CN103077400B - 土地利用数据库支持的地类信息遥感自动识别方法 - Google Patents
土地利用数据库支持的地类信息遥感自动识别方法 Download PDFInfo
- Publication number
- CN103077400B CN103077400B CN201210575858.1A CN201210575858A CN103077400B CN 103077400 B CN103077400 B CN 103077400B CN 201210575858 A CN201210575858 A CN 201210575858A CN 103077400 B CN103077400 B CN 103077400B
- Authority
- CN
- China
- Prior art keywords
- spot
- area
- ground
- land
- category information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Landscapes
- Image Analysis (AREA)
Abstract
本发明属于遥感图像处理领域,公开了一种土地利用数据库支持的地类信息遥感自动识别方法,包括:(1)依据地类属性值,从土地利用数据库中获取土地利用矢量数据,并从中筛选出大类图斑;(2)依据筛选结果,按面积从大到小提取每一种地类对应的若干个图斑;(3)沿图斑边界做向内缓冲处理;(4)以缓冲后的图斑作为样本区,对中分辨率遥感数据进行监督分类,获取地类信息;(5)通过DEM数据计算坡度数据,并用坡度数据过滤误分类的象元;(6)过滤合并细碎图斑,得到分类结果数据。本发明替代传统的人工选择样本区域的方式,有效节约信息提取时间,提高生产效率。<!--1-->
Description
技术领域
本发明属于遥感图像处理领域,涉及土地利用数据库支持的地类信息遥感自动识别方法。
背景技术
监督分类是一种常见的遥感影像分类方法,需要以人工选取样本区域,为计算机自动分类提供依据,样本质量与遥感影像分类结果精度密切相关。在监督分类中,样本区域由操作人员根据具体遥感影像特征和遥感解译经验选取,不同的操作人员分类结果差异可能较大。
发明内容
本发明的目的是提供一种土地利用数据库支持的地类信息遥感自动识别方法,实现样本区域自动提取和土地利用监督分类,缩短处理时间,提高生产效率。
为实现上述目的,本发明提供的土地利用数据库支持的地类信息遥感自动识别方法包括以下步骤:
(1)依据地类属性值,从土地利用数据库中获取土地利用矢量数据,并从中筛选出大类图斑;
(2)依据筛选结果,按面积从大到小提取每一种地类对应的若干个图斑;
(3)沿图斑边界做向内缓冲处理;
(4)以缓冲后的图斑作为样本区,对中分辨率遥感数据进行监督分类,获取地类信息;
(5)通过DEM数据计算坡度数据,并用坡度数据过滤误分类的象元;
(6)过滤合并细碎图斑,得到分类结果数据。
所述步骤(2)中提取图斑个数通过下述方法确定:从面积最大的图斑开始按降序累加面积,直至面积累计超过该大类图斑总面积的60%,或者参加累加的图斑超过50个。
所述步骤(3)中缓冲后的图斑面积占到原始图斑面积的60%至80%。
本发明以土地利用数据库作为先验知识,通过对筛选的大面积土地利用斑块作向内缓冲,得到的结果可以认为是纯地类区域,然后使用该结果作为样本区。使用本方法自动提取的样本区主要受土地利用数据库的精度影响,而土地利用数据库是国家每年都对其更新,确保其地类的准确。所以在样本的选取上,本方法有着很高的可信度,同时克服了人工选取受人为因素影响较大的弊端。此外,使用DEM数据对上述分类结果进行修正,将山区误提取的水体重新归为林地,进一步提高了分类的精度。
使用北京昌平地区和密云地区的北京一号卫星影像数据进行测试:人工选取样本区大致需要半个小时(仅仅选取样本时间,不包含进行分类的运行时间);而采用本方法在普通的计算机中处理,在10分钟内直接可以处理得到初步的分类结果。
附图说明
图1为本发明的实施流程图;
图2为执行缓冲区分析前后的对比;
图3和图4为进行碎斑过滤合并前后的效果对比。
具体实施方式
下面将结合图1,分步骤详述本发明:
(1)依据地类属性值,对从土地利用数据库获取的土地利用矢量数据进行初步筛选
现行土地利用分类将土地利用类别分为12个一级类,一级类共下设57个二级类,就中分辨率遥感数据对土地利用类别的识别能力而言,很多在土地利用结构中占比例较小的类别如沟渠、田坎等,是无法识别同时也无多大意义的,中分辨率遥感数据更多的是用于提取耕地、林地、建设用地、水体等大类信息。本步骤主要依据地类属性值,从土地利用数据库获取土地利用矢量数据,筛选大类图斑。
土地利用数据库是按照中华人民共和国国土资源部颁布的《土地利用数据库标准》(TD/T1016—2007)建立的空间数据库,内容包括基础地理要素、土地利用要素、土地权属要素、基本农田要素、栅格要素、其他要素等,各类要素通过国土资源部年度土地变更调查更新,为土地管理各项业务的开展提供基础数据支撑。
(2)依据筛选结果,按面积从大到小提取每一种地类对应的若干个图斑
本步骤首先对每个大类对应的所有图斑按面积从大到小降序排列,然后从面积最大的图斑开始按降序累加面积,直至面积累计超过该大类图斑总面积的60%,或者参加累加的图斑超过50个,最后将这些图斑提取出来。
(3)沿图斑边界做向内缓冲处理,使缓冲后的图斑面积占到原始图斑面积的60%至80%
考虑到上一步骤提取出来的图斑边界很有可能是不同地类的分界线(例如界线一侧为耕地另一侧为建设用地),边界经过的像元是混合像元,因此为保证样本区域内是单一地类,本步骤沿图斑边界向内做缓冲处理,经验表明缓冲后的图斑面积占原始图斑面积的60%至80%左右最为适宜,也可根据实际情况自行设定。
如图2a所示,该斑块的地类代码是032,表示是一块灌木林地,属于林地。从图中可以看出,在图斑边界区域(主要在右下侧),有很多光谱和林地差异很大的象元。如果在选取样本时将这些象元选取到样本区中,将会对分类的结果造成较大的影响。通过向内缓冲区处理后(图2b所示),可以看到样本区内的光谱信息基本一致。
