CN108053408A - 一种基于遥感卫星影像的高自动化土地利用更新方法 - Google Patents

一种基于遥感卫星影像的高自动化土地利用更新方法 Download PDF

Info

Publication number
CN108053408A
CN108053408A CN201711268246.7A CN201711268246A CN108053408A CN 108053408 A CN108053408 A CN 108053408A CN 201711268246 A CN201711268246 A CN 201711268246A CN 108053408 A CN108053408 A CN 108053408A
Authority
CN
China
Prior art keywords
land use
land
image
updating
remote
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.)
Granted
Application number
CN201711268246.7A
Other languages
English (en)
Other versions
CN108053408B (zh
Inventor
乔志远
傅俏燕
隋正伟
高青山
冯鹏
崔林
吕争
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.)
China Center for Resource Satellite Data and Applications CRESDA
Original Assignee
China Center for Resource Satellite Data and Applications CRESDA
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 China Center for Resource Satellite Data and Applications CRESDA filed Critical China Center for Resource Satellite Data and Applications CRESDA
Priority to CN201711268246.7A priority Critical patent/CN108053408B/zh
Publication of CN108053408A publication Critical patent/CN108053408A/zh
Application granted granted Critical
Publication of CN108053408B publication Critical patent/CN108053408B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10032—Satellite or aerial image; Remote sensing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Radar Systems Or Details Thereof (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)
  • Processing Or Creating Images (AREA)

Abstract

一种基于遥感卫星影像的高自动化土地利用更新方法，步骤为：1)针对已经过正射校正、图像配准、云影检测预处理的影像数据进行变化检测，提取前后时相土地利用变化专题产品；2)获得高度同质性的影像分割区域，并利用矢量化技术生成影像对象图斑，并以此作为处理单位；3)计算对象图斑的各类图谱特征；4)采集训练样本用于土地利用分类器训练；5)在土地覆盖分类结果基础上识别各种土地利用地类，实现土地利用地物信息的提取；6)结合变化检测产品、基期土地利用专题图及土地利用分类专题图，通过叠置分析更新基期土地利用专题图中变化图斑的专题信息，获得现势的土地利用更新产品。

