CN106778640B - 一种三维可视化环境下地表植被覆盖模型的生成方法 - Google Patents

一种三维可视化环境下地表植被覆盖模型的生成方法 Download PDF

Info

Publication number
CN106778640B
CN106778640B CN201611207012.7A CN201611207012A CN106778640B CN 106778640 B CN106778640 B CN 106778640B CN 201611207012 A CN201611207012 A CN 201611207012A CN 106778640 B CN106778640 B CN 106778640B
Authority
CN
China
Prior art keywords
vegetation
remote sensing
sensing image
cover
vegetation cover
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.)
Active
Application number
CN201611207012.7A
Other languages
English (en)
Other versions
CN106778640A (zh
Inventor
田媛
杜敬
巩志远
谢国钧
李宇光
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhongke Star Map Co., Ltd.
Original Assignee
Space Star Technology (beijing) Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Space Star Technology (beijing) Co Ltd filed Critical Space Star Technology (beijing) Co Ltd
Priority to CN201611207012.7A priority Critical patent/CN106778640B/zh
Publication of CN106778640A publication Critical patent/CN106778640A/zh
Application granted granted Critical
Publication of CN106778640B publication Critical patent/CN106778640B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/188—Vegetation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/30—Noise filtering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/56—Extraction of image or video features relating to colour

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Image Processing (AREA)

Abstract

一种三维可视化环境下地表植被覆盖模型的生成方法，其特征在于：获取覆盖所述研究区域的遥感影像数据；对所述遥感影像进行预处理；将具有相似性质的像素进行合并构成一个完整区域，进行遥感影像分割；进行地表植被覆盖信息的计算机自动提取，生成地表植被覆盖图；将研究区域的数字高程模型DEM数据与所述地表植被覆盖图数据进行融合处理，生成三维可视化环境下地表植被覆盖模型。本发明综合了面向对象分类技术与利用植被指数识别技术的优点，克服了单独利用面向对象分类技术对“异物同谱”土地覆盖类型不能区分的困难，同时也解决了单独利用光谱特征分类结果细碎、不具有明确地理意义的问题。并且采用了独特的植被覆盖指数，使得遥感影像植被识别具有更高的精度和速度。

