【技术实现步骤摘要】
本专利技术属于遥感、图像处理，具体涉及一种基于正交匹配滤波-加权最小二乘的红树林提取方法。
技术介绍
1、红树林生态系统作为重要的海陆交互生态系统之一，其健康与稳定对于维护海洋生物多样性和海洋生态平衡至关重要。因此，为了实现红树林的可持续发展，就需要加强管理和监管，采取科学的环境保护措施，确保红树林的良性互动，保护海洋生态环境，实现资源的可持续利用。
2、目前，传统的人工考察和监管的效率太慢，需要实地多次测量，会消耗大量人力物力，渐渐满足不了日益增长的监测需求。近年来，随着遥感技术的发展，光学传感器精度越来越高，遥感凭借着大尺度、周期短、实时监测和低成本等多种优势逐渐成为目前最主要的监测方式之一，这对于红树林这一类自然保护区的生态系统，遥感监测具有得天独厚的优势，利用它的传感器系统的连续性以及图像采集能力就可以快速获取红树林的空间分布信息。高分系列卫星对于健全我国自然资源资产产权制度和用途管理制度，划定生态保护红线，实行资源有偿使用制度和生态补偿制度，改革生态环境保护管理体制等，都能发挥积极而重要的作用。高分六号(gf-6)遥感卫星便是其中的典型代表，其具有高分辨率、宽覆盖、高质量成像、高效能成像、国产化率高等特点。遥感图像目标检测作为遥感数据处理领域的一个重要分支，目前已经开发了很多目标检测的方法，例如光谱角映射，正交子空间投影、匹配滤波器和约束能量最小化等。
3、虽然人工目视解译可以获得准确的结果，但人工成本高且效率低，在面对大范围的数据时也无法有效应对。神经网络尽管近期发展迅猛，但往往需要大规模的数
4、基于此，本专利技术提出一种基于正交匹配滤波-加权最小二乘的红树林提取方法，旨在解决上述现有技术存在的问题，为红树林资源监测与保护提供更为可靠的技术支持。
技术实现思路
1、有鉴于此，本专利技术的主要目的在于提供一种基于正交匹配滤波-加权最小二乘的红树林提取方法，以解决上述现有技术存在的人工成本高且效率低、神经网络方法缺乏足够的代表性和覆盖面、不能有效的在各类复杂背景下有效对红树林进行识别提取，适应性和精确率不高的问题；有效提高了在红树林复杂背景的提取性能、具有高效率、简单可靠、准确率高等优点。
2、为达到上述目的，本专利技术的技术方案是这样实现的：
3、一种基于正交匹配滤波-加权最小二乘的红树林提取方法，包括：
4、步骤1：获取原始多光谱遥感影像，并对遥感图像进行预处理和融合；
5、步骤2：对多光谱融合遥感影像进行海陆分离处理；
6、步骤3：在对多光谱融合遥感影像进行海陆分离后，基于多次采集红树林的光谱信息，在波谱库中获得先验信息的平均光谱；
7、步骤4：获得先验信息后，通过波段扩展，构建特征指数，并通过特征指数对红树林进一步区分；
8、步骤5：对经步骤4处理得到的遥感影像数据进行二维化和归一化处理；
9、步骤6：基于正交子空间投影和匹配滤波器方法，在经步骤5处理后的遥感影像数据中加入白化和正则项；
10、步骤7：通过结合经步骤6优化后的正交子空间投影和匹配滤波器方法，得到新的正交匹配滤波方法；
11、步骤8：在步骤7得到的新的正交匹配滤波方法中引入加权最小二乘方法，得到基于正交匹配滤波-加权最小二乘的红树林提取方法，最后，利用大津法进行阈值分割，实现红树林的识别与提取。
12、作为本专利技术的一个优选实施方式，步骤1所述对遥感图像进行预处理和融合的过程包括：
13、步骤1.1：选取待获取区域，并获取该区域的原始多光谱遥感影像，对影像进行预处理；
14、其中，对原始多光谱遥感影像进行预处理的流程包括辐射定标、大气校正和正射校正过程；
15、步骤1.2：在对原始多光谱遥感影像进行预处理后，基于多光谱影像与全色影像进行图像融合，得到高分辨率的多光谱融合遥感影像；
16、其中，图像融合的融合方法为gram-schmidt方法。
17、作为本专利技术的一个优选实施方式，步骤2所述对多光谱融合遥感影像进行海陆分离处理时，首先利用嵌入式gis对多光谱融合遥感影像的矢量要素进行编辑，最后进行掩膜处理。
18、作为本专利技术的一个优选实施方式，步骤4所述特征指数包括归一化植被指数、增强植被指数、归一化差分水体指数和总悬浮物浓度指数。
19、作为本专利技术的一个优选实施方式，步骤5所述对遥感影像数据进行二维化和归一化处理的过程包括：
