專利名稱：一種高爾夫球場(chǎng)的識(shí)別方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種基于中分辨率多光譜遙感影像的高爾夫球場(chǎng)識(shí)別方法。
背景技術(shù)：
目前，國(guó)內(nèi)外專門以高爾夫球場(chǎng)為目標(biāo)的遙感目標(biāo)識(shí)別研究鮮有報(bào)道，而現(xiàn)有相關(guān)研究在不同程度上存在針對(duì)性差、精度低、成本高等缺點(diǎn)，其根源是這些研究對(duì)高爾夫球場(chǎng)特征分析不夠深入和對(duì)高爾夫球場(chǎng)遙感識(shí)別的精度和成本考慮不足，具體可描述為I基于球道草坪識(shí)別的高爾夫球場(chǎng)識(shí)別方法由于球道草坪是高爾夫球場(chǎng)的最主要組成部分，有部分研究將高爾 夫球場(chǎng)識(shí)別問題簡(jiǎn)化為球道草坪的分類識(shí)別問題=Frankvich對(duì)Landsat TM影像進(jìn)行主成分分析和纓帽變換，并通過IS0DATA聚類獲得球道草坪專題信息；Dimock利用Landsat TM的SWIR、NIR和R波段進(jìn)行最大似然監(jiān)瞀分類以識(shí)別球道草坪。然而，該方法存在以偏概全和針對(duì)性差的缺點(diǎn)，并不能有效區(qū)分球道草坪與其他類型植被，造成得到的高爾夫球場(chǎng)識(shí)別結(jié)果精度低。參考文獻(xiàn)Frankvich, Jesse. Unsupervised Classification of Spectrally EnhancedLandsat TM Data of Midland, MI.Final project，Digital Image Processing ResearchPaper. 1999.W. J. Dimock. Spatial factors affecting white grub presence and abundancein golf course turf[D]. Viginia Polytechnic Institute and State University,2004.2基于航空高光譜影像的高爾夫球場(chǎng)識(shí)別方法Harvey利用航空高光譜影像數(shù)據(jù)，選擇均值、骨架、多方向、多尺度紋理等特征，利用遺傳算法進(jìn)行特征選擇，進(jìn)而通過模板匹配和相似性評(píng)價(jià)對(duì)高爾夫球場(chǎng)進(jìn)行識(shí)別。然而，航空高光譜影像幅寬窄、獲取成本高，不宣作為高爾夫球場(chǎng)識(shí)別的主要遙感數(shù)據(jù)。參考文獻(xiàn)N. R. Harvey, Simon Perkins. Steven P. Brumby et al. Finding golf courses The ultra high tech approachlJ」 Evolutionary Image Analysis, Signal Processingand Telecommunications,2000.3基于高分辨率影像的高爾夫球場(chǎng)識(shí)別方法Bhagavathy基于高爾夫球場(chǎng)的紋理塊(即樹木和草坪的空間重現(xiàn)模式)利用半監(jiān)瞀分類方案在航空影像上進(jìn)行高爾夫球場(chǎng)的識(shí)別。該方案通過Gabor濾波器組描述紋理要素，通過高斯混合模型描述紋理塊特征，并利用置信度識(shí)別高爾夫球場(chǎng)。然而，該方法只適用于高分辨率影像，高分辨率遙感影像幅寬窄、獲取成本高，不宜作為高爾夫球場(chǎng)識(shí)別的主要遙感數(shù)據(jù)。參考文獻(xiàn)
S. Bhagavathy, B. S. Manjunath. Modeling and Detection of GeospatialObjects Using TextureMotifs[J], IEEE Transactions on Geoscience and RemoteSensing, Vol. 44，No.12,2006.