Description

一种三维可视化环境下地表植被覆盖模型的生成方法
技术领域：
本发明设计地理信息系统和遥感技术领域，具体是一种三维可视化环境下地表植被覆盖模型的生成方法。
背景技术：
植被遥感监测是遥感技术在土地利用领域应用的重要内容。遥感技术作为地球信息科学的前沿技术，可以在短期内连续获取大范围的地面信息，实现植被信息的快速收集和定量分析，反应迅速，客观性强，是目前最为有效的对地观测技术和信息获取手段。尤其近年来新的高空间分辨率、高光谱、雷达等遥感技术的发展，为植被现代化监测提供了新的机遇。我国幅员辽阔，农作物种类丰富，如何及时、客观、准确地收集植被信息，对科学指导土地利用具有重要意义。
面向对象的遥感图像解译方法是相对于传统遥感影像处理软件主要针对单个像元的解译算法而言的。该方法在分类时不仅考虑地物的光谱特征，还主要利用其几何特征和结构特征，图像中的最小单元不再是单个的像元，而是一个个对象。该方法是基于认知模型的遥感信息提取方法，更贴近人类的认知过程，已成为遥感信息提取领域主要的研究方向之一。陆地资源卫星(Landsat)数据空间分辨率高，已被证实非常适合土地覆盖分类研究。
目前国内外进行土地植被覆盖分类的研究目前主要集中于中低分辨率的遥感影像分类中，这种方法是传统的基于像元的分类，结果往往较细碎不具有明确的地理学意义，不能满足地理信息系统对多边形的要求。
发明内容：
针对现有的缺陷或不足，本发明提供了一种三维可视化环境下地表植被覆盖模型的生成方法，其特征在于：
步骤1，选定研究区域，获取覆盖所述研究区域的遥感影像数据；
步骤2，对所述遥感影像进行预处理，减轻噪声对目标和背景信息的干扰；
步骤3，将具有相似性质的像素进行合并构成一个完整区域，进行遥感影像分割，得到由一系列区域对象构成的分割图像；
步骤4，进行地表植被覆盖信息的计算机自动提取，生成地表植被覆盖图；
步骤5，将研究区域的数字高程模型DEM数据与所述地表植被覆盖图数据进行融合处理，生成三维可视化环境下地表植被覆盖模型；
优选地，其中，所述步骤1，获取的遥感影像数据为高分辨率卫星遥感影像数据。
优选地，其中，所述步骤2，对所述遥感影像进行预处理包括：大气校正、几何校正、投影转换。
优选地，其中，所述步骤4，进行地表植被覆盖信息的计算机自动提取，具体为：
步骤3-1，提取各分割区域的光谱特征信息；
步骤3-2，选择植被覆盖指数，计算各分割区域的指数值；
步骤3-3，提取各分割区域的指数值中大于阈值的区域，完成地表植被覆盖信息的计算机自动提取。
优选地，其中，所述步骤3-2，选择植被覆盖指数为：
其中，NIR为近红外波段的光谱特征值，RED为可见光红光波段的光谱特征值，a为修正因子，取值范围0-1，其中1代表较低的植被覆盖，0代表较高的植被覆盖。
优选地，其中，所述步骤3-2，所述光谱特征包括亮度、饱和度或色调。
本发明综合了面向对象分类技术与利用植被指数识别技术的优点，利用面向对象技术的多尺度分割得到均质的多边形对象，然后提取对象的光谱特征信息，判定该对象是否属于植被。本发明克服了单独利用面向对象分类技术对“异物同谱”土地覆盖类型不能区分的困难，同时也解决了单独利用光谱特征分类结果细碎、不具有明确地理意义的问题。并且采用了独特的植被覆盖指数，使得遥感影像植被识别具有更高的精度和速度。
附图说明
图1本发明所提出的方法流程图。
具体实施方式
为了更好地理解本发明，下面结合附图参考实施例的描述，对本发明的方法进行进一步的说明。
为了全面理解本发明，在以下详细描述中提到了众多具体细节。但是本领域技术人员应该理解，本发明可以无需这些具体细节而实现。在实施例中，不详细描述公知的方法、过程、组件，以免不必要地使实施例繁琐。
参见图1所示，本发明的一种三维可视化环境下地表植被覆盖模型的生成方法，其特征在于：
步骤1，选定研究区域，获取覆盖所述研究区域的遥感影像数据；
步骤2，对所述遥感影像进行预处理，减轻噪声对目标和背景信息的干扰；
步骤3，将具有相似性质的像素进行合并构成一个完整区域，进行遥感影像分割，得到由一系列区域对象构成的分割图像；
步骤4，进行地表植被覆盖信息的计算机自动提取，生成地表植被覆盖图；
步骤5，将研究区域的数字高程模型DEM数据与所述地表植被覆盖图数据进行融合处理，生成三维可视化环境下地表植被覆盖模型；
优选地，其中，所述步骤1，获取的遥感影像数据为高分辨率卫星遥感影像数据。
优选地，其中，所述步骤2，对所述遥感影像进行预处理包括：大气校正、几何校正、投影转换。
优选地，其中，所述步骤4，进行地表植被覆盖信息的计算机自动提取，具体为：
步骤3-1，提取各分割区域的光谱特征信息；
步骤3-2，选择植被覆盖指数，计算各分割区域的指数值；
步骤3-3，提取各分割区域的指数值中大于阈值的区域，完成地表植被覆盖信息的计算机自动提取。
优选地，其中，所述步骤3-2，选择植被覆盖指数为：
其中，NIR为近红外波段的光谱特征值，RED为可见光红光波段的光谱特征值，a为修正因子，取值范围0-1，其中1代表较低的植被覆盖，0代表较高的植被覆盖。
优选地，其中，所述步骤3-2，所述光谱特征包括亮度、饱和度或色调。
可见，本发明综合了面向对象分类技术与利用植被指数识别技术的优点，利用面向对象技术的多尺度分割得到均质的多边形对象，然后提取对象的光谱特征信息，判定该对象是否属于植被。本发明克服了单独利用面向对象分类技术对“异物同谱”土地覆盖类型不能区分的困难，同时也解决了单独利用光谱特征分类结果细碎、不具有明确地理意义的问题。并且采用了独特的植被覆盖指数，使得遥感影像植被识别具有更高的精度和速度。
这里只说明了本发明的优选实施例，但其意并非限制本发明的范围、适用性和配置。相反，对实施例的详细说明可使本领域技术人员得以实施。应能理解，在不偏离所附权利要求书确定的本发明精神和范围情况下，可对一些细节做适当变更和修改。

