[發(fā)明專利]一種基于高分辨率影像數(shù)據(jù)的耕地地塊提取方法及系統(tǒng)

有效

• 申請?zhí)枺?/td>: 202010756929.2
• 申請日: 2020-07-31
• 公開（公告）號: CN111882573B
• 公開（公告）日: 2023-08-18
• 發(fā)明（設(shè)計）人: 朱秀芳;李忠義;張強(qiáng)
• 申請（專利權(quán)）人: 北京師范大學(xué)
• 主分類號: G06T7/187
• 分類號: G06T7/187;G06T7/13;G06T5/50;G06F18/24
• 代理公司: 北京高沃律師事務(wù)所 11569
• 代理人: 王立普

本發(fā)明涉及一種基于高分辨率影像數(shù)據(jù)的耕地地塊提取方法及系統(tǒng)。所述基于高分辨率影像數(shù)據(jù)的耕地地塊提取方法包括：選取當(dāng)前邊緣樣本集合中的任意一層邊緣樣本作為目標(biāo)邊緣，選取研究點和目標(biāo)點集合；計算目標(biāo)點集合中的每個像素點與研究點的特征向量的差值，并根據(jù)差值判斷與差值對應(yīng)的像素點是否屬于耕地區(qū)域；遍歷種子點集合，得到種子點集合中每個像素點對應(yīng)的更新后的耕地區(qū)域，并將多個更新后的耕地區(qū)域確定為當(dāng)前迭代次數(shù)下的目標(biāo)邊緣對應(yīng)的耕地區(qū)域，利用邊緣樣本集合中每個邊緣對應(yīng)的耕地區(qū)域確定耕地地塊提取結(jié)果。本發(fā)明實現(xiàn)自動化提取地塊，不依賴于人工提取，分割方法的可移植性高。

技術(shù)領(lǐng)域

本發(fā)明涉及耕地地塊提取領(lǐng)域，特別是涉及一種基于高分辨率影像數(shù)據(jù)的耕地地塊提取方法及系統(tǒng)。

背景技術(shù)

農(nóng)田地塊空間分布與土地狀況是社會資源調(diào)配的重要參考依據(jù)與衡量標(biāo)準(zhǔn)，是現(xiàn)代農(nóng)業(yè)相關(guān)產(chǎn)業(yè)規(guī)劃與發(fā)展的基礎(chǔ)數(shù)據(jù)，對農(nóng)田地塊分布的精確掌握，對國家快速估計受災(zāi)影響情況及核算救災(zāi)物資和維護(hù)社會穩(wěn)定意義重大。

現(xiàn)有技術(shù)中農(nóng)田地塊提取主要有基于分類和分割兩種類型，其中，分類類型是利用各類型的分類器解算圖像中各像素的屬性類型并提取其中的耕地像元，相鄰耕地像元的集合即為耕地地塊，然而該方法提取的地塊邊界不清晰，存在嚴(yán)重的椒鹽現(xiàn)象，受分類精度的影響大。

分割類型的方法包括根據(jù)像元光譜特性的分割、通過邊緣的構(gòu)建進(jìn)行分割、依據(jù)區(qū)域異質(zhì)性評價的分割、依據(jù)光學(xué)物理模型基礎(chǔ)的分割和基于特定數(shù)理模型組合的分割，其中，基于像元光譜特性進(jìn)行分割的方法僅考慮了像素本身的灰度而忽略了其空間相關(guān)性，無法解決異物同譜與同物異譜的問題，且對噪聲干擾敏感，閾值設(shè)定強(qiáng)依賴于操作人員的經(jīng)驗；基于邊緣構(gòu)建進(jìn)行分割的方法因影像中自然地物空間分布的復(fù)雜性，參數(shù)選擇仍然依賴經(jīng)驗，且偽邊緣與不連續(xù)邊緣會嚴(yán)重影響分割效果；基于區(qū)域異質(zhì)性評價進(jìn)行分割的方法中，原始種子點選取、同質(zhì)性檢測標(biāo)準(zhǔn)的確定對操作人員經(jīng)驗的依賴較強(qiáng)，且在邊緣周圍易出現(xiàn)錯誤分割，最優(yōu)分割參數(shù)的選擇缺乏科學(xué)客觀的標(biāo)準(zhǔn)，模型移植性差、自動化程度低。

綜上，現(xiàn)有的農(nóng)田提取方法基于人工提取更加依賴于操作人員的經(jīng)驗，導(dǎo)致分割方法可移植性低。

發(fā)明內(nèi)容

本發(fā)明的目的是提供一種基于高分辨率影像數(shù)據(jù)的耕地地塊提取方法及系統(tǒng)，以提高地塊提取的自動化程度和分割方法的可移植性。

為實現(xiàn)上述目的，本發(fā)明提供了如下方案：

一種基于高分辨率影像數(shù)據(jù)的耕地地塊提取方法，所述方法具體包括：

對待提取遙感影像中的全色波段圖像和多光譜波段圖像進(jìn)行融合，得到遙感融合圖像；

對所述遙感融合圖像分別進(jìn)行特征提取和非監(jiān)督分類，得到特征要素數(shù)據(jù)集合和種子點集合；所述特征要素數(shù)據(jù)集合包括：光譜數(shù)據(jù)、紋理數(shù)據(jù)集和植被數(shù)據(jù)；所述種子點集合為非監(jiān)督分類結(jié)果中耕地范圍內(nèi)的地物圖斑矢量中心點構(gòu)成的集合；

對所述全色波段圖像采用多種邊緣檢測算子進(jìn)行邊緣檢測，按所述全色波段圖像的像元的邊緣強(qiáng)度對所述全色波段圖像的像元進(jìn)行分層，得到多層邊緣樣本，由多層所述邊緣樣本構(gòu)成邊緣樣本集合；其中，相同邊緣強(qiáng)度的像元歸為同一層邊緣樣本，所述邊緣強(qiáng)度的評價標(biāo)準(zhǔn)為按所述全色波段圖像的像元被不同邊緣檢測算子識別為邊緣的次數(shù)，被識別次數(shù)越多邊緣強(qiáng)度越大；

判斷當(dāng)前迭代次數(shù)t下的當(dāng)前邊緣樣本集合的層數(shù)是否為0；

若當(dāng)前迭代次數(shù)t下的當(dāng)前邊緣樣本集合的層數(shù)不為0，則選取所述當(dāng)前邊緣樣本集合中的任意一層邊緣樣本作為目標(biāo)邊緣；

選取所述種子點集合中的任意一個像素點作為研究點；