CN109670426A - 一种基于陆地卫星遥感影像数据源的地物信息提取方法 - Google Patents

一种基于陆地卫星遥感影像数据源的地物信息提取方法 Download PDF

Info

Publication number
CN109670426A
CN109670426A CN201811491712.2A CN201811491712A CN109670426A CN 109670426 A CN109670426 A CN 109670426A CN 201811491712 A CN201811491712 A CN 201811491712A CN 109670426 A CN109670426 A CN 109670426A
Authority
CN
China
Prior art keywords
data
image data
target
remote sensing
sensing image
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
CN201811491712.2A
Other languages
English (en)
Other versions
CN109670426B (zh
Inventor
王冬利
王贺封
张安兵
李静
赵安周
承达瑜
刘海新
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.)
Hebei University of Engineering
Original Assignee
Hebei University of Engineering
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 Hebei University of Engineering filed Critical Hebei University of Engineering
Priority to CN201811491712.2A priority Critical patent/CN109670426B/zh
Publication of CN109670426A publication Critical patent/CN109670426A/zh
Application granted granted Critical
Publication of CN109670426B publication Critical patent/CN109670426B/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
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Multimedia (AREA)
  • Evolutionary Computation (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Image Processing (AREA)

Abstract

本发明属于遥感影像分类领域，具体涉及一种基于陆地卫星遥感影像数据源的地物信息提取方法，根据目标区域内地物特征以及数据可获取性获取适宜时相的相应传感器的陆地卫星遥感影像数据；应用全色波段数据融合多光谱数据，再根据目标地物与其它地物的差异性，选取合适的目标地物提取特征指标，并应用15米和30米多光谱遥感影像数据构建多尺度表达；基于多尺度目标地物遥感提取特征指标遥感数据，结合非监督分类方法，逐尺度提取目标地物信息。本发明应用多尺度和非监督分类技术提取地物信息具有精度高、流程简单、人为干扰少、自动化程度以及构建的多尺度数据具有同源性等特点。

