【技术实现步骤摘要】
本专利技术涉及遥感影像处理领域，更具体的说是涉及一种基于多源遥感影像的植被提取方法、系统及存储介质。
技术介绍
1、植被调查是遥感的重要应用领域。植被是环境的重要组成因子，是反映区域生态环境的最好标志之一，同时也是土壤、水文等要素的解译标志。因此，对遥感影像上的植被信息进行解译并提取就显得尤为重要。遥感影像上植被信息的提取包括城区植被(绿地)信息的提取和非城区(农用地、山区及干旱半干旱地区)植被信息的提取。城区植被在改善城市生态环境、人与自然的和谐相处过程中，起着积极的作用。对城区植被进行提取，可动态监测城市绿地的消长，从而有利于科学、有效地管理城市，为城市绿地系统规划提供科学的依据和评价标准。对于非城区，尤其是干旱半干旱区，土地荒漠化比较严重，通过动态监测植被的覆盖度及其变化，从而为区域环境、水文、生态及全球变化的掌握提供一定的依据。近年来，研究人员提出了各种理论和方法用于从遥感影像中提取植被信息，所用方法大致可分为两类：第一类是从地物光谱特征入手，通过比较地物光谱特征的差异，进而获得所需信息，这种方法目前较为成熟；第二类是结合外在知识获得所需信息，如利用专家知识、采用神经网络、小波变换、借助gis等，这些新方法在近年来的植被信息提取中也逐渐发挥作用。但是这些新方法还存在着各种各样的问题，例如识别精度不够，数据损耗过大等问题。因此，如何将多种方法进行融合，用尽量少的数据得到较高的识别精度是本领域技术人员亟需研究的。
技术实现思路
1、有鉴于此，本专利技术提供了一种基于多源遥感影像
2、为了实现上述目的，本专利技术采用如下技术方案：
3、一种基于多源遥感影像的植被提取方法，包括以下步骤：
4、加载不同卫星传感器对地观测的多种遥感影像数据，对多种遥感影像数据进行预处理并融合，得到多源遥感影像；
5、创建分割尺度，预览当前分割尺度对多源遥感影像的分割效果，基于待分割图像中的边缘特征确定待分割图像中连通域的边缘像素点属于当前植被种类的概率，若概率小于预设概率，则重新创建分割尺度，直至概率超过预设概率；
6、根据分割尺度将多源遥感影像分割成n个多源遥感影像，对第n个遥感影像建立多个层次特征优选组合分类规则集，包括波谱层，纹理层以及空间层；
7、分别对第n个遥感影像从不同层次进行特征提取，利用类别归属算法对特征提取结果进行计算，得到第n个遥感影像与当前植被类型的匹配程度；
8、利用卷积神经网络学习特征提取结果与植被类型之间的图像映射关系，并对图像映射关系进行优化，利用图像映射关系对匹配程度进行验证，若图像映射关系与匹配程度均合格，得到植被类型并提取。
9、可选的，对多种遥感影像数据进行预处理并融合，具体为：分别去除多种遥感影像的几何和辐射误差，统一多种遥感影像的格式、分辨率和空间参考系统，利用不同图像在时空上的相关性及信息上的互补性对统一后的各个遥感影像进行融合。
10、可选的，基于待分割图像中的边缘特征确定待分割图像中连通域的边缘像素点属于当前植被种类的概率，具体步骤如下：
11、对待检测图像的边缘进行角点检测得到待检测图像中的各个角点，标记为边缘拐点，连接两个边缘拐点作为第m连线，计算第m连线以及第m-1连线之间的夹角；
12、基于所述待检测图像中连通域的第m连线与第m-1连线之间的夹角以及第i个边缘像素点的梯度幅值确定所述第i个边缘像素点属于植被类型的概率。
13、可选的，根据分割尺度将多源遥感影像分割成n个多源遥感影像具体为：采用多尺度特征提取算法，结合边缘检测算子、纹理识别核以及颜色梯度算子提取待分割图像的特征图，利用分割尺度对特征图进行分割，并将分割结果映射到待分割原始图像上，得到分割结果。
14、可选的，提取待分割图像的特征图具体为：以在每个尺度上的差异分辨率图像集合，提取得到差异尺度图像关键特征以及综合特征图，其中，差异尺度图像关键特征包括：图像轮廓边缘、图像表面特性以及颜色梯度变化数据。
15、可选的，根据不同分割尺度，采用线性迭代聚类分别对多源遥感图像进行超像素分割，得到不规则的超像素集合；通过超像素级特征提取模块对超像素集合进行特征提取，得到全局超像素级特征；获取全局超像素级特征中的边缘像素点，判断全局超像素级特征中的边缘像素点属于当前植被类型的概率。
16、一种基于多源遥感影像的植被提取系统，包括：
17、遥感影像融合模块：用于加载不同卫星传感器对地观测的多种遥感影像数据，对多种遥感影像数据进行预处理并融合，得到多源遥感影像；
18、分割尺度创建模块：用于创建分割尺度，预览当前分割尺度对多源遥感影像的分割效果，基于待分割图像中的边缘特征确定待分割图像中连通域的边缘像素点属于当前植被种类的概率，若概率小于预设概率，则重新创建分割尺度，直至概率超过预设概率；
19、多层次特征组合模块：用于根据分割尺度将多源遥感影像分割成n个多源遥感影像，对第n个遥感影像建立多个层次特征组合分类规则集，包括波谱层，纹理层以及空间层；
