【技术实现步骤摘要】
本专利技术涉及一种基于决策树模型的城市绿地提取方法，属于遥感。
技术介绍
1、随着城市化的高速发展及环境变化，城市绿地在城市建设中扮演着重要的角色，城市绿地的空间分布及其生态效益和使用功能受到高度重视。城市绿地作为城市生态系统重要组成部分的城市绿地是城市建成区内绿化植被的统称，它是城市中唯一有生命的基础设施，也是城市结构中最重要的自然生产力。因此快速、高效、准确地提取城市绿地覆盖信息，为城市生态绿地的规划和建设提供基础数据支持，对于促进城市绿色健康发展至关重要。
2、目前，应用于研究城市绿地覆盖信息的方法主要包括三类，一是人工目视解译法，二是基于像元的植被指数法、像元二分法、监督分类和非监督分类法，三是面向对象分类方法。其中，面向对象的分类方法因其是以对象单元为单位的分类，解决了基于像元存在的同物异谱和同谱异物的问题，近年来在城市绿地提取中应用较为广泛。该方法首先对遥感影像进行分割，然后在考虑影像光谱特征的基础上引入地物的形状、纹理和拓扑特征，建立特征集，再进行影像分类。在该过程中很重要的一个环节是特征的选择和阈值的确定，特征选择结果会直接影响最终分类结果的精度，传统方法常需要人工多次试验后确定最佳特征，存在工作量大、易受人为主观影响的问题，同时在遥感影像中，城市绿地种类较多、存在形式复杂，包括面状、带状、点状和其他等多种形状，可以包含草本、灌木、乔木中任何一种形式也可以是两者或三者，这使得绿地提取需要考虑的特征参数更为复杂，因此如何科学、高效、准确的选取特征构建分类规则是当前存在的一个问题。另一方面，现有城市绿地提
技术实现思路
1、本专利技术针对上述提到的现有方法城市绿地提取特征选择工作量大、缺乏科学依据、易受人为主观影响以及缺乏提取结果精细化修正处理的问题，提出一种能够高效、快速、高精度提取城市绿地信息且基于决策树模型的城市绿地提取方法。
2、本专利技术的上述目的可以通过下述技术方案予以实现：
3、本专利技术提供一种基于决策树模型的城市绿地提取方法，包括如下步骤：
4、步骤1，收集遥感影像、城市建成区数据并进行预处理，对影像数据进行多尺度分割得到城市绿地提取的最小单元；
5、步骤2，基于遥感影像采集城市绿地和非城市绿地样本并对选取的样本按类型进行标记，计算不同样本的可分离度，得到训练样本；
6、步骤3，对训练样本的特征值进行统计，得到样本特征集，基于特征集构建分类决策树；
7、步骤4，基于决策树生成的规则阈值作为模糊分类函数的输入，逐步完成城市绿地提取，将提取结果转换为矢量后进行精细化修正，得到高精度的城市绿地提取结果，最后再利用人工采集的真值对提取结果进行精度评价。
8、作为本专利技术一种可能的实现方式，所述遥感影像为优于2米分辨率的多光谱影像，所述城市建成区数据来源于网上公开下载的开源数据。所述对数据进行预处理和影像多尺度分割得到城市绿地提取的最小单元，具体包括：对遥感影像数据进行辐射定标、大气校正、影像融合、影像镶嵌、影像增强和匀光匀色等处理；对遥感影像和建成区数据进行空间坐标转换与统一；利用城市建成区对影像进行裁切，获取城市建成区范围内的影像数据；采用多尺度分割方法将影像分割为同质性较大的单元，通过平滑度和紧致度两个参数确定最优分割尺度，得到的分割对象作为城市绿地提取的最小单元。
9、作为本专利技术一种可能的实现方式，所述基于遥感影像采集城市绿地和非城市绿地样本并对选取的样本按类型进行标记，计算不同样本的可分离度，得到训练样本，具体包括：在多尺度分割结果基础上，叠加遥感影像人工目视解译采集城市绿地样本以及水域、房屋建筑、道路及其它非城市绿地样本，对采集的样本按类型进行标记；计算不同样本的可分离度，评估不同类别之间的相似性和差异性，以保证城市绿地与非绿地样本之间具有良好的可分离度，生成样本训练集。
10、作为本专利技术一种可能的实现方式，所述对训练样本的特征值进行统计，得到样本特征集，基于特征集构建分类决策树，具体包括：根据城市绿地样本在遥感影像上呈现的光谱、纹理和形状等特征和属性的分析，选取亮度、归一化植被指数(ndvi)、归一化差异水体指数、绿波段标准差、长宽比以及灰度共生矩阵至少6个参数作为特征参数；对样本训练集的参数特征值进行统计，得到样本特征集，并以此为输入构建分类决策树。
11、作为本专利技术一种可能的实现方式，所述基于决策树生成的规则阈值作为模糊分类函数的输入，逐步完成城市绿地提取，将提取结果转换为矢量后进行精细化修正，得到高精度的城市绿地提取结果，具体包括：根据最优决策树结果自动生成城市绿地提取规则，具体包括亮度、归一化植被指数(ndvi)、归一化差异水体指数、绿波段标准差、长宽比以及灰度共生矩阵6个参数的可以判定为城市绿地的阈值；基于决策树生成的提取规则，设置模糊隶属度函数，并逐步在未分类的结果基础上按照提取规则依次完成不同地物类别的提取；将分类结果导入到arcgis软件中，按字段属性值分类导出数据，将分类结果切割成不同的图层，同时将城市绿地图层转换为矢量形式输出；叠加遥感影像，对城市绿地提取结果按照阈值进行孔洞和细缝填充等精细化修正；对完成孔洞和细缝填充的城市绿地，按照面积阈值进行筛选，得到高精度的城市绿地提取结果，最后再利用人工采集的真值对提取结果进行精度评价。
12、本专利技术相比于现有技术具有如下有益效果：
