[發明專利]一種在高分辨率遙感影像中自動識別東北紅豆杉的方法

有效

• 申請號: 201810051779.8
• 申請日: 2018-01-19
• 公開（公告）號: CN108154138B
• 公開（公告）日: 2018-11-06
• 發明（設計）人: 許駿;潘欣;張素莉;付浩海
• 申請（專利權）人: 長春工程學院
• 主分類號: G06K9/00
• 分類號: G06K9/00
• 代理公司: 吉林長春新紀元專利代理有限責任公司 22100
• 代理人: 陳宏偉

1.一種在高分辨率遙感影像中識別東北紅豆杉的方法，包括以下步驟：

S1，輸入高分辨率遙感影像(簡稱：Image)，遙感影像的分辨率(簡稱：Resolution)，計算待分析影像塊的尺度Size，在Image上選取一個包含東北紅豆杉的坐標位置(H_HD，L_HD)、一個非針葉植被的坐標位置(H_FZY，L_FZY)，一個非東北紅豆杉的針葉植物坐標位置(H_FHD，L_FHD)：

Image是由像元構成的，包含3個波段：R紅色波段、G綠色波段、B藍色波段；Image中的一個像元Pixel包含以下屬性：

Pixel.R紅波段的值；

Pixel.G綠波段的值；

Pixel.B藍波段的值；

Pixel.Vfeature植被特征值，默認值為0；

Pixel.ZYSelected針葉選擇變量，默認值為0；

Pixel.Zfeature針葉特征值，默認值為0；

Resolution為單位為厘米的遙感影像分辨率；

待分析影像塊的尺度Size的計算公式如下：

其中，round是對輸入的數值進行四舍五入的函數；Suguan為樹冠寬度指數，取值范圍為4-8，默認值為4.5；

H_HD、H_FZY、H_FHD為該位置在高分辨率影像上所處的坐標行數；

L_HD、L_FZY、L_FHD為該位置在高分辨率影像上所處的坐標列數；

S2，對于Image中的所有像元，根據待分析影像塊的尺度Size計算其植被特征值(Vfeature)：

S201，取出Image中的一個像元Pixel；

S202，以Pixel所在位置(H_Pixel，L_Pixel)為中心，在Image中取出寬度為2×size+1個像元，高度為2×size+1個像元的影像塊Patch；

影像塊Patch中包含N個像元，其中N＝(2×size+1)×(2×size+1)，這些像元分別標記為P(1),P(2),…,P(N)；

S203，采用如下公式計算Patch植被特征值Vfeature：

其中，P(i)為Patch中第i個像元，P(i).R、P(i).G、P(i).B為該像元的紅、綠、藍波段的值；Pixel.R、Pixel.G、Pixel.B為Pixel的紅、綠、藍波段的值；log為自然對數；

S204，將Patch植被特征值存儲到Pixel當中：Pixel.Vfeature＝Vfeature；

S205，如果Image中所有像元均已經計算完成那么轉到S206，否則轉到S201；

S206，該部分的處理過程結束；

S3，根據Image中所有像元的植被特征值、東北紅豆杉的位置(H_HD，L_HD)、非針葉植被的位置(H_FZY，L_FZY)設定所有像元的針葉選擇變量；

S301，取出東北紅豆杉的位置(H_HD，L_HD)對應的像元P_HD，獲得其植被特征值V1＝P_HD.Vfeature；

S302，取出非針葉植被的位置(H_FZY，L_FZY)對應的像元P_FZY，獲得其植被特征值V2＝P_FZY.Vfeature；

S303,計算植被特征均值距離D_mean，其計算公式如下：

其中，abs為計算絕對值的函數；

S304，取出Image中的一個像元Pixel；

S305，獲得該像元的植被特征VT＝Pixel.Vfeature；

S306,計算植被特征距離公式D_ZB，其公式如下：

S307，如果D_ZB>D_mean，那么Pixel.ZYSelected＝0，否則Pixel.ZYSelected＝1；

S308，如果Image中所有像元均已經計算完成那么轉到S309，否轉到S304；

S309，該部分的處理過程結束；

S4，對于所有Image中的所有像元，根據待分析影像塊的尺度Size計算其針葉特征值(Pixel.Zfeature)：

S401，取出Image中的一個像元Pixel；

S402，如果Pixel.ZYSelected＝1那么轉到S403，否則轉到S412；

S403，以Pixel所在位置(H_Pixel，L_Pixel)為中心，在Image中取出寬度為2×size+1個像元，高度為2×size+1個像元的影像塊Patch；

影像塊Patch中包含N個像元，其中N＝(2×size+1)×(2×size+1)，這些像元分別標記為P(1),P(2),…,P(N)；

S404,像元計數器Counter＝1，總和統計變量sum＝0；

S405，取出Patch中第Counter個像元P(counter)；

S406，取出P(counter)所在位置相鄰的左、左上、上、右上、右、右下、下，左下共8個鄰域像元，標記為PN[1],PN[2],…,PN[8]；

S407,計算像元的異質性值DS：

S408，將DS加入sum中，sum＝sum+DS；

S409,Counter＝Counter+1；

S410,如果Counter>N那么轉到S411，否則轉到S405；

S411,設定Pixel的針葉特征值，Pixel.Zfeature＝tanh(sum),轉到S413；

其中，tanh為雙曲正切函數；

S412，設定Pixel.Zfeature＝-1；

S413，如果Image中所有像元均已經計算完成那么轉到S414，否轉到S401；

S414，該部分的處理過程結束；

S5.根據Image中所有像元的植被特征值、東北紅豆杉的位置(H_HD，L_HD)、一個是針葉植物但不是東北紅豆杉的位置(H_FHD，L_FHD)獲得篩選結果影像ResultImage：

S501，建立一個和Image大小相同的篩選結果影像ResultImage，該影像所有像元填充為黑色；

S502，取出東北紅豆杉的位置(H_HD，L_HD)對應的像元P_HD，獲得其針葉特征值Z1＝P_HD.Zfeature；

S503，取出是針葉植物但不是東北紅豆杉的位置(H_FHD，L_FHD)P_FHD，獲得其植被特征值Z2＝P_FHD.Zfeature；

S504,計算針葉特征均值距離Z_mean，其的計算公式如下：

S505，取出Image中的一個像元Pixel；

S506，獲得該像元的植被特征ZT＝Pixel.Zfeature；

S507，如果ZT<0那么轉到S512，否則轉到S508；

S508,計算針葉特征距離公式Z_JL，其公式如下：

S509，如果Z_JL>Z_mean，那么轉到S512，否則轉到S510；

S510，獲得Pixel的位置(H_p,L_p)；

S511，將ResultImage的(H_p,L_p)位置的像元標記為白色；

S512，如果Image中所有像元均已經計算完成那么轉到S513，否轉到S505；

S513，輸出篩選結果影像ResultImage,在該影像中黑色部分是非東北紅豆杉，而白色部分是本方法識別出的東北紅豆杉的位置。