一种基于正反地形思想的地物信息遥感提取方法与流程

1.本发明属于遥感影像分类领域，具体涉及一种基于正反地形思想的地物信息遥感提取方法。


背景技术：

2.应用遥感技术大范围、快速、有效地提取地物信息已经成为目前最重要的一种空间信息提取技术。特别是随着卫星技术快速发展和无人机的广泛应用，海量遥感数据亟需处理和提取，基于遥感技术的地物信息提取方法是遥感领域重要的研究方向之一，因此地物信息遥感提取方法的研究与创新具有非常重要科学意义和研究价值。随着应用领域越来越广，跨学科和交叉学科的发展，越来越多的技术、理论被引入进来，各种地物信息遥感提取方法得到了快速发展和更广泛地应用。
3.虽然地物信息遥感提取方法很多，取得了大量研究成果与应用，但是优缺点也很明显，存在的共同问题主要包括人为主观因素多、对数据要求多、推广应用局限性高等问题。


技术实现要素：

4.为了克服现有地物信息遥感提取方法中存在的上述问题，本发明提供一种基于正反地形思想的地物信息遥感提取方法，减少数据量和降低人为因素干扰，从而提高精度、自动化程度和普适性程度。
5.具体技术方案为：
6.一种基于正反地形思想的地物信息遥感提取方法，包括以下步骤：
7.(1)目标地物信息特征遥感数据选取
8.针对提取的不同目标地物，选取合适日期的目标地物信息遥感数据；
9.(2)基于正反地形思想获取目标地物信息特征遥感原始数据的反向数据；
10.引入正地形和反地形概念，统计正地形数据的最大值，应用该最大值减去正地形数据，从而获取遥感原始数据的反地形数据，即反向数据；
11.根据正地形的概念，此处的正地形数据为选取的目标地物信息特征遥感原始数据，也称为正向数据；
12.(3)获取正反向增强数据；
13.通过正地形数据减去反地形数据，获取正反地形增强数据，即正反向增强数据，从而达到增大目标地物和非目标地物之间信息差异性的效果；
14.(4)掩膜二次增强与标准化
15.通过聚类技术将遥感原始数据分为两类，一类为初始目标地物，另一类为初始非目标地物，应用聚类结果中的初始目标地物区域掩膜正反向增强数据，并将掩膜后的0值数据处理为nan。再将掩膜增强后并将0处理为nan的数据标准化为0～1数据；
16.(5)目标地物提取。
17.基于标准化为0～1的遥感数据，通过聚类技术将标准化的遥感数据分为两类，一类为最终目标地物，另一类为最终非目标地物。
18.本发明提供的一种基于正反地形思想的地物信息遥感提取方法，针对不同目标地物信息特性，基于正反地形思想构建正反向增强数据，应用聚类技术提取目标地物。应用正反地形思想提取地物方法的原理是：在选取的具有目标地物信息特征的遥感数据中，目标地物与非目标地物特征差异是相对较明显的，但是直接提取还是会存在较大误差，基于正反地形的思想，应用正地形和反地形概念构建目标地物的正反地形数据，由于目标地物和非目标地物在正反地形数据中的特征信息是相反的，通过差值增强方式构建的正反地形数据(正反向数据) 进一步拉大了目标地物和非目标地物的特征差异，从而为后续更高精度的目标地物提取提供了有利条件，最后通过数据标准化和聚类技术提取最终的目标地物信息。实验表明该方法具有技术流程简便、普适性强、精度高等特点。
附图说明
19.图1为本发明的方法流程图；
20.图2为实施例的辛集市2014年冬小麦种植空间分布图。
具体实施方式
21.下面将结合附图和实施例对本发明做进一步阐述，其中，下面的实施例只是本发明的一部分，并不是本发明的全部实施例。因此，以下实施例仅用于更加清楚地描述本发明的技术方案，而不能以此来限制本发明的保护范围。
22.采用如图1所示的一种基于正反地形思想的地物信息遥感提取方法，下面采用该方法提取河北省辛集市2014年冬小麦种植面积及空间分布为实施例，并进行精度验证。遥感数据可以选择中、高分辨率遥感影像，如spot、高分一号(gf1)、tm/etm等影像。本次提取使用空间分辨率为16米的高分一号遥感影像数据。具体提取过程如下：
23.1.目标地物—冬小麦遥感数据选取
24.通过查阅资料及现场观察，在3月底4月初时辛集市其它绿色植被还未变绿，如野草、树木等其它绿色干扰地物此时基本还处于枯黄状态，而目标地物冬小麦处于返青结束进入拔节期。鉴于此，根据数据的可获取性，本实施例选取2014年4月3日的高分一号多光谱数据。由于归一化植被指数(ndvi)是遥感中最常用的用于表达绿色植被信息的指标数据，因此本实施例选取ndvi作为冬小麦种植信息提取指标。按照归一化植被指数公式，计算辛集市2014 年4月3日gf1数据的ndvi，从而获取辛集市高分一号ndvi遥感数据。
25.2.正反向增强数据
26.根据正地形和反地形的概念，应用差值增强方式用ndvi的正地形数据减去反地形数据，构建ndvi正反地形增强数据，即ndvi正反向增强数据。
27.3.掩膜数据
28.基于原始ndvi遥感数据，应用聚类技术将辛集市分为两类，一类为初始冬小麦种植信息，
29.另一类为初始非冬小麦信息。应用聚类提取的初始冬小麦种植区域掩膜ndvi正反向增强数据，并将数据中的0值设置为nan，得到二次增强ndvi数据。
30.4.冬小麦种植信息提取和精度验证。
31.将二次增强的ndvi数据标准化为0～1的遥感数据，并应用聚类技术将辛集市分为两类，提取最终的冬小麦种植信息。
32.精度验证：基于地面样本点的监督分类是一种精度非常高的遥感分类方法，仅次于目视解译结果的精度，本实施例以最大似然法的监督分类结果进行精度对比验证：即采用同一天的高分一号多光谱数据(2014年4月3日)，应用最大似然法监督分类提取辛集市冬小麦种植信息，并应用混淆矩阵方法和监督分类结果对基于正反地形思想的地物信息遥感提取方法的分类结果进行精度验证，精度验证结果如表1所示。
33.表1本发明模型与最大似然法监督分类提取辛集市冬小麦的混淆矩阵信息统计
[0034][0035]
以上实施例仅用于说明本发明，而并非是对本发明的限制，有关技术领域的普通技术人员，在不脱离本发明的精神和范围的情况下，还可以做出各种变化和变型，因此所有等同的技术方案也属于本发明的范畴，本发明的专利保护范围应由权利要求限定。


