[發明專利]基于多源遙感影像的土地覆蓋分類圖的獲取方法和裝置

有效

• 申請號: 202010520052.7
• 申請日: 2020-06-09
• 公開（公告）號: CN111666900B
• 公開（公告）日: 2022-06-03
• 發明（設計）人: 黃翀
• 申請（專利權）人: 中國科學院地理科學與資源研究所
• 主分類號: G06V20/10
• 分類號: G06V20/10;G06K9/62;G06V10/764;G06V10/762;G06V10/74
• 代理公司: 北京路浩知識產權代理有限公司 11002
• 代理人: 程琛

1.一種基于多源遙感影像的土地覆蓋分類圖的獲取方法，其特征在于，包括：

采集預設時間段內和預設區域內的MODIS影像數據和Landsat影像數據；

基于所述MODIS影像數據確定MODIS模糊分類結果，所述MODIS模糊分類結果為MODIS影像中各MODIS像元的各土地覆蓋類型的隸屬度值；

基于所述MODIS模糊分類結果確定MODIS局部權重，所述MODIS局部權重為所述MODIS影像中各MODIS像元的各土地覆蓋類型的隸屬度值的權重；

基于所述Landsat影像數據確定Landsat模糊分類結果，所述Landsat模糊分類結果為Landsat影像中各Landsat像元的各土地覆蓋類型的隸屬度值；

基于所述Landsat模糊分類結果確定Landsat局部權重，所述Landsat局部權重為所述Landsat影像中各Landsat像元對應土地覆蓋類型的隸屬度值的權重；

基于所述Landsat模糊分類結果確定Landsat全局精度，所述Landsat全局精度為Landsat影像中各Landsat像元的各土地覆蓋類型的分類精度組成的矩陣；

基于所述MODIS模糊分類結果和基于所述Landsat影像數據進行面向對象影像分割得到的Landsat對象確定MODIS全局精度，所述MODIS全局精度為所述MODIS影像中各Landsat像元的各土地覆蓋類型的分類的全局精度組成的矩陣；

基于所述MODIS全局精度、所述MODIS局部權重、所述MODIS模糊分類結果、所述Landsat全局精度、所述Landsat局部權重和所述Landsat模糊分類結果確定所述MODIS影像中各Landsat像元對應的最終最可能土地覆蓋類型，進而獲取土地覆蓋分類圖；

所述基于所述MODIS影像數據確定MODIS模糊分類結果，所述MODIS模糊分類結果包括MODIS影像中各MODIS像元的各土地覆蓋類型的隸屬度值MODIS像元，具體包括：

對所述MODIS影像數據進行數據預處理，得到MODIS影像上每個MODIS像元的NDVI時序曲線；

將所述MODIS影像數據加載到Google Earth上，進行人工隨機采樣并人工標注采樣點所在的MODIS像元的土地覆蓋類型；

篩選所述采樣點所在的MODIS像元中的純MODIS像元；

基于所述純MODIS像元的土地覆蓋類型確定各土地覆蓋類型對應的參考NDVI時序曲線；

基于所述每個MODIS像元的NDVI時序曲線和所述各土地覆蓋類型對應的參考NDVI時序曲線確定所述MODIS影像中各MODIS像元的各土地覆蓋類型的隸屬度值；

所述基于所述每個MODIS像元的NDVI時序曲線和所述各土地覆蓋類型對應的參考NDVI時序曲線確定所述MODIS影像中各MODIS像元的各土地覆蓋類型的隸屬度值，具體包括：

通過如下公式確定所述MODIS影像中MODIS像元i的第j類土地覆蓋類型的隸屬度值

其中，為MODIS像元i的NDVI時序曲線對應的離散函數，表示MODIS像元i在時序為l時的NDVI值，l＝1,2,…M，M為時序取值的總個數，為第j類土地覆蓋類型對應的參考NDVI時序曲線對應的離散函數，表示第j類土地覆蓋類型在時序為l時的參考NDVI值，j＝1,2,…,N，N為土地覆蓋類型的總類數；

所述基于所述MODIS模糊分類結果確定MODIS局部權重，所述MODIS局部權重為所述MODIS影像中各MODIS像元的各土地覆蓋類型的隸屬度值的權重，具體包括：

通過如下公式確定所述MODIS影像中MODIS像元i的模糊分類結果的模糊指數

其中，α為指數系數，0＜α＜1，為所述MODIS影像中MODIS像元i的第j類土地覆蓋類型的隸屬度值，j＝1,2,…,N，N為土地覆蓋類型的總類數；

通過如下公式確定所述MODIS影像中MODIS像元i的各土地覆蓋類型的隸屬度值的權重w_i：

其中，為所述MODIS影像中MODIS像元i的模糊分類結果的模糊指數；所述MODIS影像中各MODIS像元的各土地覆蓋類型的隸屬度值的權重集合{w₁,w₂,...,w_i,...,w_S}為MODIS局部權重，S為所述MODIS影像中MODIS像元的總個數；

