本發(fā)明涉及遙感技術(shù)領(lǐng)域，具體涉及一種基于遙感技術(shù)的毒品原植物識別方法。

背景技術(shù)：

毒品問題已經(jīng)成為全球性的問題，毒品不但損害著人的神經(jīng)系統(tǒng)、危及人類的身心健康，而且也會直接誘發(fā)各類惡性犯罪、引起嚴重的社會問題，毒品問題已經(jīng)成為威脅眾多國家和平與安全的大問題。毒品泛濫的問題根源于國際社會以及相關(guān)國家對毒品原植物的非法種植情況失于管理和控制。因此治理毒品問題造成的危害重點在于從源頭上禁止非法毒品原植物的種植，減少制造毒品的原料。

非法種植毒品原植物大多分布于人跡罕至的山區(qū)、密林和丘陵地區(qū)，種植的地塊分散而且面積較小，具有較強的隱蔽性，使得發(fā)現(xiàn)和鏟除毒品原植物難度極大。現(xiàn)有技術(shù)中在毒品原植物禁種和鏟除工作中一般通過人工調(diào)查和群眾舉報等方式，例如工作人員乘坐直升機進行巡查，由于距離較遠，無法識別出毒品原植物。人力物力投入較大，但是效率低下，且易于漏掉目標，鏟除率低。

技術(shù)實現(xiàn)要素：

本發(fā)明的目的在于提供一種基于遙感技術(shù)的毒品原植物識別方法，用于通過遙感數(shù)據(jù)的分析識別出非法種植毒品原植物地塊，提高毒品原植物的篩查效率。

為了達到上述目的，本發(fā)明采用這樣的如下技術(shù)方案：

本發(fā)明提供一種基于遙感技術(shù)的毒品原植物識別方法，包括：

根據(jù)適合毒品原植物生長的環(huán)境因子從地理環(huán)境區(qū)域中篩選出重點高風(fēng)險種植區(qū)；

根據(jù)所述重點高風(fēng)險種植區(qū)從遙感數(shù)據(jù)中裁剪出重點高風(fēng)險區(qū)遙感影像數(shù)據(jù)；

根據(jù)毒品原植物光譜庫中保存的毒品原植物光譜信息，使用面向?qū)ο蠓诸惙椒◤乃鲋攸c高風(fēng)險區(qū)遙感影像數(shù)據(jù)中識別出非法種植毒品原植物地塊；

使用混淆矩陣對所識別出的非法種植毒品原植物地塊進行精度檢驗，并輸出符合精度要求的非法種植毒品原植物地塊信息。

采用上述技術(shù)方案后，本發(fā)明提供的技術(shù)方案將有如下優(yōu)點：

本發(fā)明實施例中，首先確定重點高風(fēng)險種植區(qū)，構(gòu)建毒品原植物光譜特征庫，選擇遙感數(shù)據(jù)作為數(shù)據(jù)源，使用面向?qū)ο蠓诸惙椒▽χ攸c高風(fēng)險區(qū)遙感影像數(shù)據(jù)進行分類可以識別出非法種植毒品原植物地塊，最終通過精度檢驗的方式確定出符合精度要求的非法種植毒品原植物地塊。該方法可以有效的擴大禁種監(jiān)測范圍，只需要采集相應(yīng)地區(qū)的遙感數(shù)據(jù)作為數(shù)據(jù)源即可，通過對重點高風(fēng)險區(qū)遙感影像數(shù)據(jù)的分類識別就可以篩查出非法種植毒品原植物地塊，因此可以有效的提高監(jiān)測效率和監(jiān)測的準確性，有力的打擊非法毒品原植物種植行為，降低一線禁毒部門的勞動強度，節(jié)省人力物力，為國家禁毒主管部門提供準確、及時的一手毒品原植物種植信息，提高了毒品原植物的篩查效率。

附圖說明

圖1為本發(fā)明實施例提供一種基于遙感技術(shù)的毒品原植物識別方法的流程方框示意圖；

圖2為本發(fā)明實施例提供的毒品原植物種植地的檢測流程示意圖；

圖3為本發(fā)明實施例提供的罌粟光譜曲線示意圖；

圖4為本發(fā)明實施例提供的面向?qū)ο蠓诸惙椒ǖ牧鞒淌疽鈭D。

具體實施方式

本發(fā)明實施例提供了一種基于遙感技術(shù)的毒品原植物識別方法，用于通過遙感數(shù)據(jù)的分析識別出非法種植毒品原植物地塊，提高毒品原植物的篩查效率。

為使得本發(fā)明的發(fā)明目的、特征、優(yōu)點能夠更加的明顯和易懂，下面將結(jié)合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術(shù)方案進行清楚、完整地描述，顯然，下面所描述的實施例僅僅是本發(fā)明一部分實施例，而非全部實施例。基于本發(fā)明中的實施例，本領(lǐng)域的技術(shù)人員所獲得的所有其他實施例，都屬于本發(fā)明保護的范圍。