Claims (1)

1.一种三维可视化环境下地表植被覆盖模型的生成方法，其特征在于：
步骤1，选定研究区域，获取覆盖所述研究区域的遥感影像数据；
步骤2，对所述遥感影像进行预处理，减轻噪声对目标和背景信息的干扰；
步骤3，将具有相似性质的像素进行合并构成一个完整区域，进行遥感影像分割，得到由一系列区域对象构成的分割图像；
步骤4，进行地表植被覆盖信息的计算机自动提取，生成地表植被覆盖图；
步骤5，将研究区域的数字高程模型DEM数据与所述地表植被覆盖图数据进行融合处理，生成三维可视化环境下地表植被覆盖模型；
所述步骤1，获取的遥感影像数据为高分辨率卫星遥感影像数据；
所述步骤2，对所述遥感影像进行预处理包括：大气校正、几何校正、投影转换；
所述步骤4，进行地表植被覆盖信息的计算机自动提取，具体为：
步骤3-1，提取各分割区域的光谱特征信息；
步骤3-2，选择植被覆盖指数，计算各分割区域的指数值；
步骤3-3，提取各分割区域的指数值中大于阈值的区域，完成地表植被覆盖信息的计算机自动提取；
所述步骤3-2，选择植被覆盖指数为：
其中，NIR为近红外波段的光谱特征值，RED为可见光红光波段的光谱特征值，a为修正因子，取值范围0-1，其中1代表较低的植被覆盖，0代表较高的植被覆盖；
所述步骤3-2，所述光谱特征包括亮度、饱和度或色调。
CN201611207012.7A 2016-12-23 2016-12-23 一种三维可视化环境下地表植被覆盖模型的生成方法 Active CN106778640B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201611207012.7A CN106778640B (zh) 2016-12-23 2016-12-23 一种三维可视化环境下地表植被覆盖模型的生成方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201611207012.7A CN106778640B (zh) 2016-12-23 2016-12-23 一种三维可视化环境下地表植被覆盖模型的生成方法

Publications (2)

Publication Number Publication Date
CN106778640A CN106778640A (zh) 2017-05-31
CN106778640B true CN106778640B (zh) 2018-09-25

Family

ID=58919715

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201611207012.7A Active CN106778640B (zh) 2016-12-23 2016-12-23 一种三维可视化环境下地表植被覆盖模型的生成方法

Country Status (1)

Country Link
CN (1) CN106778640B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107832455B (zh) * 2017-11-24 2021-09-17 郑州云海信息技术有限公司 一种存储对象的数据获取方法、系统、设备及存储介质
CN111815772B (zh) * 2020-07-20 2023-06-23 云南财经大学 高原山地土地利用方法、系统、存储介质和计算机设备
CN112580493B (zh) * 2020-12-16 2021-11-09 广东省林业科学研究院 基于无人机遥感的植物识别方法、装置、设备及存储介质
CN113052959B (zh) * 2021-03-24 2021-11-23 中国科学院地理科学与资源研究所 一种基于碳排放的海岛植被资源投放方法及装置
CN113963262B (zh) * 2021-12-20 2022-08-23 中国地质大学（武汉） 一种矿区土地覆盖分类方法、设备、装置及存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101335431A (zh) * 2008-07-27 2008-12-31 广西电力工业勘察设计研究院 基于机载激光雷达数据的架空送电线路优化选线方法
CN102073879A (zh) * 2010-12-02 2011-05-25 南京大学 基于半监督学习的海岸海洋遥感影像特征地类的识别方法
CN104866852A (zh) * 2015-04-01 2015-08-26 环境保护部卫星环境应用中心 提取遥感影像中土地覆被信息的方法及装置
CN105160465A (zh) * 2015-08-25 2015-12-16 四川省宇行规划设计有限公司 一种基于3s技术的退耕还林方法
CN105989322A (zh) * 2015-01-27 2016-10-05 同济大学 一种基于高分辨率遥感影像的多指标融合滑坡检测方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101335431A (zh) * 2008-07-27 2008-12-31 广西电力工业勘察设计研究院 基于机载激光雷达数据的架空送电线路优化选线方法
CN102073879A (zh) * 2010-12-02 2011-05-25 南京大学 基于半监督学习的海岸海洋遥感影像特征地类的识别方法
CN105989322A (zh) * 2015-01-27 2016-10-05 同济大学 一种基于高分辨率遥感影像的多指标融合滑坡检测方法
CN104866852A (zh) * 2015-04-01 2015-08-26 环境保护部卫星环境应用中心 提取遥感影像中土地覆被信息的方法及装置
CN105160465A (zh) * 2015-08-25 2015-12-16 四川省宇行规划设计有限公司 一种基于3s技术的退耕还林方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
植被指数估算香格里拉地区植被覆盖度的精度对比分析;杨荣 等;《水土保持研究》;20140630;表1 *

