[發(fā)明專利]一種迷迭香種植分布高分辨率衛(wèi)星遙感識別方法

在審

• 申請?zhí)枺?/td>: 202010935308.0
• 申請日: 2020-09-08
• 公開（公告）號: CN112052799A
• 公開（公告）日: 2020-12-08
• 發(fā)明（設計）人: 聶巖;李嘉欣;張莉;郭超;高尚
• 申請（專利權）人: 中科光啟空間信息技術有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06T5/00;G06T5/40
• 代理公司: 北京鑫浩聯(lián)德專利代理事務所(普通合伙) 11380
• 代理人: 常桂鳳

本發(fā)明屬于高分辨衛(wèi)星遙感數(shù)據(jù)地物提取識別技術領域，尤其涉及一種迷迭香種植分布高分辨率衛(wèi)星遙感識別方法，包括如下步驟：1）采集多光譜數(shù)據(jù)；2）選取多光譜數(shù)據(jù)中易區(qū)分的波段集；3)對選取的五個波段進行大氣校正，并分別做直方圖均衡化處理；4）構造兩個植被指數(shù)波段以增加地物像元的特征光譜維度；5）將每景影像包含的7個波段依次疊加，濾波；6）人工圈定迷迭香種植區(qū)樣本，計算樣本中所有多維向量的平均光譜；7）計算標準光譜與研究區(qū)所有像元光譜的相似度概率；8）計算匹配概率的穩(wěn)定性；9）制作種植權重插值柵格數(shù)據(jù)，對概率結果進行權重修正。本申請具有人工成本低、作業(yè)效率和提取精度高、識別效果優(yōu)良的優(yōu)點。

技術領域

本發(fā)明屬于高分辨衛(wèi)星遙感數(shù)據(jù)地物提取識別技術領域，尤其涉及一種利用多維時序光譜特征相似度匹配算法的迷迭香種植分布高分辨率衛(wèi)星遙感識別方法。

背景技術

目前，運用高分辨衛(wèi)星遙感數(shù)據(jù)對地表農(nóng)作物進行識別與分類提取的方法已成為如今農(nóng)業(yè)種植結構調(diào)查與信息獲取的常用手段，特別是對于分布區(qū)域廣、種植比重大、種植結構簡單的主糧作物(如小麥、水稻等)識別提取技術方面業(yè)已取得了長足的進步。相比主糧作物的識別提取，經(jīng)濟類作物由于種植量少、分布零散、種植結構復雜等特點而導致衛(wèi)星遙感數(shù)據(jù)在對某些經(jīng)濟類作物進行識別提取過程中出現(xiàn)較明顯的錯分現(xiàn)象。

特別是對于種植量稀少的迷迭香藥材作物提取方面，由于其種植量過于稀少，收獲期不規(guī)律，地區(qū)農(nóng)戶分散性種植現(xiàn)象突出，導致像元混合度及光譜干擾較為嚴重，常規(guī)的高分辨率衛(wèi)星遙感數(shù)據(jù)無法有效識別，因此目前基于常用的衛(wèi)星遙感數(shù)據(jù)對迷迭香進行提取的應用研究總體較少，主要做法是運用無人機航飛遙感數(shù)據(jù)針對集中種植的培育基地進行提取和監(jiān)測，對于較廣范圍內(nèi)分散種植的迷迭香分布也主要以分區(qū)域航飛識別和人工航片圈定為主，工程進度慢，作業(yè)成本高，難以發(fā)揮衛(wèi)星遙感識別技術的優(yōu)勢。

發(fā)明內(nèi)容

本發(fā)明在高分辨率衛(wèi)星遙感數(shù)據(jù)基礎上，提出了一種迷迭香種植分布高分辨率衛(wèi)星遙感識別方法。

本發(fā)明采用的技術方案是這樣實現(xiàn)的：

一種迷迭香種植分布高分辨率衛(wèi)星遙感識別方法，包括如下步驟：

步驟1)、采集迷迭香的哨兵2A多光譜數(shù)據(jù)：以迷迭香種植的一個完整物候周期為哨兵2A多光譜數(shù)據(jù)采集的時間跨度，每個月選擇上、中、下旬各一景的數(shù)據(jù)，假設時間跨度N個月，則共有N*3景數(shù)據(jù)；

步驟2)、選取哨兵2A多光譜數(shù)據(jù)中易區(qū)分的波段集：哨兵2A多光譜數(shù)據(jù)包括可見光藍綠紅、植被紅邊、近紅外、短波紅外等共12個波段數(shù)據(jù)，波段通道多，光譜信息量豐富；波段選擇時，結合波段組合疊加顯示的目視判斷，最終選定藍光、紅光、近紅外、740nm植被紅邊、1610nm短波紅外五個波段。

步驟3)、對選取的五個波段進行大氣校正，并分別做直方圖均衡化處理：消除因大氣臭氧、環(huán)境光照、水蒸氣、氣溶膠等對太陽電磁波進行散射的影響，從而獲得真實的地表反射率信息；直方圖均衡化處理使映射后新的圖像直方圖灰度分布服從均勻分布；

步驟4)、構造兩個植被指數(shù)波段以增加地物像元的特征光譜維度，提高后續(xù)光譜相似度匹配的準確性：增加歸一化植被指數(shù)NDVI、增強型植被指數(shù)EVI兩個波段，將這兩個波段作為新的特征維度與直方圖均衡化后的五個波段疊加，組合成具有七個特征維度數(shù)據(jù)體；

步驟5)、將每景影像包含的7個波段依次疊加，對疊加后的數(shù)據(jù)進行濾波：將7個波段數(shù)據(jù)線性拉伸到統(tǒng)一尺度下，消除因不同特征的度量標準而導致空間距離計算出現(xiàn)的差；將疊加后的數(shù)據(jù)按照維度方向進行平滑濾波，消除異常值噪聲點的干擾，同時對每個像元對應的多維向量進行平滑；

步驟6)、人工圈定迷迭香種植區(qū)樣本，計算樣本中所有多維向量的平均光譜：此步驟目的是為了獲得研究區(qū)迷迭香種植區(qū)域的標準光譜，通過對比該光譜與研究區(qū)其它區(qū)域像元光譜曲線的相似度概率來進行分析是否為迷迭香種植區(qū)；