本發(fā)明的說明書和權(quán)利要求書及上述附圖中的“包括”和“具有”以及他們的任何變形，意圖在于覆蓋不排他的包含，以便包含一系列單元的過程、方法、系統(tǒng)、產(chǎn)品或設(shè)備不必限于那些單元，而是可包括沒有清楚地列出的或?qū)τ谶@些過程、方法、產(chǎn)品或設(shè)備固有的其它單元。

以下分別進行詳細說明。

本發(fā)明基于遙感技術(shù)的毒品原植物識別方法的一個實施例，可應(yīng)用于對罌粟、大麻等毒品原植物的種植地塊檢測，請參閱圖1至圖4所示，本發(fā)明提供的基于遙感技術(shù)的毒品原植物識別方法，可以包括如下步驟：

101、根據(jù)適合毒品原植物生長的環(huán)境因子從地理環(huán)境區(qū)域中篩選出重點高風(fēng)險種植區(qū)。

在本發(fā)明實施例中，毒品原植物例如罌粟和大麻的生成環(huán)境是由特殊要求的，比如對于溫度、濕度、海拔高度等環(huán)境都有具體的要求。通過實驗研究可以確定出適合毒品原植物生長的環(huán)境因子，使用這種環(huán)境因子來篩選地理環(huán)境區(qū)域，從中篩選出一些重點高風(fēng)險種植區(qū)。另外重點高風(fēng)險種植區(qū)的確定也可以使用歷史禁毒數(shù)據(jù)作為參考來確定出重點風(fēng)險種植區(qū)，從而提高數(shù)據(jù)篩選效率。

在本發(fā)明的一些實施例中，步驟101根據(jù)適合毒品原植物生長的環(huán)境因子從地理環(huán)境區(qū)域中篩選出重點高風(fēng)險種植區(qū)，包括：

a1、根據(jù)毒品原植物生長所需條件確定四個一級指標因子以及每個一級指標因子對應(yīng)的二級指標因子，四個一級指標因子包括：地形因子、土壤因子、氣候因子和種植區(qū)域因子，地形因子對應(yīng)的二級指標因子包括：坡度因子、坡向因子和海拔因子，土壤因子對應(yīng)的二級指標因子包括：土壤質(zhì)地因子和土壤厚度因子，氣候因子包括：溫度因子，種植區(qū)域因子包括：適宜種植區(qū)域因子和區(qū)域可達性因子；

a2、根據(jù)四個一級指標因子對應(yīng)的平均權(quán)重，以及每個二級指標因子對應(yīng)的分值對地理環(huán)境區(qū)域中所有地塊進行打分，將打分結(jié)果超過高風(fēng)險閾值的地塊確定為重點高風(fēng)險種植區(qū)。

其中，本發(fā)明實施例中采用兩級指標因子的評判機制，對于每個一級指標因子可以設(shè)置平均權(quán)重，對于每個二級指標因子可以根據(jù)具體應(yīng)用場景來設(shè)置每個二級指標因子的具體取值。優(yōu)選的，在本發(fā)明的一些實施例中，坡度因子對應(yīng)的分值為8，坡向因子對應(yīng)的分值為8，海拔因子對應(yīng)的分值為9，土壤質(zhì)地因子對應(yīng)的分值為10，土壤厚度因子對應(yīng)的分值為15，溫度因子對應(yīng)的分值為25，適宜種植區(qū)域因子對應(yīng)的分值為15，區(qū)域可達性因子對應(yīng)的分值為10。通過實際場景的連續(xù)多次測算，可以確定基于上述場景下設(shè)置的二級指標因子的具體分值，可以取得更準確的重點風(fēng)險種植區(qū)的評價結(jié)果，接下來進行詳細的舉例說明。

如圖2所示，首先對圖2中重點高風(fēng)險種植區(qū)的確定過程進行舉例說明。毒品原植物有多種，例如罌粟、麻黃草和大麻等等，能用于制造毒品的植物都屬于毒品原植物，不同的毒品原植物光譜肯定會有差異，接下來以罌粟原植物的檢測過程為例，非法罌粟種植也是一種生產(chǎn)性活動，因此也要一些環(huán)境因素的制約，主要包括：地形因子、土壤因子、氣候因子和種植區(qū)域因子等。地形因子主要包括坡度、坡向和海拔高度，土壤因子主要是土壤質(zhì)地和土壤厚度；氣候因子主要是氣溫。

