[發明專利]一種多光譜植被監測干擾信息的剔除方法和裝置

在審

• 申請號: 202210143769.3
• 申請日: 2022-02-17
• 公開（公告）號: CN114187538A
• 公開（公告）日: 2022-03-15
• 發明（設計）人: 施蕾蕾;周正;王昊
• 申請（專利權）人: 航天宏圖信息技術股份有限公司
• 主分類號: G06V20/17
• 分類號: G06V20/17;G06V10/764;G06K9/62;G06T7/136
• 代理公司: 北京超凡宏宇專利代理事務所(特殊普通合伙) 11463
• 代理人: 張萍

1.一種多光譜植被監測干擾信息的剔除方法，其特征在于，包括：

獲取目標區域的目標數據，其中，所述目標數據包括：無人機多光譜數據和環境背景數據；

基于所述目標數據，確定出所述目標區域的特征參數，其中，所述特征參數包括：歸一化植被指數、紋理特征參數和環境特征參數；

將所述特征參數輸入決策樹分類模型，利用所述決策樹分類模型剔除所述目標區域的植被指數信息的干擾信息，得到所述目標區域的最優植被指數閾值分割范圍；

基于所述最優植被指數閾值分割范圍，確定出所述目標區域的植被指數信息。

2.根據權利要求1所述的方法，其特征在于，

所述紋理特征參數包括：均值、方差、標準差、同質性、對比度、相異性、熵、角二階矩和相關性；

所述環境特征參數包括：土壤調節植被指數，日均溫度和日均濕度。

3.根據權利要求2所述的方法，其特征在于，基于所述目標數據，確定出所述目標區域的紋理特征參數和環境特征參數，包括：

對所述無人機多光譜數據依次進行拼接處理、校正處理和標定處理，得到目標無人機多光譜數據；

基于所述目標無人機多光譜數據，提取出所述紋理特征參數；

基于所述歸一化植被指數和所述環境背景數據，確定出所述環境特征參數。

4.根據權利要求3所述的方法，其特征在于，將所述特征參數輸入決策樹分類模型，利用所述決策樹分類模型剔除所述目標區域的植被指數信息的干擾信息，得到所述目標區域的最優植被指數閾值分割范圍，包括：

計算步驟，計算所述特征參數中每個特征參數的不純度指標；

確定步驟，確定出所述特征參數中的目標特征參數，其中，所述目標特征參數為所述特征參數包含的各個特征參數中不純度指標小于對應預設閾值的特征參數；

構建步驟，基于所述目標特征參數構建決策樹分類模型分支；

所述目標特征參數確定為所述特征參數重復執行所述計算步驟、所述確定步驟和所述構建步驟，直至所述特征參數中包含的各個特征參數的不純度指標均小于對應預設閾值或均大于對應預設閾值，得到所述目標區域的樹形圖；

基于所述樹形圖，確定出所述最優植被指數閾值分割范圍。

5.根據權利要求1所述的方法，其特征在于，所述方法還包括：

獲取地面采樣點發送的所述目標區域的真實植被指數信息；

基于所述最優植被指數閾值分割范圍對所述目標區域的植被指數信息進行分割，得到分割結果；

將所述分割結果與所述真實植被指數信息進行對比，得到所述分割結果與所述真實植被指數信息之間的分類精度和虛警值；

在所述分類精度小于預設分類精度和/或所述虛警值大于預設虛警值的情況下，對所述決策樹分類模型進行參數優化。

6.一種多光譜植被監測干擾信息的剔除裝置，其特征在于，包括：獲取單元，第一確定單元，剔除單元和第二確定單元，其中，

所述獲取單元，用于獲取目標區域的目標數據，其中，所述目標數據包括：無人機多光譜數據和環境背景數據；

所述第一確定單元，基于所述目標數據，確定出所述目標區域的特征參數，其中，所述特征參數包括：歸一化植被指數、紋理特征參數和環境特征參數；

所述剔除單元，用于將所述特征參數輸入決策樹分類模型，利用所述決策樹分類模型剔除所述目標區域的植被指數信息的干擾信息，得到所述目標區域的最優植被指數閾值分割范圍；

所述第二確定單元，用于基于所述最優植被指數閾值分割范圍，確定出所述目標區域的植被指數信息。

7.根據權利要求6所述的裝置，其特征在于，

所述紋理特征參數包括：均值、方差、標準差、同質性、對比度、相異性、熵、角二階矩和相關性；

所述環境特征參數包括：土壤調節植被指數，日均溫度和日均濕度。