技术新讯 > 计算推算,计数设备的制造及其应用技术 > 一种基于C波段全极化雷达卫星影像的水稻种植区提取方法与流程  >  正文

一种基于C波段全极化雷达卫星影像的水稻种植区提取方法与流程

  • 国知局
  • 2024-10-21 14:31:23

本发明涉及卫星影像处理,尤其涉及一种基于c波段全极化雷达卫星影像的水稻种植区提取方法。

背景技术:

1、水稻作为中国主要粮食作物之一,掌握水稻的种植信息对于农业发展、粮食生产规划具有重要现实意义。传统光学遥感在水稻关键生长期内的影像数据获取存在明显的局限性,受南方湿热气候及雨水季的影响,存在介于早稻生长期4~7月及晚稻生长期8~11月时间段内光学影像获取困难的问题。合成孔径雷达影像不受日照、晴雨、云雾天气影响,具有一定地表穿透性,可实现全天时、全天候观测,弥补了在云雨地区获取的作物生长参数信息来源的空缺。

2、目前利用雷达卫星影像开展农作物分类及识别的大部分方法存在以下问题:(1)针对雷达数据开展地物分类常用的监督分类算法需要采集真实地物样本,受到主观判断因素影响较大、需要反复检验和训练样本、耗费人力物力资源及算法复杂;(2)仅使用非监督分类算法需要对光谱集群组重新归类和标识,也存在较大工作量,需要数据支持或野外实地调查;(3)未能发挥出多极化通道对不同地物结构信息敏感的特点,充分发掘sar数据的潜力。因此,需要设计一种基于c波段全极化雷达卫星影像的水稻种植区提取方法。

技术实现思路

1、本发明的目的在于提供一种基于c波段全极化雷达卫星影像的水稻种植区提取方法,解决背景技术中提到的技术问题。通过基于c波段的多极化比值差法和非监督机器学习算法相结合的水稻种植区提取方法可以克服背景技术中提到的缺点。能够解决传统的利用合成孔径雷达卫星影像在对水稻生物量反演中存在的人为主观因素强、算法复杂、需要更多实测点、大量的人力等缺点,本方法能够快速、高效地获取到c波段全极化雷达卫星影像中的水稻生物量信息。

2、c波段雷达卫星影像具有较好的穿透性,不受雨、雾、雪等恶劣气候影响,可以穿透树木、地表植被,适用于复杂环境下的地物识别。运用c波段全极化雷达影像多极化比值差法可以借助多极化通道对水稻结构信息敏感的特点,可以实现对水稻进行更为精准的提取;非监督机器学习算法运用自然聚类的特性让机器进行自学习并进行分类,可以在复杂农作物种植结构研究区内获取客观的分类结果,减少前期人工选择样本的主观因素影响。能够解决基于光学影像提取水稻受到云雨天气影响信息缺失问题,以及利用合成孔径雷达卫星影像在提取水稻种植区中存在的人为主观因素强、算法复杂、后期需要人工复核工作量大等缺点。

3、为了实现上述目的,本发明采用的技术方案如下:

4、一种基于c波段全极化雷达卫星影像的水稻种植区提取方法,所述方法包括如下步骤:

5、步骤1:首先通过查阅历史资料及外业调研,确定测区水稻种植物候期,获取待测区水稻处于灌溉至分蘖期内的c波段全极化雷达卫星影像,利用遥感处理软件对获取到的影像进行预处理;

6、步骤2:获取全极化雷达数据极化后向散射系数,计算雷达水体指数,根据阈值法获取测区内含水量高的区域;

7、步骤3:获取hh和vv极化的后向散射系数比值图像,比值图像与水体图像、hh、hv、vh、vv极化图像组合生成多波段图像,对生成的多波段图像中选择合适的r波段、g波段和b波段显示,提取水稻地物特征;

8、步骤4:根据多波段图像中水稻的地物特征以及水体范围,运用isodata非监督分类算法对多波段图像进行分类;

9、步骤5:将非监督分类成果进行合并、过滤、聚合、小图斑去除和边界平滑批处理,利用测区耕地边界数据对处理成果进行优化,获取水稻种植区精细提取结果。

10、进一步地,步骤1中雷达卫星影像预处理的具体过程为:对于获取的一级原始c波段全极化雷达卫星数据,首先导入原始数据生成单视复数据,再进行多视处理和单通道滤波处理,然后对处理好的影像进行辐射定标和地理编码,最后利用选定研究区矢量文件对影像进行裁剪。

11、进一步地,步骤2中,在辐射定标后的影像上将各个极化的后向散射能量强度转变成为db单位的后向散射系数值,根据雷达水体指数计算公式获取水体指数图,雷达水体指数计算公式如下所示:

