利用面向對象技術融合高空間和高時間解析度數據的遙感圖像分類方法
2023-08-08 03:46:16
專利名稱:利用面向對象技術融合高空間和高時間解析度數據的遙感圖像分類方法
技術領域:
本發明涉及利用面向對象遙感圖像分類方法融合高空間解析度數據(Landsat) 和高時間解析度數據(M0DIS-NDVI)進行快速準確的遙感圖像土地覆蓋分類方法。
背景技術:
面向對象的遙感圖像解譯方法是相對於傳統遙感影像處理軟體主要針對單個像元的解譯算法而言的。該方法在分類時不僅考慮地物的光譜特徵,還主要利用其幾何特徵和結構特徵,圖像中的最小單元不再是單個的像元,而是一個個對象。該方法是基於認知模型的遙感信息提取方法,更貼近人類的認知過程,已成為遙感信息提取領域主要的研究方向之一。陸地資源衛星(Landsat)數據空間解析度高,已被證實非常適合土地覆蓋分類研究。中解析度成像光譜儀歸一化植被指數(M0DIS-NDVI)時序數據空間解析度較低,但時間解析度高,能夠反應植被物候信息。由於植被物候信息反應植被季節性變化規律,因此在遙感圖像中擁有相同或相似的NDVI時序譜的對象將被識別為同一土地覆蓋類型。目前國內外對於面向對象分類技術的應用主要集中於單一時相高解析度遙感圖像的分類。將具有相同光譜、紋理和空間組合關係等特徵「同質均一」的像元合併成一個對象,以對象為單位進行後續分類工作。這種方法一般對遙感圖像的獲取時間有一定要求,並且無法區分「異物同譜」的土地覆蓋類型,很難在單一時相的遙感影像上應用。利用NDVI時序數據進行土地覆蓋分類的研究目前主要集中於中低解析度的遙感影像分類中,這種方法是傳統的基於像元的分類,結果往往較細碎不具有明確的地理學意義,不能滿足地理信息系統對多邊形的要求。本發明使用的MODIS的全稱為中解析度成像光譜儀(moderate-resolution imaging spectroradiometer) qMODIS是搭載在terra和aqua衛星上的一個重要的傳感器, 是衛星上唯一將實時觀測數據通過X波段向全世界直接廣播,並可以免費接收數據並無償使用的星載儀器,全球許多國家和地區都在接收和使用MODIS數據。MODIS用於對陸表、生物圈、固態地球、大氣和海洋進行長期全球觀測。LANDSAT是美國陸地探測衛星系統,TM是LANDSAT衛星上安裝的成像設備,也就是用LANDSAT上的TM可以對地球表面來成像。
發明內容
本發明針對以往的遙感圖像分類方法無法區分「異物同譜」的土地覆蓋類型,不適用於在中低解析度的遙感影像上應用的問題,提出了利用面向對象技術融合高空間和高時間解析度數據的遙感圖像分類方法。利用面向對象技術融合高空間和高時間解析度數據的遙感圖像分類方法,該方法包括以下步驟步驟一應用Savitzky-Golay(SG)濾波器,對M0DIS-NDVI時序數據進行濾波處理,去除錯誤信息,消除傳感器以及獲取過程中生成的噪音,得到穩定的物候信息源;步驟二 從步驟一中所得到的穩定的物候信息源中,確定待分類的遙感影像中典型植被的M0DIS-NDVI時序曲線,即,典型植被的物候特徵;步驟三利用M0DIS-NDVI時序數據獲取待分類TM影像中植被物候信息,並對TM 影像進行多層多尺度分割,得到一系列分割單元,每個分割單元由空間上相鄰、同質性達到 70%以上的像元組成,將每個分割單元作為一個對象;步驟四提取步驟三所得到的每個對象的光譜特徵、紋理特徵、形狀特徵和結構特徵信息;步驟五利用步驟四得到的所有特徵信息,在TM影像中提取非植被對象;步驟六在TM影像中去除步驟五所提取的非植被對象後得到所需的植被對象,將所得到的植被對象作為面狀矢量來分割濾波之後的M0DIS-NDVI時序數據,從而獲得每個對象相應的 M0DIS-NDVI時序曲線,即,每個植被對象獲得相應的物候信息;步驟七參考步驟二中典型植被的M0DIS-NDVI時序曲線,判定步驟六中每個對象所屬的植被類型;步驟八綜合步驟五中得到的非植被對象和步驟七中的植被對象,完成土地覆蓋分類。本發明的優點本發明綜合了面向對象分類技術與利用植被物候信息分類技術的優點,利用面向對象技術的多尺度分割得到均質的多邊形對象,然後提取對象的物候信息, 判定該對象的土地覆蓋類型。本發明克服了單獨利用面向對象分類技術對「異物同譜」土地覆蓋類型不能區分的困難,同時也解決了單獨利用物候信息分類結果細碎、不具有明確地理意義的問題。使得面向對象分類技術更好的適用於中低解析度的遙感影像分類,不僅提高了分類的精度和速度,而且明確了分類結果的地理意義。
圖I為2009年3月初到9月末試驗區中林地和蘆葦蕩的NDVI變動曲線,圖中 —□—代表林地、圖中——ο——代表蘆華蕩;圖2為2009年3月初到9月末試驗區中水田和旱地的NDVI變動曲線,圖中 —□—代表水田、圖中——O——代表旱地;圖3為利用尺度分割後的對象統計M0DIS-NDVI時序數據的像元。