舉例說明，非法罌粟種植的坡度一般在60度以內(nèi)，這個閾值是土壤的休止角，超過這個閾值基本上罌粟就無法種植，而且此類地區(qū)遇到降水易發(fā)生滑坡、泥石流等地質(zhì)災(zāi)害，不適合種植。重點高風(fēng)險種植區(qū)的確定是通過如下表1中多個因子打分確定的，而坡度60度以內(nèi)只是多個因子中的其中一種指標因子。罌粟一般種植在陰坡地帶，這些地區(qū)水分保持的較好，適宜生長。依據(jù)全國各地發(fā)現(xiàn)的非法罌粟種植情況，不同地區(qū)種植情況可達的上限情況不同，因此應(yīng)該因地制宜，具體地區(qū)依據(jù)具體情況進行分析，以我國的甘肅南部為例，最高海拔上限可達3100米。依據(jù)罌粟根部發(fā)育的需求，非法種植地塊土層厚度不能低于10-15厘米，土壤質(zhì)地以褐土、棕壤、栗鈣土為主。罌粟對溫度條件要求比較嚴格，只有達到一定的溫度才能發(fā)芽開花結(jié)果，因此氣溫過低或過高的地區(qū)都不適合毒品原植物的生長。

接下來對溫度因子進行舉例說明，罌粟種子萌發(fā)的最適溫域為12～

18℃，而罌粟最適合在15-25攝氏度的溫度下生長。罌粟不喜歡多雨水，但喜歡濕潤的地方，土壤的干濕狀況與地形、土質(zhì)的相關(guān)性較大。種植區(qū)域因子主要包有：城鎮(zhèn)不透水層、耕地、水體、道路、沼澤等區(qū)域等不具備罌粟種植的條件，可以通過土地利用、交通等數(shù)據(jù)予以排除。通過對發(fā)現(xiàn)的非法種植地塊進行統(tǒng)計分析，一般罌粟地塊距離村莊和公路大概1-5公里，距離小路(例如30cm寬)大概100-200米處，這是因為太遠的話，非法種植者當(dāng)天出發(fā)不能到達，太近的話容易被發(fā)現(xiàn)和舉報。

請參閱表1所示，是重點高風(fēng)險種植區(qū)評估指標體系表，該表是經(jīng)過多年研究實踐而獲得的評分標準。

其中，城市不透水層、耕地、水體、沼澤等易被發(fā)現(xiàn)或不適合種植罌粟的地方，打分就比較低，而剩下的其他土地利用類型就屬于適宜種植地區(qū)，打分會較高。

需要說明的是，上述各個二級指標因子的取值是根據(jù)具體場景進行調(diào)整后所確定下來的可取分值，因可以取得最佳的重點高風(fēng)險種植區(qū)的評估結(jié)果。

在實際的監(jiān)測識別過程中，綜合考慮上述四種一級指標因子，建立非法罌粟種植重點高風(fēng)險種植區(qū)評估指標(如前述的表1)，對每項指標通過專家打分評估的方法確定分值，區(qū)域里的分值越高，種植罌粟的可能性就越大。實際操作過程中以50分作為閾值，大于50分的區(qū)域就可以確定為重點高風(fēng)險種植區(qū)。重點高風(fēng)險種植區(qū)的篩選不僅參考遙感影像，還可以參考該地區(qū)多年的毒情、已經(jīng)發(fā)現(xiàn)非法種植情況以及專家的經(jīng)驗等作出判斷，對每個二級指標因子給出一個分值，四個一級指標因子是等權(quán)重的，每個二級因子需要單獨打分才能綜合出一級指標因子的分數(shù)，最終確定重點高風(fēng)險種植區(qū)時需要綜合上述四個一級指標因子來確定最終篩選結(jié)果。

102、根據(jù)重點高風(fēng)險種植區(qū)從遙感數(shù)據(jù)中裁剪出重點高風(fēng)險區(qū)遙感影像數(shù)據(jù)。

在本發(fā)明實施例中，使用遙感技術(shù)可以通過衛(wèi)星平臺上搭載的傳感器獲得到遙感數(shù)據(jù)，遙感數(shù)據(jù)是記錄地物電磁波大小的遙感影像，遙感數(shù)據(jù)也可以稱為遙感影像，是計算機可以識別處理的數(shù)字圖像，使用重點高風(fēng)險種植區(qū)從遙感數(shù)據(jù)中裁剪出重點高風(fēng)險區(qū)遙感影像數(shù)據(jù)，從而完成遙感數(shù)據(jù)的初步篩選，為進一步確定毒品原植物提供基礎(chǔ)數(shù)據(jù)。

在本發(fā)明的一些實施例中，步驟102根據(jù)重點高風(fēng)險種植區(qū)從遙感數(shù)據(jù)中裁剪出重點高風(fēng)險區(qū)遙感影像數(shù)據(jù)之前，本發(fā)明實施例提供的方法還包括：

b1、使用有理函數(shù)多項式系數(shù)(rationalpolynomialcoefficients，rpc)模型對遙感數(shù)據(jù)進行幾何校正，得到完成幾何校正后的遙感數(shù)據(jù)；

