[發(fā)明專利]一種基于迭代聚類的不透水層提取方法

在審

• 申請?zhí)枺?/td>: 201910591747.1
• 申請日: 2019-06-28
• 公開（公告）號: CN110321840A
• 公開（公告）日: 2019-10-11
• 發(fā)明（設(shè)計(jì)）人: 孫芳蒂;吳志峰
• 申請（專利權(quán)）人: 廣州大學(xué)
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/40;G06K9/46;G06K9/62
• 代理公司: 廣州三環(huán)專利商標(biāo)代理有限公司 44202
• 代理人: 顏希文;麥小嬋

本發(fā)明公開了一種基于迭代聚類的不透水層提取方法，所述方法包括：對獲取到的土地覆蓋資料進(jìn)行分析，構(gòu)建樣本選取規(guī)則；利用樣本提取規(guī)則對土地覆蓋資料進(jìn)行樣本提取，構(gòu)建初始樣本庫；利用迭代聚類法對初始樣本庫進(jìn)行精煉，生成精煉樣本庫；利用精煉樣本庫對監(jiān)督分類器進(jìn)行訓(xùn)練，并利用訓(xùn)練后的監(jiān)督分類器對遙感影像數(shù)據(jù)進(jìn)行分類，提取不透水層。本發(fā)明能夠快速地獲取準(zhǔn)確有效的訓(xùn)練樣本，從而能夠正確高效地進(jìn)行基于遙感技術(shù)的不透水層提取。

技術(shù)領(lǐng)域

本發(fā)明涉及遙感影像數(shù)據(jù)處理技術(shù)領(lǐng)域的不透水層提取。

背景技術(shù)

隨著經(jīng)濟(jì)發(fā)展和城市化進(jìn)程的加快，人類的各種生產(chǎn)建設(shè)活動正在日益改變著城市及其周邊的自然環(huán)境和土地覆蓋類型。不透水層被定義為由各種人工建筑，道路，機(jī)場等構(gòu)成的具有不透水性的非自然地表面。不透水層是區(qū)域土地利用變化中最為活躍和重要的類型，對于區(qū)域水文系統(tǒng)(徑流與非點(diǎn)源污染)及城市氣候環(huán)境(城市熱島)等生態(tài)問題均具有明顯的環(huán)境效應(yīng)。城市中大范圍的不透水層會影響太陽輻射下墊面的熱吸收與釋放，引起“熱島”現(xiàn)象。在城市周邊，不透水層的擴(kuò)張會抑制植被對于大氣中CO₂的吸收，對局部和全球范圍內(nèi)碳循環(huán)產(chǎn)生影響。因此，準(zhǔn)確估算不透水層的分布和覆蓋程度對于城市景觀尺度上的生態(tài)環(huán)境研究和土地覆蓋變化檢測等都具有十分重要的意義；此外急速擴(kuò)張的地表不透水層面積直接反映了建成區(qū)擴(kuò)張情況，監(jiān)測不透水層的變化對于土地管理與城市建設(shè)部門把握土地利用狀況意義重大。

目前，基于遙感技術(shù)的不透水層提取方面，應(yīng)用比較多的方法有目視解譯法、指數(shù)提取法和自動分類法，其中自動分類法包含監(jiān)督分類和非監(jiān)督分類。

目視解譯法為通過目視判讀進(jìn)而對不透水層進(jìn)行數(shù)字化，可以高精度地獲取不透水層邊界。但是方法適用于研究對象單一、數(shù)據(jù)量不大的情況，對于長時(shí)間序列、高時(shí)間頻率的不透水層提取，耗時(shí)耗力，不具有可行性。

指數(shù)法也可以獲得較好的不透水層提取效果，且比目視解譯效率高。指數(shù)的構(gòu)建主要是根據(jù)不透水層的光譜特征：在0.45～1.75um范圍，不透水層的反射率隨波長增加而增加，數(shù)值介于0.35～0.6，而在2.08～3.35um范圍反射率下降。Zha等提出NDBI(Normalized Difference Built-up Index)指數(shù)，并建議該指數(shù)的閾值為0，即影像上NDBI>0的像素為不透水層。雖然指數(shù)法在不透水層提取方面有廣泛地應(yīng)用，但是，該方法中閾值的確定是關(guān)鍵，閾值的選取不單要考慮不透水層本身的光譜特征，還要兼顧其周圍各種地表覆蓋類型，由于影像獲取時(shí)具有不同的大氣和光照條件，指數(shù)法并不存在固定閾值，而自動確定閾值的研究方法還不廣泛。對于大范圍長時(shí)間序列高時(shí)間頻率的不透水層提取，需要為每一景影像確定合適的閾值，比較耗時(shí)耗力。

非監(jiān)督分類方法首先對遙感影像進(jìn)行非監(jiān)督分類，然后利用先驗(yàn)知識和輔助資料確定不透水層，過程復(fù)雜，類后處理工作非常巨大。

監(jiān)督分類方法，分類器和訓(xùn)練樣本的選擇是關(guān)鍵。雖然有的分類器具有很高的計(jì)算效率，分類的精度仍然很大程度地取決于樣本的代表性、準(zhǔn)確性和全備性。訓(xùn)練樣本一般是通過實(shí)地采樣，或結(jié)合現(xiàn)有資料、Google Earth高分辨率影像等輔助選取。對于大范圍長時(shí)間序列高時(shí)間頻率的不透水層提取，訓(xùn)練樣本需求量大，而目視解譯獲取樣本的方式對人員要求比較高，花費(fèi)較多的人力物力。

綜上，針對基于遙感技術(shù)的不透水層提取，缺乏一種高精度的自動化方法。

發(fā)明內(nèi)容

本發(fā)明所要解決的技術(shù)問題在于，提供一種基于迭代聚類的不透水層提取方法，能夠快速地獲取準(zhǔn)確有效的訓(xùn)練樣本，從而能夠正確高效地進(jìn)行基于遙感技術(shù)的不透水層提取。

為了解決上述技術(shù)問題，本發(fā)明提供了一種基于迭代聚類的不透水層提取方法，包括步驟：

對獲取到的土地覆蓋資料進(jìn)行分析，構(gòu)建樣本選取規(guī)則；

利用樣本提取規(guī)則對土地覆蓋資料進(jìn)行樣本提取，構(gòu)建初始樣本庫；