Description

一种基于陆地卫星遥感影像数据源的地物信息提取方法
技术领域
本发明属于遥感影像分类领域，具体涉及一种基于陆地卫星遥感影像数据源的地物信息提取方法。
背景技术
遥感具有获取数据范围大、速度快、成本低、信息内容丰富等优点，是当前非常重要的地物信息获取手段。同时，遥感地物信息提取也是遥感领域重要的一个研究方向，应用范围十分广泛，如地理、地质、水利、农业、林业、城市等各个涉及空间信息的领域。因此，遥感地物信息提取技术的研究具有非常重要的研究价值和应用意义。应用遥感技术提取地物信息的方法有很多，从数据源的角度可以分为应用于低空间分辨率大范围和中高空间分辨率局部区域的遥感提取方法；从方法角度，可以分为监督分类、非监督分类、目视解译、决策树、支持向量机等方法。
但是，当前已有的遥感信息提取方法长期存在着一些问题：(1)人为干扰因素多；(2)方法及流程复杂；(3)自动化程度低(4)多源、多尺度数据异构等问题。
发明内容
为了克服现有基于遥感技术的信息提取方法和模型存在的上述问题，本发明提供一种基于陆地卫星遥感影像数据源的地物信息提取方法，提高精度和自动化程度。
具体技术方案为：
一种基于陆地卫星遥感影像数据源的地物信息提取方法，包括以下步骤：
(1)数据获取，根据目标区域内地物特征以及数据可获取性获取适宜时相的相应传感器的陆地卫星遥感影像数据；
(2)目标地物特征信息多尺度表达，应用全色波段数据融合多光谱数据，再根据目标地物与其它地物的差异性，选取合适的目标地物提取特征指标，并应用15米和30米多光谱遥感影像数据构建多尺度表达；
(3)目标地物提取，基于多尺度目标地物遥感提取特征指标遥感数据，结合非监督分类方法，逐尺度提取目标地物信息；即先在30米分辨率遥感数据上应用非监督分类将目标区域分为冬小麦和非冬小麦两类，然后应用所提取的冬小麦区域掩膜15米的遥感数据，并在掩膜后的遥感数据上，应用非监督分类再次分为冬小麦和非冬小麦两类，此时，提取冬小麦,最终提取结果；
(4)精度验证。以随机撒点结合高分辨率影像数据或目视解译，再或者野外采集的地面数据作为验证数据，应用混淆矩阵方法对提取结果进行精度验证。
本发明提供的一种基于陆地卫星遥感影像数据源的地物信息提取方法，根据陆地卫星多光谱影像数据空间分辨率为30米和全色波段空间分辨率为15米的特性，由全色波段融合多光谱数据为15米，再由30米和15米两种多光谱数据建立多尺度表达，在此基础上，应用多尺度和非监督分类技术提取地物信息。该方法具有精度高、流程简单、人为干扰少、自动化程度以及构建的多尺度数据具有同源性等特点。
附图说明
图1为本发明的方法流程图；
图2为实施例的为实施例的辛集市2014年冬小麦种植空间分布图。
具体实施方式
下面将结合附图和实施例对本发明做进一步阐述，其中，下面的实施例只是本发明的一部分，并不是本发明的全部实施例。因此，以下实施例仅用于更加清楚地描述本发明的技术方案，而不能以此来限制本发明的保护范围。
采用如图1所示的一种基于陆地卫星遥感影像数据源的地物信息提取方法，下面采用该方法提取河北省辛集市2014年冬小麦种植面积及空间分布，并进行精度验证。遥感数据可以选择Landsat7或8遥感影像。本次提取使用Landsat8遥感影像数据。具体提取过程如下：
1、数据选取。
植被指数是绿色植被信息提取常用的指标信息之一，本实施例选取归一化植被指数(NDVI)作为冬小麦种植信息提取指标。根据目标区域内地物特征可以得出：冬小麦的归一化植被指数(NDVI)从2月底和3月初(返青期)开始逐渐增大，到4月下旬和5月上旬(抽穗期)植被指数达到最大，然后逐渐减小直到6月上旬和中旬收割时达到一个较小值；辛集市内套种夏玉米大约在5月下旬开始播种；野草、树木等其它绿色干扰地物在4月初时基本还处于枯黄状态，但是这些干扰地物的NDVI从4月中旬开始越来越大。考虑到遥感影像的空间分辨率和数据可获取性，本实施例选取2014年4月13日的Landsat8遥感影像，云量接近为0％。
2、归一化植被指数(NDVI)数据多尺度表达。
应用空间分辨率为15米的全色波段数据将多光谱数据融合为空间分辨率30米。再根据归一化植被指数(NDVI)的计算公式，获取NDVI遥感数据，并应用15米和30米多光谱遥感影像数据构建多尺度辛集市NDVI数据。
3、冬小麦种植信息提取。
基于多尺度NDVI遥感数据，结合非监督分类方法，逐尺度提取冬小麦种植信息。具体为：先在30米NDVI遥感数据上直接应用非监督分类将辛集市分为冬小麦和非冬小麦两类；然后应用在30米NDVI遥感数据上提取的冬小麦区域掩膜15米的NDVI遥感数据，并在掩膜后的15NDVI遥感数据上，再次直接应用非监督分类方法将辛集市分为冬小麦和非冬小麦两类，此时，提取的冬小麦为本发明模型最终提取结果。本实施例提取辛集市2014年冬小麦种植面积为345.10KM2，其空间分布见图2所示。
4、精度验证。
基于验证样本数据，应用混淆矩阵方法对提取结果进行精度验证。本实施例的验证样本数据是应用随机撒点结合Googleearth高分辨率影像数据以及空间分辨率为16米的高分一号4月3日和6月23日标准假彩色影像数据目视获取的。验证结果如表1所示。
表1本发明模型提取辛集市冬小麦的精度信息统计
以上实施例仅用于说明本发明，而并非是对本发明的限制，有关技术领域的普通技术人员，在不脱离本发明的精神和范围的情况下，还可以做出各种变化和变型，因此所有等同的技术方案也属于本发明的范畴，本发明的专利保护范围应由权利要求限定。

Claims (3)