所述基于所述Landsat影像數據確定Landsat模糊分類結果，所述Landsat模糊分類結果包括Landsat影像中各Landsat像元的各土地覆蓋類型的隸屬度值，具體包括：

對所述Landsat影像數據進行最小單元為對象的影像分割，使得分割后的任一Landsat對象內的土地覆蓋類別相同；

將所述Landsat影像數據記載到Google Earth上，進行人工隨機采樣并人工標注采樣點所在的采樣Landsat對象的土地覆蓋類型；

基于任一采樣Landsat對象中的所有Landsat像元的前七個波段值、NDVI值和形狀特征確定所述任一采樣Landsat對象的樣本前七個波段值、樣本NDVI值和樣本形狀特征；

將Landsat影像中任一Landsat對象的前七個波段值、NDVI值和形狀特征輸入Landsat模糊分類模型，輸出所述任一Landsat對象的各土地覆蓋類型的隸屬度值，進而確定任一Landsat像元的各土地覆蓋類型的隸屬度值；

其中，所述Landsat模糊分類模型是基于采樣Landsat對象的樣本前七個波段值、樣本NDVI值和樣本形狀特征和對應于各采樣Landsat對象的土地覆蓋類型標簽進行訓練后得到的，訓練時使用的網絡模型為最鄰近分類器；

對應地，所述基于所述Landsat模糊分類結果確定Landsat局部權重，所述Landsat局部權重為所述Landsat影像中各Landsat像元對應土地覆蓋類型的隸屬度值的權重，具體包括：

通過如下公式確定所述Landsat影像中Landsat像元p的模糊分類結果的模糊指數

其中，α為指數系數，0＜α＜1，為所述Landsat影像中Landsat像元p的第j類土地覆蓋類型的隸屬度值，j＝1,2,…,N，N為土地覆蓋類型的總類數；

通過如下公式確定所述Landsat影像中Landsat像元p的各土地覆蓋類型的隸屬度值的權重w’_p：

其中，為所述Landsat影像中Landsat像元p的模糊分類結果的模糊指數；所述Landsat影像中各Landsat像元的各土地覆蓋類型的隸屬度值的權重集合{w’₁，w’₂,...,w’_p,...,w’_R}為Landsat局部權重，R為所述Landsat影像中Landsat像元的總個數；

所述基于所述Landsat模糊分類結果確定Landsat全局精度，具體包括：

通過如下公式確定所述Landsat影像中Landsat像元p的第j類土地覆蓋類型的分類精度

其中，tp_j為被所述Landsat模糊分類結果確定為第j類土地覆蓋類型的采樣點個數占實際為第j類土地覆蓋類型的采樣點個數的比重；pr_j為所述Landsat模糊分類結果中正確分類為第j類土地覆蓋類型的采樣點個數占被所述Landsat模糊分類結果確定為第j類土地覆蓋類型的采樣點個數的比重；p＝1,2,…,R，R為所述Landsat影像中Landsat像元的總個數，所述Landsat影像中各Landsat像元的各土地覆蓋類型的分類精度組成的矩陣為Landsat全局精度；

所述基于所述MODIS模糊分類結果和基于所述Landsat影像數據進行面向對象影像分割得到的Landsat對象確定MODIS全局精度，所述MODIS全局精度為所述MODIS影像中各Landsat像元的各土地覆蓋類型的分類的全局精度組成的矩陣，具體包括：

通過如下公式確定所述MODIS影像中MODIS像元i的第j類土地覆蓋類型的中間分類精度

其中，tp’_j為被所述MODIS模糊分類結果確定為第j類土地覆蓋類型的采樣點個數占實際為第j類土地覆蓋類型的采樣點個數的比重；pr’_j為所述MODIS模糊分類結果中正確分類為第j類土地覆蓋類型的采樣點個數占被所述MODIS模糊分類結果確定為第j類土地覆蓋類型的采樣點個數的比重；i＝1,2,…,N，N為所述MODIS影像中MODIS像元的總個數；

通過如下公式確定所述MODIS影像中Landsat像元p的第j類土地覆蓋類型的分類的全局精度

其中，q_p為所述MODIS影像中Landsat像元p所在的Landsat對象占所述Landsat像元p所在的MODIS像元的面積占比等級，i_p為所述MODIS影像中Landsat像元p所在的MODIS像元，為所述MODIS影像中MODIS像元i_p的第j類土地覆蓋類型的中間分類精度，A_q是采樣點所在Landsat對象占所述采樣點所在MODIS像元的不同面積占比等級q下的分類精度，q＝1,2,3,…,Q,Q為面積占比等級總數，面積占比等級q對應的面積占比取值范

圍為所述MODIS影像中各Landsat像元的各土地覆蓋類型的分類的全局精度組成的矩陣為MODIS全局精度。