[發明專利]一種基于神經網絡的多時相遙感影像城市植被提取方法

在審

• 申請號: 201910135591.6
• 申請日: 2019-02-22
• 公開（公告）號: CN109871812A
• 公開（公告）日: 2019-06-11
• 發明（設計）人: 錢程揚;張琪;蔣如喬
• 申請（專利權）人: 蘇州工業園區測繪地理信息有限公司;蘇州工業園區格網信息科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/34;G06K9/62
• 代理公司: 南京申云知識產權代理事務所(普通合伙) 32274
• 代理人: 邱興天

1.一種基于神經網絡的多時相遙感影像城市植被提取方法，其特征在于，基于多時相高分辨率遙感影像數據，通過對影像進行圖像分割；對樣本使用BP神經網絡方法進行訓練，形成針對實驗區植被的神經網絡模型；利用該模型對多時相數據進行植被提取，采用基于權重的投票規則融合多時相提取結果，從而得到精度更高的植被區域。

2.根據權利要求1所述的基于神經網絡的多時相遙感影像城市植被提取方法，其特征在于，具體操作為：

(1)圖像分割階段，將多時相遙感影像數據分割為多個對象；

(2)圖像識別階段，對樣本使用BP神經網絡方法進行訓練，獲得植被識別模型；使用該模型對每個對象進行識別，如果分割區域中屬于植被的面積大于50％，則判定該分割區域為植被區域，否則，判定為非植被區域；

(3)多時相數據融合階段，賦予近期的遙感影像較大的權重，判定遙感影像分割后的對象是否為植被區域的投票規則采用以下公式，

其中，year_i表示第i個遙感影像對應的年份，P_i表示第i個遙感影像中的該對象是否為植被區域；當P_融合大于0.5時，判定該對象為植被區域，否則，判定為非植被區域。

3.根據權利要求1或2所述的基于神經網絡的多時相遙感影像城市植被提取方法，其特征在于，所述遙感影像數據來自于Google Earth發布的影像。

4.根據權利要求1或2所述的基于神經網絡的多時相遙感影像城市植被提取方法，其特征在于，所述遙感影像的空間分辨率為0.51米，且經過預處理，所述預處理為幾何校正和配準。

5.根據權利要求1或2所述的基于神經網絡的多時相遙感影像城市植被提取方法，其特征在于，所述圖像分割方法采用的是K-means聚類方法，過程如下：

1)將圖像進行變換，變換為適于K-means方法運算的矩形數據格式；

2)將圖像轉換后的矩陣中隨機抽取6個像素作為隨機中心，明確參與計算的所有影像的中心位置與這6個像素點位置一致；

3)對每個像素到該隨機中心進行特征距離計算；

4)將每個像素歸為最近距離的隨機中心；

5)重新調整每個類別的中心；

6)迭代3)～5)步驟，直到迭代次數大于300或者新的中心相對上一輪中心的變化率小于0.05％，算法結束。

6.根據權利要求1或2所述的基于神經網絡的多時相遙感影像城市植被提取方法，其特征在于，所述獲得植被識別模型的步驟包括：

(1)確定樣本區，通過人工目視選取樣本區中的植被像素點；

(2)使用64*64的窗口對訓練樣本區遙感影像進行掃描，根據統計，判定該窗口區域是否為植被區域，即如果窗口區域中屬于植被的像素點比例大于50％，則判定窗口區域為植被區域并作為機器學習的正樣本，否則判定為該窗口為非植被區域，并作為機器學習的負樣本；

(3)將正負樣本窗口的64*64個像素點，輸入神經網絡輸入層，使用BP神經網絡算法進行模型訓練，得到植被識別模型。

7.根據權利要求5所述的基于神經網絡的多時相遙感影像城市植被提取方法，其特征在于，所述步驟3)特征距離使用的是像素值的歐幾里得距離。

8.根據權利要求1或2所述的基于神經網絡的多時相遙感影像城市植被提取方法，其特征在于，所述實驗區為城市居民區、商業區或工業區。

9.根據權利要求1或2所述的基于神經網絡的多時相遙感影像城市植被提取方法，其特征在于，采用以下公式對所述提取結果進行準確率計算：

其中，S_i表示目視結果的對象i是否為植被區域，是則S_i為1，否則為0；P_i表示多時相數據融合后的對象i是否為植被區域，是則P_i為1，否則為0，n為對象總數。