20、遥感影像匹配模块：用于分别对第n个遥感影像从不同层次进行特征提取，利用类别归属算法对特征提取结果进行计算，得到第n个遥感影像与当前植被类型的匹配程度；
21、植被类型确定及提取模块：用于利用卷积神经网络学习特征提取结果与植被类型之间的图像映射关系，并对图像映射关系进行优化，利用图像映射关系对匹配程度进行验证，若图像映射关系与匹配程度均合格，得到植被类型并提取。
22、一种计算机存储介质，所述计算机存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现任意一项所述的一种基于多源遥感影像的植被提取方法的步骤。
23、经由上述的技术方案可知，与现有技术相比，本专利技术提供了一种基于多源遥感影像的植被提取方法、系统及存储介质，具有以下有益效果：
24、1、提高植被提取的精度：通过融合不同卫星传感器的多种遥感影像数据，该方法能够充分利用各种传感器在不同光谱范围和空间分辨率上的优势，从而更全面地捕捉植被的特征信息。这有助于减少单一数据源带来的信息缺失和误差，提高植被提取的精度。
25、2、增强适应性和灵活性：通过动态调整分割尺度，并基于边缘特征的概率评估来确定最优分割尺度，该方法能够自动适应不同植被类型和不同地域环境的特点，增强了处理的适应性和灵活性。同时，通过多次迭代和调整，可以确保分割效果达到预设标准，提高了处理的准确性。
26、3、实现多层次特征的综合分析：通过构建包括波谱层、纹理层以及空间层在内的多个层次特征优选组合分类规则集，该方法能够综合考虑植被在不同层次上的特征信息，实现更加全面和深入的分析。这有助于更准确地识别不同植被类型，并减少误判和漏判。
27、4、利用深度本文档来自技高网...
【技术保护点】
1.一种基于多源遥感影像的植被提取方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于多源遥感影像的植被提取方法，其特征在于，对多种遥感影像数据进行预处理并融合，具体为：分别去除多种遥感影像的几何和辐射误差，统一多种遥感影像的格式、分辨率和空间参考系统，利用不同图像在时空上的相关性及信息上的互补性对统一后的各个遥感影像进行融合。
3.根据权利要求1所述的一种基于多源遥感影像的植被提取方法，其特征在于，基于待分割图像中的边缘特征确定待分割图像中连通域的边缘像素点属于当前植被种类的概率，具体步骤如下：
4.根据权利要求1所述的一种基于多源遥感影像的植被提取方法，其特征在于，根据分割尺度将多源遥感影像分割成N个多源遥感影像具体为：采用多尺度特征提取算法，结合边缘检测算子、纹理识别核以及颜色梯度算子提取待分割图像的特征图，利用分割尺度对特征图进行分割，并将分割结果映射到待分割原始图像上，得到分割结果。
5.根据权利要求4所述的一种基于多源遥感影像的植被提取方法，其特征在于，提取待分割图像的特征图具体为：以在每个尺度上的差异分辨
6.根据权利要求1所述的一种基于多源遥感影像的植被提取方法，其特征在于，根据不同分割尺度，采用线性迭代聚类分别对多源遥感图像进行超像素分割，得到不规则的超像素集合；通过超像素级特征提取模块对超像素集合进行特征提取，得到全局超像素级特征；获取全局超像素级特征中的边缘像素点，判断全局超像素级特征中的边缘像素点属于当前植被类型的概率。
7.一种基于多源遥感影像的植被提取系统，其特征在于，包括：
8.一种计算机存储介质，其特征在于，所述计算机存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1-6中任意一项所述的一种基于多源遥感影像的植被提取方法的步骤。
...【技术特征摘要】
1.一种基于多源遥感影像的植被提取方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于多源遥感影像的植被提取方法，其特征在于，对多种遥感影像数据进行预处理并融合，具体为：分别去除多种遥感影像的几何和辐射误差，统一多种遥感影像的格式、分辨率和空间参考系统，利用不同图像在时空上的相关性及信息上的互补性对统一后的各个遥感影像进行融合。
3.根据权利要求1所述的一种基于多源遥感影像的植被提取方法，其特征在于，基于待分割图像中的边缘特征确定待分割图像中连通域的边缘像素点属于当前植被种类的概率，具体步骤如下：
4.根据权利要求1所述的一种基于多源遥感影像的植被提取方法，其特征在于，根据分割尺度将多源遥感影像分割成n个多源遥感影像具体为：采用多尺度特征提取算法，结合边缘检测算子、纹理识别核以及颜色梯度算子提取待分割图像的特征图，利用分割尺度对特征图进行分割，并将分割结果映射到待分割原始图像上，得到分割结果。
5...
【专利技术属性】
技术研发人员：魏宾，王建雄，王涛，徐国龙，钱基伟，杨春海，
申请(专利权)人：魏宾，
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。