CN109635827A - 基于含有红边谱段高分辨率卫星影像的甘蔗地块提取方法 - Google Patents

基于含有红边谱段高分辨率卫星影像的甘蔗地块提取方法 Download PDF

Info

Publication number
CN109635827A
CN109635827A CN201811568971.0A CN201811568971A CN109635827A CN 109635827 A CN109635827 A CN 109635827A CN 201811568971 A CN201811568971 A CN 201811568971A CN 109635827 A CN109635827 A CN 109635827A
Authority
CN
China
Prior art keywords
sugarcane
plot
satellite image
spectral coverage
red side
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.)
Pending
Application number
CN201811568971.0A
Other languages
English (en)
Inventor
范泽琳
朱瑞飞
曲春梅
齐宪阳
张国亮
秦小宝
王晓东
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.)
Chang Guang Satellite Technology Co Ltd
Original Assignee
Chang Guang Satellite Technology 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 Chang Guang Satellite Technology Co Ltd filed Critical Chang Guang Satellite Technology Co Ltd
Priority to CN201811568971.0A priority Critical patent/CN109635827A/zh
Publication of CN109635827A publication Critical patent/CN109635827A/zh
Pending legal-status Critical Current

Links

Classifications

    • 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
    • G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
    • G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Processing (AREA)

Abstract

本发明涉及一种基于含有红边谱段高分辨率卫星影像的甘蔗地块提取方法，包括步骤：获取针对目标区域的含有红边谱段的高分辨率卫星影像，并对卫星影像进行预处理；采用人工实测的方式对目标区域进行地面样本点采集，得到训练样本和验证样本；对卫星影像进行多尺度分割处理，得到若干个对象单元；进行面向对象的影像分类及人工修正，得到甘蔗地块提取结果；利用验证样本对甘蔗地块提取结果进行验证，得到甘蔗地块提取精度，并进一步对提取结果进行导出和面积统计。本发明将包含红边谱段的高分辨率卫星遥感数据和地面实测采样点相结合，将面向对象的影像自动分类技术和人工辅助修正相结合，能够提高甘蔗地块提取的精度和效率。