具體實施例方式具體實施方式
一下面結合圖3說明本實施方式。本實施方式所述的利用面向對象技術融合高空間和高時間解析度數據的遙感圖像分類方法包括以下步驟步驟一應用Savitzky-Golay(SG)濾波器,對M0DIS-NDVI時序數據進行濾波處理,去除錯誤信息,消除傳感器以及獲取過程中生成的噪音,得到穩定的物候信息源;步驟二 從步驟一中所得到的穩定的物候信息源中,確定待分類的遙感影像中典型植被的M0DIS-NDVI時序曲線,即,典型植被的物候特徵;步驟三利用M0DIS-NDVI時序數據獲取待分類TM影像中植被物候信息,並對TM影像進行多層多尺度分割,得到一系列分割單元,每個分割單元由空間上相鄰、同質性達到 70%以上的像元組成,將每個分割單元作為一個對象;步驟四提取步驟三所得到的每個對象的光譜特徵、紋理特徵、形狀特徵和結構特徵信息;步驟五利用步驟四得到的所有特徵信息,在TM影像中提取非植被對象;步驟六在TM影像中去除步驟五所提取的非植被對象後得到所需的植被對象,將所得到的植被對象作為面狀矢量來分割濾波之後的M0DIS-NDVI時序數據,從而獲得每個對象相應的 M0DIS-NDVI時序曲線,即,每個植被對象獲得相應的物候信息;步驟七參考步驟二中典型植被的M0DIS-NDVI時序曲線,判定步驟六中每個對象所屬的植被類型;步驟八綜合步驟五中得到的非植被對象和步驟七中的植被對象,完成土地覆蓋分類。
具體實施方式
二 下面結合圖I說明本實施方式,本實施方式為對實施方式一的進一步說明,實施方式一步驟五中所述的非植被對象是水體、裸地和人工建築地。具體實施例如下步驟一獲取試驗區各種地物的物候信息作為訓練樣本,根據中解析度成像光譜儀MODIS的植被指數產品M0D13Q1,得到2009年3月初到9月末試驗區中典型植被類型的 NDVI變動曲線。步驟二 應用Savitzky-Golay (SG)濾波器,對M0DIS-NDVI時序數據進行濾波,去除噪音得到穩定的物候信息。步驟三JfLandsat TM影像進行多尺度分割,得到一系列空間上相鄰、同質性較好的分割單元,將每個單元作為一個對象。表I顯示在面向對象分類過程中多尺度分割的參數設置。試驗用的Landsat TM軌道號為P120R31,時間為2009年7月15日。表I.
權利要求
1.利用面向對象技術融合高空間和高時間解析度數據的遙感圖像分類方法,其特徵在於,該方法包括以下步驟步驟一應用Savitzky-Golay濾波器對M0DIS-NDVI時序數據進行濾波處理,去除錯誤信息,消除傳感器以及獲取過程中生成的噪音,得到穩定的物候信息源;步驟二 從步驟一中所得到的穩定的物候信息源中,確定待分類的遙感影像中典型植被的M0DIS-NDVI時序曲線,即,典型植被的物候特徵;步驟三利用M0DIS-NDVI時序數據獲取待分類TM影像中植被物候信息,並對TM影像進行多層多尺度分割,得到一系列分割單元,每個分割單元由空間上相鄰、同質性達到70% 以上的像元組成,將每個分割單元作為一個對象;步驟四提取步驟三所得到的每個對象的光譜特徵、紋理特徵、形狀特徵和結構特徵信步驟五利用步驟四得到的所有特徵信息,在TM影像中提取非植被對象;步驟六在TM影像中去除步驟五所提取的非植被對象後得到所需的植被對象,將所得到的植被對象作為面狀矢量來分割濾波之後的M0DIS-NDVI時序數據,從而獲得每個對象相應的M0DIS-NDVI時序曲線,即,每個植被對象獲得相應的物候信息;步驟七參考步驟二中典型植被的M0DIS-NDVI時序曲線,判定步驟六中每個對象所屬的植被類型;步驟八綜合步驟五中得到的非植被對象和步驟七中的植被對象,完成土地覆蓋分類。
2.根據權利要求I所述的利用面向對象技術融合Landsat數據和M0DIS-NDVI時序數據的遙感圖像分類方法,其特徵在於,步驟五中所述的非植被對象是水體、裸地和人工建築地。
全文摘要
利用面向對象技術融合高空間和高時間解析度數據的遙感圖像分類方法,涉及一種面向對象的遙感圖像分類方法。為了解決以往的遙感圖像分類方法無法區分「異物同譜」的土地覆蓋類型,不適用於在中低解析度的遙感影像上應用的問題。應用SG濾波器進行濾波處理;確定待分類的遙感影像中典型植被的MODIS-NDVI時序曲線;對TM影像進行分割,每個分割單元作為一個對象;提取每個對象的特徵信息;提取所有的非植被對象;去除非植被對象將所得到的植被對象作為面狀矢量來分割MODIS-NDVI時序數據,從而獲得每個植被對象獲得相應的物候信息;判定每個對象所屬的植被類型;完成土地覆蓋分類。用於土地覆蓋類型的區分。
文檔編號G01C11/00GK102609726SQ201210044320
公開日2012年7月25日 申請日期2012年2月24日 優先權日2012年2月24日
發明者任春穎, 劉殿偉, 湯旭光, 王宗明, 董張玉, 賈明明, 邵田田 申請人:中國科學院東北地理與農業生態研究所