一種土地測(cè)繪信息管理方法技術(shù)

本發(fā)明專利技術(shù)涉及圖像處理技術(shù)領(lǐng)域，具體涉及一種土地測(cè)繪信息管理方法。該方法通過獲得高光譜遙感圖像，根據(jù)圖像中曲線的相似性獲得參考像素點(diǎn)，根據(jù)參考像素點(diǎn)篩選出特征波段，根據(jù)特征波段與像素點(diǎn)灰度值的關(guān)聯(lián)獲得分布特征向量，根據(jù)像素點(diǎn)間的光譜向量角度差異獲得目標(biāo)像素點(diǎn)與鄰域像素點(diǎn)的紋理特征值和鄰域像素點(diǎn)之間的理特征值，根據(jù)像素點(diǎn)的光譜向量中特征波段的方向變化獲得紋理特征值，獲得由紋理特征值構(gòu)成的紋理特征向量，最終通過神經(jīng)網(wǎng)絡(luò)進(jìn)行分類，對(duì)分類后遙感圖像的結(jié)果進(jìn)行管理。本發(fā)明專利技術(shù)考慮了像素點(diǎn)本身的波段變化影響和鄰域像素點(diǎn)之間的特征值影響，使分類數(shù)據(jù)更清晰，更全面精確地得到分類結(jié)果，方便了對(duì)分類信息的管理。信息的管理。信息的管理。

【技術(shù)實(shí)現(xiàn)步驟摘要】
一種土地測(cè)繪信息管理方法


[0001]本專利技術(shù)涉及圖像處理
，具體涉及一種土地測(cè)繪信息管理方法。

技術(shù)介紹

[0002]隨著測(cè)繪技術(shù)的發(fā)展，質(zhì)檢手段和檢查效率都得到了提高，但是質(zhì)檢業(yè)務(wù)的費(fèi)用大部分都較為昂貴。在人工管理階段，管理方式比較落后，為了有效的利用土地測(cè)繪檔案，需要對(duì)檔案進(jìn)行數(shù)字化處理，實(shí)現(xiàn)對(duì)圖片信息的查詢，在信息化不斷發(fā)展的背景下，土地測(cè)繪檔案信息化也發(fā)展成為土地測(cè)繪技術(shù)在土地開發(fā)管理過程中的普遍應(yīng)用形式。土地信息化管理不僅將土地測(cè)繪工作變得更科學(xué)、更穩(wěn)定、更規(guī)范，也進(jìn)一步提高了測(cè)繪的工作效率。
[0003]在土地測(cè)繪信息的管理中，信息管理方式較為單一，沒有做好詳盡的分類工作，對(duì)于不同地塊的分類沒有統(tǒng)一管理，現(xiàn)有大部分分類方法對(duì)高光譜采集到的圖像多基于本身灰度值獲得像素點(diǎn)的分布特征或者紋理特征進(jìn)行分類，未考慮到像素點(diǎn)本身的波段變化和相鄰其他像素點(diǎn)之間的變化，分類效果不理想，分類精度較差。