Description

基于含有红边谱段高分辨率卫星影像的甘蔗地块提取方法
技术领域
本发明涉及卫星遥感应用技术领域，特别是涉及一种基于含有红边谱段高分辨率卫星影像的甘蔗地块提取方法。
背景技术
传统的甘蔗种植区提取主要通过地面抽样和逐级上报汇总的方式实现，准确性、时效性及经济性都与实际需要有所差距。
遥感技术的出现，为甘蔗种植区大面积的获取提供了新的解决方案。然而，以往基于中低分辨率遥感影像的甘蔗提取方法，受限于像元内反射特征混杂和波段信息不足的缺点，难以对于离散分布的狭长规则状小型甘蔗地块准确提取。并且，以往基于像素的甘蔗种植区提取技术易受噪声的影响，较易引起“漏提”和“错提”的现象，导致对甘蔗种植区的提取精度较低。
发明内容
基于此，有必要针对传统的甘蔗种植区提取方法的时效性差、成本高以及提取精度低的问题，提供一种基于含有红边谱段高分辨率卫星影像的甘蔗地块提取方法。
为解决上述问题，本发明采取如下的技术方案：
一种基于含有红边谱段高分辨率卫星影像的甘蔗地块提取方法，包括以下步骤：
获取针对目标区域的含有红边谱段的高分辨率卫星影像，并对所述卫星影像进行预处理；
采用人工实测的方式对所述目标区域进行地面样本点采集，得到训练样本和验证样本；
对所述卫星影像进行多尺度分割处理，得到若干个对象单元；
进行面向对象的影像分类及人工修正，得到甘蔗地块提取结果；
利用所述验证样本对所述甘蔗地块提取结果进行验证，得到甘蔗地块提取精度，并将所述甘蔗地块提取结果导出，统计甘蔗地块的面积。
与现有技术相比，本发明具有以下有益效果：
本发明将包含红边谱段的高分辨率卫星遥感数据和地面实测采样点相结合，将面向对象的影像自动分类技术和人工辅助修正相结合，能够提高甘蔗地块提取的精度和效率，有效降低大面积甘蔗地块提取的成本。
附图说明
图1为本发明基于含有红边谱段高分辨率卫星影像的甘蔗地块提取方法其中一个实施例的流程示意图；
图2为目标区域地理位置示意图；
图3为图2所示目标区域的吉林一号卫星影像；
图4为图3所示目标区域的吉林一号卫星影像的甘蔗地块提取结果图。
具体实施方式
下面将结合附图及较佳实施例对本发明的技术方案进行详细描述。
在其中一个实施例中，如图1所示，本发明公开一种基于含有红边谱段高分辨率卫星影像的甘蔗地块提取方法，该方法包括以下步骤：
获取针对目标区域的含有红边谱段的高分辨率卫星影像，并对卫星影像进行预处理；
采用人工实测的方式对目标区域进行地面样本点采集，得到训练样本和验证样本；
对卫星影像进行多尺度分割处理，得到若干个对象单元；
进行面向对象的影像分类及人工修正，得到甘蔗地块提取结果；
利用验证样本对甘蔗地块提取结果进行验证，得到甘蔗地块提取精度，进一步导出甘蔗地块提取结果并统计甘蔗地块的面积。
具体地，在本实施例中，基于含有红边谱段高分辨率卫星影像的甘蔗地块提取方法主要包括卫星遥感影像及采样点数据准备、甘蔗地块提取和精度评定及结果输出三大部分，下面对上述各部分分别进行详细说明。
(一)卫星遥感影像及采样点数据准备
根据目标区域的地理位置和当地的天气状况，并结合卫星星座的过境时间和拍摄摆角，对卫星的拍摄任务进行最优规划，以期在无云且侧摆角较小的情况下拍摄获得含有红边谱段的高分辨率卫星影像。
获得含有红边谱段的高分辨率卫星影像后，对卫星影像进行预处理，其中预处理包括波段配准处理、辐射定标处理、大气校正处理和几何纠正处理。
