[發(fā)明專利]一種馬尾松多尺度智能識(shí)別的方法及裝置

在審

• 申請(qǐng)?zhí)枺?/td>: 201611048367.6
• 申請(qǐng)日: 2016-11-22
• 公開（公告）號(hào): CN106778511A
• 公開（公告）日: 2017-05-31
• 發(fā)明（設(shè)計(jì)）人: 王和平;譚弘武;劉寧;鄒彪;操松元;方登洲;郭可貴;楊鵬;黃朝華
• 申請(qǐng)（專利權(quán)）人: 國(guó)網(wǎng)通用航空有限公司;北京煜邦電力技術(shù)股份有限公司;國(guó)網(wǎng)安徽省電力公司;國(guó)家電網(wǎng)公司
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/46;G06K9/34
• 代理公司: 北京品源專利代理有限公司11332
• 代理人: 孟金喆,胡彬

1.一種馬尾松多尺度智能識(shí)別的方法，其特征在于，所述方法包括：

基于頻域的譜殘余方法分割包含馬尾松的顯著性區(qū)域；

獲取預(yù)設(shè)氣候條件下和預(yù)設(shè)植株大小條件下的馬尾松的圖片，對(duì)所述馬尾松進(jìn)行形態(tài)建模；

在顯著性區(qū)域分割的基礎(chǔ)上，根據(jù)所述形態(tài)模型對(duì)所述馬尾松進(jìn)行目標(biāo)預(yù)測(cè)；

基于馬尾松的光譜統(tǒng)計(jì)特性，對(duì)目標(biāo)預(yù)測(cè)的結(jié)果進(jìn)行處理，剔除虛警，獲取最終的馬尾松識(shí)別結(jié)果。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述基于頻域的譜殘余方法分割包含馬尾松的顯著性區(qū)域，包括：

對(duì)試驗(yàn)區(qū)的物種生長(zhǎng)特性進(jìn)行分析，選取光學(xué)和雷達(dá)高分辨率遙感影像，進(jìn)行配準(zhǔn)，基于二階平穩(wěn)小波變換算法進(jìn)行融合；

按照實(shí)驗(yàn)范圍對(duì)融合后的進(jìn)行裁剪，得到實(shí)驗(yàn)區(qū)內(nèi)的高分辨率遙感影像；

計(jì)算高分辨率遙感影像的植被指數(shù)，得到植被指數(shù)圖，并計(jì)算所述植被指數(shù)圖的對(duì)數(shù)譜L(f)，并獲取對(duì)數(shù)譜的一般形式A(f)和影像的譜殘余R(f)；

將譜殘余圖像進(jìn)行逆傅里葉變換，得到影像的顯著性圖；

將所述顯著性圖與高分辨率遙感影像進(jìn)行掩膜處理，得到包含馬尾松的顯著性區(qū)域。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述獲取對(duì)數(shù)譜的一般形式A(f)，包括：

所述對(duì)數(shù)譜的一般形式A(f)＝h_n(f)×L(f)；

其中，所述所述n＝3。

4.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述獲取影像的譜殘余R(f)，包括：

基于R(f)＝L(f)-A(f)計(jì)算影像的譜殘余R(f)；

其中，所述A(f)表示對(duì)數(shù)譜的一般形態(tài)，為先驗(yàn)信息輸入，R(f)是輸入影像的統(tǒng)計(jì)上的特殊區(qū)域，為影像的譜殘余。

5.根據(jù)權(quán)利要求1至4任意一項(xiàng)所述的方法，其特征在于，所述獲取預(yù)設(shè)氣候條件下和預(yù)設(shè)植株大小條件下的馬尾松的圖片，對(duì)所述馬尾松進(jìn)行形態(tài)建模，包括：

對(duì)預(yù)設(shè)氣候條件下的馬尾松進(jìn)行個(gè)體形態(tài)分析；

結(jié)合高分辨率光學(xué)遙感影像的成像參數(shù)，對(duì)馬尾松的光譜特征曲線進(jìn)行分析，并構(gòu)建通用的形態(tài)模型。

6.一種馬尾松多尺度智能識(shí)別的裝置，其特征在于，所述裝置包括：

分割模塊，用于基于頻域的譜殘余方法分割包含馬尾松的顯著性區(qū)域；

第一獲取模塊，用于獲取預(yù)設(shè)氣候條件下和預(yù)設(shè)植株大小條件下的馬尾松的圖片，對(duì)所述馬尾松進(jìn)行形態(tài)建模；

預(yù)測(cè)模塊，用于在顯著性區(qū)域分割的基礎(chǔ)上，根據(jù)所述形態(tài)模型對(duì)所述馬尾松進(jìn)行目標(biāo)預(yù)測(cè)；

第二獲取模塊，用于基于馬尾松的光譜統(tǒng)計(jì)特性，對(duì)目標(biāo)預(yù)測(cè)的結(jié)果進(jìn)行處理，剔除虛警，獲取最終的馬尾松識(shí)別結(jié)果。

7.根據(jù)權(quán)利要求6所述的裝置，其特征在于，所述分割模塊，具體用于：

對(duì)試驗(yàn)區(qū)的物種生長(zhǎng)特性進(jìn)行分析，選取光學(xué)和雷達(dá)高分辨率遙感影像，進(jìn)行配準(zhǔn)，基于二階平穩(wěn)小波變換算法進(jìn)行融合；

按照實(shí)驗(yàn)范圍對(duì)融合后的進(jìn)行裁剪，得到實(shí)驗(yàn)區(qū)內(nèi)的高分辨率遙感影像；

計(jì)算高分辨率遙感影像的植被指數(shù)，得到植被指數(shù)圖，并計(jì)算所述植被指數(shù)圖的對(duì)數(shù)譜L(f)，并獲取對(duì)數(shù)譜的一般形式A(f)和影像的譜殘余R(f)；

將譜殘余圖像進(jìn)行逆傅里葉變換，得到影像的顯著性圖；

將所述顯著性圖與高分辨率遙感影像進(jìn)行掩膜處理，得到包含馬尾松的顯著性區(qū)域。

8.根據(jù)權(quán)利要求7所述的裝置，其特征在于，所述分割模塊，具體用于：

所述對(duì)數(shù)譜的一般形式A(f)＝h_n(f)×L(f)；

其中，所述所述n＝3。

9.根據(jù)權(quán)利要求7所述的裝置，其特征在于，所述分割模塊，還具體用于：

基于R(f)＝L(f)-A(f)計(jì)算影像的譜殘余R(f)；

其中，所述A(f)表示對(duì)數(shù)譜的一般形態(tài)，為先驗(yàn)信息輸入，R(f)是輸入影像的統(tǒng)計(jì)上的特殊區(qū)域，為影像的譜殘余。

10.根據(jù)權(quán)利要求6至9任意一項(xiàng)所述的裝置，其特征在于，所述第一獲取模塊，具體用于：

對(duì)預(yù)設(shè)氣候條件下的馬尾松進(jìn)行個(gè)體形態(tài)分析；

結(jié)合高分辨率光學(xué)遙感影像的成像參數(shù)，對(duì)馬尾松的光譜特征曲線進(jìn)行分析，并構(gòu)建通用的形態(tài)模型。