1.一种基于陆地卫星遥感影像数据源的地物信息提取方法，其特征在于，包括以下步骤：
(1)数据获取，根据目标区域内地物特征以及数据可获取性获取适宜时相的相应传感器的陆地卫星遥感影像数据；
(2)目标地物特征信息多尺度表达，应用全色波段数据融合多光谱数据，再根据目标地物与其它地物的差异性，选取合适的目标地物提取特征指标，并应用15米和30米多光谱遥感影像数据构建多尺度表达；
(3)目标地物提取，基于多尺度目标地物遥感提取特征指标遥感数据，结合非监督分类方法，逐尺度提取目标地物信息；
(4)精度验证。
2.根据权利要求1所述的一种基于陆地卫星遥感影像数据源的地物信息提取方法，其特征在于，所述的步骤(3)具体包括以下步骤：先在30米分辨率遥感数据上应用非监督分类将目标区域分为目标地物和其它地物两类，然后应用所提取的目标地物区域掩膜15米的遥感数据，并在掩膜后的遥感数据上，应用非监督分类再次分为目标地物和其它地物两类，此时，提取的目标地物为最终提取结果。
3.根据权利要求1或2所述的一种基于陆地卫星遥感影像数据源的地物信息提取方法，其特征在于，所述的步骤(4)具体包括以下步骤：以随机撒点结合高分辨率影像数据或目视解译，或者野外采集的地面数据作为验证数据，应用混淆矩阵方法对提取结果进行精度验证。
CN201811491712.2A 2018-12-07 2018-12-07 一种基于陆地卫星遥感影像数据源的地物信息提取方法 Active CN109670426B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811491712.2A CN109670426B (zh) 2018-12-07 2018-12-07 一种基于陆地卫星遥感影像数据源的地物信息提取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811491712.2A CN109670426B (zh) 2018-12-07 2018-12-07 一种基于陆地卫星遥感影像数据源的地物信息提取方法

Publications (2)

Publication Number Publication Date
CN109670426A true CN109670426A (zh) 2019-04-23
CN109670426B CN109670426B (zh) 2023-08-04

Family

ID=66144733

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811491712.2A Active CN109670426B (zh) 2018-12-07 2018-12-07 一种基于陆地卫星遥感影像数据源的地物信息提取方法

Country Status (1)

Country Link
CN (1) CN109670426B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110208193A (zh) * 2019-05-09 2019-09-06 航天恒星科技有限公司 一种基于光学遥感卫星影像的珊瑚礁一体化监测方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080240603A1 (en) * 2007-03-29 2008-10-02 Texas Instruments Incorporated Methods and apparatus for image enhancement
CN101840581A (zh) * 2010-02-05 2010-09-22 北京交通大学 一种从卫星遥感影像中提取建筑物轮廓的方法
CN106683096A (zh) * 2017-01-25 2017-05-17 中国科学院寒区旱区环境与工程研究所 基于卫星遥感影像的冻土灾害信息提取方法及装置
US20180336394A1 (en) * 2017-05-11 2018-11-22 Digitalglobe, Inc. Unsupervised land use and land cover detection

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080240603A1 (en) * 2007-03-29 2008-10-02 Texas Instruments Incorporated Methods and apparatus for image enhancement
CN101840581A (zh) * 2010-02-05 2010-09-22 北京交通大学 一种从卫星遥感影像中提取建筑物轮廓的方法
CN106683096A (zh) * 2017-01-25 2017-05-17 中国科学院寒区旱区环境与工程研究所 基于卫星遥感影像的冻土灾害信息提取方法及装置
US20180336394A1 (en) * 2017-05-11 2018-11-22 Digitalglobe, Inc. Unsupervised land use and land cover detection

Non-Patent Citations (8)

