提取遙感影像中土地覆被信息的方法及裝置的制造方法
【技術領域】
[0001] 本發(fā)明設及環(huán)境監(jiān)測領域，具體設及一種提取遙感影像中±地覆被信息的方法。
【背景技術】
[0002] 隨著環(huán)境的變化和經(jīng)濟的發(fā)展，在許多場合需要對遙感影像進行±地分類信息的 識別，比如±地分類信息監(jiān)測、環(huán)境監(jiān)測等。
[0003] 而遙感影像常見的±地分類信息識別方法是基于像素的±地覆被信息識別方法， 基于統(tǒng)計學原理，W訓練樣本遵循正態(tài)分布為前提，且僅利用像素本身光譜信息或像素周 圍某個確定窗口內(nèi)的紋理信息，過度著眼于局部，難W集成語義信息，并且缺失拓撲和空間 關系特征，信息識別結(jié)果中存在嚴重的"椒鹽效應"，地物錯分、漏分的情況比較嚴重，因而 不能準確地識別±地覆被信息。

【發(fā)明內(nèi)容】

[0004] 有鑒于此，本發(fā)明實施例提供一種提取遙感影像中±地覆被信息的方法及裝置， 能夠解決現(xiàn)有技術遙感影像中的±地覆被信息識別不準確的問題。
[0005] 為此目的，一方面，本發(fā)明提出一種提取遙感影像中±地覆被信息的方法，包括：
[0006] 獲取待提取±地覆被信息的遙感影像；
[0007] 基于專題圖層，采用多分辨率影像分割方法和最鄰近分類方法將所述遙感影像進 行分割，并從分割后形成的遙感影像對象中提取河流、湖泊、灘涂、低反照建筑、高反照建 筑、中低覆蓋植被和/或高覆蓋植被。
[000引另一方面，本發(fā)明提出一種提取遙感影像中±地覆被信息的裝置，包括：
[0009] 遙感影像獲取單元，用于獲取待提取±地覆被信息的遙感影像；
[0010] 提取單元，用于基于專題圖層，采用多分辨率影像分割方法和最鄰近分類方法將 所述遙感影像進行分割，并從分割后形成的遙感影像對象中提取河流、湖泊、灘涂、低反照 建筑、高反照建筑、中低覆蓋植被和/或高覆蓋植被。
[0011] 本發(fā)明實施例所述的提取遙感影像中±地覆被信息的方法及裝置，采用基于專題 圖層的多分辨率影像分割方法對待提取±地覆被信息的遙感影像進行分割，著眼于整體， 可充分挖掘?qū)ｎ}圖的潛力，獲得邊界正確、完整的地物信息提取結(jié)果；面向?qū)ο笮畔⑻崛∵^ 程中，結(jié)合使用最鄰近分類方法，利用拓撲和空間關系特征，能夠提高±地覆被信息提取精 度。
【附圖說明】
[0012] 圖1為本發(fā)明提取遙感影像中±地覆被信息的方法一實施例的流程示意圖；
[0013] 圖2為本發(fā)明提取遙感影像中±地覆被信息的方法另一實施例的流程示意圖；
[0014] 圖3為本發(fā)明提取遙感影像中±地覆被信息的裝置一實施例的方框結(jié)構示意圖。
【具體實施方式】
[0015] 為使本發(fā)明實施例的目的、技術方案和優(yōu)點更加清楚，下面將結(jié)合本發(fā)明實施例 中的附圖，對本發(fā)明實施例中的技術方案進行清楚地描述，顯然，所描述的實施例是本發(fā)明 一部分實施例，而不是全部的實施例?；诒景l(fā)明中的實施例，本領域普通技術人員在沒有 做出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本發(fā)明保護的范圍。
[0016] 如圖1所示，本實施例公開一種提取遙感影像中±地覆被信息的方法，包括：
[0017] S1、獲取待提取±地覆被信息的遙感影像；
[001引S2、基于專題圖層，采用多分辨率影像分割方法和最鄰近分類方法將所述遙感影 像進行分割，并從分割后形成的遙感影像對象中提取河流、湖泊、灘涂、低反照建筑、高反照 建筑、中低覆蓋植被和/或高覆蓋植被。
