一種利用遙感影像提取植被遮陽網(wǎng)類別的方法及裝置、用戶設(shè)備制造方法及圖紙

本發(fā)明專利技術(shù)實(shí)施例公開一種利用遙感影像提取植被遮陽網(wǎng)類別的方法及裝置、用戶設(shè)備，該方法包括：通過先將預(yù)處理后的多光譜圖像和全色圖像進(jìn)行圖像融合，然后對(duì)融合后的圖像進(jìn)行分割得到適合繼續(xù)分類的面向?qū)ο髨D像斑塊，再計(jì)算圖像斑塊的NDENWI指數(shù)、NDVI指數(shù)及BSI指數(shù)，最后根據(jù)NDENWI指數(shù)、NDVI指數(shù)以及BSI指數(shù)對(duì)圖像斑塊進(jìn)行分類提取得到遮陽網(wǎng)類別；可見，實(shí)施圖1所描述的方法，通過NDENWI指數(shù)，將水體與植被遮陽網(wǎng)之間的差異拉大，同時(shí)使用了面向?qū)ο蠓诸惖姆椒ǎY(jié)合圖像融合與圖像拉伸的處理，提高植被遮陽網(wǎng)在分類時(shí)的精度。

A method for extracting vegetation net category by using remote sensing image and device and user equipment

The embodiment of the invention discloses a method for extracting vegetation classification using remote sensing image and shading device, user device, the method includes: through the first after pretreatment of the multi spectral image and panchromatic image fusion, then the fused image segmentation to get the suitable object oriented image classification and image patches to continue. The plaque NDENWI index, NDVI index and BSI index calculation, according to the NDENWI index, NDVI index and BSI index to classify the image patches obtained shading categories; visible, the implementation method described in Figure 1, the NDENWI index, the difference between the water and vegetation net widening, while using the method of object-oriented classification the combination of image fusion and image processing, tension, improve the classification accuracy of vegetation net.