12、sdwi=ln(k*vv*vii)+s式中vv和vh为极化影像的后向散射系数值,s为初始阈值,k为增益系数,根据雷达水体指数选择阈值法获取测区内包含水田、水域的水体范围。

13、进一步地,步骤3中,根据各个极化的后向散射系数,计算hh/vv极化后向散射系数比值图像并与水体图像、极化后向散射系数图像组合生成多波段图像,对生成的多波段图像中选择合适的r/g/b波段显示,提取水稻地物特征。

14、进一步地,步骤4中,先计算数据空间中均匀分布地类均值,剩余像元基于最小距离原则迭代聚合计算均值,实现地物分类,获取水稻种植区粗提取成果。

15、进一步地,步骤5中,利用测区耕地边界数据对批处理成果进行优化,去除房屋、桥梁、道路的人工建筑,河流、坑塘、湖泊的水域以及山体阴影造成的分类误差,获取水稻种植区精细提取结果。

16、本发明由于采用了上述技术方案,具有以下有益效果:

17、本发明采用c波段全极化雷达影像提取水稻种植区,结合雷达水体指数与水稻在多极化通道下具有特殊表示的地物特征,能够最大化的发挥c波段sar数据的潜力,减少人力工作量,较为准确的提取出大片连续的水稻种植区。

技术特征:

1.一种基于c波段全极化雷达卫星影像的水稻种植区提取方法,其特征在于:所述方法包括如下步骤:

2.根据权利要求1所述的一种基于c波段全极化雷达卫星影像的水稻种植区提取方法,其特征在于:步骤1中雷达卫星影像预处理的具体过程为:对于获取的一级原始c波段全极化雷达卫星数据,首先对导入原始数据生成单视复数据,再进行多视处理和单通道滤波处理,然后对处理好的影像进行辐射定标和地理编码,最后利用选定研究区矢量文件对影像进行裁剪。

3.根据权利要求1所述的一种基于c波段全极化雷达卫星影像的水稻种植区提取方法,其特征在于:步骤2中,在辐射定标后的影像上将各个极化的后向散射能量强度转变成为db单位的后向散射系数值,根据雷达水体指数计算公式获取水体指数图,雷达水体指数计算公式如下所示:

4.根据权利要求1所述的一种基于c波段全极化雷达卫星影像的水稻种植区提取方法,其特征在于:步骤3中,根据各个极化的后向散射系数,计算hh/vv极化后向散射系数比值图像并与水体图像、极化后向散射系数图像组合生成多波段图像,对生成的多波段图像中选择合适的r/g/b波段显示,提取水稻地物特征。

5.根据权利要求1所述的一种基于c波段全极化雷达卫星影像的水稻种植区提取方法,其特征在于:步骤4中,先计算数据空间中均匀分布地类均值,剩余像元基于最小距离原则迭代聚合计算均值,实现地物分类,获取水稻种植区粗提取成果。

6.根据权利要求1所述的一种基于c波段全极化雷达卫星影像的水稻种植区提取方法,其特征在于:步骤5中,利用测区耕地边界数据对批处理成果进行优化,去除房屋、桥梁、道路的人工建筑,河流、坑塘、湖泊的水域以及山体阴影造成的分类误差,获取水稻种植区精细提取结果。

技术总结本发明提供一种基于C波段全极化雷达卫星影像的水稻种植区提取方法,属于卫星影像处理技术领域,获取测区种植物候期内处于水稻灌溉至分蘖期的C波段全极化雷达卫星影像,进行数据预处理;计算雷达水体指数,获取测区内包含水田、水域的水体图像;计算四种极化方式的后向散射系数比值图像,与水体图像组合生成多波段图像,根据多波段影像提取水稻地物特征;根据水稻地物特征及提取的水体范围进行分类;对粗分类成果进行合并、过滤、聚合、小图斑去除,边界平滑的批处理,测区耕地边界进行边界优化获取精细水稻种植区。采用C波段全极化雷达影像提取水稻种植区,结合雷达水体指数与水稻在多极化通道下具有特殊表示的地物特征,能够最大化的发挥C波段多极化SAR数据的潜力,减少人力工作量。技术研发人员:黄友菊,韩广萍,梅树红,覃怡婷,吴慧,崔云蕾,韦强,黄稳清受保护的技术使用者:广西壮族自治区自然资源遥感院技术研发日:技术公布日:2024/10/17

本文地址:https://www.jishuxx.com/zhuanli/20241021/318441.html

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 YYfuon@163.com 举报,一经查实,本站将立刻删除。