[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

本發明公開了一種基于神經網絡的多時相遙感影像城市植被提取方法，屬于植被提取技術領域，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；對訓練樣本使用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。采用本發明對居民區植被提取，提取精度從87.6％提升至93.3％，具有較好的實用性。本發明適用于實際工作中的居民區、商業區、工業區等其他區域的植被提取，可推廣至整個城市的植被覆蓋率研究工作中。

技術領域

本發明屬于植被提取技術領域，具體涉及一種基于神經網絡的多時相遙感影像城市植被提取方法。

背景技術

隨著遙感傳感器技術的發展，高空間分辨率遙感影像在城市地物自動提取中發揮了越來越重要的作用。如何更有效地從遙感影像中提取所需要的道路、植被、建筑等地物，是目前遙感領域的一項重要工作。

居民區的植被覆蓋率測量是目前測繪工作中的一項重要而常規的工作，傳統的人工測繪需要測繪作業人員實地進行勘測，而基于衛星遙感影像或者是航拍影像的內業人工解譯，同樣耗時耗力，而且還具有較大的操作主觀性，無法保證統一客觀的內業操作尺度。

目前，針對基于高分辨率遙感影像的城市植被的提取，相關學者進行了研究，按照像元及對象的區別，可以分為基于像元的提取方法和面向對象的提取方法。基于像元方法通常采用植被指數及經驗或者自適應閾值分割進行提取，總體原理是植被指數大于對應影像的經驗閾值，該像元就被認定為植被區域；而面向對象方法則是在像元的基礎上，將像元所組成的對象進行特征判斷，可以引入紋理、形狀等其他特征來增加識別準確率。而從居民區中進行植被的提取，是城區植被提取中的一項典型應用。然而，由于衛星遙感攝影的傾角問題，城市中的建筑物在衛星影像上通常會遮蔽綠地，同時建筑物所產生的陰影也會很大程度上影響識別的穩定性，這兩個問題給城市植被的自動識別帶來了較大的困難。

發明內容

發明目的：針對現有技術中存在的不足，本發明的目的在于提供一種基于神經網絡的多時相遙感影像城市植被提取方法。本發明適用于實際工作中的居民區、商業區、工業區等其他區域的植被提取，從而推廣至整個城市的植被覆蓋率研究工作中。

技術方案：為了解決上述問題，本發明所采用的技術方案如下：

一種基于神經網絡的多時相遙感影像城市植被提取方法，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。具體操作為：

(1)圖像分割階段，將多時相遙感影像數據切分為多個對象；

(2)圖像識別階段，使用植被識別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如下公式所示，

其中，year_i表示第i個遙感影像對應的年份，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。

優選的，所述遙感影像數據來自于Google Earth發布的影像。

優選的，所述遙感影像的空間分辨率為0.51米，且經過預處理幾何校正和配準。

優選的，所述圖像分割方法采用的是K-means聚類方法，該方法的優勢在于無需設置分割參數，具有較好的分割自適應性，過程如下：