公开/公告号CN103077400A
专利类型发明专利
公开/公告日2013-05-01
原文格式PDF
申请/专利权人 中国土地勘测规划院;
申请/专利号CN201210575858.1
申请日2012-12-26
分类号G06K9/62;G06F17/30;
代理机构国防专利服务中心;
代理人周玉秀
地址 100035 北京市西城区冠英园西区37号
入库时间 2024-02-19 18:43:12
法律状态公告日
法律状态信息
法律状态
2018-02-16
未缴年费专利权终止 IPC(主分类):G06K9/62 授权公告日:20151125 终止日期:20161226 申请日:20121226
专利权的终止
2015-11-25
授权
授权
2013-06-05
实质审查的生效 IPC(主分类):G06K9/62 申请日:20121226
实质审查的生效
2013-05-01
公开
公开
技术领域
本发明属于遥感图像处理领域,涉及土地利用数据库支持的地类信息 遥感自动识别方法。
背景技术
监督分类是一种常见的遥感影像分类方法,需要以人工选取样本区域 ,为计算机自动分类提供依据,样本质量与遥感影像分类结果精度密 切相关。在监督分类中,样本区域由操作人员根据具体遥感影像特征 和遥感解译经验选取,不同的操作人员分类结果差异可能较大。
发明内容
本发明的目的是提供一种土地利用数据库支持的地类信息遥感自动识 别方法,实现样本区域自动提取和土地利用监督分类,缩短处理时间 ,提高生产效率。
为实现上述目的,本发明提供的土地利用数据库支持的地类信息遥感 自动识别方法包括以下步骤:
(1)依据地类属性值,从土地利用数据库中获取土地利用矢量数据, 并从中筛选出大类图斑;
(2)依据筛选结果,按面积从大到小提取每一种地类对应的若干个图 斑;
(3)沿图斑边界做向内缓冲处理;
(4)以缓冲后的图斑作为样本区,对中分辨率遥感数据进行监督分类 ,获取地类信息;
(5)通过DEM数据计算坡度数据,并用坡度数据过滤误分类的象元;
(6)过滤合并细碎图斑,得到分类结果数据。
所述步骤(2)中提取图斑个数通过下述方法确定:从面积最大的图斑 开始按降序累加面积,直至面积累计超过该大类图斑总面积的60%,或 者参加累加的图斑超过50个。
所述步骤(3)中缓冲后的图斑面积占到原始图斑面积的60%至80%。
本发明以土地利用数据库作为先验知识,通过对筛选的大面积土地利 用斑块作向内缓冲,得到的结果可以认为是纯地类区域,然后使用该 结果作为样本区。使用本方法自动提取的样本区主要受土地利用数据 库的精度影响,而土地利用数据库是国家每年都对其更新,确保其地 类的准确。所以在样本的选取上,本方法 有着很高的可信度,同时克服了人工选取受人为因素影响较大的弊端 。此外,使用DEM数据对上述分类结果进行修正,将山区误提取的水体 重新归为林地,进一步提高了分类的精度。
使用北京昌平地区和密云地区的北京一号卫星影像数据进行测试:人 工选取样本区大致需要半个小时(仅仅选取样本时间,不包含进行分 类的运行时间);而采用本方法在普通的计算机中处理,在10分钟内 直接可以处理得到初步的分类结果。
附图说明
图1为本发明的实施流程图;
图2为执行缓冲区分析前后的对比;
图3和图4为进行碎斑过滤合并前后的效果对比。
具体实施方式
下面将结合图1,分步骤详述本发明:
(1)依据地类属性值,对从土地利用数据库获取的土地利用矢量数据 进行初步筛选
现行土地利用分类将土地利用类别分为12个一级类,一级类共下设57 个二级类,就中分辨率遥感数据对土地利用类别的识别能力而言,很 多在土地利用结构中占比例较小的类别如沟渠、田坎等,是无法识别 同时也无多大意义的,中分辨率遥感数据更多的是用于提取耕地、林 地、建设用地、水体等大类信息。本步骤主要依据地类属性值,从土 地利用数据库获取土地利用矢量数据,筛选大类图斑。
土地利用数据库是按照中华人民共和国国土资源部颁布的《土地利用 数据库标准》(TD/T 1016—2007)建立的空间数据库,内容包括基 础地理要素、土地利用要素、土地权属要素、基本农田要素、栅格要 素、其他要素等,各类要素通过国土资源部年度土地变更调查更新, 为土地管理各项业务的开展提供基础数据支撑。
(2)依据筛选结果,按面积从大到小提取每一种地类对应的若干个图 斑
本步骤首先对每个大类对应的所有图斑按面积从大到小降序排列,然 后从面积最大的图斑开始按降序累加面积,直至面积累计超过该大类 图斑总面积的60%,或者参加累加的图斑超过50个,最后将这些图斑提 取出来。
(3)沿图斑边界做向内缓冲处理,使缓冲后的图斑面积占到原始图斑 面积的60%至80%
考虑到上一步骤提取出来的图斑边界很有可能是不同地类的分界线( 例如界线一侧为耕地另一侧为建设用地),边界经过的像元是混合像 元,因此为保证样本区域内是单一地类,本步骤沿图斑边界向内做缓 冲处理,经验表明缓冲后的图斑面积占原始图斑面积的60%至80%左右 最为适宜,也可根据实际情况自行设定。
如图2a所示,该斑块的地类代码是032,表示是一块灌木林地,属于林 地。从图中可以看出,在图斑边界区域(主要在右下侧),有很多光 谱和林地差异很大的象元。如果在选取样本时将这些象元选取到样本 区中,将会对分类的结果造成较大的影响。通过向内缓冲区处理后( 图2b所示),可以看到样本区内的光谱信息基本一致。
(4)以缓冲后的图斑作为样本区(简称AOI),对中分辨率遥感数据 进行监督分类,获取地类信息。
以缓冲后的图斑作为样本区,采用监督分类对中分辨率遥感数据进 行分类,从而获得土地利用的地类信息数据。
(5)通过数字高程数据(DEM)计算坡度数据,并用坡度数据过滤误 分类的象元。
由于水体和山区林地的地物特征很类似,很容易将山区林地误分为水 体,可通过以下处理将山区误提取的水体重新归为林地:
首先使用DEM数据计算待分类区域的坡度数据。通过坡度数据可以知道 ,水体的坡度为0度,而山区的林地的坡度均大于0度,若类别为水体 且坡度大于0,则将其设为林地。
(6)过滤合并细碎图斑,得到土地利用地类结果数据。
监督分类的结果会存在大量的细碎图斑,通过小碎斑的过滤合并,可 以将细碎图斑进行去除。如图3是初步分类后的结果,图4是进行细碎 图斑过滤合并后的结果。最后对分类结果进行矢量化,生成土地利用 分类矢量数据,完成遥感分类信息的自动精细识别。
机译: 使用发现模型预测最佳请求数的自动名称列表支持系统,系统的单词识别方法以及具有单词识别层的自动名称列表支持
机译: 提供一种用于通过使用竞争性计算和信息融合来支持车辆的自动驾驶的自动驾驶服务平台的方法,以及使用该方法的服务器。通过竞争性计算和信息融合来支持车辆的自动驾驶,并使用相同的服务器来管理}
机译: 工作支持信息自动导出系统和工作支持信息自动导出方法