發(fā)明內(nèi)容
本發(fā)明要解決的技術(shù)問題是解決現(xiàn)有技術(shù)中基于中分辨率遙感影像識(shí)別高爾夫球場(chǎng)的方法精度低、而基于高分辨率影像和高光譜影像識(shí)別高爾夫球場(chǎng)的方法成本高、幅寬窄的缺陷，提供一種基于中分辨率多光譜遙感影像進(jìn)行高爾夫球場(chǎng)識(shí)別的方法。需要說明的是18洞及18洞以上球場(chǎng)是高爾夫球場(chǎng)用地的主要組成部分，其占地面積約占全部球場(chǎng)占地面積的98%，對(duì)18洞及18洞以上球場(chǎng)用地的監(jiān)測(cè)對(duì)土地利用動(dòng)態(tài)監(jiān)測(cè)和土地執(zhí)法具有重要意義，因此18洞以下球場(chǎng)不在本發(fā)明的考慮范疇內(nèi)。本發(fā)明的目 的是利用中分辨率多光譜遙感影像，發(fā)現(xiàn)影像中可能存在的已建成的18洞及18洞以上高爾夫球場(chǎng)，為高爾夫球場(chǎng)用地監(jiān)測(cè)提供支持。本發(fā)明的原理是考慮到高爾夫球場(chǎng)是由球道草坪(約占67% )、水體(約占7% )、沙坑(約占3% )等基本要素構(gòu)成的，只要分別對(duì)這3個(gè)基本要素進(jìn)行提取識(shí)別并將識(shí)別結(jié)果進(jìn)行組合，即可實(shí)現(xiàn)對(duì)18洞及18洞以上高爾夫球場(chǎng)的識(shí)別。本發(fā)明的基本思路是通過對(duì)球道草坪、水體2個(gè)高爾夫球場(chǎng)基本要素的識(shí)別，按照空間共現(xiàn)特征組合得到高爾夫球場(chǎng)靶區(qū)，在靶區(qū)內(nèi)提取第3個(gè)基本要素——沙坑的專題信息，進(jìn)而以單個(gè)靶區(qū)為單位，將靶區(qū)內(nèi)部的球道草坪、水體、沙坑的類別水平景觀指數(shù)和高爾夫球場(chǎng)靶區(qū)整體的景觀水平景觀指數(shù)作為球場(chǎng)的區(qū)別性特征，判斷球場(chǎng)靶區(qū)是否為高爾夫球場(chǎng)。本發(fā)明的技術(shù)方案是步驟SI對(duì)原始中分辨率多光譜遙感影像進(jìn)行預(yù)處理；所述對(duì)原始中分辨率多光譜遙感影像進(jìn)行預(yù)處理具體是指對(duì)原始中分辨率多光譜遙感影像進(jìn)行輻射校正和幾何校正。所述對(duì)原始中分辨率多光譜遙感影像進(jìn)行預(yù)處理的前提是具有傳感器定標(biāo)系數(shù)、太陽天頂角等用于輻射校正的參數(shù)，具有用于幾何校正的足夠數(shù)量的地面控制點(diǎn)。具體過程為(Sll)對(duì)原始中分辨多光譜遙感影像進(jìn)行絕對(duì)輻射校正，得到輻射校正后的中分辨率多光譜遙感影像；(S12)將輻射校正后的中分辨率多光譜遙感影像拉伸為無符號(hào)8位影像(數(shù)據(jù)范圍為0 255)，得到拉伸后的中分辨率多光譜遙感影像；(S13)對(duì)拉伸后的中分辨率多光譜遙感影像進(jìn)行幾何精校正，得到預(yù)處理后的中分辨率多光譜遙感影像。步驟S2提取球道草坪專題信息；本步驟的目的是獲得占高爾夫球場(chǎng)總面積約67%的首要基本要素——球道草坪的專題信息。本步驟的前提是影像獲取時(shí)間在球道草坪生長(zhǎng)期內(nèi)。本步驟的過程是利用監(jiān)瞀分類方法提取球道草坪像元，并根據(jù)球道草坪幾何特征將球道草坪像元組合為球道草坪對(duì)象。
但是為了取得更高的精度，本發(fā)明中還提供了提取球道草坪專題信息所采用的具體步驟是(S21)在預(yù)處理后的中分辨率多光譜遙感影像上選取用于支持向量數(shù)據(jù)描述(Support Vector Data Description, SVDD)的訓(xùn)練樣本；(S22)以球道草坪樣本各波段反射率為特征矢量，以影像像元的各波段反射率為待測(cè)試特征矢量，利用以核寬度O和舍棄率Fracrej為基本參數(shù)的高斯徑向基核函數(shù)SVDD實(shí)現(xiàn)對(duì)球道草坪的分類識(shí)別；對(duì)于給定n維空間Rn中包含N個(gè)對(duì)象的數(shù)據(jù)集fx, ，求其數(shù)據(jù)描述的基本思想是找到ー個(gè)包含所有(或大部分)數(shù)據(jù)對(duì)象Xi的體積最小的超球體。為了降低數(shù)據(jù)描述對(duì)奇異數(shù)據(jù)的敏感程度，引入松弛變量し≥0并對(duì)違反約束條件的松弛總量;Xこら加入懲罰因子C > O。記超球球心為a，半徑為R的超球體如式(I)所示