采用人工实测的方式对目标区域进行地面样本点采集，得到训练样本和验证样本。采集的样本点包括甘蔗地块的采样点和非甘蔗地块的采样点，并且采样点在目标区域内均匀离散分布，以保证样本的可靠性和准确性，同时在采集过程中准确记录样本点的地理坐标信息及地物类型信息。在外业采样工作结束之后，在室内对这些样本点信息进行核对、修正及整理，核对、修正及整理后存储到计算机中，例如以.xls或.shp格式存储到计算机中。
(二)甘蔗地块提取
对卫星影像进行多尺度分割处理，即将邻近同特征的像元集合组合为单一的对象，将影像分割为若干个对象单元。
进行面向对象的影像分类及人工修正，得到甘蔗地块提取结果。具体包括以下步骤：
选取训练样本，建立分类模型；
选择贝叶斯分类器对分类模型进行训练，贝叶斯分类器以每一个对象单元内全部像元集合在每个波段的均值和均方差作为输入特征，其中各个波段分别为蓝光波段(Blue)、绿光波段(Green)、红光波段(Red)、红边波段(Red Edge)和近红外光波段(NIR)；
利用训练后的分类模型对卫星影像执行分类操作，从卫星影像中分出甘蔗地块，得到甘蔗地块粗提取结果；
将全色卫星影像和多光谱卫星影像进行融合，然后以包含红边谱段的假彩色方式进行显示(R：near infrared，G：red-edge，B：green)，在上述假彩色影像中，甘蔗地块一般表现为较明显的红棕色；通过目视观察，参照上述假彩色影像，在利用分类模型进行自动分类的基础上对甘蔗地块粗提取结果进行人工修正，得到更为精准的甘蔗地块提取结果。
(三)提取精度评定及结果输出统计
利用验证样本对甘蔗地块提取结果进行验证，得到甘蔗地块提取精度。
进一步将甘蔗地块提取结果导出，并统计提取出的甘蔗地块的面积。
本实施例所提出的基于含有红边谱段高分辨率卫星影像的甘蔗地块提取方法将包含红边谱段的高分辨率卫星遥感数据和地面实测采样点相结合，将面向对象的影像自动分类技术和人工辅助修正相结合，能够提高甘蔗地块提取的精度和效率，有效降低大面积甘蔗地块提取的成本。
下面结合实例对本发明的技术方案进行详细说明。
此次实例的目标区域位于广西省宜州西南部，坐标范围为东经108.448～108.504度，北纬24.376～24.439度，目标区域地理位置如图2所示，图2中横坐标代表东经，纵坐标代表北纬。目标区域内包含林区、农田、水体及建筑区等多种用地类型。本次提取采用了吉林一号高分辨率卫星影像，影像的相关参数信息如表1所示，影像质量良好，没有云层覆盖，目标区域的吉林一号卫星影像如图3所示，图3中横坐标代表东经，纵坐标代表北纬。与此同时，获取了474个甘蔗地块实地采样数据和658个非甘蔗地块采样数据，用于分类模型的构建和验证。所有数据的地理参考都统一在WGS84坐标系下。从474个甘蔗地块实地采样数据中选取235个甘蔗地块样本点，从658个非甘蔗地块采样数据中选取304个非甘蔗地块样本点，以235个甘蔗地块样本点和304个非甘蔗地块样本点共同作为训练样本，剩余的样本点则作为用于精度验证的验证样本。根据训练样本，采用本发明所阐述的甘蔗地块提取方法对目标区域全区域内的甘蔗地块进行提取，提取结果如图4所示，图4中横坐标代表东经，纵坐标代表北纬。通过验证样本对提取结果进行验证，提取精度达到了94.06％，Kappa系数为0.8783，证明了本发明有着极高的提取精度。进一步地，将提取结果导出，例如将提取结果转换为.shp文件进行导出，导出后统计出目标区域甘蔗地块面积即甘蔗种植面积为12110.6亩，与当地情况基本相符。
表1
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (6)

