[發(fā)明專利]一種多光譜遙感異常信息提取方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201610643490.6
• 申請(qǐng)日: 2016-08-08
• 公開(kāi)（公告）號(hào): CN106251310B
• 公開(kāi)（公告）日: 2018-02-13
• 發(fā)明（設(shè)計(jì)）人: 韓玲;趙博;高少鋒;汪幫耀;顧俊凱;姜常義
• 申請(qǐng)（專利權(quán)）人: 長(zhǎng)安大學(xué)
• 主分類號(hào): G06T5/00
• 分類號(hào): G06T5/00;G06T5/40;G06T7/00
• 代理公司: 西安恒泰知識(shí)產(chǎn)權(quán)代理事務(wù)所61216
• 代理人: 李鄭建

1.一種多光譜遙感異常信息提取方法，包括以下步驟：

步驟1，遙感影像選擇及預(yù)處理,得到預(yù)處理影像；

步驟2，對(duì)預(yù)處理影像進(jìn)行掩膜處理；

步驟3，對(duì)掩膜處理后的遙感影像進(jìn)行遙感蝕變信息增強(qiáng)處理；

其特征在于，還包括如下步驟：

步驟4，對(duì)遙感影像增強(qiáng)處理后的波段進(jìn)行分形求和計(jì)算，得到異常增強(qiáng)影像，提取異常信息；

步驟4所述的對(duì)遙感影像增強(qiáng)處理后的波段進(jìn)行分形求和計(jì)算是指：

步驟41，通過(guò)下式構(gòu)建分形模型，得到N(r)-r散點(diǎn)圖：

N(r)＝Cr^-D(r>0)

其中：r表示特征尺度，即影像DN值，(C>0)為比例系數(shù),D>0為分維數(shù)，N(r)＝N(≥r)表示大于等于r的數(shù)目或和數(shù)；

步驟42，通過(guò)下式將N(r)-r散點(diǎn)圖擬合為多段直線，每條直線對(duì)應(yīng)于一個(gè)無(wú)標(biāo)度區(qū)：

log N(r)＝-D log(r)+log C

步驟43，步驟42擬合的多段無(wú)標(biāo)度區(qū)，應(yīng)滿足如下公式：

RSS=Σi=1i0[log N(ri)+D1log(ri)-log C1]2+Σi=i0+1i1[log N(ri)+D2log(ri)-log C2]2+Σi=i1+1i2[log N(ri)+D3log(ri)-log C3]2+...+Σi=in+1N[log N(ri)+Dn+2log(ri)-log Cn+2]2→Min]]>

其中，D₁、D₂、D₃…D_n+2分別表示多段無(wú)標(biāo)度區(qū)中第1個(gè)、第2個(gè)、第3個(gè)…第n+2個(gè)無(wú)標(biāo)度區(qū)的分維數(shù)，C₁、C₂、C₃…C_n+2為第1個(gè)、第2個(gè)、第3個(gè)…第n+2個(gè)無(wú)標(biāo)度區(qū)所對(duì)應(yīng)的比例系數(shù)，其中表示從小到大排列的灰度值,i＝1,2,3…,n＝0,1,2…，D_n所對(duì)應(yīng)的像元數(shù)記為N_n，RSS為擬合殘差的平方；

其中，D_n和D_n+1之間的拐點(diǎn)記為T_n，該拐點(diǎn)T_n對(duì)應(yīng)的灰度值即為異常灰度值

當(dāng)遙感影像中存在植物異常，還包括：

步驟5：對(duì)植被異常增強(qiáng)影像進(jìn)行混合篩分處理，剔除假異常；

步驟5中所述的對(duì)植被異常增強(qiáng)影像進(jìn)行混合篩分處理是指：

步驟51，獲取植被異常增強(qiáng)影像的灰度直方圖；

步驟52，采用混合篩分模型將影像灰度直方圖分割為若干個(gè)正態(tài)分布概率密度曲線，取不同正態(tài)分布概率密度曲線的交點(diǎn)為閾值，找到均值最小的正態(tài)分布或均值最大的正態(tài)分布。

2.如權(quán)利要求1所述的一種多光譜遙感異常信息提取方法，其特征在于，步驟1中所述的預(yù)處理是指對(duì)選取的遙感影像依次進(jìn)行輻射定標(biāo)、大氣校正、幾何校正和正射校正處理。