13、本专利技术结合城市绿地的功能特点和景观特征，以遥感影像数据为依托，引入城市建成区作为城市范围的限定，基于训练样本集，综合考虑城市绿地在遥感影像上呈现的光谱、纹理和形状等特征，选取亮度、归一化植被指数(ndvi)、归一化差异水体指数、绿波段标准差、长宽比以及灰度共生矩阵至少6个参数对城市绿地样本的特征值进行统计，得到特征集，并以此为输入构建分类决策树，具有速度快，计算量相对较小，且容易转化成分类规则的优势，挖掘出的分类规则准确性高，实现了城市绿地分类特征的自动选择和阈值确定。然后基于该规则设置模糊隶属度函数，将输入变量映射到它所属的模糊集合中，达到提高精度且稳定性好的效果，解决了传统特征选择缺乏科学性的问题。
14、本专利技术在遥感影像自动提取城市绿地基础上，增加了按照阈值进行结果的孔洞、细缝补充和面积筛序等操作，试验结果证明该修复有效的去除和避免了提取的城市绿地中的冗余信息，同时保证了绿地提取结果的完整性，进一步提高了城市绿地提取结果的精度。
15、本专利技术提出的基于决策树模型的城市绿地提取方法，将理论与实践相结合，基于遥感影像和开源数据能够有效实现绿地信息高精度自动的提取、更新和管理，为科学地评价城市绿地综合效益提供信息保障并减少繁重的工作量，具有较好的实际应用价值。
本文档来自技高网...【技术保护点】
1.一种基于决策树模型的城市绿地提取方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于决策树模型的城市绿地提取方法，其特征在于，所述步骤1具体包括：
3.根据权利要求2所述的一种基于决策树模型的城市绿地提取方法，其特征在于，所述步骤2具体包括：
4.根据权利要求1所述的一种基于决策树模型的城市绿地提取方法，其特征在于，所述步骤3具体包括：
5.根据权利要求1所述的一种基于决策树模型的城市绿地提取方法，其特征在于，在所述步骤4中：
6.根据权利要求1所述的基于决策树模型的城市绿地提取方法，其特征在于，分离度是反映不同类型样本之间差异程度的指标，计算公式如下：
7.根据权利要求1所述的基于决策树模型的城市绿地提取方法，其特征在于，所述步骤3对训练样本的特征值进行统计，得到样本特征集，基于特征集构建分类决策树，具体包括：
8.根据权利要求1所述的基于决策树模型的城市绿地提取方法，其特征在于，在数据预处理及影像多尺度分割中，读取原始影像并进行预处理，用傅立叶变换和低通滤波进行滤波处理遥感图
9.根据权利要求1所述的基于决策树模型的城市绿地提取方法，其特征在于，在使用遥感图像前，对其对原始遥感影像进行几何精纠正和正射纠正，并将其中一种数据源的地理坐标配准到另一种数据源的地理坐标上,即对遥感影像和建成区数据进行空间坐标系转换与统一。从坐标转换的角度出发，根据投影参数、坐标转换参数，计算重采样像元坐标变换函数，求解从像素坐标系x'o'y',到平面坐标系x＂o＂y＂之间的转换参数，匹配遥感影像的坐标信息，仿射变换影像像素坐标系y到平面坐标系XOY，将地理坐标转换为目标投影的坐标，完成遥感影像的坐标转换。
10.根据权利要求1所述的基于决策树模型的城市绿地提取方法，其特征在于，以多光谱遥感影像为输入，利用多尺度影像分割算法，设置分割参数，尺度阈值及各个特征的权值，计算融合亮度梯度和纹理梯度的综合梯度，求出所有邻接像元之间的平均灰度差；再把原影像分割成在空间上相邻、光谱相似的同质区域，对同质性度量值最小的区域进行多尺度区域合并，迭代地将相邻影像对象不断合并，按照异质性合并准则，将区域依次合并直到终止准则满足为止；合并所有相邻的区域，最后结合区域邻接图进行区域进行合并，得到影像的多尺度分割结果。
...【技术特征摘要】
1.一种基于决策树模型的城市绿地提取方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于决策树模型的城市绿地提取方法，其特征在于，所述步骤1具体包括：
3.根据权利要求2所述的一种基于决策树模型的城市绿地提取方法，其特征在于，所述步骤2具体包括：
4.根据权利要求1所述的一种基于决策树模型的城市绿地提取方法，其特征在于，所述步骤3具体包括：
5.根据权利要求1所述的一种基于决策树模型的城市绿地提取方法，其特征在于，在所述步骤4中：
6.根据权利要求1所述的基于决策树模型的城市绿地提取方法，其特征在于，分离度是反映不同类型样本之间差异程度的指标，计算公式如下：
7.根据权利要求1所述的基于决策树模型的城市绿地提取方法，其特征在于，所述步骤3对训练样本的特征值进行统计，得到样本特征集，基于特征集构建分类决策树，具体包括：
8.根据权利要求1所述的基于决策树模型的城市绿地提取方法，其特征在于，在数据预处理及影像多尺度分割中，读取原始影像并进行预处理，用傅立叶变换和低通滤波进行滤波处理遥感图像中出现的周期性噪声，滤除尖峰噪声，并进行影像的融合，消除无用的信息，减少误差，提高影像的空间、光谱特征，形成能反映更精确、更丰富信息的合成影像；同时利用...
【专利技术属性】
技术研发人员：刘娅菲，杨健，朱维祥，
申请(专利权)人：成都中科比智科技有限公司，
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。