權(quán)利要求
1.一種高爾夫球場(chǎng)的識(shí)別方法，其特征在于，包括的步驟有 對(duì)原始中分辨率多光譜遙感影像進(jìn)行預(yù)處理； 提取球道草坪專題信息； 提取水體專題信息； 將球道草坪專題信息和水體專題信息進(jìn)行組合，得到球場(chǎng)靶區(qū)； 在高爾夫球場(chǎng)靶區(qū)范圍內(nèi)，在預(yù)處理后的中分辨率多光譜遙感影像中提取沙坑專題信息； 判斷球場(chǎng)靶區(qū)是否為18洞及18洞以上高爾夫球場(chǎng)。
2.根據(jù)權(quán)利要求I所述的一種高爾夫球場(chǎng)的識(shí)別方法，其特征在于，所述提取球道草坪專題信息的具體步驟是 在預(yù)處理后的中分辨率多光譜遙感影像上選取用于支持向量數(shù)據(jù)描述(SupportVector Data Description, SVDD)的訓(xùn)練樣本； 以球道草坪樣本各波段反射率為訓(xùn)練特征矢量，以影像像元的各波段反射率為待測(cè)試特征矢量，利用以核寬度0和舍棄率Fracrej為基本參數(shù)的高斯徑向基核函數(shù)SVDD實(shí)現(xiàn)對(duì)球道草坪的分類識(shí)別； 對(duì)分類結(jié)果進(jìn)行聚類分析，從而將球道草坪像元合并為對(duì)象； 認(rèn)為形狀指數(shù)小于一定閾值的對(duì)象為球道草坪對(duì)象，得到球道草坪專題圖(二值圖像)； 所述一定閾值利用研究區(qū)域內(nèi)高爾夫球場(chǎng)球道形狀指數(shù)均值與其三倍標(biāo)準(zhǔn)差求和得到。
3.根據(jù)權(quán)利要求I所述的一種高爾夫球場(chǎng)的識(shí)別方法，其特征在于，所述提取水體專題信息的具體步驟是 基于暗目標(biāo)地物的低反射率特征提取暗目標(biāo)地物； 區(qū)分水體和濃密植被和浙青路面、建筑物陰影暗目標(biāo)地物； 將在上一步中可能被錯(cuò)誤剔除的水體對(duì)象補(bǔ)充識(shí)別為水體對(duì)象； 合并得到的水體專題信息，獲得水體專題圖(二值圖像)。
4.根據(jù)權(quán)利要求I所述的一種高爾夫球場(chǎng)的識(shí)別方法，其特征在于，所述將球道草坪專題信息和水體專題信息進(jìn)行組合，得到球場(chǎng)靶區(qū)的具體步驟是 將球道草坪專題圖和水體專題圖進(jìn)行邏輯或運(yùn)算，生成球道草坪和水體分布圖，該圖是由球道草坪對(duì)象和水體對(duì)象構(gòu)成的二值圖像； 對(duì)球道草坪和水體分布圖進(jìn)行形態(tài)學(xué)閉運(yùn)算，將相鄰的草坪對(duì)象和水體對(duì)象組合為高爾夫球場(chǎng)靶區(qū)，用于形態(tài)學(xué)運(yùn)算的結(jié)構(gòu)元素形狀為正方形，結(jié)構(gòu)元素大小根據(jù)相鄰對(duì)象的距離確定； 根據(jù)18洞及18洞以上球場(chǎng)的面積大于30公頃、球場(chǎng)內(nèi)球道草坪面積與水體面積比大于1，剔除錯(cuò)誤靶區(qū)，獲得高爾夫球場(chǎng)靶區(qū)專題圖(二值圖像)。
5.根據(jù)權(quán)利要求I所述的一種高爾夫球場(chǎng)的識(shí)別方法，其特征在于，所述提取沙坑專題信息的具體步驟是 在高爾夫球場(chǎng)靶區(qū)范圍內(nèi)，在預(yù)處理后的中分辨率多光譜遙感影像中選擇純凈的球道草坪、水體和沙坑像元，作為混合像元分解的端元；在球場(chǎng)靶區(qū)內(nèi)進(jìn)行混合像元分解，得到沙坑豐度圖； 沙坑豐度閾值分割，獲得沙坑專題圖(二值圖像)。