Description

一种基于遥感卫星影像的高自动化土地利用更新方法
技术领域
本发明属于遥感技术领域，涉及一种基于遥感卫星影像的高自动化土地利用更新方法。
背景技术
土地是人类赖以生存的重要自然资源基础，获取土地利用变化信息对掌握土地现状和促进经济发展有着重要的意义。基于人工地面调查的方式获取土地利用变化信息费时费力，同时在地物空间地理边界划分上也缺乏精确度。因此，需要从遥感影像数据中自动提取土地利用变化信息，形成土地利用更新产品等成果，支撑土地规划和政府决策。
资源三号卫星是我国发射的首颗民用高分辨率光学传输型立体测绘卫星，搭载分辨率为2.1米的全色相机和5.8米的多光谱相机，拍摄幅宽达52公里，回归周期59天，能够满足1比5万比例尺地形图的制作要求，在国土测绘领域有着广泛的应用。
发明内容
本发明所要解决的技术问题是：克服现有技术的不足，提供一种基于遥感卫星影像的高自动化土地利用更新方法，从多期遥感影像数据中自动提取土地利用类型及变化范围，并结合已有的空间信息产品专题图作为背景知识，实现土地利用更新产品的全自动快速生产。
本发明包括如下技术方案：一种基于遥感卫星影像的高自动化土地利用更新方法，步骤如下：
1)变化检测：针对已经过正射校正、图像配准、云影检测预处理的影像数据进行变化检测，提取前后时相土地利用变化专题产品；
2)影像分割：针对当前期遥感影像数据进行分割，获得高度同质性的影像分割区域，并利用矢量化技术生成影像对象图斑，并以此作为处理单位；
3)特征计算：以分割对象为处理单元，计算对象图斑的各类图谱特征；
4)样本采集：利用收集整合的参考数据，采集训练样本用于土地利用分类器训练；
5)土地利用分层分类：以正射遥感影像为基础，借助采集的训练样本和面向对象的监督分类方法，在土地覆盖分类结果基础上识别各种土地利用地类，实现土地利用地物信息的提取；
6)变化更新：结合变化检测产品、基期土地利用专题图及土地利用分类专题图，通过叠置分析更新基期土地利用专题图中变化图斑的专题信息，获得现势的土地利用更新产品。
所述步骤1)变化检测采用图像代数法、主成分分析法以及植被指数法中的一种方法进行检测。
本发明与现有技术相比具有如下优点：流程化地完成变化检测、影像分割、特征提取、样本采集、监督分类及变化更新等步骤，包括土地利用变化检测方法及先验知识控制下的样本采集、土地利用分层分类、变化自动更新等。通过多期国产卫星数据的变化检测技术，自动提取前后期影像变化区域，在此基础上将已有的空间信息产品专题图和典型地物波谱库作为重要的重要先验知识，对土地利用变化局部进行分类更新，实现人工解译知识支持下的土地利用产品的批量、全自动高效更新。
附图说明
图1为本发明方法流程图。
具体实施方式
如图1所示，下面就结合附图对本发明做进一步介绍。
主要包括以下几个步骤：
(1)变化检测：针对不同的国产卫星数据源和土地利用变化更新的应用需求，结合多期国产高分辨率遥感影像数据，实现比值法、差值法、变化向量分析法、主成分变换法等变化检测方法提取出土地利用变化区域，获得的不同时期的土地利用变化分布图。
(2)影像分割：针对高分辨率国产卫星影像，采用基于均值漂移的影像分割算法，通过分割和矢量化完成目标影像同质基元对象的提取。针对不同分辨率的数据源和影像地物类型，可设置最小区域合并尺度参数进行不同尺度的对象合并，从而控制基元对象的空间大小，实现对影像的合理分割。
(3)特征计算：在影像分割基础上，计算对象的“图谱”特征，构建特征专题层。对于对象的“谱”特征，除了各波段光谱特征外，引入了对象的亮度(各波段的平均值)、最大差异(各波段间最大的变化)、指数(特定波段值计算的各种归一化差异指数，如NDWI、NDVI)等特征。对象的“图”特征则包括了形状(矩形主方向、长宽比、形状指数等)、纹理等两大类特征，用于辅助解决“同谱异物”等现象。综合对象的光谱、形状、纹理三大类特征，可生成一系列具有物理意义的、以空间对象为单元的特征层，为后继面向对象监督分类提供丰富的信息支持。
(4)样本采集：在影像分割和图谱特征定量化表达基础上，将遥感影像数据与先验历史辅助数据相结合，通过辅助数据的指导完成影像分类样本的自动采集，进而用于遥感影像的自动化地学解译。
(5)土地利用监督分类：在特征知识库的遥感信息提取框架下，运用面向对象的监督分类方法，将分析对象从像元级提升到对象级，描述了光谱之外的形状、空间关系等特征，利用对象之间的关系表达更高层面的语义特征，智能提取高分辨率国产遥感影像土地信息。
(6)土地利用变化更新产品制图：在获取土地利用分类专题图之后，结合变化检测产品、基期土地利用专题图、土地利用分类专题图，通过叠置分析更新基期土地利用专题图中变化图斑的专题信息，获得现势的土地利用更新产品。并进行图幅的整饰、出图，完成土地利用更新产品的制图。
本发明未详细说明部分属本领域技术人员公知常识。

Claims (2)

1.一种基于遥感卫星影像的高自动化土地利用更新方法，其特征在于步骤如下：
1)变化检测：针对已经过正射校正、图像配准、云影检测预处理的影像数据进行变化检测，提取前后时相土地利用变化专题产品；
2)影像分割：针对当前期遥感影像数据进行分割，获得高度同质性的影像分割区域，并利用矢量化技术生成影像对象图斑，并以此作为处理单位；
3)特征计算：以分割对象为处理单元，计算对象图斑的各类图谱特征；
4)样本采集：利用收集整合的参考数据，采集训练样本用于土地利用分类器训练；
5)土地利用分层分类：以正射遥感影像为基础，借助采集的训练样本和面向对象的监督分类方法，在土地覆盖分类结果基础上识别各种土地利用地类，实现土地利用地物信息的提取；
6)变化更新：结合变化检测产品、基期土地利用专题图及土地利用分类专题图，通过叠置分析更新基期土地利用专题图中变化图斑的专题信息，获得现势的土地利用更新产品。
2.根据权利要求1所述的一种基于遥感卫星影像的高自动化土地利用更新方法，其特征在于：所述步骤1)变化检测采用图像代数法、主成分分析法以及植被指数法中的一种方法进行检测。
CN201711268246.7A 2017-12-05 2017-12-05 一种基于遥感卫星影像的高自动化土地利用更新方法 Active CN108053408B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711268246.7A CN108053408B (zh) 2017-12-05 2017-12-05 一种基于遥感卫星影像的高自动化土地利用更新方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711268246.7A CN108053408B (zh) 2017-12-05 2017-12-05 一种基于遥感卫星影像的高自动化土地利用更新方法

