CN108053408B - 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 PDFInfo
- Publication number
- CN108053408B CN108053408B CN201711268246.7A CN201711268246A CN108053408B CN 108053408 B CN108053408 B CN 108053408B CN 201711268246 A CN201711268246 A CN 201711268246A CN 108053408 B CN108053408 B CN 108053408B
- Authority
- CN
- China
- Prior art keywords
- land
- image
- land utilization
- updating
- map
- 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
Links
Images
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
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。
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 CN108053408A (zh) | 2018-05-18 |
CN108053408B true 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) |
Families Citing this family (8)
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 |
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 |
CN110414566B (zh) * | 2019-07-01 | 2020-11-17 | 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 |
CN110363798B (zh) * | 2019-07-24 | 2022-02-18 | 宁波市测绘和遥感技术研究院 | 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 |
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 |
CN113222005B (zh) * | 2021-05-08 | 2022-05-27 | 兰州交通大学 | 一种土地覆盖自动更新方法 |
Citations (6)
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 |
-
2017
- 2017-12-05 CN CN201711268246.7A patent/CN108053408B/zh active Active
Patent Citations (6)
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)
Title |
---|
Spatial Metrics and Image Texture for Mapping Urban Land Use;Martin Herold.et.;《Photogrammetric Engineering & Remote Sensing》;20030930(第11期);第991-1001页 * |
农作物遥感识别中的多源数据融合研究进展;宋茜等;《中国农业科学》;20151231;第48卷(第6期);第1122-1135页 * |
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;史婷婷等;《中国中药杂志》;20171130;第42卷(第22期);第4353-4357页 * |
基于面向对象的海岸带土地利用信息提取研究;王彩艳等;《自然资源学报》;20140930;第29卷(第9期);第1589-1597页 * |
Also Published As
Publication number | Publication date |
---|---|
CN108053408A (zh) | 2018-05-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108053408B (zh) | 一种基于遥感卫星影像的高自动化土地利用更新方法 | |
Yang et al. | An individual tree segmentation method based on watershed algorithm and three-dimensional spatial distribution analysis from airborne LiDAR point clouds | |
Kraaijenbrink et al. | Object-based analysis of unmanned aerial vehicle imagery to map and characterise surface features on a debris-covered glacier | |
Guan et al. | Integration of orthoimagery and lidar data for object-based urban thematic mapping using random forests | |
Schiewe | Segmentation of high-resolution remotely sensed data-concepts, applications and problems | |
Ramiya et al. | Segmentation based building detection approach from LiDAR point cloud | |
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 | |
CN107229913A (zh) | 基于高分卫星遥感数据结合建筑高度的人口密度分析系统 | |
CN103489171A (zh) | 基于标准色彩库的大范围遥感影像自动化匀光匀色方法 | |
Berger et al. | Robust extraction of urban land cover information from HSR multi-spectral and LiDAR data | |
Berveglieri et al. | Identification of successional stages and cover changes of tropical forest based on digital surface model analysis | |
Karsli et al. | Automatic building extraction from very high-resolution image and LiDAR data with SVM algorithm | |
CN109100719A (zh) | 基于星载sar影像与光学影像的地形图联合测图方法 | |
CN103035006A (zh) | 一种LiDAR辅助下基于LEGION的高分辨率航空影像分割方法 | |
Yang et al. | Airborne LiDAR and photogrammetric point cloud fusion for extraction of urban tree metrics according to street network segmentation | |
Singh et al. | A hybrid approach for information extraction from high resolution satellite imagery | |
Tejeswari et al. | Building footprint extraction from space-borne imagery using deep neural networks | |
Esch et al. | Semi-automated classification of urban areas by means of high resolution radar data | |
Liew et al. | Integration of tree database derived from satellite imagery and lidar point cloud data | |
Cömert et al. | Object based building extraction and building period estimation from unmanned aerial vehicle data | |
Wurm et al. | The changing face of urban growth: An analysis using earth observation data | |
Forghani et al. | Object-based classification of multi-sensor optical imagery to generate terrain surface roughness information for input to wind risk simulation | |
Keinan et al. | Updating National Topographic Data Base Using Change Detection Methods | |
Aman et al. | Comparative analysis of different methodologies for local climate zone classification |
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 |