技术特征：
1.一种基于正反地形思想的地物信息遥感提取方法，其特征在于，包括以下步骤：(1)目标地物信息特征遥感数据选取针对提取的不同目标地物，选取合适日期的目标地物信息遥感数据；(2)基于正反地形思想获取目标地物信息特征遥感原始数据的反向数据；(3)获取正反向增强数据(4)掩膜二次增强与标准化(5)目标地物提取。2.根据权利要求1所述的一种基于正反地形思想的地物信息遥感提取方法，其特征在于，步骤(2)具体的包括以下过程：统计正地形数据的最大值，应用该最大值减去正地形数据，从而获取遥感原始数据的反地形数据，即反向数据。3.根据权利要求2所述的一种基于正反地形思想的地物信息遥感提取方法，其特征在于，所述的正地形数据为选取的目标地物信息特征遥感原始数据，也称为正向数据。4.根据权利要求1所述的一种基于正反地形思想的地物信息遥感提取方法，其特征在于，步骤(3)具体的包括以下过程：通过正地形数据减去反地形数据，获取正反地形增强数据，即正反向增强数据，从而达到增大目标地物和非目标地物之间信息差异性的效果。5.根据权利要求1所述的一种基于正反地形思想的地物信息遥感提取方法，其特征在于，步骤(4)具体的包括以下过程：通过聚类技术将遥感原始数据分为两类，一类为初始目标地物，另一类为初始非目标地物，应用聚类结果中的初始目标地物区域掩膜正反向增强数据，并将掩膜后的0值数据处理为nan；再将掩膜增强后并将0处理为nan的数据标准化为0～1数据。6.根据权利要求1所述的一种基于正反地形思想的地物信息遥感提取方法，其特征在于，步骤(5)具体的包括以下过程：基于标准化为0～1的遥感数据，通过聚类技术将标准化的遥感数据分为两类，一类为最终目标地物，另一类为最终非目标地物。

技术总结
本发明属于遥感影像分类领域，具体涉及一种基于正反地形思想的地物信息遥感提取方法，选取目标地物信息特征遥感数据；引入正地形和反地形的概念，应用差值增强方式构建目标地物的正反向增强数据；然后对目标地物信息特征遥感数据进行二次增强，即基于初始遥感数据和聚类技术提取初始目标地物信息，并应用初始目标地物信息区域掩膜正反向增强数据，并将数据中的0值设置为NAN；最后，将二次增强后的数据标准化为0～1，应用聚类技术提取最终的目标地物信息。本发明根据具有技术流程简便、精度高、普适性强等特点。适性强等特点。适性强等特点。


技术研发人员：王冬利 侯毅凯 李静 承达瑜 赵安周 张安兵 王贺封 李喜盼 赵玉玲 刘海新
受保护的技术使用者：河北工程大学
技术研发日：2021.10.22
技术公布日：2022/1/25