20、步骤5.1：将三维多光谱影像转为二维矩阵，并将数据映射到0到1之间，去除不同维度数据的量纲以及量纲单位；
21、步骤5.2：然后，对数据进行平均归一化处理，达到将数据居中于0的效果，再对数据进行标准化；具体过程为：
22、已知协方差矩阵为：
23、
24、由于对数据已进行平均归一化处理，均值故将式(1)转为：
25、
26、然后对协方差矩阵c进行特征值分解，计算出特征值和特征向量，有：
27、c＝uaut (3)
28、式(3)中，u为特征向量，λ为对角矩阵，对角线上的元素为特征值。
29、作为本专利技术的一个优选实施方式，步骤5所述正交子空间投影法的求解过程包括：
30、步骤6.1.1：首先，设x为l×1维的像元光谱向量，k代表端元光谱矩阵的维度，αi代表对应端元的丰度，表达式为：
31、
32、osp模型由目标信号d和背景端元u组成，因此得到：
33、
34、式(5)中，为目标信号的丰度向量，为背景端元的丰度向量，n为噪声或者模型误差；
35、步骤6.1.2：引入一个正交子空间投影器，定义为：
36、
37、式(6)中，⊥为正交补空间，i为k×k维的单位矩阵，(utu)-1ut为u矩阵的伪逆矩阵，ut代表对u矩阵进行转置；
38、得到构建的滤波检测器为：
39、
40、作为本专利技术的一个优选实施方式，步骤5所述匹配滤波器方法的求解过程包括：
41、步骤6本文档来自技高网...
【技术保护点】
1.一种基于正交匹配滤波-加权最小二乘的红树林提取方法，其特征在于：包括：
2.如权利要求1所述的一种基于正交匹配滤波-加权最小二乘的红树林提取方法，其特征在于：步骤1所述对遥感图像进行预处理和融合的过程包括：
3.如权利要求1所述的一种基于正交匹配滤波-加权最小二乘的红树林提取方法，其特征在于：步骤2所述对多光谱融合遥感影像进行海陆分离处理时，首先利用嵌入式GIS对多光谱融合遥感影像的矢量要素进行编辑，最后进行掩膜处理。
4.如权利要求1所述的一种基于正交匹配滤波-加权最小二乘的红树林提取方法，其特征在于：步骤4所述特征指数包括归一化植被指数、增强植被指数、归一化差分水体指数和总悬浮物浓度指数。
5.如权利要求1所述的一种基于正交匹配滤波-加权最小二乘的红树林提取方法，其特征在于：步骤5所述对遥感影像数据进行二维化和归一化处理的过程包括：
6.如权利要求1所述的一种基于正交匹配滤波-加权最小二乘的红树林提取方法，其特征在于：步骤5所述正交子空间投影法的求解过程包括：
7.如权利要求1所述的一种基于正交匹配滤
8.如权利要求6所述的一种基于正交匹配滤波-加权最小二乘的红树林提取方法，其特征在于：步骤5所述在遥感影像数据中加入白化和正则项的过程包括：
9.如权利要求1所述的一种基于正交匹配滤波-加权最小二乘的红树林提取方法，其特征在于：步骤7所述结合经步骤6优化后的正交子空间投影和匹配滤波器方法，得到正交匹配滤波方法的过程包括：
10.如权利要求1所述的一种基于正交匹配滤波-加权最小二乘的红树林提取方法，其特征在于：步骤8所述在步骤7得到的新的正交匹配滤波方法中引入加权最小二乘方法的过程包括：
...【技术特征摘要】
1.一种基于正交匹配滤波-加权最小二乘的红树林提取方法，其特征在于：包括：
2.如权利要求1所述的一种基于正交匹配滤波-加权最小二乘的红树林提取方法，其特征在于：步骤1所述对遥感图像进行预处理和融合的过程包括：
3.如权利要求1所述的一种基于正交匹配滤波-加权最小二乘的红树林提取方法，其特征在于：步骤2所述对多光谱融合遥感影像进行海陆分离处理时，首先利用嵌入式gis对多光谱融合遥感影像的矢量要素进行编辑，最后进行掩膜处理。
4.如权利要求1所述的一种基于正交匹配滤波-加权最小二乘的红树林提取方法，其特征在于：步骤4所述特征指数包括归一化植被指数、增强植被指数、归一化差分水体指数和总悬浮物浓度指数。
5.如权利要求1所述的一种基于正交匹配滤波-加权最小二乘的红树林提取方法，其特征在于：步骤5所述对遥感影像数据进行二维化和归一化处理的过程包括：
【专利技术属性】
技术研发人员：付东洋，李泳泽，刘大召，余果，刘贝，
申请(专利权)人：广东海洋大学，
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。