一种基于遥感影像的覆膜农田识别提取方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN114972993A(43)申请公布日2022.08.30(21)申请号202210591611.2(22)申请日2022.05.27(71)申请人武汉大学地址430072湖北省武汉市武昌区珞珈山街道八一路299号(72)发明人程磊付琛昊秦淑静邹铠杰常利伟(74)专利代理机构武汉科皓知识产权代理事务所(特殊普通合伙)42222专利代理师李炜(51)Int.Cl.G06V20/10(2022.01)G06V10/764(2022.01)G06V10/80(2022.01)权利要求书2页说明书6页附图2页(54)发明名称一种基于遥感影像的覆膜农田识别提取方法(57)摘要本发明公开了一种基于遥感影像的覆膜农田识别提取方法，包括以下步骤：首先搜集研究区域内的遥感影像数据；再对遥感影像数据进行校正；然后对多源遥感影像数据进行融合；并通过目视解译法在研究区域内选择各类地物的代表样本点；绘制各类地物的光谱特征曲线；生成或选取合适的遥感指数，进而生成覆膜农田识别提取算法；最后对生成的覆膜农田识别提取算法，使用测试样本点计算混淆矩阵，进而计算总体准确度OA、卡帕系数、用户精度以及生产者精度，进行准确度评价。本发明可为下垫面复杂的研究区域提供覆膜农田分布情况，为了解当地覆膜农田分布以及覆膜使用情况提供依据与数据。CN114972993ACN114972993A权利要求书1/2页1.一种基于遥感影像的覆膜农田识别提取方法，其特征在于，该方法包括以下步骤：步骤1、搜集研究区域内的多个遥感产品的六个波段的遥感影像数据；步骤2、对遥感影像数据取样并拟合反射率线性回归函数；步骤3、对多源遥感影像数据校正，并进行融合；步骤4、通过目视解译法在研究区域内选择各类地物的代表样本点；步骤5、绘制各类地物的光谱特征曲线；步骤6、基于监督分类器和输入监督分类器的光谱特征，生成多个规则并进行调整，再筛选出高识别准确度且兼具便于理解的识别规则，进而生成覆膜农田识别提取算法；步骤7、对生成的覆膜农田识别提取算法，使用测试样本点计算混淆矩阵，进而计算总体准确度OA、卡帕系数、用户精度以及生产者精度，进行准确度评价。2.根据权利要求1所述的方法，其特征在于，所述步骤1中，所述遥感影像产品包括Sentinel‑2的MSILevel‑2A、USGSLandsat8的SRTier1、USGSLandsat7的SRTier1以及MOD09A1.006TerraSurfaceReflectance；所述六个波段分别为蓝光波段Blue、绿光波段Green、红光波段Red、近红外波段NIR、第一类短波红外波段SWIR1以及第二类短波红外波段SWIR2。3.根据权利要求2所述的方法，其特征在于，所述步骤2包括以下子步骤：步骤2.1、选择Sentinel‑2的MSILevel‑2A产品作为基准产品，筛选其余三种遥感影像产品在同一天内各自与该产品的共同覆盖区域；步骤2.2、分别在三种遥感影像产品与Sentinel‑2的MSILevel‑2A产品的共同覆盖区域选择出三组样本点；步骤2.3、对三组样本点，分别以其余三种产品各自的反射率为横坐标，MSILevel‑2A产品反射率为纵坐标，绘制其在六个波段的反射率散点图，并拟合线性回归函数。4.根据权利要求3所述的方法，其特征在于，所述步骤3包括以下子步骤：步骤3.1、使用除云函数，去除遥感影像上的云和阴影像素点；步骤3.2、基于上述三组样本点拟合出的线性回归函数，以Sentinel‑2的MSILevel‑2A产品为基准，对三组遥感产品影像进行校正；步骤3.3、将Sentinel‑2的MSILevel‑2A遥感产品影像作为最顶层，校正后的USGSLandsat8的SRTier1遥感产品影像作为第二层，校正后的USGSLandsat7的SRTier1遥感产品影像作为第三层，校正后的MOD09A1.006TerraSurfaceReflectance遥感产品影像作为最底层，对遥感影像进行叠加融合处理。5.根据权利要求1所述的方法，其特征在于，所述步骤4包括以下子步骤：步骤4.1、使用融合后的遥感影像、筛选研究区域内作物播种期时间范围内的遥感影像；步骤4.2、选择便于突出目标地物的颜色与特征的波段组合；步骤4.3、通过目视解译法，选择各类地物的代表样本点。6.根据权利要求1所述的方法，其特征在于，所述步骤5包括以下子步骤：步骤5.1、统计各类地物样本点在六个波段的中位数；步骤5.2、按照波长从小到大排序，绘制各个地物的中位数光谱特征曲线图。7.根据权利要求1所述的方法，其特征在于，所述步骤6包括以下子步骤：2CN114972993A权利要求书2/2页步骤6.1、将样本点随机分为70％训练样本与30％