技術(shù)實(shí)現(xiàn)思路

[0004]為了解決現(xiàn)有技術(shù)中分類時(shí)未考慮到像素點(diǎn)本身的波段變化和相鄰其他像素點(diǎn)之間的變化，使分類效果不理想，分類精度較差的技術(shù)問題，本專利技術(shù)的目的在于提供一種土地測(cè)繪信息管理方法，所采用的技術(shù)方案具體如下：本專利技術(shù)提出了一種土地測(cè)繪信息管理方法，所述方法包括：獲得高光譜遙感圖像；根據(jù)高光譜遙感圖像中像素點(diǎn)之間對(duì)應(yīng)的光譜曲線相似度篩選出參考像素點(diǎn)；根據(jù)參考像素點(diǎn)的光譜曲線篩選出特征波段；由高光譜遙感圖像中各個(gè)特征波段的灰度值構(gòu)建至少兩個(gè)灰度值坐標(biāo)系，根據(jù)目標(biāo)像素點(diǎn)在每個(gè)灰度值坐標(biāo)系中的位置構(gòu)成目標(biāo)像素點(diǎn)的分布特征向量；獲得目標(biāo)像素點(diǎn)與預(yù)設(shè)第一鄰域內(nèi)其他像素點(diǎn)的光譜向量角度差異；獲得目標(biāo)像素點(diǎn)在不同預(yù)設(shè)第一方向上的局部LBP描述子；根據(jù)第一鄰域內(nèi)其他像素點(diǎn)之間的光譜向量角度差異獲得在不同預(yù)設(shè)第二方向上的相鄰LBP描述子；根據(jù)每個(gè)像素點(diǎn)的光譜曲線上相鄰兩個(gè)特征波段之間對(duì)應(yīng)的斜率，獲得斜率向量，統(tǒng)計(jì)目標(biāo)像素點(diǎn)第一鄰域內(nèi)其他像素點(diǎn)的斜率向量，獲得斜率LBP描述子；以局部LBP描述子、相鄰LBP描述子和斜率LBP描述子構(gòu)建目標(biāo)像素點(diǎn)的紋理特征向量；將每個(gè)像素點(diǎn)對(duì)應(yīng)的分布特征向量和紋理特征向量作為每個(gè)像素點(diǎn)的標(biāo)簽數(shù)據(jù)對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行分類訓(xùn)練；將待分析高光譜遙感圖像輸入訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)中，獲得待分析高光譜遙感圖像的分類結(jié)果，根據(jù)分類結(jié)果將對(duì)應(yīng)的像素點(diǎn)標(biāo)記進(jìn)行管理。
[0005]進(jìn)一步地，所述特征波段的獲取包括：根據(jù)參考像素點(diǎn)光譜曲線的目標(biāo)波段、預(yù)設(shè)波段數(shù)量和預(yù)設(shè)光譜矩陣采用連續(xù)投影算法獲得由預(yù)設(shè)波段數(shù)量個(gè)選取波段構(gòu)成的待定特征波段，獲得參考像素點(diǎn)的所有待定
特征波段；根據(jù)所有待定特征波段的均方誤差篩選出特征波段。
[0006]進(jìn)一步地，所述分布特征向量的獲取包括：以最短波長(zhǎng)波段的灰度值為橫坐標(biāo)，其余各個(gè)特征波段的灰度值作為縱坐標(biāo)，分別構(gòu)建灰度值坐標(biāo)系；將高光譜遙感圖像中每個(gè)像素點(diǎn)映射至所有灰度值坐標(biāo)系中，對(duì)每個(gè)灰度值坐標(biāo)系根據(jù)所有像素點(diǎn)在該灰度值坐標(biāo)系中的最大灰度值和最小灰度值構(gòu)建分布區(qū)域，獲得所有灰度值坐標(biāo)系的分布區(qū)域；將每個(gè)灰度值坐標(biāo)系下的分布區(qū)域均勻分為預(yù)設(shè)分布數(shù)量個(gè)子區(qū)域，根據(jù)子區(qū)域所在分布區(qū)域中的位置設(shè)置編號(hào)；根據(jù)目標(biāo)像素點(diǎn)在每個(gè)灰度值坐標(biāo)系中所在子區(qū)域的編號(hào)構(gòu)成分布特征向量。
[0007]進(jìn)一步地，所述局部LBP描述子的獲取包括：所述預(yù)設(shè)第一方向包括水平豎直方向和對(duì)角方向；所述局部LBP描述子包括第一局部LBP描述子和第二局部LBP描述子；采用LBP算子獲得在水平豎直方向上目標(biāo)像素的第一局部LBP描述子；采用LBP算子獲得在對(duì)角方向上目標(biāo)像素的第二局部LBP描述子。
[0008]進(jìn)一步地，所述相鄰LBP描述子的獲取包括：所述預(yù)設(shè)第二方向包括水平對(duì)稱方向和豎直對(duì)稱方向；所述相鄰LBP描述子包括第一相鄰LBP描述子和第二相鄰LBP描述子；采用LBP算子獲得在水平對(duì)稱方向上的第一相鄰LBP描述子；采用LBP算子獲得在豎直對(duì)稱方向上的第二相鄰LBP描述子。