* Cited by examiner, † Cited by third party
Title
KEREM SAHIN； ILKAY ULUSOY: ""Automatic multi-scale segmentation of high spatial resolution satellite images using watersheds"", 《2013 IEEE INTERNATIONAL GEOSCIENCE AND REMOTE SENSING SYMPOSIUM - IGARSS》, pages 2505 - 2508 *
于辉，陈晓停，汪金花: ""基于高分一号的面向对象影像信息提取"", 《华北理工大学学报(自然科学版)》, vol. 39, no. 1, pages 6 - 11 *
张云霞，李晓兵，陈云浩: ""草地植被盖度的多尺度遥感与实地测量方法综述"", 《地球科学进展》 *
张云霞，李晓兵，陈云浩: ""草地植被盖度的多尺度遥感与实地测量方法综述"", 《地球科学进展》, vol. 18, no. 1, 28 February 2003 (2003-02-28), pages 85 - 93 *
李丹丹，刘佳，周清波等: ""尺度变化对油菜种植面积遥感监测精度的影响"", 《中国农业资源与区划》 *
李丹丹，刘佳，周清波等: ""尺度变化对油菜种植面积遥感监测精度的影响"", 《中国农业资源与区划》, vol. 35, no. 6, 30 December 2014 (2014-12-30), pages 85 - 92 *
王冬利，李静: ""县域范围内冬小麦遥感提取方法研究"", 《山东工业技术》 *
王冬利，李静: ""县域范围内冬小麦遥感提取方法研究"", 《山东工业技术》, 1 August 2016 (2016-08-01), pages 188 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110208193A (zh) * 2019-05-09 2019-09-06 航天恒星科技有限公司 一种基于光学遥感卫星影像的珊瑚礁一体化监测方法
CN110208193B (zh) * 2019-05-09 2021-11-26 航天恒星科技有限公司 一种基于光学遥感卫星影像的珊瑚礁一体化监测方法

Also Published As

Publication number Publication date
CN109670426B (zh) 2023-08-04

Similar Documents

Publication Publication Date Title
Müllerová et al. Timing is important: Unmanned aircraft vs. satellite imagery in plant invasion monitoring
Joshi et al. Vegetation cover mapping in India using multi-temporal IRS Wide Field Sensor (WiFS) data
Vaudour et al. Early-season mapping of crops and cultural operations using very high spatial resolution Pléiades images
CN110298322A (zh) 一种基于遥感数据的耕地提取方法及系统
Sicre et al. Determination of the crop row orientations from Formosat-2 multi-temporal and panchromatic images
CN104951754A (zh) 基于面向对象技术与ndvi时间序列相结合的农作物精细分类方法
Hu et al. Unmanned aerial vehicle (UAV) remote sensing estimation of wheat chlorophyll in subsidence area of coal mine with high phreatic level
Hill et al. Regional land cover and agricultural area statistics and mapping in the Departement Ardeche, France, by use of Thematic Mapper data
CN109670426A (zh) 一种基于陆地卫星遥感影像数据源的地物信息提取方法
Kumar et al. Land suitability evaluation for soybean using temporal satellite data and GIS: A case study from central India
Sebbar et al. Decisional tree models for land cover mapping and change detection based on phenological behaviors. application case: localization of non-fully-exploited agricultural surfaces in the eastern part of the Haouz plain in the semi-arid central Morocco
Hu et al. Optimal scale extraction of farmland in coal mining areas with high groundwater levels based on visible light images from an unmanned aerial vehicle (UAV)
CN109614920A (zh) 一种基于多时相遥感数据的地物信息提取方法
Xu et al. Spatiotemporal distribution of cage and raft aquaculture in China's offshore waters using object-oriented random forest classifier
Wang et al. Digital image analysis of different crown shape of Platycladus orientalis
Peng et al. Remote sensing monitoring of tobacco field based on phenological characteristics and time series image—A case study of Chengjiang County, Yunnan Province, China
Yang et al. A new alternative for assessing ridging information of potato plants based on an improved benchmark structure from motion
CN109697411A (zh) 一种基于统计标准差的地物信息提取方法
Yedage et al. Remote sensing and GIS base crop acreage estimation of the sugarcane for Solapur district, Maharashtra
Tillmann et al. Supervised classification and change detection of agricultural land use in the forest steppe zone of West Siberia using multitemporal satellite imagery
Kumar et al. Accuracy assessment of land cover classification and change detection using remote sensing and GIS
Utami et al. Spatial analysis to determine paddy field changes in Indonesia: A case study in Suburban Areas of Jakarta
Bashyal et al. Status, distribution and habitat suitability mapping of Cycas pectinata in Chure range of Makawanpur, Central Nepal
Lee et al. Using the UAV-derived NDVI to evaluate spatial and temporal variation of crop phenology at crop growing season in South Korea
CN109726639A (zh) 一种基于非监督分类技术的地物信息提取方法

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