[0019] 本發(fā)明實施例所述的提取遙感影像中±地覆被信息的方法，采用基于專題圖層的 多分辨率影像分割方法對待提取±地覆被信息的遙感影像進行分割，著眼于整體，可充分 挖掘?qū)ｎ}圖的潛力，獲得邊界正確、完整的地物信息提取結(jié)果；面向?qū)ο笮畔⑻崛∵^程中， 結(jié)合使用最鄰近分類方法，利用拓撲和空間關系特征，能夠提高±地覆被信息提取精度。
[0020] 可選地，在本發(fā)明提取遙感影像中±地覆被信息的方法的實施例中，所述基于專 題圖層，采用多分辨率影像分割方法和最鄰近分類方法將所述遙感影像進行分割，并從分 割后形成的遙感影像對象中提取河流、湖泊、灘涂、低反照建筑、高反照建筑、中低覆蓋植被 和/或高覆蓋植被，包括：
[0021] 基于專題圖層，采用多分辨率影像分割方法，將所述遙感影像按照預設的分割尺 度進行分割，并對分割后形成的遙感影像對象進行分類，形成河流、湖泊、灘涂和/或第一 未分類對象；
[0022] 將所述第一未分類對象按照預先確定的最優(yōu)分割尺度進行分割，形成第二未分類 對象，采用基于訓練樣本的最鄰近分類方法將所述第二未分類對象進行分類，形成低反照 建筑、高反照建筑、中低覆蓋植被和/或高覆蓋植被。
[0023] 本發(fā)明實施例中，預設的分割尺度可W為1000000。
[0024] 可選地，在本發(fā)明提取遙感影像中±地覆被信息的方法的實施例中，在所述將所 述第一未分類對象按照預先確定的最優(yōu)分割尺度進行分割之前，還包括：
[002引根據(jù)自相關指標I和變異指標V確定出最優(yōu)分割尺度；其中，所述自相關指標I的 計算公式為
【主權項】
1. 一種提取遙感影像中土地覆被信息的方法，其特征在于，包括： 獲取待提取土地覆被信息的遙感影像； 基于專題圖層，采用多分辨率影像分割方法和最鄰近分類方法將所述遙感影像進行分 害J，并從分割后形成的遙感影像對象中提取河流、湖泊、灘涂、低反照建筑、高反照建筑、中 低覆蓋植被和/或高覆蓋植被。
2. 根據(jù)權利要求1所述的提取遙感影像中土地覆被信息的方法，其特征在于，所述基 于專題圖層，采用多分辨率影像分割方法和最鄰近分類方法將所述遙感影像進行分割，并 從分割后形成的遙感影像對象中提取河流、湖泊、灘涂、低反照建筑、高反照建筑、中低覆蓋 植被和/或高覆蓋植被，包括： 基于專題圖層，采用多分辨率影像分割方法，將所述遙感影像按照預設的分割尺度進 行分割，并對分割后形成的遙感影像對象進行分類，形成河流、湖泊、灘涂和/或第一未分 類對象； 將所述第一未分類對象按照預先確定的最優(yōu)分割尺度進行分割，形成第二未分類對 象，采用基于訓練樣本的最鄰近分類方法將所述第二未分類對象進行分類，形成低反照建 筑、高反照建筑、中低覆蓋植被和/或高覆蓋植被。
3. 根據(jù)權利要求2所述的提取遙感影像中土地覆被信息的方法，其特征在于，在所述 將所述第一未分類對象按照預先確定的最優(yōu)分割尺度進行分割之前，還包括： 根據(jù)自相關指標I和變異指標V確定出最優(yōu)分割尺度；其中，所述自相關指標I的計算 公式為：
> 所述η為所述第一未分類對象的數(shù)量，所述為第 一未分類對象Ri和第一未分類對象L的空間鄰近性的度量指標，如果R JP L相鄰，則w υ =1，否則，《υ= 0,所述y i為第一未分類對象R i的平均灰度值，所述^為所述第一未分類 對象的平均灰度值；所述變異指標V的計算公式為，所述％是第一未分類對象
/=1 Ri的面積，V i是第一未分類對象R i的變異數(shù)。
4. 根據(jù)權利要求2所述的提取遙感影像中土地覆被信息的方法，其特征在于，所述對 分割后形成的遙感影像對象進行分類，形成河流、湖泊、灘涂和/或第一未分類對象，包括： 確定分割后形成的專題圖層屬性為水面的遙感影像對象為水面對象，專題圖層屬性為 灘涂的遙感影像對象為灘涂； 計算所述水面對象的長度與寬度的比值；其中，所述計算公式為：
^所述L為水體對象的長度， 即與水體對象具有等價二階矩的橢圓的長軸