[0009]進(jìn)一步地，所述斜率LBP描述子的獲取包括：獲得每個(gè)像素點(diǎn)的光譜曲線上相鄰兩個(gè)特征波段之間對(duì)應(yīng)的斜率，統(tǒng)計(jì)目標(biāo)像素點(diǎn)對(duì)應(yīng)的每個(gè)斜率值獲得斜率向量；統(tǒng)計(jì)目標(biāo)像素點(diǎn)第一鄰域內(nèi)其他像素點(diǎn)的斜率向量；統(tǒng)計(jì)斜率向量中每個(gè)元素的正負(fù)符號(hào)，獲得對(duì)應(yīng)的符號(hào)向量；將目標(biāo)像素點(diǎn)的符號(hào)向量與第一鄰域內(nèi)各個(gè)其他像素點(diǎn)的符號(hào)向量進(jìn)行同或運(yùn)算獲得目標(biāo)像素點(diǎn)的編碼，對(duì)目標(biāo)像素點(diǎn)的所有編碼進(jìn)行異或運(yùn)算并二進(jìn)制轉(zhuǎn)換獲得斜率LBP描述子。
[0010]進(jìn)一步地，所述紋理特征向量包括：由第一局部LBP描述子、第二局部LBP描述子、第一相鄰LBP描述子、第二相鄰LBP描述子和斜率LBP描述子共同構(gòu)成目標(biāo)像素點(diǎn)的紋理特征向量。
[0011]進(jìn)一步地，所述將每個(gè)像素點(diǎn)對(duì)應(yīng)的分布特征向量和紋理特征向量作為每個(gè)像素點(diǎn)的標(biāo)簽數(shù)據(jù)對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行分類訓(xùn)練包括：在數(shù)據(jù)庫(kù)中獲得各個(gè)區(qū)域類型的模板圖像，對(duì)各個(gè)區(qū)域的模板圖像標(biāo)記上標(biāo)簽，將每個(gè)像素點(diǎn)的分布特征向量和紋理特征向量作為對(duì)應(yīng)的標(biāo)簽數(shù)據(jù)通過卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，獲得訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)。
[0012]進(jìn)一步地，所述參考像素點(diǎn)的獲取包括：以光譜曲線縱坐標(biāo)的均值和方差作為曲線特征值，對(duì)具有相同曲線特征值的光譜曲線只取一條，根據(jù)剩余光譜曲線的曲線特征值的相似性將對(duì)應(yīng)的像素點(diǎn)與相鄰像素點(diǎn)迭代分類獲得高光譜圖像的粗分類結(jié)果，根據(jù)粗分類結(jié)果獲得各粗分類區(qū)域的中心像素點(diǎn)作為參考像素點(diǎn)。
[0013]進(jìn)一步地，所述相似性包括：
將兩個(gè)曲線特征值中均值差值的絕對(duì)值作為均值差異，兩個(gè)曲線特征值中方差差值的絕對(duì)值作為方差差異；若均值差異在預(yù)設(shè)均值閾值范圍內(nèi)且方差差異在預(yù)設(shè)方差閾值范圍內(nèi)，則判斷兩個(gè)曲線特征值具有相似性。
[0014]本專利技術(shù)具有如下有益效果：本專利技術(shù)考慮了高光譜遙感圖像波段較多會(huì)導(dǎo)致計(jì)算量增大，且過于冗余的數(shù)據(jù)會(huì)影響后續(xù)計(jì)算，通過對(duì)高光譜遙感圖像進(jìn)行粗分類獲得參考像素點(diǎn)，并根據(jù)參考像素點(diǎn)的光譜曲線對(duì)特征波段進(jìn)行提取，使光譜曲線的數(shù)據(jù)大幅減少，并從冗余、復(fù)雜的數(shù)據(jù)中篩選出便于計(jì)算的特征波段，根據(jù)特征波段的灰度值構(gòu)建坐標(biāo)系，得到像素點(diǎn)在不同波段下灰度值的分布特征，得到像素點(diǎn)的分布特征向量，使特征波段之間的灰度值進(jìn)行關(guān)聯(lián)，然后通過像素點(diǎn)在坐標(biāo)系中的位置表示分布，方便了后續(xù)神經(jīng)網(wǎng)絡(luò)的分類。為了表示出更清晰的紋理特征情況，不僅僅獲得目標(biāo)像素點(diǎn)與鄰域內(nèi)像素點(diǎn)的紋理特征，還考慮到鄰域像素點(diǎn)之間的紋理特征情況，在此基礎(chǔ)上對(duì)紋理特征的計(jì)算主要采用了像素點(diǎn)的整體光譜向量間的角度差異的作為像素點(diǎn)間的紋理差異的判斷，考慮到會(huì)出現(xiàn)像素點(diǎn)光譜向量中的波段曲線方向相反但向量方向差別很小的情況，因此進(jìn)一步考慮每個(gè)像素點(diǎn)的向量中波段曲線的變化，使像素點(diǎn)間紋理特征的判斷更精確，最終得到參考性強(qiáng)的整體的紋理特征向量。基于像素點(diǎn)的分布特征向量和紋理特征向量對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，將待檢測(cè)的高光譜遙感圖像輸入到訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)中進(jìn)行分類，將分類后的像素點(diǎn)標(biāo)記歸納完成信息管理。本專利技術(shù)更精確的考慮了像素點(diǎn)之間的特征值差異，使分類的結(jié)果更加本文檔來自技高網(wǎng)...