b2、使用flaash模型對完成幾何校正后的遙感數(shù)據(jù)進行輻射校正，然后輸出完成輻射校正后的遙感數(shù)據(jù)。

其中，在對遙感數(shù)據(jù)進行裁剪之前，還可以進行數(shù)據(jù)預(yù)處理。需要說明的是，步驟b1和步驟b2中數(shù)據(jù)預(yù)處理與前述實施例中的步驟101重點高風(fēng)險種植區(qū)可以是同時進行的，通過確定風(fēng)險區(qū)后再對預(yù)處理后的遙感數(shù)據(jù)進行裁剪，得出屬于重點高風(fēng)險種植區(qū)的遙感數(shù)據(jù)。遙感數(shù)據(jù)是通過衛(wèi)星平臺上搭載的傳感器獲得，遙感成像時由于各種因素的影響，使得遙感數(shù)據(jù)會存在一定的幾何畸變、大氣消光、輻射量失真等現(xiàn)象，這些畸變和失真現(xiàn)象影響了遙感數(shù)據(jù)的質(zhì)量，因此必須對其進行消除，舉例說明如下：

首先需要對遙感數(shù)據(jù)進行幾何校正，由于遙感平臺運動狀況變化、地形起伏、地球表面曲率的影響等，遙感影像出現(xiàn)了變形，因此需要對遙感影像進行幾何糾正，使得影像與標準影像或者地表實際情況相一致，一般采用rpc模型有理函數(shù)模型對遙感影像進行幾何校正。rpc模型是通用傳感器模型之一，可以用來模擬或替代嚴格成像模型，應(yīng)用于影像的幾何校正和正射糾正過程中，正射糾正是一種高精度的幾何校正。其中，嚴格成像模型精度高，但是解算復(fù)雜，需要姿態(tài)信息等數(shù)據(jù)，而且某些傳感器的核心信息和衛(wèi)星軌道參數(shù)并未公開，而rpc模型不需要姿態(tài)等信息數(shù)據(jù)，而且精度也可以滿足要求。

具體的，請參閱如下的公式(1)所示，

其中，式中(x,y,z)是地面點的大地坐標，(r,c)是地面點對應(yīng)在遙感影像上的像點坐標，pi(x,y,z)(i＝1,2,3,4)為多項式，pi(x,y,z)是地面點的大地坐標，x、y是大地坐標中的橫坐標和縱坐標，z是高程參數(shù)，如公式(1)所示，p1、p2、p3、p4分別是式中的分子和分母，最高不超過3次，形式如下公式(2)所示：

其中，系數(shù)ai(i＝0,1,2,......,19)統(tǒng)稱為有理多項式函數(shù)系數(shù)。類似的p2,p3,p4的系數(shù)可用bi,ci,di(i＝0,1,2,......,19)表示。多項式系數(shù)ai,bi,ci,di(i＝0,1,2,......,19)可由遙感影像提供的rpc文件獲取。

接下來對輻射校正進行舉例說明，由于傳感器本身、大氣、太陽高度角、地形等因素造成遙感影像輻射失真的問題，因此需要進行輻射校正，才能對遙感影像進行進一步的處理。一般采用flaash模型對遙感影像進行輻射校正，flaash模型是基于modtran5輻射傳輸模型，modtran模型是由進行大氣校正算法研究的領(lǐng)先者spectralsciences，inc和美國空軍實驗室(airforceresearchlaboratory)共同研發(fā)。該模型集成與envi軟件中，適合alos，geoeye，ikonos，pleiades，quickbird，rapideye，spot，worldview等數(shù)據(jù)。

103、根據(jù)毒品原植物光譜庫中保存的毒品原植物光譜信息，使用面向?qū)ο蠓诸惙椒◤闹攸c高風(fēng)險區(qū)遙感影像數(shù)據(jù)中識別出非法種植毒品原植物地塊信息。

在本發(fā)明實施例中，首先進行毒品原植物光譜庫的構(gòu)建，通過對毒品原植物罌粟的光譜地面觀測實驗，來構(gòu)建毒品原植物罌粟的光譜庫。遙感影像處理中進行的輻射校正可以減少地面觀察和遙感數(shù)據(jù)分析之間的誤差。小麥和罌粟物候相同，因此比較有對比性。植被的光譜走勢都是大致相同的，但是不同波段上的反射率又有差異，不同的毒品原植物光譜會有差異，如圖3所示，接下來仍以罌粟為例，罌粟在某地區(qū)每年的播種日期為三月下旬，主要分為兩個品種：100號和101號。在選定的實驗區(qū)隨機分布樣本點，并利用asd光譜儀對兩個品種以及周邊的啤酒大麥、小麥等進行光譜測量，得到毒品原植物罌粟的光譜曲線圖。總體上，毒品原植物罌粟的光譜反射率要高于其他作物，尤其是在1250nm和1700nm處，毒品原植物罌粟的光譜特征與其他農(nóng)作物的光譜特征差異最大。這些光譜的差異特征可以作為毒品原植物罌粟的識別依據(jù)，因此通過構(gòu)建毒品原植物光譜庫，從而可以有效監(jiān)測非法種植毒品原植物。