Publications (2)

Publication Number Publication Date
CN108053408A true CN108053408A (zh) 2018-05-18
CN108053408B CN108053408B (zh) 2020-05-19

Family

ID=62122592

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711268246.7A Active CN108053408B (zh) 2017-12-05 2017-12-05 一种基于遥感卫星影像的高自动化土地利用更新方法

Country Status (1)

Country Link
CN (1) CN108053408B (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109064000A (zh) * 2018-07-25 2018-12-21 天图软件科技有限公司 自然资源审计的方法、装置和系统
CN109145885A (zh) * 2018-10-11 2019-01-04 北京师范大学 一种大尺度农作物遥感分类方法及系统
CN110046214A (zh) * 2019-04-17 2019-07-23 华北电力大学（保定） 基于植被分布数据库的植被类遥感信息自动识别方法
CN110363798A (zh) * 2019-07-24 2019-10-22 宁波市测绘设计研究院 一种遥感影像解译样本集的生成方法
CN110414566A (zh) * 2019-07-01 2019-11-05 武汉大学 一种基于时间序列PolSAR影像的土地覆盖类型变化检测方法
CN111523381A (zh) * 2020-03-13 2020-08-11 上海眼控科技股份有限公司 数值天气预报中土地利用信息的更新方法及设备
CN111640146A (zh) * 2020-05-29 2020-09-08 河南大学 一种基于gis的流域土地利用分类方法和装置
CN113222005A (zh) * 2021-05-08 2021-08-06 兰州交通大学 一种土地覆盖自动更新方法

Citations (6)

* Cited by examiner, † Cited by third party
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
CN101604326A (zh) * 2009-07-16 2009-12-16 浙江大学 基于事件语义的土地利用数据更新与分析方法
CN101661497A (zh) * 2009-09-10 2010-03-03 北京农业信息技术研究中心 遥感土地利用变化检测方法及系统
KR20100097482A (ko) * 2009-02-26 2010-09-03 광주과학기술원 비점오염 모델 구축 시스템 및 비점오염 모델 구축 방법
CN102254319A (zh) * 2011-04-19 2011-11-23 中科九度(北京)空间信息技术有限责任公司 一种多层次分割的遥感影像变化检测方法
CN102855487A (zh) * 2012-08-27 2013-01-02 南京大学 高分辨率遥感图像新增建设用地变化图斑自动提取的方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20100097482A (ko) * 2009-02-26 2010-09-03 광주과학기술원 비점오염 모델 구축 시스템 및 비점오염 모델 구축 방법
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
CN101604326A (zh) * 2009-07-16 2009-12-16 浙江大学 基于事件语义的土地利用数据更新与分析方法
CN101661497A (zh) * 2009-09-10 2010-03-03 北京农业信息技术研究中心 遥感土地利用变化检测方法及系统
CN102254319A (zh) * 2011-04-19 2011-11-23 中科九度(北京)空间信息技术有限责任公司 一种多层次分割的遥感影像变化检测方法
CN102855487A (zh) * 2012-08-27 2013-01-02 南京大学 高分辨率遥感图像新增建设用地变化图斑自动提取的方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
MARTIN HEROLD.ET.: "Spatial Metrics and Image Texture for Mapping Urban Land Use", 《PHOTOGRAMMETRIC ENGINEERING & REMOTE SENSING》 *
史婷婷等: "基于面向对象分类的人参种植分布信息提取研究——以抚松县为例", 《中国中药杂志》 *
宋茜等: "农作物遥感识别中的多源数据融合研究进展", 《中国农业科学》 *
王彩艳等: "基于面向对象的海岸带土地利用信息提取研究", 《自然资源学报》 *

