公开/公告号CN104268560A
专利类型发明专利
公开/公告日2015-01-07
原文格式PDF
申请/专利权人 复凌科技(上海)有限公司;
申请/专利号CN201410468448.6
申请日2014-09-15
分类号G06K9/62(20060101);G06K9/38(20060101);
代理机构上海晨皓知识产权代理事务所(普通合伙);
代理人成丽杰
地址 200433 上海市杨浦区国定路323号702-18室
入库时间 2023-12-17 04:06:25
法律状态公告日
法律状态信息
法律状态
2018-05-01
授权
授权
2015-02-04
实质审查的生效 IPC(主分类):G06K9/62 申请日:20140915
实质审查的生效
2015-01-07
公开
公开
技术领域
本发明涉及生态调控领域,特别涉及一种基于遥感解译的土地利用识别 方法。
背景技术
当前生态环境研究和环境模拟中土地利用是重要的研究基础,但是,由 于土地利用数据在国内处于不同部门和不同行政地区条块分割的状态,而大 多数据研究区域都是地跨多个行政区;同时,国内应用土地利用数据的行业 管理部门与掌握数据的国土及规划部门也处于不同管理体系下,为国内环境 科学研究工作者获取有效完整的数据带来极大的不便。
发明内容
本发明的目的在于提供一种基于遥感解译的土地利用识别方法,可以在 掌握研究区域部分准确的土地利用测绘分类的基础上,对全研究区域的土地 利用进行识别,为环境工作者获取有效完整的数据带来极大的方便。
为解决上述技术问题,本发明的实施方式提供了一种基于遥感解译的土 地利用识别方法,包含以下步骤:
A.将准备的精确测绘土地利用数据按照土地利用分类栅格对每一类分 别二值化,获取目标分类栅格数据集,并将准备的卫星影像数据按识别的波 段计算结果栅格化,获取待分类栅格数据;
B.按照设定的二分查找条件,利用多游标双逼近二分查找算法,分别对 所述待分类栅格数据进行重分类并二值化,获取重分类的两类二值化数据;
C.对同一分类栅格数据的每一个样本空间,利用13特征法计算目标分 类栅格数据与所述重分类的二值化数据的13特征值,并将结果分别储存在目 标特征矩阵、待分类特征矩阵中;
D.根据所述目标特征矩阵与所述待分类特征矩阵,计算模板匹配度, 并将计算结果记录入匹配数列;
E.按照预设的迭代次数,依次重复步骤B至步骤D,并根据获取的匹 配数列,获取对所述待分类栅格数据分类的匹配阈值;
F.根据获取的匹配阈值,获取对所述待分类栅格数据分类的结果。
本发明实施方式相对于现有技术而言,是将卫星影像数据按识别的波段 计算结果栅格化,获取待分类栅格数据,同时,也将准备的精确测绘土地利 用数据按照土地利用分类栅格对每一类分别二值化,获取目标分类栅格数据 集,作为参比数据;利用多游标双逼近二分查找算法按照设定的二分查找条 件对待分类栅格数据进行重分类并二值化,获取重分类的两类二值化数据; 对同一分类栅格数据的每一个样本空间,利用13特征法计算目标分类栅格数 据与重分类的两类二值化数据的13特征值,并将结果分别储存在目标特征矩 阵、待分类特征矩阵中;根据目标特征矩阵与待分类特征矩阵,计算模板匹 配度,并将计算结果记录入匹配数列;按照预设的迭代次数,计算模板匹配 度,获取更新的匹配数列,并据此获取对待分类栅格数据分类的匹配阈值, 根据获取的匹配阈值,便可识别待分类数据的土地利用分类;对每一分类栅 格数据进行上述过程后,便可获取对待分类栅格数据分类的结果。这样,可 以在掌握研究区域部分准确的土地利用测绘分类的基础上,对全研究区域的 土地利用进行识别,为环境工作者获取有效完整的数据带来极大的方便。
