一種衛(wèi)星遙感影像中地物精確識別方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及衛(wèi)星遙感影像識別領(lǐng)域，尤其涉及一種衛(wèi)星遙感影像中地物精確識別 方法。
【背景技術(shù)】
[0002] 衛(wèi)星遙感影像地物識別作為地表變化監(jiān)測的基礎(chǔ)，具有重要的作用。通過地物目 標的探測和識別，分析地球環(huán)境和資源的變化，探測和預警自然災害，搜集大量的自然和人 類活動信息，可廣泛應(yīng)用于國民經(jīng)濟和軍事等領(lǐng)域?，F(xiàn)有的遙感圖像地物變化檢測技術(shù)由 于缺乏合適的評價標準和理論基礎(chǔ)，大部分都是通過單純的像元分析，沒有形成自動的變 化檢測方法體系和目標未來的幾何特征信息，無法消除外界對遙感數(shù)據(jù)的失真。
[0003] 遙感影像目標識別一般針對人工地物而進行，不僅依據(jù)其光譜特征、還很大程度 上依據(jù)目標形狀、空間語義關(guān)系等，其落腳點往往是小尺度的目標類別歸屬?，F(xiàn)有的遙感地 物識別技術(shù)，大體上能夠分為基于像元分類和面向?qū)ο笥跋穹治鰞煞N方法。前者適用于中、 低空間分辨率影像信息提取，后者適宜處理高空間分辨率影像據(jù)。
[0004] 面向?qū)ο蟮挠跋穹治龇椒ㄒ呀?jīng)在諸多應(yīng)用領(lǐng)域表現(xiàn)出了明顯的優(yōu)勢。然而，目前 還沒有較為精確、完善的針對高分辨率遙感影像面向?qū)ο蟮姆治龇桨?，這嚴重制約了高分 辨率遙感影像在眾多領(lǐng)域中的應(yīng)用。因此，系統(tǒng)地研究高空間分辨率遙感影像信息提取技 術(shù)，開發(fā)遙感影像智能解譯系統(tǒng)顯得尤其重要和迫切。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明的目的是提供一種衛(wèi)星遙感影像中地物精確識別方法，能夠?qū)πl(wèi)星遙感影 像中的地物進行精確的檢測識別。
[0006] 本發(fā)明的目的是通過以下技術(shù)方案實現(xiàn)的：
[0007] -種衛(wèi)星遙感影像中地物精確識別方法，包括：
[0008] 根據(jù)與衛(wèi)星遙感全色影像配準后的多光譜影像數(shù)據(jù)的植被指數(shù)和水體指數(shù)，提取 出植被和水域區(qū)域，并根據(jù)植被和水域區(qū)域的幾何形態(tài)特征確定具體種類；
[0009] 根據(jù)地物的灰度特點，采用灰度一致性技術(shù)將提取出植被和水域區(qū)域的衛(wèi)星遙感 全色影像分割為不同的區(qū)域，再根據(jù)區(qū)域的幾何特征提取出工廠區(qū)域；
[0010] 提取出工廠區(qū)域、植被與水域區(qū)域的剩余區(qū)域即為人工地物區(qū)域，采用紋理特征 的提取方法對人工地物區(qū)域進行分割處理，并根據(jù)分割后的各個人工地物區(qū)域紋理特征進 行SVM的分類識別過程，獲得各個人工地物區(qū)域的具體種類。
[0011] 所述根據(jù)與衛(wèi)星遙感全色影像配準后的多光譜影像數(shù)據(jù)的植被指數(shù)和水體指數(shù)， 提取出植被和水域區(qū)域，并根據(jù)植被和水域區(qū)域的幾何形態(tài)特征確定具體種類包括：
[0012] 使用大氣阻抗植被指數(shù)，提取出森林和部分工廠，使用鏈碼技術(shù)去掉面積小于設(shè) 定值的區(qū)域得到森林區(qū)域；
[0013] 使用除了大氣阻抗植被指數(shù)外的其他方法提取全部植被區(qū)域，去除森林區(qū)域之后 得到田地和城區(qū)部分植被，去除面積小于設(shè)定值的區(qū)域后得到田地區(qū)域；
[0014] 使用水體指數(shù)提水域，并根據(jù)水域的幾何特征確定水域的具體種類。
[0015] 所述采用灰度一致性技術(shù)將提取出植被和水域區(qū)域的衛(wèi)星遙感全色影像分割為 不同的區(qū)域包括：
[0016] 采用雙邊濾波器對提取出植被和水域區(qū)域的衛(wèi)星遙感全色影像進行去噪處理；
[0017] 采用灰度一致性生長法對去噪處理后的影像進行分割，將灰度值相同的區(qū)域分割 出來，獲得若干灰度值相同的區(qū)域。
[0018] 所述采用灰度一致性生長法對去噪處理后的影像進行分割，將灰度值相同的區(qū)域 分割出來包括：
[0019] 初始點集合A為去噪處理后的影像中的一個點，灰度平均值A(chǔ)vg為當前集合A所 有點灰度值的平均值；
[0020] 點集合A周圍的點作為候選點，如果候選點的灰度值和Avg之差小于設(shè)定的閾值， 則該點加入點集合A中，并更新Avg值；
[0021] 重復該步驟，直到?jīng)]有新的點加入，此時集合A即為具有灰度相似性的區(qū)域。
[0022] 所述采用紋理特征的提取方法對人工地物區(qū)域進行分割處理包括：
[0023] 采用Gabor濾波器對人工地物區(qū)域進行濾波處理；