1.一种基于含有红边谱段高分辨率卫星影像的甘蔗地块提取方法，其特征在于，包括以下步骤：
获取针对目标区域的含有红边谱段的高分辨率卫星影像，并对所述卫星影像进行预处理；
采用人工实测的方式对所述目标区域进行地面样本点采集，得到训练样本和验证样本；
对所述卫星影像进行多尺度分割处理，得到若干个对象单元；
进行面向对象的影像分类及人工修正，得到甘蔗地块提取结果；
利用所述验证样本对所述甘蔗地块提取结果进行验证，得到甘蔗地块提取精度，并将所述甘蔗地块提取结果导出，统计甘蔗地块的面积。
2.根据权利要求1所述的基于含有红边谱段高分辨率卫星影像的甘蔗地块提取方法，其特征在于，进行面向对象的影像分类及人工修正，得到甘蔗地块提取结果的步骤包括：
选取所述训练样本，建立分类模型；
选择贝叶斯分类器对所述分类模型进行训练，所述贝叶斯分类器以每一个所述对象单元内全部像元集合在每个波段的均值和均方差作为输入特征；
利用训练后的所述分类模型对所述卫星影像执行分类操作，从所述卫星影像中分出甘蔗地块，得到甘蔗地块粗提取结果；
对所述甘蔗地块粗提取结果进行人工修正，得到所述甘蔗地块提取结果。
3.根据权利要求2所述的基于含有红边谱段高分辨率卫星影像的甘蔗地块提取方法，其特征在于，
各个所述波段分别为蓝光波段、绿光波段、红光波段、红边波段和近红外波段。
4.根据权利要求1或2所述的基于含有红边谱段高分辨率卫星影像的甘蔗地块提取方法，其特征在于，
根据所述目标区域的地理位置和天气状况，并结合卫星星座的过境时间和拍摄摆角，对卫星的拍摄任务进行最优规划，以拍摄获得所述卫星影像。
5.根据权利要求1或2所述的基于含有红边谱段高分辨率卫星影像的甘蔗地块提取方法，其特征在于，
所述预处理包括波段配准处理、辐射定标处理、大气校正处理和几何纠正处理。
6.根据权利要求1或2所述的基于含有红边谱段高分辨率卫星影像的甘蔗地块提取方法，其特征在于，
采用人工实测的方式对所述目标区域进行地面样本点采集时，样本点均匀离散分布在所述目标区域内。
CN201811568971.0A 2018-12-21 2018-12-21 基于含有红边谱段高分辨率卫星影像的甘蔗地块提取方法 Pending CN109635827A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811568971.0A CN109635827A (zh) 2018-12-21 2018-12-21 基于含有红边谱段高分辨率卫星影像的甘蔗地块提取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811568971.0A CN109635827A (zh) 2018-12-21 2018-12-21 基于含有红边谱段高分辨率卫星影像的甘蔗地块提取方法