另外,在每一次执行步骤E后,还包含以下步骤:应用斑块生态评价单 元粒度自适应栅格取样算法对斑块单元的识别算法进行修正和验证;其中, 所述斑块单元为每一种土地利用分类在空间上的图形。这样,可以使获取的 对待分类栅格数据分类的结果更精确,并避免获取错误的数据。
另外,在所述步骤B中,采用四游标双逼近二分查找算法;其中,四个 游标分别为X10、X11、X20与X21,所述匹配阈值的区间起始值分别为X1、 X2,且X1∈[X10,X11],X2∈[X20,X21]。利用四游标双逼近二分查找算法,效率 高。
另外,四游标双逼近二分查找算法包含:最小值端逼近法、最大值端逼 近法与两端同时逼近法。在条件不成熟的情况下,可以采用两端同时逼近法 (双向逼近),也就是,两端同时逼近法的适用性强;对于土地利用分类的 二分查找可以采用最小值端逼近法或者最大值端逼近法(单向逼近),按目 标分类从一端开始查找每一个分类的区间的另一个端值,可以显著提高算法 的效率。
附图说明
图1是根据本发明第一实施方式的基于遥感解译的土地利用识别方法流 程图;
图2是根据本发明第一实施方式中的四游标双逼近二分查找算法中的两 端同时逼近情景示意图;
图3是根据本发明第一实施方式中的13特征提取示意图;
图4是根据本发明第二实施方式中的四游标双逼近二分查找算法中的最 小值端逼近情景示意图;
图5是根据本发明第二实施方式中的四游标双逼近二分查找算法中的最 大值端逼近情景示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发 明的各实施方式进行详细的阐述。然而,本领域的普通技术人员可以理解, 在本发明各实施方式中,为了使读者更好地理解本申请而提出了许多技术细 节。但是,即使没有这些技术细节和基于以下各实施方式的种种变化和修改, 也可以实现本申请各权利要求所要求保护的技术方案。
本发明的第一实施方式涉及一种基于遥感解译的土地利用识别方法,具 体流程如图1所示,包含以下步骤:
步骤101,设置样本参数与匹配控制参数。
具体地说,是根据目标分类栅格区域的空间尺度将样本划分为N个均质 化分布的取样样本,并设定匹配精度和迭代次数(m);其中,每个取样样 本的尺度为目标分类栅格区域空间的1/N*100,N为自然数,也就是样本参 数,N的取值可视具体情况而定。
步骤102,将准备的精确测绘土地利用数据按照土地利用分类栅格对每 一类分别二值化,获取目标分类栅格数据集。
具体地说,精确测绘土地利用数据是已知的国土部门数据,也就是,将 已知国土部门数据按土地利用分类栅格化,形成目标栅格数据,并将其按每 一种分类转化成单一分类栅格,并进行0-1二值化处理,获取目标分类栅格 数据集。0-1二值化处理是现有成熟的技术,在此不再赘述。
步骤103,将准备的卫星影像数据按识别的波段计算结果栅格化,获取 待分类栅格数据。其中,精确测绘土地利用数据为参比数据,卫星影像数据 即为待分类数据。
卫星影像数据包含:中国科学院计算机网络信息中心地理空间数据云与 环境保护部卫星环境应用中心获得的研究区域内的生态湿地处理系统 (ETM)或环境一号(HJ-1)卫星等多波段卫星影像数据。将上述卫星影像 数据进行波段计算,并将计算结果栅格化,获取待分类栅格数据。
需要说明的是,目标分类栅格数据集与待分类栅格数据的像元尺寸一 致,这样,可以使二者具有可比性。
步骤104,提取待分类栅格数据的最大值(Xmax)、最小值(Xmin)与 中间值(Xmid)。
步骤105,设定二分查找条件。具体地说,是将Xmax赋值于X21,将 Xmin赋值于X10,且将Xmid赋值于X11与X20;其中,Xmid等于(Xmax+Xmin) /2。