在本發(fā)明的一些實施例中，步驟103根據(jù)毒品原植物光譜庫中保存的毒品原植物光譜信息，使用面向?qū)ο蠓诸惙椒◤闹攸c高風(fēng)險區(qū)遙感影像數(shù)據(jù)中識別出非法種植毒品原植物地塊，包括：

c1、依據(jù)影像對象的異質(zhì)性最小和尺度最優(yōu)的雙重原則，將重點高風(fēng)險區(qū)遙感影像數(shù)據(jù)分割為最優(yōu)尺度的影像對象；

c2、根據(jù)毒品原植物光譜信息為分割出的影像對象構(gòu)建出毒品原植物識別特征，毒品原植物識別特征包括：影像對象的光譜特征、幾何特征和多時相特征；

c3、通過毒品原植物識別特征對分割出的影像對象進行分類識別，從而得到非法種植毒品原植物地塊。

其中，步驟c1中使用遙感影像分析進行影像對象的分割，先將影像按照光譜分布和局部圖案的幾何參數(shù)劃分為類別相對單一的塊，稱為影像對象(imageobject)，然后以影像對象為基本分析單元。步驟c2中使用毒品原植物光譜信息獲取影像對象的光譜特征、幾何形狀特征以及多時相特征等，其中，多時相特征是指毒品原植物在不同生長階段的特征。最后通過考察影像對象的光譜特征、幾何特征和多時相特征決定其類別歸屬，最后確定是否歸入到非法種植毒品原植物地塊中。

進一步的，在本發(fā)明的一些實施例中，步驟c1依據(jù)影像對象的異質(zhì)性最小和尺度最優(yōu)的雙重原則，將重點高風(fēng)險區(qū)遙感影像數(shù)據(jù)分割為最優(yōu)尺度的影像對象，包括：

c11、對重點高風(fēng)險區(qū)遙感影像數(shù)據(jù)進行第一次合并，得到影像對象；

c12、通過如下方式計算影像對象的對象異質(zhì)性：

f＝wcolorhcolor+(1-wcolor)hshape，

式中，f表示對象異質(zhì)性，wcolor表示光譜異質(zhì)性的權(quán)重，hcolor表示光譜異質(zhì)性，hshape表示形狀異質(zhì)性，1-wcolor表示形狀異質(zhì)性的權(quán)重；

c3、當(dāng)影像對象的對象異質(zhì)性小于預(yù)置的尺度閾值時，對影像對象繼續(xù)進行合并，并對合并后的影像對象重新計算對象異質(zhì)性，直至最終的對象異質(zhì)性大于或等于尺度閾值時，輸出最優(yōu)尺度的影像對象。

其中，步驟c1中重點高風(fēng)險區(qū)遙感影像數(shù)據(jù)包含有很多個像元，對重點高風(fēng)險區(qū)遙感影像數(shù)據(jù)進行第一次合并，具體可以是對多個像元的第一次合并，從而可以得到影像對象。

在本申請的一些實施例中，步驟c12中的hcolor通過如下方式計算：

其中，wi是第i波段的光譜權(quán)重，σi是第i波段光譜值的標準差，

hshape通過如下方式計算：

hshape＝wcompactnesshcompactness+(1-wcompactness)hsmooth，

其中，wcompactness為緊致度權(quán)重，hcompactness為緊致度參數(shù)，1-wcompactness為光滑度權(quán)重，hsmooth為光滑度參數(shù)，hcompactness通過如下方式計算：hsmooth通過如下方式計算：hsmooth＝e/l，e表示影像對象輪廓邊界的長度，n表示影像對象包含的總像元數(shù)。

在本申請的一些實施例中，步驟c12根據(jù)毒品原植物光譜信息為分割出的影像對象構(gòu)建出毒品原植物識別特征，毒品原植物識別特征包括：影像對象的光譜特征、幾何特征和多時相特征，包括：

c121、根據(jù)毒品原植物的最大差異波長從毒品原植物光譜信息中構(gòu)造出毒品原植物的光譜特征，最大差異波長包括：1250納米(nm)和1700nm；

c122、根據(jù)毒品原植物在不同的種植區(qū)域設(shè)置相應(yīng)的幾何特征，若種植區(qū)域為緩坡地形則幾何特征具體為正方形，若種植區(qū)域為陡坡地形則幾何特征具體為長方形，若種植區(qū)域為山梁地形則幾何特征具體為橢圓形，若種植區(qū)域為山頂?shù)匦蝿t幾何特征具體為圓形，若種植區(qū)域為山溝和山坳地形則幾何特征具體為三角形或規(guī)則多邊形；

c123、通過如下方式分別計算毒品原植物在不同的生長期對應(yīng)的歸一化差值植被指數(shù)ndvi：

其中，nir是影像對象在近紅外波段上的反射率值，red是影像對象在紅光波段上的反射率值；

c124、通過如下方式計算毒品原植物的ndvi差異指數(shù)：

其中，ndvid表示毒品原植物的ndvi差異指數(shù)，ndvim是毒品原植物在成熟期對應(yīng)的ndvi，ndvis是毒品原植物在播種期對應(yīng)的ndvi；

