[發明專利]一種基于圖像銳化的時序數據耕地提取方法

有效

• 申請號: 202110421926.8
• 申請日: 2021-04-20
• 公開（公告）號: CN113205014B
• 公開（公告）日: 2022-06-07
• 發明（設計）人: 眭海剛;王建勛;李強;段志強;肖昶;王海濤;王挺;程旗
• 申請（專利權）人: 武漢大學
• 主分類號: G06V20/10
• 分類號: G06V20/10;G06V10/764;G06V10/774;G06K9/62;G06T5/00;G06F16/58;G06F16/583
• 代理公司: 武漢科皓知識產權代理事務所(特殊普通合伙) 42222
• 代理人: 王琪

1.一種基于圖像銳化的時序數據耕地提取方法，其特征在于，包括如下步驟：

步驟1)，輸入單時相高空間分辨率遙感影像全色波段并進行數據預處理；

步驟2)，輸入L2A級別的多時相時間序列Sentinel-2影像并對其進行批量預處理；

步驟3)，對于步驟1)和步驟2)的結果，基于單時相高空間分辨率全色波段和多時相Sentinel-2多光譜波段進行Gram-Schmidt圖像銳化操作，生成高空間分辨率時序數據；

所述步驟3)具體包括如下步驟：

3.1)使用多波段低分辨率影像對單波段高分辨率影像進行模擬，模擬的方法是根據權重W_i進行模擬，即模擬的全色波段影像灰度值其中B_i為多光譜地空間分辨率影像第i波段灰度值，W_i為各波段的光譜響應函數對應的權重，k為影像的波段的數量；模擬的高分辨率波段影像在后面的處理中被稱作Gram-Schmidt第一分量進行Gram-Schmidt變換；

3.2)利用模擬的高分辨率波段影像作為Gram-Schmidt變換第一分量來對模擬的高分辨波段影像和低分辨率波段影像進行Gram-Schmidt變換，在進行Gram-Schmidt變換時，第T個變換分量由前T-1個變換分量構造，即：

其中，GS_T是GS變換后產生的第T個正交分量，B_T是原始的空間分辨率多光譜影像的第T個波段影像，u_T是第T個原始低空間分辨率多光譜波段影像灰度值的均值，i,j分別表示低空間分辨率影像的行數和列數，為原始低空間分辨率遙感影像第T個波段與GS變換后產生的第l個分量間的協方差，均值u_T公式如下：

其中，C是影像的列數，R是影像行數，協方差計算公式如下：

3.3)根據GS第一分量，即模擬波段的均值u和標準差σ對全色波段進行修改，修改公式如下：

P^′＝(P×k₁)+k₂

k₂＝u_intensity-(k₁×u_pan)

其中：P為原始全色波段影像的灰度值，e_intensity和e_pan分別為GS第一分量和全色波段影像灰度值的標準差；

3.4)最后將修改后的全色波段作為第一分量，進行GS逆變換，輸出N+1個波段，去除第一個波段，就是融合后的高分辨率多光譜影像結果，逆變換的計算公式如下：

步驟4)，對于步驟3)中的高空間分辨率時序數據，計算歸一化差異植被指數和土壤調節植被指數，生成高空間分辨率植被指數時間序列數據集；并通過對比銳化前與銳化后的時序數據進行植被指數相關性分析；

步驟5)，根據步驟4)得到的高空間分辨率植被指數時間序列數據集，結合野外采樣各地物的樣本點，構建分類樣本庫并進行分層抽樣；

步驟6)，利用步驟5)中構建的分類樣本庫，先利用隨機森林算法進行模型訓練，通過測試集的表現確定最優模型參數；將訓練好的模型應用至全區域，實現全區域作物類型的識別，并對比原始時間序列數據提取結果與銳化后的時間序列提取結果；

步驟7)，利用步驟6)得到的作物類型的結果，將提取的所有類型的作物進行整合，形成耕地要素數據，將所有的非作物類型進行整合，形成非耕地數據并完成精度評價；最終生成耕地資源要素空間分布數據。

2.根據權利要求1所述的一種基于圖像銳化的時序數據耕地提取方法，其特征在于：所述步驟1)中，高空間分辨率全色波段影像預處理包括輻射校正、正射校正、幾何配準以及影像裁剪，在進行幾何配準時，依托于高精度谷歌數據、天地圖開源數據，手動選擇若干控制點進行幾何糾正；步驟2中所述預處理是通過歐空局SNAP平臺進行格式轉換輸出與批量裁剪處理。