在分类中,最主要的是分类区间的上下阈值的确定,对于一个区间数据 [X1,X2),则需要利用X1∈[X10,X11)和X2∈[X20,X21),利用这4个游标(X10、 X11、X20与X21)为工具去找到准确的X1、X2作为有效的分类区间值。
此外,遥感栅格数据(卫星影像数据)分类为从小到大排序后的值序列, 因此,为应用计算机算法中效率最高的二分查找算法奠定了基础。
步骤106,按照设定的二分查找条件,利用多游标双逼近二分查找算法, 分别对待分类栅格数据进行重分类。
具体地说,在本实施方式中,采用四游标双逼近二分查找算法,并采用 两端同时逼近法,具体如图2所示,是同时X10、X11向X1靠近、X20、X21向X2靠近,这样,可以确定匹配阈值的区间起始值X1、X2,进而确定一个 分类区间。即使在条件不成熟的情况下,也可以采用两端同时逼近法(双向 逼近),也就是说,两端同时逼近法的适用性强,容易推广。
步骤107,对重分类结果进行二值化,获取重分类的两类二值化数据。 具体地说,是应用栅格分类算法将区间栅格提取出来,并对重分类结果进行 二值化,获取重分类的两类二值化数据。其中,在两端游标分别逼近时,一 端形成一类数据,两端共同形成两类二值化数据。栅格分类算法是现有成熟 的算法,在此不再赘述。
步骤108,读取一个分类栅格数据。具体地说,由于栅格数据分类为从 小到大排序后的值序列,可以从最小值开始,读取一个分类栅格数据,以后 每次按照值增大的方向依次读取分类栅格数据,直至最后一个分类栅格数据。
步骤109,将目标分类栅格数据集与样本空间分布矩形矢量数据叠加切 割出样本栅格,并将待分类的两组二值化数据和样本空间分布矩形矢量数据 叠加切割出样本栅格。
步骤110,读取一个样本空间。
步骤111,利用13特征法计算目标分类栅格数据与重分类的二值化数据 的13特征值,并将结果分别储存在目标特征矩阵(数据结构中的二维索引 表)、待分类特征矩阵中。其中,13特征值,包含:1个全样本像素数、8 个样本子区域像素数与4个线上像素数。
其示意图表现为图3中每一个样本区块中所取得的样本,应用三条横线 和一条竖线均匀分割为8个等份。即在模板作用下,输入的样本与目标样本 每一个特征差异综合后小于一定的阈值。
步骤112,判断是否还有样本空间。若是,则执行步骤110,若否,则 执行步骤113。具体地说,每当一个样本空间计算完毕后,样本空间计数器 的值自加1,其中,其初始值为0,当样本空间计数器的值小于样本空间数(N) 时,则判定为还有样本空间,否则,无样本空间。
步骤113,根据两个特征矩阵计算ρX10_X11和ρX10_X21。其中,ρ为匹 配度,ρX10_X11意为在分类区间[X10,X11]时的二值化后样本的匹配度,ρ X10_X21意为在分类区间[X10,X21]时的二值化后样本的匹配度。
步骤114,判断ρX10_X11是否大于ρX10_X21。若是,则执行步骤115, 若否,则执行步骤116。
步骤115,X21=(X11+X21)/2。
步骤116,X11=X21,X21=(X10+X11)/2。
步骤117,判断最大的匹配度的值是否可以接受。若是,则执行步骤118, 若否,则按照预设的迭代次数执行步骤106。具体地说,是对最大的模板匹 配度的精度与预先设定的匹配精度进行比较,若最大的模板匹配度的精度等 于或者大于预先设定的匹配精度,则可以接受,若否,则不可以接受。
步骤118,X10=X11,X21=Xmax,X11=(X10+X21)/2。X10、X21与X11便为 待分类栅格数据分类的匹配阈值,并将计算结果记录入匹配数列。
从步骤106到步骤118,是在匹配检测时应用计算机四游标双逼近二分 查找算法对已知空间分类的区间阈值进行迭代检测,从而找到极大似然的匹 配阈值的过程。在迭代次数与设定的匹配精度共同作用下,可以避免算法长 时间不受限期迭代运算。