c125、將毒品原植物的ndvi差異指數(shù)確定為所述毒品原植物的多時相特征。

其中，nir是遙感影像上在近紅外波段上的反射率值，red是遙感影像上在紅光波段上的反射率值。ndvim是毒品原植物成熟期(matureperiod)中遙感影像上獲取的ndvi值，ndvis是毒品原植物播種期(sowingperiod)中遙感影像上獲取的ndvi值，ndvid是兩期數(shù)據(jù)ndvi的差值構(gòu)建的ndvi差異指數(shù)。因為播種期的非法種植毒品原植物地塊塊的ndvi值較小，而成熟期的ndvi值較大，而其他地物在整個生長期的ndvi指數(shù)變化不大，因此可以通過設(shè)定閾值進一步優(yōu)化初步識別出來的非法種植的毒品原植物罌粟地塊。通過光譜特征，幾何特征和多時相特征構(gòu)建規(guī)則集，最終輸出識別出的非法種植毒品原植物地塊。

接下來對毒品原植物識別特征的構(gòu)建過程進行舉例說明，本發(fā)明實施例采用面向?qū)ο蟮姆诸惙椒ㄟM行非法種植毒品原植物地塊的識別，該方法采用多尺度的圖像分割技術(shù)，適合不同大小種植地塊的提取，以對象為識別單元，即多個像元經(jīng)過合并形成影像對象(后續(xù)舉例中簡稱為對象)，依據(jù)構(gòu)建的不同的識別特征構(gòu)建規(guī)則集，其中，這里的識別特征是指影像上的對象的光譜特征、幾何特征和多時相特征，規(guī)則集作為識別特征是用來對對象進行分類，識別出罌粟地塊。本發(fā)明實施例中，對一景影像構(gòu)建的規(guī)則集可以用于別的影像，可重復(fù)性強，利于隨時加入構(gòu)建的新的識別特征。不同區(qū)域種植的罌粟特征會有差異，要因地制宜，依據(jù)這些差異擴充識別特征。

如圖4所示，為面向?qū)ο蠓诸惙椒鞒虉D。面向?qū)ο蠓诸惙椒ㄊ紫仁欠指睿罁?jù)影像對象的異質(zhì)性最小和尺度最優(yōu)的雙重原則，異質(zhì)性包括：光譜異質(zhì)性和形狀異質(zhì)性，光譜異質(zhì)性是指遙感影像上對象在不同波段的反射率的差異，形狀異質(zhì)性是指遙感影像上像元合并后形成對象的形狀的差異，尺度是對象的尺度，尺度大，對象就大，包含更多的像元，反之亦然。利用ecognition軟件，或者其他的軟件進行面向?qū)ο蠓诸?，如envi、erdas等，將遙感影像在較小的尺度上(s＝25)分割，然后在第一次分割的基礎(chǔ)上進行合并，最終確定最優(yōu)分割尺度。舉例說明，將第1次合并后得到的異質(zhì)性最小為f1，第1次進行基于像元的合并，然后判斷f1是否小于s。若是，基于第1詞合并生成的對象進行合并，異質(zhì)性最小為f2。然后判斷f2是否小于s，若是，繼續(xù)進行判斷，直至得到異質(zhì)性最小為fn-1仍小于s，基于第n-1次合并生成的對象進行第n次合并，異質(zhì)性最小為fn，判斷fn大于或等于s時，確定出分割結(jié)果，基于該分割結(jié)果進行識別特征的構(gòu)建。