【技術(shù)實(shí)現(xiàn)步驟摘要】

本專利技術(shù)涉及智能設(shè)備
，尤其涉及一種利用遙感影像提取植被遮陽網(wǎng)類別的方法及裝置、用戶設(shè)備。
技術(shù)介紹
遙感影像分類是將遙感影像中的每個(gè)像元?jiǎng)澐值讲煌匚镱悇e中的過程。分類依據(jù)主要包括地物光譜特征、地物形狀特征、空間關(guān)系特征等，目前大多數(shù)研究還是基于地物光譜特征。結(jié)合目視解譯結(jié)果，利用計(jì)算機(jī)自動(dòng)分類算法是目前遙感影像分類的主要方法。從分類層次來看，分類方法可劃分為基于像元的分類和面向?qū)ο蟮姆诸悾瑐鹘y(tǒng)的基于像元的分類方法以單個(gè)像元為單位,過于著眼于局部而忽略了附近整片圖斑的幾何結(jié)構(gòu)情況，產(chǎn)生“椒鹽現(xiàn)象”，制約了信息提取的精度，而面向?qū)ο蟮倪b感分類方法，綜合考慮光譜統(tǒng)計(jì)特征、形狀、大小、紋理、相鄰關(guān)系等一系列因素，將影像分割為多個(gè)同質(zhì)影像圖斑，作為最小研究單元，具有更高的分類精度。在現(xiàn)有的分類方法與分類指數(shù)中，沒有明確針對(duì)水體和植被遮陽網(wǎng)，例如水體與富貴竹種植遮陽網(wǎng)進(jìn)行區(qū)分的作用，分類時(shí)在一定程度上會(huì)發(fā)生漏分錯(cuò)分的問題。
技術(shù)實(shí)現(xiàn)思路
本專利技術(shù)實(shí)施例公開了一種利用遙感影像提取植被遮陽網(wǎng)類別的方法及裝置、用戶設(shè)備，有利于提高植被遮陽網(wǎng)在分類時(shí)的精度。本專利技術(shù)實(shí)施例第一方面公開一種利用遙感影像提取植被遮陽網(wǎng)類別的方法，包括：將預(yù)處理后的多光譜圖像和全色圖像進(jìn)行圖像融合；對(duì)融合后的圖像進(jìn)行分割得到適合繼續(xù)分類的面向?qū)ο髨D像斑塊；計(jì)算所述圖像斑塊的NDENWI指數(shù)、NDVI指數(shù)及BSI指數(shù)；根據(jù)所述NDENWI指數(shù)、NDVI指數(shù)以及BSI指數(shù)對(duì)所述圖像斑塊進(jìn)行分類提取得到遮陽網(wǎng)類別。作為一種可選的實(shí)施方式，在本專利技術(shù)實(shí)施例第一方面中，所述將預(yù)處理后的多光譜圖像和全色圖像進(jìn)行圖像融合的步驟包括：將多光譜圖像進(jìn)行輻射定標(biāo)和大氣校正，以及對(duì)全色圖像進(jìn)行輻射定標(biāo)；然后將全色圖像與多光譜圖像進(jìn)行圖像融合；對(duì)融合后的圖像進(jìn)行裁剪，再對(duì)裁剪后的圖像進(jìn)行拉伸。作為一種可選的實(shí)施方式，在本專利技術(shù)實(shí)施例第一方面中，所述方法還包括：結(jié)合Green波段、SWIR1波段和SWIR2波段，并且使用復(fù)合波段比值法來構(gòu)建NDENWI指數(shù)公式，所述NDENWI指數(shù)公式用于計(jì)算NDENWI指數(shù)，所述NDENWI指數(shù)公式為：其中，SWIR1與SWIR2分別為landsat8衛(wèi)星的陸地成像儀(全稱：OperationalLandImager，OLI)影像中的第六波段和第七波段，Green為landsat8衛(wèi)星OLI影像的第三波段。作為一種可選的實(shí)施方式，在本專利技術(shù)實(shí)施例第一方面中，所述根據(jù)NDENWI指數(shù)、NDVI指數(shù)以及BSI指數(shù)對(duì)所述圖像斑塊進(jìn)行分類提取得到遮陽網(wǎng)類別的步驟包括：根據(jù)所述NDENWI指數(shù)和預(yù)設(shè)的閾值區(qū)分出水體與非水體兩類；然后根據(jù)NDVI指數(shù)和預(yù)設(shè)的閾值將非水體類別分為植被與非植被兩類；再根據(jù)BSI指數(shù)將非植被類別區(qū)分出裸地與遮陽網(wǎng)兩類。作為一種可選的實(shí)施方式，在本專利技術(shù)實(shí)施例第一方面中，所述根據(jù)NDENWI指數(shù)、NDVI指數(shù)以及BSI指數(shù)對(duì)所述圖像斑塊進(jìn)行分類提取得到遮陽網(wǎng)類別的步驟之后，所述方法還包括：獲取所述圖像斑塊的距離特征與光譜特征；根據(jù)所述距離特征與所述光譜特征，剔除遮陽網(wǎng)類中毗鄰水體的斑塊和Green波段、SWIR1波段和SWIR2波段光譜值的平均值之和較高的斑塊，得到優(yōu)化后的遮陽網(wǎng)類別。本專利技術(shù)實(shí)施例第二方面公開一種利用遙感影像提取植被遮陽網(wǎng)類別的裝置，包括：圖像融合模塊，用于將預(yù)處理后的多光譜圖像和全色圖像進(jìn)行圖像融合；分割模塊，用于對(duì)圖像融合模塊融合后的圖像進(jìn)行分割得到適合繼續(xù)分類的面向?qū)ο髨D像斑塊；指數(shù)計(jì)算模塊，用于計(jì)算分割模塊分割得到的圖像斑塊的NDENWI指數(shù)、NDVI指數(shù)及BSI指數(shù)；分類提取模塊，用于根據(jù)指數(shù)計(jì)算模塊計(jì)算的NDENWI指數(shù)、NDVI指數(shù)以及BSI指數(shù)對(duì)所述圖像斑塊進(jìn)行分類提取得到遮陽網(wǎng)類別。