Also Published As

Publication number Publication date
CN106778640A (zh) 2017-05-31

Similar Documents

Publication Publication Date Title
CN106778640B (zh) 一种三维可视化环境下地表植被覆盖模型的生成方法
Huang et al. Individual tree crown detection and delineation from very-high-resolution UAV images based on bias field and marker-controlled watershed segmentation algorithms
Miao et al. Road centerline extraction from high-resolution imagery based on shape features and multivariate adaptive regression splines
CN105957079B (zh) 基于Landsat OLI多光谱影像的湖泊水域信息提取方法
Zhou et al. Individual tree parameters estimation for plantation forests based on UAV oblique photography
CN108596103A (zh) 基于最佳光谱指数选择的高分辨率卫星遥感影像建筑物提取方法
Wang A multi-scale approach for delineating individual tree crowns with very high resolution imagery
Ozdarici-Ok Automatic detection and delineation of citrus trees from VHR satellite imagery
CN112907587B (zh) 一种基于GEE的Otsu和边缘检测算法的高山林线提取方法
Zhang et al. Extraction of tree crowns damaged by Dendrolimus tabulaeformis Tsai et Liu via spectral-spatial classification using UAV-based hyperspectral images
CN104318051B (zh) 基于规则的大范围水体信息遥感自动提取系统及方法
Costa et al. Combining per-pixel and object-based classifications for mapping land cover over large areas
CN103914692A (zh) 一种用于煤矿周围地表水系的遥感识别方法
CN106296670A (zh) 一种基于Retinex‑分水岭‑Canny算子的红外图像边缘检测方法
CN107657206B (zh) 一种基于遥感技术估算绿地覆盖率的方法
CN115311556A (zh) 一种用于自然资源管理的遥感影像处理方法及系统
Xu et al. Vegetation information extraction in karst area based on UAV remote sensing in visible light band
CN102231190B (zh) 冲洪积扇信息的自动提取方法
Xiao et al. A Novel Image Fusion Method for Water Body Extraction Based on Optimal Band Combination.
Tsendbazar Object based image analysis of geo-eye VHR data to model above ground carbon stock in Himalayan mid-hill forests, Nepal
Zhang et al. An obstacle detection system based on monocular vision for apple orchardrobot
CN112766090B (zh) 一种利用多季相Sentinel-2影像快速识别城郊闲置耕地的方法与系统
CN109544558B (zh) 一种城市复杂环境下阴影与水体分离方法
CN108242078A (zh) 一种三维可视化的地表环境模型生成方法
CN107657631B (zh) 一种基于植被分布的微波光谱混合图像的生成方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
CB03 Change of inventor or designer information

Inventor after: Tian Yuan

Inventor after: Du Jing

Inventor after: Gong Zhiyuan

Inventor after: Xie Guojun

Inventor after: Li Yuguang

Inventor before: Gong Zhiyuan

Inventor before: Xie Guojun

Inventor before: Li Yuguang

CB03 Change of inventor or designer information
GR01 Patent grant
GR01 Patent grant
CP03 Change of name, title or address

Address after: 101399 No. 2 East Airport Road, Shunyi Airport Economic Core Area, Beijing (1st, 5th and 7th floors of Industrial Park 1A-4)

Patentee after: Zhongke Star Map Co., Ltd.

Address before: 101399 Building 1A-4, National Geographic Information Technology Industrial Park, Guomen Business District, Shunyi District, Beijing

Patentee before: Space Star Technology (Beijing) Co., Ltd.

CP03 Change of name, title or address