步骤119,判断是否还有分类栅格数据。若是,则执行步骤108,若否, 则执行步骤120。具体地说,每当一个分类栅格数据完毕后,分类栅格数据 计数器的值自加1,其中,其初始值为0,当分类栅格数据计数器的值小于分 类栅格数据数(i)时,则判定为还有分类栅格数据,否则,无分类栅格数据。
步骤120,从匹配数列中提取所有匹配阈值,对待分类栅格数据进行重 分类,获取对待分类栅格数据分类的结果。也就是,得到研究区域未获得国 土测绘的数据有效土地分类。
具体地说,对ρ数列进行曲线拟合,当ρ值在最大迭代次数下达到一定 范围,则认为已经匹配,或在查找算法已经遍历了所有可能值后,对匹配度 ρ进行识别,找出值最大的那个区间值做为分类依据。
进一步地,在本步骤中,可以应用斑块生态评价单元粒度自适应栅格取 样算法对斑块单元的识别算法进行修正和验证,其中,斑块单元为每一种土 地利用分类在空间上的图形。这样,可以使获取的对待分类栅格数据分类的 结果更精确,并避免获取错误的数据。
其中,本实施例采用的算法原理为同一张卫星影像数据在光谱上是相同 的,同一个区域内的土地利用分类数据由于地理空间的相近在光谱上是相似 的。因而可以由已知区域的光谱特征识别来反推未知区域的空间分类。
与现有技术相比,是将卫星影像数据按识别的波段计算结果栅格化,获 取待分类栅格数据,同时,也将准备的精确测绘土地利用数据按照土地利用 分类栅格对每一类分别二值化,获取目标分类栅格数据集,作为参比数据; 利用多游标双逼近二分查找算法按照设定的二分查找条件对待分类栅格数据 进行重分类并二值化,获取重分类的两类二值化数据;对同一分类栅格数据 的每一个样本空间,利用13特征法计算目标分类栅格数据与重分类的两类二 值化数据的13特征值,并将结果分别储存在目标特征矩阵、待分类特征矩阵 中;根据目标特征矩阵与待分类特征矩阵,计算模板匹配度,并将计算结果 记录入匹配数列;按照预设的迭代次数,计算模板匹配度,获取更新的匹配 数列,并据此获取对待分类栅格数据分类的匹配阈值,根据获取的匹配阈值, 便可识别待分类数据的土地利用分类;对每一分类栅格数据进行上述过程后, 便可获取对待分类栅格数据分类的结果。这样,可以在掌握研究区域部分准 确的土地利用测绘分类的基础上,对全研究区域的土地利用进行识别,为环 境工作者获取有效完整的数据带来极大的方便。
本发明的第二实施方式涉及一种基于遥感解译的土地利用识别方法。第 二实施方式与第一实施方式大致相同,主要区别之处在于:在第一实施方式 中,二分查找法采用两端同时逼近法,适用性强。而在本发明第二实施方式 中,可以采用最小值端逼近法或者最大值端逼近法,可以显著提高算法的效 率。
具体地说,最小值端逼近法,如图4所示,最大值端逼近如图5所示, 均为单向逼近情景,按目标分类从一端开始查找每一个分类的区间的另一个 端值,这样,可以显著算法效率。
上面各种方法的步骤划分,只是为了描述清楚,实现时可以合并为一个 步骤或者对某些步骤进行拆分,分解为多个步骤,只要包含相同的逻辑关系, 都在本专利的保护范围内;对算法中或者流程中添加无关紧要的修改或者引 入无关紧要的设计,但不改变其算法和流程的核心设计都在该专利的保护范 围内。
本领域的普通技术人员可以理解,上述各实施方式是实现本发明的具体 实施例,而在实际应用中,可以在形式上和细节上对其作各种改变,而不偏 离本发明的精神和范围。
机译: 基于计算机的预测和产生土地利用陆地覆盖(LULC)分类的方法和系统
机译: 基于对象的卷积神经网络在土地利用分类中的应用
机译: 基于归一化指标的土地利用变化对城市岛屿脆弱区特征进行分析的系统和方法