(4)以缓冲后的图斑作为样本区(简称AOI),对中分辨率遥感数据进行监督分类,获取地类信息。
以缓冲后的图斑作为样本区,采用监督分类对中分辨率遥感数据进行分类,从而获得土地利用的地类信息数据。
(5)通过数字高程数据(DEM)计算坡度数据,并用坡度数据过滤误分类的象元。
由于水体和山区林地的地物特征很类似,很容易将山区林地误分为水体,可通过以下处理将山区误提取的水体重新归为林地:
首先使用DEM数据计算待分类区域的坡度数据。通过坡度数据可以知道,水体的坡度为0度,而山区的林地的坡度均大于0度,若类别为水体且坡度大于0,则将其设为林地。
(6)过滤合并细碎图斑,得到土地利用地类结果数据。
监督分类的结果会存在大量的细碎图斑,通过小碎斑的过滤合并,可以将细碎图斑进行去除。如图3是初步分类后的结果,图4是进行细碎图斑过滤合并后的结果。最后对分类结果进行矢量化,生成土地利用分类矢量数据,完成遥感分类信息的自动精细识别。
Claims (2)
1.一种土地利用数据库支持的地类信息遥感自动识别方法,包括以下步骤:
(1)依据地类属性值,从土地利用数据库中获取土地利用矢量数据,并从中筛选出大类图斑;
(2)依据筛选结果,按面积从大到小提取每一种地类对应的若干个图斑;
(3)沿图斑边界做向内缓冲处理,使缓冲后的图斑面积占到原始图斑面积的60%至80%;
(4)以缓冲后的图斑作为样本区,对中分辨率遥感数据进行监督分类,获取地类信息;
(5)通过DEM数据计算坡度数据,并用坡度数据过滤误分类的象元;
(6)过滤合并细碎图斑,得到分类结果数据。
2.根据权利要求1所述的土地利用数据库支持的地类信息遥感自动识别方法,其特征在于,所述步骤(2)中提取图斑个数通过下述方法确定:从面积最大的图斑开始按降序累加面积,直至面积累计超过该大类图斑总面积的60%,或者参加累加的图斑超过50个。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210575858.1A CN103077400B (zh) | 2012-12-26 | 2012-12-26 | 土地利用数据库支持的地类信息遥感自动识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210575858.1A CN103077400B (zh) | 2012-12-26 | 2012-12-26 | 土地利用数据库支持的地类信息遥感自动识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103077400A CN103077400A (zh) | 2013-05-01 |
CN103077400B true CN103077400B (zh) | 2015-11-25 |
Family
ID=48153924
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210575858.1A Expired - Fee Related CN103077400B (zh) | 2012-12-26 | 2012-12-26 | 土地利用数据库支持的地类信息遥感自动识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103077400B (zh) |
Families Citing this family (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103345511B (zh) * | 2013-07-04 | 2016-08-10 | 西北工业大学 | 一种基于稀疏表达的遥感图像检索方法 |
CN103674014B (zh) * | 2013-12-10 | 2017-01-04 | 中国神华能源股份有限公司 | 天然气井的定位方法和装置 |
CN105825221A (zh) * | 2015-01-07 | 2016-08-03 | 王伟 | 土地自动演化分类方法 |
CN104574449B (zh) * | 2015-01-27 | 2017-11-21 | 国家测绘地理信息局大地测量数据处理中心 | 基于dem的投影面积计算方法 |
CN105184224B (zh) * | 2015-08-10 | 2018-05-29 | 东北农业大学 | 一种东北地区水田分类与信息提取系统及方法 |
CN106123812A (zh) * | 2016-08-14 | 2016-11-16 | 覃泽林 | 基于遥感影像获取起伏地表甘蔗种植面积的方法及装置 |
CN108363951B (zh) * | 2018-01-11 | 2022-02-22 | 东南大学 | 遥感影像地类识别对应深度学习样本库的自动获取方法 |
CN109447111B (zh) * | 2018-09-20 | 2021-12-03 | 杭州师范大学 | 一种基于子类训练样本的遥感监督分类方法 |
CN109816749B (zh) * | 2019-02-14 | 2023-04-28 | 中国测绘科学研究院 | 图斑地图符号填充方法、装置、计算机设备及存储介质 |
CN110674239B (zh) * | 2019-09-27 | 2022-11-04 | 中国航空无线电电子研究所 | 一种地理要素自动分类方法及装置 |
CN110851553A (zh) * | 2019-11-14 | 2020-02-28 | 空间信息产业发展股份有限公司 | 一种应用于不相连图斑的最小闭合圈自动形成方法 |
CN111340757B (zh) * | 2020-02-17 | 2023-03-07 | 中国国土勘测规划院 | 一种局部狭长土地利用矢量图形的检测方法 |
CN112148829B (zh) * | 2020-09-30 | 2023-05-16 | 重庆市规划设计研究院 | 一种应用于消除破碎图斑的gis算法优化方法 |
