斑破碎的情况。同时，由于每一个图斑表示的对象是唯一的，其形态和边界与影像上的表现内容高度吻合，相比于规则格网，其内部的信息唯一，不存在一个图斑内有多个生态系统类型混合的情况。目前，利用高分辨率遥感影像进行地表类型提取的方式有很多，从传统的面向对象的分类方法和像素级的分类方法，都取得了较好的结果。上述提取方法大多只是针对地表的某一类型进行提取，如建筑的提取、耕地地块的提取。当需要进行多种要素同时提取时，依靠其中某一种方法提取的效果往往无法让人满意，会出现大量的错误提取和漏提的情况。
[0003]如何通过高分影像进行生态系统类型的准确提取成为难点。地球作为一个复杂的巨系统，地表类型丰富多样，复杂条件下的地表要素依靠一种方法进行提取是不现实的。如何将复杂地表分解，提高提取结果的准确性，是本领域迄待解决的难题。

技术实现思路

[0004]本专利技术的目的在于提供一种基于高分辨率影像的生态图斑提取方法，其能够将复杂地表进行简化，将相似特征的要素集中在若干个相对独立的子区域内，降低了地物提取的难度。
[0005]为实现上述目的，本专利技术的实施例提供了一种基于高分辨率影像的生态图斑提取方法，其包括如下步骤：获取高分辨率影像，提取路网、水系及地形线数据；以所述路网、水系和地形数据作为提取掩膜，将影像拆分成多个独立的子任务区，用于分区域的生态图斑提取；根据各个子任务区内的影像特征，对地表要素进行分层提取，所述地表要素包括耕地、建筑、水面、草地、林地和灌丛；以及对分层提取出的每种地类的矢量结果，按照由大尺度到小尺度的顺序，将提取的生态图斑更新到同一个矢量文件上，形成全要素的生态图斑矢量，得到最终的生态系统图斑矢量一张图。
[0006]换言之，本专利技术的主要构思是根据地理学的分层分区思想，将复杂地表按照进行解构，首先利用道路网、水系和地形数据将影像分为若干个相互独立的子任务区，然后根据各个子任务区内部的要素特征，按照建筑、水域、耕地、森林和其他进行分层，根据每一层要素的不同视觉特征，选择对应方法依次进行提取，最后对各层数据进行合并，获得完整区域的生态图斑矢量数据。
[0007]在本专利技术的一个或多个实施方式中，获取高分辨率影像，提取路网、水系及地形线数据，包括：获取目标区域的高分辨率遥感影像；对所述高分辨率遥感影像的原始数据进行图像预处理，所述图像预处理包括正射校正、辐射定标、大气校正和去云；根据影像中的地表特征，绘制其中的主干路网河水系；和计算影像区域的山脊线和山谷线，并构成地形网。
[0008]在本专利技术的一个或多个实施方式中，所述以所述路网、水系和地形数据作为提取掩膜，将影像拆分成多个独立的子任务区，包括：将道路与地形网更新至统一图层文件中，形成完整的分区控制网；和利用分区控制网对影像进行裁剪，形成多个数据量小的子任务区。
[0009]在本专利技术的一个或多个实施方式中，所述根据各个子任务区内的影像特征，对地表要素进行分层提取，包括：样本制作、模型训练与影像预测、栅格矢量化及矢量后处理、和植被提取。
[0010]在样本制作中，根据各个子任务区内的影像特征和耕地的类型，选择规则耕地、梯田、坡耕地、建筑区和水面的样本点；按照不同类型的样本点，裁剪成固定大小的影像和对应的矢量框；对裁剪后的样本文件进行特征绘制，并对绘制的矢量赋予非零属性信息；以及将赋予属性后的样本转换成二值图，用于训练。
[0011]在模型训练与影像预测中，根据所述样本的类型，将样本输入到对应的卷积神经网络中进行训练，获得对应的耕地、建筑和水面提取模型；以及将各个子区域的影像和提取模型输入到对应的神经网络中，对影像进行预测，获得耕地、建筑和水面的预测强度图。
[0012]在栅格矢量化及矢量后处理中，对所述预测强度图进行矢量化操作，其中边缘强度图利用相关工具提取骨架线，对断线进行连接后矢量化，在矢量线简化、拉直后转换成矢量面，获得图斑；面预测强度图则在进行膨胀、孔洞填充及二值化处理后转换为矢量面结果。在植被提取中，获取森林、草地、灌丛图斑，并获得植被提取的矢量结果。
[0013]在本专利技术的一个或多个实施方式中，所述植被提取包括：以耕地、建筑和水面作为掩膜，并以地形线作为约束条件，对剩余影像范围进行多尺度分割；在分割结果的基础上，选取其中的森林、灌丛和草地作为分类样本，采用随机森林方法对所有分割图斑进行判别，获得森林、草地、灌丛图斑；和对提取结果进行边缘简化、平滑处理，获得最终的植被提取矢量结果。