接下來對毒品原植物識別特征的構(gòu)建過程進行舉例說明，進行毒品原植物罌粟的識別分類，這些特征主要包括：光譜特征，幾何特征和多時相特征。光譜特征主要是考慮到毒品原植物罌粟與其他植被的最大差異波段(例如1250nm和1700nm)，通過毒品原植物光譜庫中的數(shù)據(jù)與遙感影像分割后的對象的光譜數(shù)據(jù)進行對比分析，通過相似性的大小設(shè)定閾值初步識別出毒品原植物地塊信息。因為受到土壤、氣象等因素的影像，有時候會造成毒品原植物光譜具有其它地面目標相接近的現(xiàn)象，遙感中成為“異物同譜”，因此需要通過另外構(gòu)建識別分類特征對初步提取的結(jié)果進行優(yōu)化，因為非法毒品原植物均需要人為種植，人為因素一般造成此類地塊相對規(guī)則，因此這幾何特征可以作為識別非法種植毒品原植物地塊的依據(jù)。非法種植毒品原植物地塊在緩坡地區(qū)，一般呈現(xiàn)正方形；陡坡上一般沿著等高線呈長方形；山梁上一般呈橢圓形；山頂上一般呈圓形；山溝山坳中一般為三角形或規(guī)則多邊形，遙感影像是二維平面信息，而滑坡等地貌是三維的，需要加入數(shù)字高程模型才能識別，屬于地形信息，陡坡可以有坡度坡向信息獲得。毒品原植物罌粟在時間上表現(xiàn)出明顯的變異特征。其中，變異特征是指植物在不同生長階段的光譜變化，從落種到成熟，光譜在近紅外波段的差異巨大，因此可以利用生長季的遙感數(shù)據(jù)構(gòu)建ndvi差異指數(shù)作為非法毒品原植物識別的一個特征。經(jīng)過毒品原植物成熟期與毒品原植物播種期中遙感影像上獲取的ndvi值，可以計算出兩期數(shù)據(jù)ndvi的差值構(gòu)建出毒品原植物的ndvi差異指數(shù)。因為播種期的非法種植毒品原植物地塊塊的ndvi值較小，而成熟期的ndvi值較大，而其他地物在整個生長期的ndvi指數(shù)變化不大，因此可以通過設(shè)定閾值進一步優(yōu)化初步識別出來的非法種植的毒品原植物罌粟地塊。通過光譜特征，幾何特征和多時相特征構(gòu)建規(guī)則集，最終輸出識別出的非法毒品原植物罌粟地塊。ndvi只是一個計算公式，植被可以算出值來，地塊也可以算出來，其他的地物都可以算出來。罌粟地塊從開地到成熟ndvi值變化非常大，因此構(gòu)建了ndvi差異指數(shù)可作為毒品原植物識別特征中的多時相特征。

104、使用混淆矩陣對所識別出的非法種植毒品原植物地塊進行精度檢驗，并輸出符合精度要求的非法種植毒品原植物地塊信息。

在本發(fā)明的一些實施例中，為了對前述的分類結(jié)果進行精度評價，采用分層采樣的方法，即對不同的類別進行隨機采樣。對選定的實驗區(qū)分成兩種類型進行采樣：罌粟區(qū)和非罌粟區(qū)。通過對實驗區(qū)進行野外踏查，采集罌粟區(qū)樣本點100個，非罌粟區(qū)樣本點100個，通過該方法進行分類后構(gòu)建混淆矩陣，其中，混淆矩陣是用來表示精度評價的一種標準格式。混淆矩陣是n行n列的矩陣，其中n代表類別的數(shù)量，矩陣的主對角元素為被分到正確類別的樣本數(shù)，對角線以外的元素為遙感分類相對于實際情況的錯誤分類數(shù)。最終可以確定該方法分類的總體精度可以達到91.5％，kappa系數(shù)為0.83。kappa系數(shù)是一種定量評價遙感分類圖與參考數(shù)據(jù)之間一致性或精度的方法，它采用離散的多元方法，更加客觀地評價分類質(zhì)量。

舉例說明，如下表2所示，為精度評價的混淆矩陣。

其中，總體精度是具有概率意義的一個統(tǒng)計量，表述的是對每一個隨機樣本，所分類的結(jié)果與參考數(shù)據(jù)所對應(yīng)區(qū)域的實際類型相一致的概率。用戶精度表示從分類結(jié)果中任取一個隨機樣本，其所具有的類型與地面實際類型相同的條件概率。生產(chǎn)者精度表示相對于參考數(shù)據(jù)中的任意一個隨機樣本，分類圖上同一地點的分類結(jié)果與其相一致的條件概率。

本發(fā)明實施例中，基于遙感識別發(fā)現(xiàn)非法種植的毒品原植物，通過重點高風(fēng)險種植區(qū)的確定、數(shù)據(jù)預(yù)處理、構(gòu)建毒品原植物光譜庫、構(gòu)建毒品原植物識別特征、識別分類等最終形成了完整的一套非法種植毒品原植物遙感識別技術(shù)流程，適用于復(fù)雜地表環(huán)境下的非法種植毒品原植物識別。采用遙感技術(shù)，有效的提高了監(jiān)測非法種植毒品原植物工作的準確性和效率，同時降低了一線禁毒部門的工作強度，節(jié)約了大量人力物力，同時也可以為國家禁毒主管部門提供準確、及時的一手毒品原植物種植信息，有利于相關(guān)部門進一步的分析決策。

