[發明專利]基于小波分析與支持向量機的冬小麥白粉病遙感監測方法

有效

• 申請號: 201710362043.8
• 申請日: 2017-05-22
• 公開（公告）號: CN107103306B
• 公開（公告）日: 2019-06-18
• 發明（設計）人: 黃林生;劉文靜;黃文江;杜世州;徐超;梁棟;洪琪;趙晉陵;張東彥;阮超
• 申請（專利權）人: 安徽大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/62
• 代理公司: 合肥國和專利代理事務所(普通合伙) 34131
• 代理人: 張祥騫

1.一種基于小波分析與支持向量機的冬小麥白粉病遙感監測方法，其特征在于，包括以下步驟：

11)數據獲取，獲取遙感數據和冬小麥白粉病地面調查點數據，其中，遙感數據為環境星的CCD光學數據和IRS熱紅外數據；

12)遙感數據的預處理，利用遙感數據計算對白粉病敏感的植被指數，獲得白粉病監測模型的初選特征；

13)建模特征的選擇,將白粉病監測模型的初選特征通過Relief算法結合K-mean算法進行篩選，選擇出3個最佳特征；對篩選出的3個最佳特征進行小波變換，通過獨立樣本T檢驗的方法得到3個對應的最佳小波特征；所述建模特征的選擇包括以下步驟：

131)使用Relief算法結合K-mean算法對白粉病監測模型的初選特征進行篩選，選擇出3個最佳特征，其分別為歸一化植被指數、比值植被指數和LST數據；

132)利用高斯函數調制的復正弦函數構建5個尺度、8個方向共40個小波核函數，小波核函數的構造公式如下：

其中，g(x,y)為高斯調制函數，σ_x和σ_y為其在兩個坐標軸上的標準差，h(x,y)為小波函數，W為復正弦函數在橫軸上的頻率，H(x,y)為小波函數的傅立葉變換形式；

133)利用40個小波函數對已篩選出的3個最佳特征進行小波變換，得到3組、每組40個小波特征；

134)利用獨立樣本T檢驗的方法對每組小波特征進行篩選，選取最優的小波特征，由此得到3組對應的小波參數；其表達式如下：

其中：(h*I)表示濾波器h與數據I的卷積，S(x,y)為經過Gabor濾波器得到的特征；以h(x,y)為母小波，對其進行尺度和旋轉變換，可以得到一組自相似的濾波器，如下所示：

h_mn(x,y)＝α^-mh(x',y')，

上式中x'＝α^-m(xcosθ+ysinθ),y'＝α^-m(-xcosθ+ysinθ),α＞1,α^-m為尺度因子，T為尺度的數目，m＝0,1,…,T-1，K為方向的數目，n＝0,1,…,K-1；

14)支持向量機模型的建立，通過冬小麥白粉病地面調查點數據構建出支持向量機模型；

15)獲得遙感監測結果，將遙感數據的最佳小波特征作為輸入數據，輸入支持向量機模型，得到冬小麥白粉病遙感監測結果。

2.根據權利要求1所述的基于小波分析與支持向量機的冬小麥白粉病遙感監測方法，其特征在于，所述的遙感數據的預處理包括以下步驟：

21)將環境星的CCD光學數據和IRS熱紅外數據經過輻射定標、大氣校正和影像裁剪步驟，并結合Landsat8影像進行幾何校正；其中，環境星影像輻射定標公式如下：

L＝DN/a+L₀，

L為輻射亮度，a為絕對定標系數增益，L₀為偏移量，DN為遙感影像像元亮度值；

22)完成相應傳感器的波普響應函數待用，采用ENVI5.1軟件中FLAASH模塊完成影像的大氣校正，再對校正后圖像進行裁剪獲取研究區影像；

23)根據研究區的作物類型利用NDVI、數字高程模型、近紅外反射率數據并結合ENVI5.1監督分類中的最大似然分類提取冬小麥的種植區域；

24)利用環境星影像數據提取7個寬波段植被指數以及紅、綠、藍和近紅外4個波段反射率數據，其中，7個寬波段植被指數為增強型植被指數、改進的簡單比值指數、歸一化植被指數、優化土壤調節植被指數、重歸一化植被指數、土壤調節植被指數和比值植被指數；采用單通道算法反演得到LST數據；

25)將7個寬波段植被指數、4個波段反射率數據和LST數據作為白粉病監測模型的初選特征。