[0014]在本专利技术的一个或多个实施方式中，对分层提取出的每种地类的矢量结果形成全要素的生态图斑矢量包括：对各子任务区的相同类型图斑进行合并，获得完整区域的各生态系统类型提取结果矢量；按照从大尺度到小尺度的更新顺序，将提取的“森林
‑
灌丛
‑
草地
‑
水面
‑
建筑
‑
耕地”生态图斑更新到同一个矢量文件上，然后将道路、水系更新到所述矢量文件中，形成全要素的生态图斑矢量；和对更新后的图层进行单部件转多部件操作，消除其中的细小碎斑和狭长图斑，得到最终的生态系统一张图。
[0015]在本专利技术的一个或多个实施方式中，所述根据所述样本的类型，将样本输入到对
应的卷积神经网络中进行训练，获得对应的耕地、建筑和水面提取模型，包括：耕地样本输入到RCF网络中进行训练，建筑样本输入到D
‑
LinkNet网络中进行训练，水面样本输入到U
‑
Net网络中进行训练，获得对应的耕地、建筑和水面提取模型。
[0016]在本专利技术的一个或多个实施方式中，所述耕地样本输入到RCF网络中进行训练，包括：对全域的耕地地块进行总体分析，在影像范围内均匀选择耕地样本，绘制其中的耕地边界信息，并转换为二值结果作为标签数据作为边缘监测网络的训练数据；通过训练边界特征，获得耕地边界信息的提取模型，对经过裁剪的各任务区影像本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于高分辨率影像的生态图斑提取方法，其特征在于，包括如下步骤：S1：获取高分辨率影像，提取路网、水系及地形线数据；S2：以所述路网、水系和地形数据作为提取掩膜，将影像拆分成多个独立的子任务区，用于分区域的生态图斑提取；S3：根据各个子任务区内的影像特征，对地表要素进行分层提取，所述地表要素包括耕地、建筑、水面、草地、林地和灌丛；以及S4：对分层提取出的每种地类的矢量结果，按照由大尺度到小尺度的顺序，将提取的生态图斑更新到同一个矢量文件上，形成全要素的生态图斑矢量，得到最终的生态系统图斑矢量一张图。2.如权利要求1所述的基于高分辨率影像的生态图斑提取方法，其特征在于，所述步骤S1包括：获取目标区域的高分辨率遥感影像；对所述高分辨率遥感影像的原始数据进行图像预处理，所述图像预处理包括正射校正、辐射定标、大气校正和去云；根据影像中的地表特征，绘制其中的主干路网河水系；和计算影像区域的山脊线和山谷线，并构成地形网。3.如权利要求1所述的基于高分辨率影像的生态图斑提取方法，其特征在于，所述步骤S2包括：将道路与地形网更新至统一图层文件中，形成完整的分区控制网；和利用分区控制网对影像进行裁剪，形成多个数据量小的子任务区。4.如权利要求1所述的基于高分辨率影像的生态图斑提取方法，其特征在于，所述步骤S3包括：样本制作：根据各个子任务区内的影像特征和耕地的类型，选择规则耕地、梯田、坡耕地、建筑区和水面的样本点；按照不同类型的样本点，裁剪成固定大小的影像和对应的矢量框；对裁剪后的样本文件进行特征绘制，并对绘制的矢量赋予非零属性信息；以及将赋予属性后的样本转换成二值图，用于训练；模型训练与影像预测：根据所述样本的类型，将样本输入到对应的卷积神经网络中进行训练，获得对应的耕地、建筑和水面提取模型；以及将各个子区域的影像和提取模型输入到对应的神经网络中，对影像进行预测，获得耕地、建筑和水面的预测强度图；栅格矢量化及矢量后处理：对所述预测强度图进行矢量化操作，其中边缘强度图利用相关工具提取骨架线，对断线进行连接后矢量化，在矢量线简化、拉直后转换成矢量面，获得图斑；面预测强度图则在进行膨胀、孔洞填充及二值化处理后转换为矢量面结果；以及植被提取：获取森林、草地、灌丛图斑，并获得植被提取的矢量结果。5.如权利要求4所述的基于高分辨率影像的生态图斑提取方法，其特征在于，所述植被提取包括：以耕地、建筑和水面作为掩膜，并以地形线作为约束条件，对剩余影像范围进行多尺度分割；在分割结果的基础上，选取其中的森林、灌丛和草地作为分类样本，采用随机森林方法对所有分割图斑进行判别，获得森林、草地、灌丛图斑；和
对提取结果进行边缘简化、平滑处理，获得最终的植被提取矢量结果。6.如权利要求1所述的基于高分辨率影像的生态图斑提取方法，其特征在于，所述步骤S4包括：对各子任务区的相同类型图斑进行合并，获得完整区域的各生态系统类型提取结果矢量...

【专利技术属性】
技术研发人员：胡晓东，石含宁，夏列钢，张明杰，骆剑承，郜丽静，董文，雷一鸣，张乃祥，韩小妹，
申请(专利权)人：苏州中科天启遥感科技有限公司，
类型：发明
国别省市：