制備高精度掩膜文件進(jìn)行干旱河谷提取的方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及到一種遙感影像處理技術(shù)，尤其是一種基于遙感影像的，采用制備高 精度掩膜文件進(jìn)行干旱河谷的提取方法。
【背景技術(shù)】
[0002] 干旱河谷一一橫斷山區(qū)最突出的自然景觀之一。
[0003] 隨著人口的迅速增加與社會經(jīng)濟(jì)的高速發(fā)展，干旱河谷在人類長期開發(fā)利用的基 礎(chǔ)上，承載了更加嚴(yán)重的干擾和過度利用，如水電站施工、交通建設(shè)、村落擴(kuò)展、城鎮(zhèn)發(fā)展等 等的影響，導(dǎo)致河谷區(qū)的植被嚴(yán)重退化，生態(tài)急劇惡化，水土流失加劇，山地災(zāi)害頻繁。這不 僅吞噬著區(qū)域社會經(jīng)濟(jì)發(fā)展成果，削弱區(qū)域可持續(xù)發(fā)展的基礎(chǔ)，更加嚴(yán)重的是動搖了整個 山地系統(tǒng)的安全。
[0004] 因此根據(jù)高分辨率的遙感影像，將干旱河谷提取出來獨立研宄將具有非常重要的 價值。
[0005] 干旱河谷的提取，是基于相關(guān)資料和研宄者的認(rèn)知等等對遙感影像進(jìn)行處理，將 認(rèn)為是干旱河谷的區(qū)域從影像中提取出來的過程。
[0006] 現(xiàn)有干旱河谷的提取方法主要是將遙感影像按常規(guī)方法進(jìn)行目視解譯，然后基于 某種地理因子(如氣候、植被、高程等，即降雨量少、氣溫較高、蒸發(fā)量大、高程介于一定范圍 的區(qū)域就是干旱河谷）來約束分類結(jié)果進(jìn)一步確定干旱河谷的范圍，最后再通過實地調(diào)查 來評價結(jié)果的過程。該種提取方法中，由于采用的是通過技術(shù)人員進(jìn)行目視解譯，所以在提 取的過程中存在著如下問題： (1)當(dāng)前對于干旱河谷沒有普遍接受的標(biāo)準(zhǔn)定義，判定標(biāo)準(zhǔn)也不明確，因而為干旱河谷 的提取增加了難度。
[0007] (2)現(xiàn)有的干旱河谷提取方法是根據(jù)遙感影像的特點，直接分類提取干旱河谷， 提取出來的區(qū)域比較混亂，容易把一些沒有河流存在的區(qū)域歸類到其中，使得提取出來的 結(jié)果較為粗糙，甚至有部分錯誤，造成結(jié)果的誤差較大，為后續(xù)研宄的結(jié)果埋下了錯誤的隱 患。
[0008] (3)目視解譯過程中或可能出現(xiàn)提取不完整，或者提取不準(zhǔn)備的情況，造成結(jié)果與 實際的偏差。
[0009] 為了降低甚至消除可能出現(xiàn)的錯誤，或更大程度地減少干旱河谷提取的誤差，得 到最為精確的提取結(jié)果，我們需要一種更可靠的提取方法。

【發(fā)明內(nèi)容】

[0010] 為了解決上述問題，更大程度地減少干旱河谷提取的誤差，得到更為精確的提取 結(jié)果，本發(fā)明提供了一種更可靠的，采用制備高精度掩膜文件進(jìn)行干旱河谷提取的方法。 [0011] 本發(fā)的干旱河谷提取的方法，按如下步驟進(jìn)行， (1)制定干旱河谷的界定標(biāo)準(zhǔn)。
[0012] (2)遙感影像預(yù)處理和圖像增強處理，包括校正處理、彩色合成，并進(jìn)行波段運算。 獲得增強圖像。
[0013] (3)均勻的選擇較為純凈的訓(xùn)練樣本，并進(jìn)行可分離性的計算，然后對處理的結(jié)果 執(zhí)行監(jiān)督分類和分類精度的評價。
