專利名稱：利用面向?qū)ο蠹夹g(shù)融合高空間和高時間分辨率數(shù)據(jù)的遙感圖像分類方法
技術(shù)領(lǐng)域：
本發(fā)明涉及利用面向?qū)ο筮b感圖像分類方法融合高空間分辨率數(shù)據(jù)(Landsat) 和高時間分辨率數(shù)據(jù)(M0DIS-NDVI)進(jìn)行快速準(zhǔn)確的遙感圖像土地覆蓋分類方法。
背景技術(shù)：
面向?qū)ο蟮倪b感圖像解譯方法是相對于傳統(tǒng)遙感影像處理軟件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征，還主要利用其幾何特征和結(jié)構(gòu)特征，圖像中的最小單元不再是單個的像元，而是一個個對象。該方法是基于認(rèn)知模型的遙感信息提取方法，更貼近人類的認(rèn)知過程，已成為遙感信息提取領(lǐng)域主要的研究方向之一。陸地資源衛(wèi)星(Landsat)數(shù)據(jù)空間分辨率高，已被證實非常適合土地覆蓋分類研究。中分辨率成像光譜儀歸一化植被指數(shù)(M0DIS-NDVI)時序數(shù)據(jù)空間分辨率較低，但時間分辨率高，能夠反應(yīng)植被物候信息。由于植被物候信息反應(yīng)植被季節(jié)性變化規(guī)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(nèi)外對于面向?qū)ο蠓诸惣夹g(shù)的應(yīng)用主要集中于單一時相高分辨率遙感圖像的分類。將具有相同光譜、紋理和空間組合關(guān)系等特征“同質(zhì)均一”的像元合并成一個對象，以對象為單位進(jìn)行后續(xù)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，并且無法區(qū)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(yīng)用。利用NDVI時序數(shù)據(jù)進(jìn)行土地覆蓋分類的研究目前主要集中于中低分辨率的遙感影像分類中，這種方法是傳統(tǒng)的基于像元的分類，結(jié)果往往較細(xì)碎不具有明確的地理學(xué)意義，不能滿足地理信息系統(tǒng)對多邊形的要求。本發(fā)明使用的MODIS的全稱為中分辨率成像光譜儀(moderate-resolution imaging spectroradiometer) qMODIS是搭載在terra和aqua衛(wèi)星上的一個重要的傳感器， 是衛(wèi)星上唯一將實時觀測數(shù)據(jù)通過X波段向全世界直接廣播，并可以免費接收數(shù)據(jù)并無償使用的星載儀器，全球許多國家和地區(qū)都在接收和使用MODIS數(shù)據(jù)。MODIS用于對陸表、生物圈、固態(tài)地球、大氣和海洋進(jìn)行長期全球觀測。LANDSAT是美國陸地探測衛(wèi)星系統(tǒng)，TM是LANDSAT衛(wèi)星上安裝的成像設(shè)備，也就是用LANDSAT上的TM可以對地球表面來成像。

發(fā)明內(nèi)容
本發(fā)明針對以往的遙感圖像分類方法無法區(qū)分“異物同譜”的土地覆蓋類型，不適用于在中低分辨率的遙感影像上應(yīng)用的問題，提出了利用面向?qū)ο蠹夹g(shù)融合高空間和高時間分辨率數(shù)據(jù)的遙感圖像分類方法。利用面向?qū)ο蠹夹g(shù)融合高空間和高時間分辨率數(shù)據(jù)的遙感圖像分類方法，該方法包括以下步驟步驟一應(yīng)用Savitzky-Golay(SG)濾波器，對M0DIS-NDVI時序數(shù)據(jù)進(jìn)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(wěn)定的物候信息源；步驟二 從步驟一中所得到的穩(wěn)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，典型植被的物候特征；步驟三利用M0DIS-NDVI時序數(shù)據(jù)獲取待分類TM影像中植被物候信息，并對TM 影像進(jìn)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(zhì)性達(dá)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征、紋理特征、形狀特征和結(jié)構(gòu)特征信息；步驟五利用步驟四得到的所有特征信息，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后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后的M0DIS-NDVI時序數(shù)據(jù)，從而獲得每個對象相應(yīng)的 M0DIS-NDVI時序曲線，即，每個植被對象獲得相應(yīng)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(fā)明的優(yōu)點本發(fā)明綜合了面向?qū)ο蠓诸惣夹g(shù)與利用植被物候信息分類技術(shù)的優(yōu)點，利用面向?qū)ο蠹夹g(shù)的多尺度分割得到均質(zhì)的多邊形對象，然后提取對象的物候信息， 判定該對象的土地覆蓋類型。本發(fā)明克服了單獨利用面向?qū)ο蠓诸惣夹g(shù)對“異物同譜”土地覆蓋類型不能區(qū)分的困難，同時也解決了單獨利用物候信息分類結(jié)果細(xì)碎、不具有明確地理意義的問題。使得面向?qū)ο蠓诸惣夹g(shù)更好的適用于中低分辨率的遙感影像分類，不僅提高了分類的精度和速度，而且明確了分類結(jié)果的地理意義。


圖I為2009年3月初到9月末試驗區(qū)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(qū)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為利用尺度分割后的對象統(tǒng)計M0DIS-NDVI時序數(shù)據(jù)的像元。