6.根據(jù)權(quán)利要求5所述的一種高爾夫球場(chǎng)的識(shí)別方法，其特征在于，所述在高爾夫球場(chǎng)靶區(qū)范圍內(nèi)，在預(yù)處理后的中分辨率多光譜遙感影像中選擇純凈的球道草坪、水體和沙坑像元，作為混合像元分解的端元，具體步驟為 計(jì)算祀?yún)^(qū)內(nèi)部像元的像元純度指數(shù)(Pixel Purity Index, PPI),得到PPI圖像； 將PPI圖像和球道草坪專題圖進(jìn)行邏輯與運(yùn)算，得到的二值圖像即可認(rèn)為是純凈的球道草坪像兀，將二值圖像中歸一化植被指數(shù)(Normalized Difference Vegetation Index,NDVI)值最大的5個(gè)像元作為草坪端元； 將靶區(qū)PPI圖像和水體專題圖進(jìn)行邏輯與運(yùn)算，得到的二值圖像即可認(rèn)為是純凈的水體像兀，將二值圖像中改進(jìn)的歸一化水體指數(shù)(Modified Normalized Difference WaterIndex, MNDffI)值最大的5個(gè)像元作為水體端元； 球道草坪對(duì)象內(nèi)部存在若干孤立的未被分類為草坪的像元(即球道草坪區(qū)域中的洞或孔)通常為沙坑，從這些像元中選擇R波段反射率最大的5個(gè)像元作為沙坑端元。
7.根據(jù)權(quán)利要求5所述的一種高爾夫球場(chǎng)的識(shí)別方法，其特征在于，所述沙坑豐度閾值分割，獲得沙坑專題圖(二值圖像)的具體步驟為 對(duì)沙坑豐度圖像進(jìn)行閾值分割，將沙坑豐度大于0. 5的像元作為含有沙坑的混合像元; 由于高爾夫球場(chǎng)靶區(qū)存在建筑物、停車場(chǎng)、裸土、球車道等可能與沙坑具有相似光譜特征的地物，而這些地物的面積比沙坑面積大，因此將面積大于35個(gè)像素的偽沙坑剔除； 認(rèn)為沙坑面積占整個(gè)靶區(qū)面積百分比不合理的沙坑提取結(jié)果有誤，相應(yīng)提高或降低豐度閾值并重新進(jìn)行閾值分割，直至沙坑面積百分比滿足約束條件為止，豐度閾值的調(diào)整公式為
8.根據(jù)權(quán)利要求I所述的一種高爾夫球場(chǎng)的識(shí)別方法，其特征在于，所述判斷球場(chǎng)靶區(qū)是否為18洞及18洞以上高爾夫球場(chǎng)的具體步驟是 利用球道草坪、水體和沙坑專題信息，在高爾夫球場(chǎng)靶區(qū)內(nèi)計(jì)算球道草坪的類別水平景觀指數(shù)——景觀形狀指數(shù)LSItj、水體的類別水平景觀指數(shù)——斑塊個(gè)數(shù)NPw、沙坑的類別水平景觀指數(shù)一斑塊個(gè)數(shù)NPb和靶區(qū)的景觀水平景觀指數(shù)一斑塊個(gè)數(shù)Nh 將靶區(qū)的景觀指數(shù)特征矢量ILSIpNPw, NPB，NPJ作為輸入，在類別數(shù)目取值為2 (對(duì)應(yīng)于球場(chǎng)和非球場(chǎng)兩種類型)、模糊加權(quán)系數(shù)取值為2的情況下對(duì)靶區(qū)執(zhí)行模糊C均值聚類(Fuzzy C-Means, FCM)聚類，從而將靶區(qū)劃分為2個(gè)類別(分別與高爾夫球場(chǎng)和非高爾夫球場(chǎng)對(duì)應(yīng))； 兩類中靶區(qū)平均面積接近現(xiàn)有高爾夫球場(chǎng)平均面積的類別為高爾夫球場(chǎng)，另一類別為非球場(chǎng)，統(tǒng)計(jì)得到高爾夫球場(chǎng)專題信息。
全文摘要
本發(fā)明解決現(xiàn)有技術(shù)中基于中分辨率遙感影像識(shí)別高爾夫球場(chǎng)的方法精度低、而基于高分辨率影像和高光譜影像識(shí)別高爾夫球場(chǎng)的方法成本高、幅寬窄的缺陷，提供一種基于中分辨率多光譜遙感影像進(jìn)行高爾夫球場(chǎng)識(shí)別的方法。本發(fā)明的基本思路是通過對(duì)球道草坪、水體2個(gè)高爾夫球場(chǎng)基本要素的識(shí)別，按照空間共現(xiàn)特征組合得到高爾夫球場(chǎng)靶區(qū)，在靶區(qū)內(nèi)提取第3個(gè)基本要素一沙坑的專題信息，進(jìn)而以單個(gè)靶區(qū)為單位，將靶區(qū)內(nèi)部的球道草坪、水體、沙坑的類別水平景觀指數(shù)和高爾夫球場(chǎng)靶區(qū)整體的景觀水平景觀指數(shù)作為球場(chǎng)的區(qū)別性特征，判斷球場(chǎng)靶區(qū)是否為高爾夫球場(chǎng)。本發(fā)明具有針對(duì)性強(qiáng)、精度高、成本低的優(yōu)點(diǎn)。
文檔編號(hào)G06K9/00GK102708354SQ20111045735
公開日2012年10月3日 申請(qǐng)日期2011年12月31日 優(yōu)先權(quán)日2011年12月31日
發(fā)明者劉順喜, 孟瑜, 陳靜波 申請(qǐng)人:中國(guó)科學(xué)院遙感應(yīng)用研究所