[0014] (4)遙感影像的分類后處理 將執(zhí)行監(jiān)督分類后的結(jié)果依次經(jīng)過主要分析、聚類分析、合并子集、統(tǒng)計計算過程。
[0015] (5)以分類后結(jié)果與和遙感影像圖為參考制作河谷范圍內(nèi)的掩膜文件。
[0016] (6)利用掩膜文件進(jìn)行裁剪。
[0017] (7)將裁剪后的圖像進(jìn)一步處理后形成需要的干旱河谷范圍。
[0018] 如上所述的干旱河谷提取的方法，具體為，所述的遙感影像預(yù)處理和圖像增強處 理包括幾何校正、拼接鑲嵌、圖像裁剪、影像融合。
[0019] 如上所述的干旱河谷提取的方法，具體為，所述的遙感影像預(yù)處理和圖像增強處 理包括將影像進(jìn)行2%拉伸圖像拉伸，以舍掉絕大多數(shù)的異常值，得到漂亮直觀的圖片效 果。
[0020] 如上所述的干旱河谷提取的方法，具體為，所述的彩色合成時選擇5, 4, NDVI。
[0021] 如上所述的干旱河谷提取的方法，具體為，在步驟7中的進(jìn)一步處理包括將裁剪 后的圖像進(jìn)行多面分解，即把提取出來的部分打散，進(jìn)行小斑消除，將細(xì)小圖斑合并到周圍 的圖斑中，然后進(jìn)行線面平滑。
[0022] 如上所述的干旱河谷提取的方法，具體為，所述的制定干旱河谷的界定標(biāo)準(zhǔn)。具體 為：河谷內(nèi)沒有植被或植被較少的地區(qū)評定為干旱河谷。更具體地：在山谷里植被較茂盛 的區(qū)域不屬于干旱河谷，在山谷以外有較少植被的區(qū)域同樣不是干旱河谷。
[0023] 如上所述的干旱河谷提取的方法，具體為，所述的均勻的選擇較為純凈的訓(xùn)練樣 本，具體為，所述的均勻是指根據(jù)自己的分類定義繪制的相應(yīng)訓(xùn)練區(qū)在整個圖像上是分散 且均勻展布的。
[0024] 所述的較為純凈是指根據(jù)自己的分類定義繪制的相應(yīng)訓(xùn)練區(qū)時應(yīng)選擇差異較少、 較為干凈的整個區(qū)域。
[0025] 如上所述的干旱河谷提取的方法，具體為，所述的可分離性的計算是指計算任意 類別間的統(tǒng)計距離，用于確定兩個類別間的差異性程度。
[0026] 如上所述的干旱河谷提取的方法，具體為，在步驟3中進(jìn)行的可分離性的計算，計 算結(jié)果不合格，通過結(jié)果對樣本進(jìn)行二次處理。
[0027] 如上所述的干旱河谷提取的方法，具體為，所述的主要分析為：將較大類別中的虛 假像元歸到該類中，定義一個變換核尺寸，用變換核中占主要地位的像元類別代替中心像 元的類別。
[0028] 所述的聚類分析為：將被選的分類用一個擴(kuò)大操作合并到一塊，然后用參數(shù)對話 框中指定了大小的變換核對分類圖像進(jìn)行侵蝕操作。
[0029] 所述的合并子集為：將河谷的類別合并合并到一類。
[0030] 所述的統(tǒng)計計算為：計算每一類的點數(shù)、最小值、最大值、平均值以及類的每個波 段的標(biāo)準(zhǔn)差。
[0031] 有益效果： 由于本發(fā)明制定并采用了干旱河谷的界定標(biāo)準(zhǔn)，并通過計算機圖像視別與處理技術(shù)進(jìn) 行干旱河谷提取，使用提取過程更為精準(zhǔn)。其效果具體包括： 1、利用遙感影像提取干旱河谷的過程中，對于干旱河谷判定標(biāo)準(zhǔn)的重新界定，提高了 干旱河谷提取的精度和準(zhǔn)確率，為后續(xù)開展的精細(xì)化評價等工作提供了便利。