具體實施例方式具體實施方式
一下面結(jié)合圖3說明本實施方式。本實施方式所述的利用面向?qū)ο蠹夹g(shù)融合高空間和高時間分辨率數(shù)據(jù)的遙感圖像分類方法包括以下步驟步驟一應(yīng)用Savitzky-Golay(SG)濾波器，對M0DIS-NDVI時序數(shù)據(jù)進(jìn)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(wěn)定的物候信息源；步驟二 從步驟一中所得到的穩(wěn)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，典型植被的物候特征；步驟三利用M0DIS-NDVI時序數(shù)據(jù)獲取待分類TM影像中植被物候信息，并對TM影像進(jìn)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(zhì)性達(dá)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征、紋理特征、形狀特征和結(jié)構(gòu)特征信息；步驟五利用步驟四得到的所有特征信息，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后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后的M0DIS-NDVI時序數(shù)據(jù)，從而獲得每個對象相應(yīng)的 M0DIS-NDVI時序曲線，即，每個植被對象獲得相應(yīng)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(jié)合圖I說明本實施方式，本實施方式為對實施方式一的進(jìn)一步說明，實施方式一步驟五中所述的非植被對象是水體、裸地和人工建筑地。具體實施例如下步驟一獲取試驗區(qū)各種地物的物候信息作為訓(xùn)練樣本，根據(jù)中分辨率成像光譜儀MODIS的植被指數(shù)產(chǎn)品M0D13Q1，得到2009年3月初到9月末試驗區(qū)中典型植被類型的 NDVI變動曲線。步驟二 應(yīng)用Savitzky-Golay (SG)濾波器，對M0DIS-NDVI時序數(shù)據(jù)進(jìn)行濾波，去除噪音得到穩(wěn)定的物候信息。步驟三JfLandsat TM影像進(jìn)行多尺度分割，得到一系列空間上相鄰、同質(zhì)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?qū)ο蠓诸愡^程中多尺度分割的參數(shù)設(shè)置。試驗用的Landsat TM軌道號為P120R31，時間為2009年7月15日。表I.
權(quán)利要求
1.利用面向?qū)ο蠹夹g(shù)融合高空間和高時間分辨率數(shù)據(jù)的遙感圖像分類方法，其特征在于，該方法包括以下步驟步驟一應(yīng)用Savitzky-Golay濾波器對M0DIS-NDVI時序數(shù)據(jù)進(jìn)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(wěn)定的物候信息源；步驟二 從步驟一中所得到的穩(wěn)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，典型植被的物候特征；步驟三利用M0DIS-NDVI時序數(shù)據(jù)獲取待分類TM影像中植被物候信息，并對TM影像進(jìn)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(zhì)性達(dá)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征、紋理特征、形狀特征和結(jié)構(gòu)特征信步驟五利用步驟四得到的所有特征信息，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后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后的M0DIS-NDVI時序數(shù)據(jù)，從而獲得每個對象相應(yīng)的M0DIS-NDVI時序曲線，即，每個植被對象獲得相應(yīng)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(jù)權(quán)利要求I所述的利用面向?qū)ο蠹夹g(shù)融合Landsat數(shù)據(jù)和M0DIS-NDVI時序數(shù)據(jù)的遙感圖像分類方法，其特征在于，步驟五中所述的非植被對象是水體、裸地和人工建筑地。
全文摘要
利用面向?qū)ο蠹夹g(shù)融合高空間和高時間分辨率數(shù)據(jù)的遙感圖像分類方法，涉及一種面向?qū)ο蟮倪b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(qū)分“異物同譜”的土地覆蓋類型，不適用于在中低分辨率的遙感影像上應(yīng)用的問題。應(yīng)用SG濾波器進(jìn)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(jìn)行分割，每個分割單元作為一個對象；提取每個對象的特征信息；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(shù)據(jù)，從而獲得每個植被對象獲得相應(yīng)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。用于土地覆蓋類型的區(qū)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(yōu)先權(quán)日2012年2月24日
發(fā)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(xué)院東北地理與農(nóng)業(yè)生態(tài)研究所