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109064000A (zh) * 2018-07-25 2018-12-21 天图软件科技有限公司 自然资源审计的方法、装置和系统
CN109145885A (zh) * 2018-10-11 2019-01-04 北京师范大学 一种大尺度农作物遥感分类方法及系统
CN109145885B (zh) * 2018-10-11 2020-09-15 北京师范大学 一种大尺度农作物遥感分类方法及系统
CN110046214A (zh) * 2019-04-17 2019-07-23 华北电力大学（保定） 基于植被分布数据库的植被类遥感信息自动识别方法
CN110414566A (zh) * 2019-07-01 2019-11-05 武汉大学 一种基于时间序列PolSAR影像的土地覆盖类型变化检测方法
CN110363798A (zh) * 2019-07-24 2019-10-22 宁波市测绘设计研究院 一种遥感影像解译样本集的生成方法
CN111523381A (zh) * 2020-03-13 2020-08-11 上海眼控科技股份有限公司 数值天气预报中土地利用信息的更新方法及设备
CN111640146A (zh) * 2020-05-29 2020-09-08 河南大学 一种基于gis的流域土地利用分类方法和装置
CN111640146B (zh) * 2020-05-29 2023-04-07 河南大学 一种基于gis的流域土地利用分类方法和装置
CN113222005A (zh) * 2021-05-08 2021-08-06 兰州交通大学 一种土地覆盖自动更新方法

Also Published As

Publication number Publication date
CN108053408B (zh) 2020-05-19

Similar Documents

Publication Publication Date Title
CN108053408A (zh) 一种基于遥感卫星影像的高自动化土地利用更新方法
CN109800671B (zh) 面向目标解译的多源遥感信息知识图谱构建方法和系统
CN102521273B (zh) 一种高分辨率遥感的多功能城市用地空间信息生成方法
Wang et al. Integration of Google Maps/Earth with microscale meteorology models and data visualization
Schiewe Segmentation of high-resolution remotely sensed data-concepts, applications and problems
CN105809194B (zh) 一种sar影像翻译为光学影像的方法
Zhou et al. Individual tree parameters estimation for plantation forests based on UAV oblique photography
CN104899897A (zh) 一种基于历史数据挖掘的高分遥感影像土地覆盖变化检测方法
CN110502654A (zh) 一种适用于多源异构遥感数据的目标库生成系统
CN110163836A (zh) 基于深度学习用于高空巡检下的挖掘机检测方法
Xia et al. Deep extraction of cropland parcels from very high-resolution remotely sensed imagery
CN106910188A (zh) 基于深度学习的遥感影像中机场跑道的检测方法
Qian et al. Deep Roof Refiner: A detail-oriented deep learning network for refined delineation of roof structure lines using satellite imagery
Zhou et al. Individual tree crown segmentation based on aerial image using superpixel and topological features
Gevaert et al. Context-based filtering of noisy labels for automatic basemap updating from UAV data
CN107463944B (zh) 一种利用多时相高分辨率sar图像的道路信息提取方法
CN103035006A (zh) 一种LiDAR辅助下基于LEGION的高分辨率航空影像分割方法
Zhang Practice Teaching of Landscape Survey Course Based on eCognition Remote Sensing Image Interpretation* Technology.
Jin et al. Combining 3D radiative transfer model and convolutional neural network to accurately estimate forest canopy cover from very high-resolution satellite images
CN114120141A (zh) 一种可全天候遥感监测自动分析方法及其系统
CN116563672B (zh) 一种岩土体分类模型构建方法及岩土体分类方法
Hu et al. Urban land-cover mapping and change detection with radarsat sar data using neural network and rule-based classifiers
Zhang et al. Natural forest ALS-TLS point cloud data registration without control points
Devabalan Satellite image processing on a grid based computing environment
CN108596088A (zh) 一种用于全色遥感影像的建筑物检测方法

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
GR01 Patent grant
GR01 Patent grant