[0024] 對濾波后的圖像進行紋理特征提取，獲得紋理圖像；
[0025] 對紋理圖像進行SVM的分類，從而完成對分割后區(qū)域的精確分類。
[0026] 由上述本發(fā)明提供的技術(shù)方案可以看出，對衛(wèi)星遙感影像進行兩次分割，通過第 一次粗略分割后可得到不同地物的各自連續(xù)區(qū)域，通過第二次的精細分割，可對地物進行 精確分類，避免了不同類別相鄰處的干擾；最后，對分割對象的進行指數(shù)和幾何特征的提 取，確定不同分割對象的具體種類，從而實現(xiàn)對地物的精確檢測識別。
【附圖說明】
[0027] 為了更清楚地說明本發(fā)明實施例的技術(shù)方案，下面將對實施例描述中所需要使用 的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實施例，對于本 領(lǐng)域的普通技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)這些附圖獲得其他 附圖。
[0028] 圖1為本發(fā)明實施例提供的一種衛(wèi)星遙感影像中地物精確識別過程的示意圖；
[0029] 圖2為本發(fā)明實施例提供的衛(wèi)星遙感影像的紋理特征提取流程圖；
[0030] 圖3為本發(fā)明實施例提供的衛(wèi)星遙感影像的Gabor紋理提取村落、樓房、廠房示意 圖。
【具體實施方式】
[0031] 下面結(jié)合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術(shù)方案進行清楚、完整 地描述，顯然，所描述的實施例僅僅是本發(fā)明一部分實施例，而不是全部的實施例?；诒?發(fā)明的實施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他實施 例，都屬于本發(fā)明的保護范圍。
[0032] 如圖1所示，為本發(fā)明實施例提供一種衛(wèi)星遙感影像中地物精確識別方法示意 圖，其主要包括如下步驟：
[0033] 步驟1、根據(jù)與衛(wèi)星遙感全色影像配準后的多光譜影像數(shù)據(jù)的植被指數(shù)和水體指 數(shù)，提取出植被和水域區(qū)域，并根據(jù)植被和水域區(qū)域的幾何形態(tài)特征確定具體種類。
[0034] 遙感影像的多光譜數(shù)據(jù)包含了不同種類地物對不同光譜的吸收反射能力，本發(fā)明 實施例中，衛(wèi)星遙感全色影像已經(jīng)預先與多光譜數(shù)據(jù)配準，從而根據(jù)多光譜影像的植被指 數(shù)和水體指數(shù)，可以提取出影像中的植被和水域區(qū)域，再根據(jù)區(qū)域的幾何形態(tài)特征提取出 森林、田地、湖泊、河流、水塘等具體的地物目標。
[0035] 舉例來說，在遙感多光譜數(shù)據(jù)中，可見紅外光波容易被葉綠素吸收，紅外光波對葉 綠素有較強的透射性。利用葉綠素對光波的選擇性計算植被指數(shù)，一般對這兩種光波做各 種組合運算。
[0036] (1)歸一化植被指數(shù)NDVI (Normalized Difference Vegetation Index)歸一化植 被指數(shù)的公式表達式為：
[0038] 其中，NIR為近紅外反射值，R為可見光紅波反射值。NDVI是RVI經(jīng)過非線性歸一 化后得到的，范圍在[_1，1]之間。NDVI在某種程度上消除了太陽仰角、地形、云層、衛(wèi)星觀 測角和大氣條件等因素的影響。
[0039] 歸一化植被指數(shù)描述了植物的生長狀況，和覆蓋率正相關(guān)。研究表明，葉面積指數(shù) (LAT)、植被覆蓋率、光合作用、碳固留、綠色生物量、地表溫度、凈第一生產(chǎn)力（NPP)、葉冠阻 抗、水汽蒸發(fā)等都能和歸一化植被指數(shù)有密切的關(guān)聯(lián)，此外降水量、二氧化碳的季節(jié)性變化 也能反映到歸一化植被指數(shù)。
[0040] (2)差值植被指數(shù) DVI (Difference Vegetation Index)
[0041] 該指數(shù)對土壤背景的變化很敏感，也叫環(huán)境植被指數(shù)，其計算公式為：
[0042] DVI = NIR-R
[0043] 其中NIR為近紅外反射值，R為可見光紅波反射值。
[0044] 差值植被指數(shù)應(yīng)用的比較少，由于對土壤背景的敏感性，監(jiān)測能力在植被覆蓋率 較高時有所下降。所以適合植被生長的早中期，在植被生態(tài)環(huán)境監(jiān)測方面有一定的優(yōu)勢。
[0045] (3) 土壤調(diào)整植被指數(shù) SAVI (Soil Adjusted Vegetation Index)
[0046] 土壤調(diào)節(jié)植被指數(shù)旨在降低土壤背景的影響，公式為：
[0048] 其中NIR表示近紅外波段，R表示可見光紅波段，L表示土壤調(diào)節(jié)指數(shù)，也叫植被冠 層調(diào)節(jié)因子，用來控制不同