CN113254552A (zh) * | 2021-03-11 | 2021-08-13 | 广州建通测绘地理信息技术股份有限公司 | 一种全域土地综合整治潜力的识别方法及系统 |
CN113282572B (zh) * | 2021-07-20 | 2021-10-29 | 湖南省第二测绘院 | 一种耕地网格化划分的方法、系统及终端设备 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101510374A (zh) * | 2009-03-12 | 2009-08-19 | 中国科学院遥感应用研究所 | 一种基于历史数据及遥感数据的土地利用图自动更新方法 |
CN102298705A (zh) * | 2011-08-12 | 2011-12-28 | 北京师范大学 | 一种分析景观特征对遥感分类图斑精度影响的方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8189877B2 (en) * | 2005-10-21 | 2012-05-29 | Carnegie Institution Of Washington | Remote sensing analysis of forest disturbances |
-
2012
- 2012-12-26 CN CN201210575858.1A patent/CN103077400B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101510374A (zh) * | 2009-03-12 | 2009-08-19 | 中国科学院遥感应用研究所 | 一种基于历史数据及遥感数据的土地利用图自动更新方法 |
CN102298705A (zh) * | 2011-08-12 | 2011-12-28 | 北京师范大学 | 一种分析景观特征对遥感分类图斑精度影响的方法 |
Non-Patent Citations (1)
Title |
---|
基于多源遥感的莺歌海滨岸环境特征分析;乔纪纲等;《热带地理》;20110930;第31卷(第5期);第456-459,462 * |
Also Published As
Publication number | Publication date |
---|---|
CN103077400A (zh) | 2013-05-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103077400B (zh) | 土地利用数据库支持的地类信息遥感自动识别方法 | |
CN103577475B (zh) | 一种图片自动化分类方法、图片处理方法及其装置 | |
CN106650812B (zh) | 一种卫星遥感影像的城市水体提取方法 | |
CN105005786A (zh) | 一种基于BoF和多特征融合的纹理图像分类方法 | |
CN104881865A (zh) | 基于无人机图像分析的森林病虫害监测预警方法及其系统 | |
CN103646246A (zh) | 一种基于决策树模型的多光谱遥感影像河流信息提取方法 | |
CN104573707B (zh) | 一种基于多特征融合的车牌汉字识别方法 | |
CN106611174A (zh) | 一种非常见字体的ocr识别方法 | |
CN109063713A (zh) | 一种基于构造特征图像深度学习的木材鉴别方法和系统 | |
CN106228157A (zh) | 基于图像识别技术的彩色图像文字段落分割与识别方法 | |
CN106960176A (zh) | 一种基于超限学习机和颜色特征融合的行人性别识别方法 | |
CN103399848B (zh) | 发动机试验数据标准化特定格式导入处理方法 | |
CN103593853A (zh) | 基于联合稀疏表达的遥感影像多尺度面向对象分类方法 | |
CN106096612A (zh) | 实蝇图像识别系统及方法 | |
CN107832849A (zh) | 一种基于知识库的电力线廊道三维信息提取方法及装置 | |
CN103976468A (zh) | 一种烟叶分级方法 | |
CN113705990A (zh) | 自然资源信息处理方法、装置、电子设备及存储介质 | |
CN110119739B (zh) | 一种冰晶图片的自动分类方法 | |
CN110889834A (zh) | 一种基于云计算的公路隧道围岩分级方法 | |
CN103295238B (zh) | 安卓平台上基于roi运动检测的视频实时定位方法 | |
EP3961548A1 (en) | Power grid user classification method and device, and computer-readable storage medium | |
CN104915925A (zh) | 制备高精度掩膜文件进行干旱河谷提取的方法 | |
Gong et al. | Scale issues of wetland classification and mapping using remote sensing images: A case of Honghe National Nature Reserve in Sanjiang Plain, Northeast China | |
CN105760421A (zh) | 土地利用类型分类的方法 | |
Kamagata et al. | Object-based classification of IKONOS data for vegetation mapping in Central Japan |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20151125 Termination date: 20161226 |