作為一種可選的實(shí)施方式，在本專利技術(shù)實(shí)施例第二方面中，所述圖像融合模塊包括：預(yù)處理單元，用于將多光譜圖像進(jìn)行輻射定標(biāo)和大氣校正，以及對(duì)全色圖像進(jìn)行輻射定標(biāo)；圖像融合單元，用于將預(yù)處理單元處理后的全色圖像與多光譜圖像進(jìn)行圖像融合；裁剪和拉伸單元，用于對(duì)圖像融合單元融合后的圖像進(jìn)行裁剪，再對(duì)裁剪后的圖像進(jìn)行拉伸。作為一種可選的實(shí)施方式，在本專利技術(shù)實(shí)施例第二方面中，所述裝置還包括：NDENWI指數(shù)構(gòu)建模塊，用于結(jié)合Green波段、SWIR1波段和SWIR2波段，并且使用復(fù)合波段比值法來構(gòu)建NDENWI指數(shù)公式，所述NDENWI指數(shù)公式用于計(jì)算NDENWI指數(shù)，所述NDENWI指數(shù)公式為：其中，SWIR1與SWIR2分別為landsat8衛(wèi)星的陸地成像儀(全稱：OperationalLandImager，OLI)影像中的第六波段和第七波段，Green為landsat8衛(wèi)星OLI影像的第三波段。作為一種可選的實(shí)施方式，在本專利技術(shù)實(shí)施例第二方面中，所述裝置還包括：獲取模塊，用于獲取分割模塊分割得到的圖像斑塊的距離特征與光譜特征；以及，優(yōu)化模塊，用于根據(jù)獲取模塊獲取的距離特征與光譜特征，剔除遮陽網(wǎng)類中毗鄰水體的斑塊和Green波段、SWIR1波段和SWIR2波段光譜值的平均值之和較高的斑塊，得到優(yōu)化后的遮陽網(wǎng)類別。本專利技術(shù)實(shí)施例第三方面公開一種用戶設(shè)備，包括本專利技術(shù)實(shí)施例第二方面公開的所述利用遙感影像提取植被遮陽網(wǎng)類別的裝置。與現(xiàn)有技術(shù)相比，本專利技術(shù)實(shí)施例具備以下有益效果：本專利技術(shù)實(shí)施例中，通過先將預(yù)處理后的多光譜圖像和全色圖像進(jìn)行圖像融合，然后對(duì)融合后的圖像進(jìn)行分割得到適合繼續(xù)分類的面向?qū)ο髨D像斑塊，再計(jì)算圖像斑塊的NDENWI指數(shù)、NDVI指數(shù)及BSI指數(shù)，最后根據(jù)NDENWI指數(shù)、NDVI指數(shù)以及BSI指數(shù)對(duì)圖像斑塊進(jìn)行分類提取得到遮陽網(wǎng)類別；可見，實(shí)施圖1所描述的方法，通過NDENWI指數(shù)，將水體與植被遮陽網(wǎng)之間的差異拉大，同時(shí)使用了面向?qū)ο蠓诸惖姆椒ǎY(jié)合圖像融合與圖像拉伸的處理，提高植被遮陽網(wǎng)在分類時(shí)的精度。附圖說明為了更清楚地說明本專利技術(shù)實(shí)施例中的技術(shù)方案，下面將對(duì)實(shí)施例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專利技術(shù)的一些實(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)這些附圖獲得其他的附圖。圖1是本專利技術(shù)實(shí)施例公開的一種利用遙感影像提取植被遮陽網(wǎng)類別的方法的流程示意圖；圖2是本專利技術(shù)實(shí)施例公開的另一種利用遙感影像提取植被遮陽網(wǎng)類別的方法的流程示意圖；圖3是本專利技術(shù)實(shí)施例公開的另一種利用遙感影像提取植被遮陽網(wǎng)類別的方法的流程示意圖；圖4是本專利技術(shù)實(shí)施例公開的一種利用遙感影像提取植被遮陽網(wǎng)類別的裝置的結(jié)構(gòu)示意圖；圖5是本專利技術(shù)實(shí)施例公開的另一種利用遙感影像提取植被遮陽網(wǎng)類別的裝置的結(jié)構(gòu)示意圖；圖6是本專利技術(shù)實(shí)施例公開的一種用戶設(shè)備的結(jié)構(gòu)示意圖。具體實(shí)施方式下面將結(jié)合本專利技術(shù)實(shí)施例中的附圖，對(duì)本專利技術(shù)實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例僅是本專利技術(shù)一部分實(shí)施例，而不是全部的實(shí)施例。基于本專利技術(shù)中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都屬于本專利技術(shù)保護(hù)的范圍。需要說明的是，本專利技術(shù)實(shí)施例的術(shù)語“包括”和“具有”以及他們的任何變形，意圖在于覆蓋不排他的包含，例如，包含了一系列步驟或單元的過程、方法、系統(tǒng)、產(chǎn)品或設(shè)備不必限于清楚地列出的那本文檔來自技高網(wǎng)...