Publications (1)

Publication Number Publication Date
CN109635827A true CN109635827A (zh) 2019-04-16

Family

ID=66076168

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811568971.0A Pending CN109635827A (zh) 2018-12-21 2018-12-21 基于含有红边谱段高分辨率卫星影像的甘蔗地块提取方法

Country Status (1)

Country Link
CN (1) CN109635827A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110309809A (zh) * 2019-07-09 2019-10-08 广西壮族自治区基础地理信息中心 基于深度神经网络的高分辨率遥感卫星影像甘蔗提取方法
CN111611960A (zh) * 2020-05-29 2020-09-01 长光卫星技术有限公司 一种基于多层感知神经网络大区域地表覆盖分类方法
CN113033474A (zh) * 2021-04-14 2021-06-25 海南大学 基于融合算法及模型的红树林资源遥感解译方法
CN117649101A (zh) * 2024-01-30 2024-03-05 航天宏图信息技术股份有限公司 自动及协同相结合的卫星影像生产方法、装置及设备
CN117649101B (zh) * 2024-01-30 2024-05-14 航天宏图信息技术股份有限公司 自动及协同相结合的卫星影像生产方法、装置及设备

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104156964A (zh) * 2014-08-14 2014-11-19 陈荣元 一种综合mrf和贝叶斯网络的遥感影像区域分割方法
CN104239890A (zh) * 2014-08-12 2014-12-24 浙江工商大学 高分1号卫星的沿岸陆地土地覆被信息自动提取的方法
CN105608474A (zh) * 2015-12-30 2016-05-25 二十一世纪空间技术应用股份有限公司 基于高分辨率影像的区域自适应耕地提取方法
CN106485278A (zh) * 2016-10-13 2017-03-08 河南科技大学 一种基于剪切波和高斯混合模型的图像纹理分类方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104239890A (zh) * 2014-08-12 2014-12-24 浙江工商大学 高分1号卫星的沿岸陆地土地覆被信息自动提取的方法
CN104156964A (zh) * 2014-08-14 2014-11-19 陈荣元 一种综合mrf和贝叶斯网络的遥感影像区域分割方法
CN105608474A (zh) * 2015-12-30 2016-05-25 二十一世纪空间技术应用股份有限公司 基于高分辨率影像的区域自适应耕地提取方法
CN106485278A (zh) * 2016-10-13 2017-03-08 河南科技大学 一种基于剪切波和高斯混合模型的图像纹理分类方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
KANG Z等: "A bayesian-network-based classification method integrating airborne lidar data with optical images", 《IEEE JOURNAL OF SELECTED TOPICS IN APPLIED EARTH OBSERVATIONS AND REMOTE SENSING》 *
刘佳等: "RapidEye卫星红边波段对农作物面积提取精度的影响", 《农业工程学报》 *
周春艳: "面向对象的高分辨率遥感影像信息提取技术", 《万方：HTTPS://D.WANFANGDATA.COM.CN/THESIS/D304269》 *
范泽琳等: "吉林一号在广西甘蔗种植区提取中的应用", 《卫星应用》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110309809A (zh) * 2019-07-09 2019-10-08 广西壮族自治区基础地理信息中心 基于深度神经网络的高分辨率遥感卫星影像甘蔗提取方法
CN111611960A (zh) * 2020-05-29 2020-09-01 长光卫星技术有限公司 一种基于多层感知神经网络大区域地表覆盖分类方法
CN111611960B (zh) * 2020-05-29 2022-06-28 长光卫星技术股份有限公司 一种基于多层感知神经网络大区域地表覆盖分类方法
CN113033474A (zh) * 2021-04-14 2021-06-25 海南大学 基于融合算法及模型的红树林资源遥感解译方法
CN117649101A (zh) * 2024-01-30 2024-03-05 航天宏图信息技术股份有限公司 自动及协同相结合的卫星影像生产方法、装置及设备
CN117649101B (zh) * 2024-01-30 2024-05-14 航天宏图信息技术股份有限公司 自动及协同相结合的卫星影像生产方法、装置及设备

Similar Documents

Publication Publication Date Title
Dinuls et al. Tree species identification in mixed Baltic forest using LiDAR and multispectral data
CN108195767B (zh) 河口湿地外来种监测方法
CN109117811A (zh) 一种基于低空遥感测量技术估算城市植被覆盖率的系统及方法
CN109635827A (zh) 基于含有红边谱段高分辨率卫星影像的甘蔗地块提取方法
CN113029971A (zh) 一种作物冠层氮素监测方法及系统
Dutta et al. Characterizing vegetation canopy structure using airborne remote sensing data
CN109813286A (zh) 一种基于无人机的倒伏灾害遥感定损方法
CN110988909A (zh) 基于tls进行高寒脆弱区沙地植被的植被盖度测定方法
CN108898070A (zh) 一种基于无人机平台的高光谱遥感提取薇甘菊装置及方法
CN108776106A (zh) 一种基于无人机低空遥感的作物长势监测方法及系统
CN107657206B (zh) 一种基于遥感技术估算绿地覆盖率的方法
CN105894006A (zh) 时空概率模型水稻遥感识别方法
Simic et al. Improving clumping and LAI algorithms based on multiangle airborne imagery and ground measurements
CN108073865B (zh) 一种基于卫星资料的飞机尾迹云识别方法
Zou et al. The fusion of satellite and unmanned aerial vehicle (UAV) imagery for improving classification performance
Cameron et al. Temporal measurement of the loss of native pinewood in Scotland through the analysis of orthorectified aerial photographs
Ormeci et al. Identification of crop areas Using SPOT–5 data
CN115019190B (zh) 基于航空遥感平台的地形破碎区复杂地类信息提取方法
Du et al. Correlation analysis of vegetation indices based on multi-temporal satellite images and unmanned aerial vehicle images with wheat protein contents
CN110245694A (zh) 一种基于高分遥感影像分割的西北地区农膜信息分析方法
Yuan et al. Research on vegetation information extraction from visible UAV remote sensing images
Grigillo et al. Classification based building detection from GeoEye-1 images
CN115060202A (zh) 一种基于无人机机载多光谱仪的绿潮藻面积监测方法
CN115049900A (zh) 一种基于光学与雷达数据的水稻种植区识别方法及系统
CN114494911A (zh) 一种基于卫星影像与无人机影像的作物分类方法

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20190416