由前述對本發(fā)明實施例的舉例說明可知，首先利用適合罌粟生長的環(huán)境因子(地形因子、土壤因子和氣候因子等)對傳統(tǒng)的高風(fēng)險種植區(qū)進行篩選，環(huán)境因子權(quán)重平均分布，例如四種一級指標共有4種因子，總權(quán)重為100分，每種因子的權(quán)重為25分，各因子可以繼續(xù)細分，分值情況如表1中所列出，篩選出重點高風(fēng)險種植區(qū)后，對于處理后的該區(qū)域多時相遙感數(shù)據(jù)進行裁剪，專家打分后，低于50分的區(qū)域種植毒品原植物可能性非常低，因此無需對該部分區(qū)域遙感數(shù)據(jù)進行識別分析，裁剪就是對低于50分的區(qū)域的遙感影像進行去除不顯示，可以通過envi、arcgis等軟件對該地區(qū)的遙感影像賦值為0即可。依據(jù)毒品原植物光譜庫，通過地面光譜儀在毒品原植物不同生長期實驗采集得到的2光譜庫包含的是毒品原植物在不同生長期在不同波段光譜上的反射率值，反射率取值范圍為0-1，根據(jù)毒品原植物光譜庫構(gòu)建毒品原植物識別特征，通過構(gòu)建出的識別特征進行初步識別，最后對識別結(jié)果進行精度檢驗，對于不符合精度要求的結(jié)果進行優(yōu)化，例如裁剪后的區(qū)域中沒有毒品原植物，本發(fā)明實施例也會判定該區(qū)域沒有毒品原植物。只有通過該方法發(fā)現(xiàn)了毒品原植物，通過實地的核查驗證才能對該方法進行精度檢驗，優(yōu)化的方法是通過多種識別特征的相互組合或者重新構(gòu)建，直至精度檢驗符合實際要求，輸出最終識別結(jié)果。

通過前述實施例對本發(fā)明的舉例說明可知，首先確定重點高風(fēng)險種植區(qū)，構(gòu)建毒品原植物光譜特征庫，選擇遙感數(shù)據(jù)作為數(shù)據(jù)源，使用面向?qū)ο蠓诸惙椒▽χ攸c高風(fēng)險區(qū)遙感影像數(shù)據(jù)進行分類可以識別出非法種植毒品原植物地塊，最終通過精度檢驗的方式確定出符合精度要求的非法種植毒品原植物地塊。該方法可以有效的擴大禁種監(jiān)測范圍，有效的提高監(jiān)測效率和監(jiān)測的準確性，有力的打擊非法毒品原植物種植行為，降低一線禁毒部門的勞動強度，節(jié)省人力物力，為國家禁毒主管部門提供準確、及時的一手毒品原植物種植信息，提高毒品原植物的篩查效率。

另外需說明的是，以上所描述的裝置實施例僅僅是示意性的，其中所述作為分離部件說明的單元可以是或者也可以不是物理上分開的，作為單元顯示的部件可以是或者也可以不是物理單元，即可以位于一個地方，或者也可以分布到多個網(wǎng)絡(luò)單元上?？梢愿鶕?jù)實際的需要選擇其中的部分或者全部模塊來實現(xiàn)本實施例方案的目的。另外，本發(fā)明提供的裝置實施例附圖中，模塊之間的連接關(guān)系表示它們之間具有通信連接，具體可以實現(xiàn)為一條或多條通信總線或信號線。本領(lǐng)域普通技術(shù)人員在不付出創(chuàng)造性勞動的情況下，即可以理解并實施。

通過以上的實施方式的描述，所屬領(lǐng)域的技術(shù)人員可以清楚地了解到本發(fā)明可借助軟件加必需的通用硬件的方式來實現(xiàn)，當(dāng)然也可以通過專用硬件包括專用集成電路、專用cpu、專用存儲器、專用元器件等來實現(xiàn)。一般情況下，凡由計算機程序完成的功能都可以很容易地用相應(yīng)的硬件來實現(xiàn)，而且，用來實現(xiàn)同一功能的具體硬件結(jié)構(gòu)也可以是多種多樣的，例如模擬電路、數(shù)字電路或?qū)Ｓ秒娐返?。但是，對本發(fā)明而言更多情況下軟件程序?qū)崿F(xiàn)是更佳的實施方式?；谶@樣的理解，本發(fā)明的技術(shù)方案本質(zhì)上或者說對現(xiàn)有技術(shù)做出貢獻的部分可以以軟件產(chǎn)品的形式體現(xiàn)出來，該計算機軟件產(chǎn)品存儲在可讀取的存儲介質(zhì)中，如計算機的軟盤、u盤、移動硬盤、只讀存儲器(rom，read-onlymemory)、隨機存取存儲器(ram，randomaccessmemory)、磁碟或者光盤等，包括若干指令用以使得一臺計算機設(shè)備(可以是個人計算機，服務(wù)器，或者網(wǎng)絡(luò)設(shè)備等)執(zhí)行本發(fā)明各個實施例所述的方法。

綜上所述，以上實施例僅用以說明本發(fā)明的技術(shù)方案，而非對其限制；盡管參照上述實施例對本發(fā)明進行了詳細的說明，本領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng)理解：其依然可以對上述各實施例所記載的技術(shù)方案進行修改，或者對其中部分技術(shù)特征進行等同替換；而這些修改或者替換，并不使相應(yīng)技術(shù)方案的本質(zhì)脫離本發(fā)明各實施例技術(shù)方案的精神和范圍。