【技術(shù)保護(hù)點(diǎn)】
一種利用遙感影像提取植被遮陽網(wǎng)類別的方法，其特征在于，包括：將預(yù)處理后的多光譜圖像和全色圖像進(jìn)行圖像融合；對(duì)融合后的圖像進(jìn)行分割得到適合繼續(xù)分類的面向?qū)ο髨D像斑塊；計(jì)算所述圖像斑塊的歸一化網(wǎng)體?水體差異增強(qiáng)指數(shù)(Normalized?Difference?Enhance?between?Net?and?Water?Index，NDENWI)、歸一化植被指數(shù)(Normalized?Difference?Vegetation?Index，NDVI)及裸土指數(shù)(bare?soil?index，BSI)；根據(jù)所述NDENWI指數(shù)、NDVI指數(shù)以及BSI指數(shù)對(duì)所述圖像斑塊進(jìn)行分類提取得到遮陽網(wǎng)類別。

【技術(shù)特征摘要】
1.一種利用遙感影像提取植被遮陽網(wǎng)類別的方法，其特征在于，包括：將預(yù)處理后的多光譜圖像和全色圖像進(jìn)行圖像融合；對(duì)融合后的圖像進(jìn)行分割得到適合繼續(xù)分類的面向?qū)ο髨D像斑塊；計(jì)算所述圖像斑塊的歸一化網(wǎng)體-水體差異增強(qiáng)指數(shù)(NormalizedDifferenceEnhancebetweenNetandWaterIndex，NDENWI)、歸一化植被指數(shù)(NormalizedDifferenceVegetationIndex，NDVI)及裸土指數(shù)(baresoilindex，BSI)；根據(jù)所述NDENWI指數(shù)、NDVI指數(shù)以及BSI指數(shù)對(duì)所述圖像斑塊進(jìn)行分類提取得到遮陽網(wǎng)類別。2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述將預(yù)處理后的多光譜圖像和全色圖像進(jìn)行圖像融合的步驟包括：將多光譜圖像進(jìn)行輻射定標(biāo)和大氣校正，以及對(duì)全色圖像進(jìn)行輻射定標(biāo)；然后將全色圖像與多光譜圖像進(jìn)行圖像融合；對(duì)融合后的圖像進(jìn)行裁剪，再對(duì)裁剪后的圖像進(jìn)行拉伸。3.根據(jù)權(quán)利要求1-2所述的方法，其特征在于，所述方法還包括：結(jié)合Green波段、SWIR1波段和SWIR2波段，并且使用復(fù)合波段比值法來構(gòu)建NDENWI指數(shù)公式，所述NDENWI指數(shù)公式用于計(jì)算NDENWI指數(shù)，所述NDENWI指數(shù)公式為：其中，SWIR1與SWIR2分別為landsat8衛(wèi)星的陸地成像儀(全稱：OperationalLandImager，OLI)影像中的第六波段和第七波段，Green為landsat8衛(wèi)星OLI影像的第三波段。4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述根據(jù)NDENWI指數(shù)、NDVI指數(shù)以及BSI指數(shù)對(duì)所述圖像斑塊進(jìn)行分類提取得到遮陽網(wǎng)類別的步驟包括：根據(jù)所述NDENWI指數(shù)和預(yù)設(shè)的閾值區(qū)分出水體與非水體兩類；然后根據(jù)NDVI指數(shù)和預(yù)設(shè)的閾值將非水體類別分為植被與非植被兩類；再根據(jù)BSI指數(shù)將非植被類別區(qū)分出裸地與遮陽網(wǎng)兩類。5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述根據(jù)NDENWI指數(shù)、NDVI指數(shù)以及BSI指數(shù)對(duì)所述圖像斑塊進(jìn)行分類提取得到遮陽網(wǎng)類別的步驟之后還包括：獲取所述圖像斑塊的距離特征與光譜特征...

【專利技術(shù)屬性】
技術(shù)研發(fā)人員：王月如，陳勁松，關(guān)舒婧，韓鵬鵬，韓宇，易琳，
申請(qǐng)(專利權(quán))人：中國科學(xué)院深圳先進(jìn)技術(shù)研究院，
類型：發(fā)明
國別省市：廣東;44