【技術(shù)保護(hù)點(diǎn)】

【技術(shù)特征摘要】
1.一種土地測(cè)繪信息管理方法，其特征在于，所述方法包括：獲得高光譜遙感圖像；根據(jù)高光譜遙感圖像中像素點(diǎn)之間對(duì)應(yīng)的光譜曲線相似度篩選出參考像素點(diǎn)；根據(jù)參考像素點(diǎn)的光譜曲線篩選出特征波段；由高光譜遙感圖像中各個(gè)特征波段的灰度值構(gòu)建至少兩個(gè)灰度值坐標(biāo)系，根據(jù)目標(biāo)像素點(diǎn)在每個(gè)灰度值坐標(biāo)系中的位置構(gòu)成目標(biāo)像素點(diǎn)的分布特征向量；獲得目標(biāo)像素點(diǎn)與預(yù)設(shè)第一鄰域內(nèi)其他像素點(diǎn)的光譜向量角度差異；獲得目標(biāo)像素點(diǎn)在不同預(yù)設(shè)第一方向上的局部LBP描述子；根據(jù)第一鄰域內(nèi)其他像素點(diǎn)之間的光譜向量角度差異獲得在不同預(yù)設(shè)第二方向上的相鄰LBP描述子；根據(jù)每個(gè)像素點(diǎn)的光譜曲線上相鄰兩個(gè)特征波段之間對(duì)應(yīng)的斜率，獲得斜率向量，統(tǒng)計(jì)目標(biāo)像素點(diǎn)第一鄰域內(nèi)其他像素點(diǎn)的斜率向量，獲得斜率LBP描述子；以局部LBP描述子、相鄰LBP描述子和斜率LBP描述子構(gòu)建目標(biāo)像素點(diǎn)的紋理特征向量；將每個(gè)像素點(diǎn)對(duì)應(yīng)的分布特征向量和紋理特征向量作為每個(gè)像素點(diǎn)的標(biāo)簽數(shù)據(jù)對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行分類訓(xùn)練；將待分析高光譜遙感圖像輸入訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)中，獲得待分析高光譜遙感圖像的分類結(jié)果，根據(jù)分類結(jié)果將對(duì)應(yīng)的像素點(diǎn)標(biāo)記進(jìn)行管理；所述分布特征向量的獲取包括：以最短波長(zhǎng)波段的灰度值為橫坐標(biāo)，其余各個(gè)特征波段的灰度值作為縱坐標(biāo)，分別構(gòu)建灰度值坐標(biāo)系；將高光譜遙感圖像中每個(gè)像素點(diǎn)映射至所有灰度值坐標(biāo)系中，對(duì)每個(gè)灰度值坐標(biāo)系根據(jù)所有像素點(diǎn)在該灰度值坐標(biāo)系中的最大灰度值和最小灰度值構(gòu)建分布區(qū)域，獲得所有灰度值坐標(biāo)系的分布區(qū)域；將每個(gè)灰度值坐標(biāo)系下的分布區(qū)域均勻分為預(yù)設(shè)分布數(shù)量個(gè)子區(qū)域，根據(jù)子區(qū)域所在分布區(qū)域中的位置設(shè)置編號(hào)；根據(jù)目標(biāo)像素點(diǎn)在每個(gè)灰度值坐標(biāo)系中所在子區(qū)域的編號(hào)構(gòu)成分布特征向量。2.根據(jù)權(quán)利要求1所述的一種土地測(cè)繪信息管理方法，其特征在于，所述特征波段的獲取包括：根據(jù)參考像素點(diǎn)光譜曲線的目標(biāo)波段、預(yù)設(shè)波段數(shù)量和預(yù)設(shè)光譜矩陣采用連續(xù)投影算法獲得由預(yù)設(shè)波段數(shù)量個(gè)選取波段構(gòu)成的待定特征波段，獲得參考像素點(diǎn)的所有待定特征波段；根據(jù)所有待定特征波段的均方誤差篩選出特征波段。3.根據(jù)權(quán)利要求1所述的一種土地測(cè)繪信息管理方法，其特征在于，所述局部LBP描述子的獲取包括：所述預(yù)設(shè)第一方向包括水平豎直方向和對(duì)角方向；所述局部LBP描述子包括第一局部LBP描述子和第二局部LBP描述子；采用LBP算子獲得在水平豎直方向上目標(biāo)像素的第一局部LBP描述子；采用LBP算子獲得在對(duì)...

【專利技術(shù)屬性】
技術(shù)研發(fā)人員：王宗云，商述珍，彭新琪，
申請(qǐng)(專利權(quán))人：東營(yíng)國(guó)圖信息科技有限公司，
類型：發(fā)明
國(guó)別省市：