[0032] 2、本發(fā)明流程避免了單個地理因子對分類結(jié)果的約束效應(yīng)，將因子的效應(yīng)進(jìn)行了 綜合，使分類的結(jié)果更加全面準(zhǔn)確。
[0033] 3、本發(fā)明將分類后處理結(jié)果和高分辨率影像圖為參考制作出干旱河谷范圍內(nèi)的 掩膜文件，為利用遙感影像對地物信息進(jìn)行提取提供了一種新的策略與方法，提高了獲取 地物信息的精度，降低了錯誤。
[0034] 本方法可用于利用區(qū)域遙感影像進(jìn)行干旱河谷的選擇與制備，為區(qū)域重點研宄提 供準(zhǔn)確的基礎(chǔ)資料。
【附圖說明】
[0035] 圖1主要分析效果圖。
[0036] 圖2聚類分析效果圖。
[0037] 圖3是本發(fā)明的方法流程圖。
[0038] 圖4是分類精度的評價示意圖。
[0039] 圖5是1999年ROI可分離性表格圖。
【具體實施方式】
[0040] 實施例一： 本發(fā)的干旱河谷提取的方法，按如下步驟進(jìn)行，如圖3所示。
[0041] (1)制定干旱河谷的界定標(biāo)準(zhǔn)。干旱河谷的界定標(biāo)準(zhǔn)在試驗前即確定，根據(jù)前人 的研宄結(jié)果結(jié)合本發(fā)明技術(shù)的經(jīng)驗確定這一標(biāo)準(zhǔn)，認(rèn)為判定干旱河谷的標(biāo)準(zhǔn)是：河谷內(nèi)沒 有植被或植被較少的地區(qū)，包括河道，更具體地，在山谷里植被較茂盛的區(qū)域不屬于干旱河 谷，在山谷以外有較少植被的區(qū)域同樣不是干旱河谷。
[0042] 在以下的影像的處理過程中，對分類后的數(shù)據(jù)用混淆矩陣定量評價分類的精度， 也即檢驗干旱河谷提取的精確與否。其中，兩個重要的指標(biāo)如下： 總體分類精度（Overall Accuracy):等于被正確分類的像元總和除以總像元數(shù)。被 正確分類的像元數(shù)目沿著混淆矩陣的對角線分布，總像元數(shù)等于所有真實參考源的像元總 數(shù)。
[0043] Kappa系數(shù)（Kappa Coefficient):它是通過把所有真實參考的像元總數(shù)（N)乘以 混淆矩陣對角線（XKK)的和，再減去某一類中真實參考像元數(shù)與該類中被分類像元總數(shù)之 積之后，再除以像元總數(shù)的平方減去某一類中真實參考像元總數(shù)與該類中被分類像元總數(shù) 之積對所有類別求和的結(jié)果。
[0044] 試驗分類精度評價參數(shù)檢驗
kappa計算結(jié)果為-1~1，但通常kappa是落在0~1間，可分為五組來表示不同級別的 一致性：0· 0~0· 20 極低的一致性（slight)、0· 21~0· 40 - 般的一致性（fair)、0· 41~0· 60 中等的一致性（moderate)、0. 61~0. 80高度的一致性（substantial)和0. 81~1幾乎完全 一致（almost perfect)〇
[0045] 總之，精度評價貫穿于整個數(shù)據(jù)處理過程，各個步驟的評價是相輔相成的關(guān)系，其 中，有定性的評價，也有定量的評價。
[0046] (2)遙感影像預(yù)處理和圖像增強處理，包括校正處理、選擇5, 4, NDVI進(jìn)行彩色合 成，包括將影像進(jìn)行2%拉伸圖像拉伸，基于直方圖分布，對圖像DN值分布在2%和98%之間 的做線性拉伸，即拉伸時去除小于2%大于