面向?qū)ο蟮倪b感圖像分割與玉米田面積統(tǒng)計(jì)方法研究.pdf

1、本文針對(duì)國產(chǎn)GF-1號(hào)衛(wèi)星數(shù)據(jù)農(nóng)業(yè)專題應(yīng)用的要求，開展了國產(chǎn)高分辨率衛(wèi)星遙感數(shù)據(jù)的玉米作物面積統(tǒng)計(jì)方法應(yīng)用研究，為形成國家級(jí)基于國產(chǎn)高分?jǐn)?shù)據(jù)的農(nóng)業(yè)遙感監(jiān)測與評(píng)價(jià)系統(tǒng)提供技術(shù)支撐。GF-1號(hào)衛(wèi)星影像的結(jié)構(gòu)和紋理信息較豐富，圖像中目標(biāo)存在嚴(yán)重的“異物同譜”和“同物異譜”現(xiàn)象，傳統(tǒng)基于像元的分類方法在處理效率和玉米作物提取效果上都是有限的。本文以面向?qū)ο蟮姆诸惣夹g(shù)為基礎(chǔ)，采用自動(dòng)分類和人機(jī)交互解譯相結(jié)合的方式，研究適用于GF-1號(hào)衛(wèi)星遙感數(shù)據(jù)

2、的圖像分割方法，對(duì)玉米作物進(jìn)行有效的提取，完成對(duì)玉米田面積的遙感統(tǒng)計(jì)。
　　本研究主要內(nèi)容包括：⑴分析了高分一號(hào)衛(wèi)星數(shù)據(jù)的特點(diǎn)，完成對(duì)數(shù)據(jù)的輻射定標(biāo)、FLAASH大氣校正、正射校正；對(duì)校正后的GF-1號(hào)衛(wèi)星多光譜和全色數(shù)據(jù)進(jìn)行融合以增強(qiáng)圖像的清晰度和解譯能力；裁剪出主要耕地區(qū)域，屏蔽了非耕地上的與玉米作物存在異物同譜的植被信息，為玉米作物面積統(tǒng)計(jì)方法研究提供數(shù)據(jù)基礎(chǔ)。⑵基于面向?qū)ο蟮姆诸惢A(chǔ)，研究獲取圖像分析中同質(zhì)對(duì)象的分割方法。

3、通過分析GF-1號(hào)圖像中玉米田地塊邊緣的不規(guī)則結(jié)構(gòu)及局部區(qū)域的特征，構(gòu)造了模糊分布曲線對(duì)邊緣區(qū)域進(jìn)行對(duì)比度增強(qiáng)，同時(shí)構(gòu)建了類矩形引導(dǎo)函數(shù)將玉米田類矩形的地塊特征引入到基于圖的分割理論中，完成對(duì)GF-1號(hào)玉米田遙感圖像的有效分割。⑶基于稀疏表示方法將玉米作物的提取歸為圖像中玉米與非玉米的分類問題。通過建立樣本數(shù)據(jù)和過分割產(chǎn)生的超像素二者之間的玉米/非玉米稀疏表示模型，利用分割出的圖像塊在超像素包上具有稀疏性完成對(duì)圖像塊的類別判定。該方法是

4、根據(jù)目標(biāo)實(shí)際特征建立的模型，不需要設(shè)置特征屬性值，因此有較強(qiáng)的魯棒性，可以對(duì)玉米作物進(jìn)行有效的提取。⑷為了更有效準(zhǔn)確的對(duì)玉米作物進(jìn)行提取，選擇多個(gè)有差異的特征，分別利用本文提出的分類模型進(jìn)行玉米類別判定，最后對(duì)各特征分類結(jié)果進(jìn)行多特征決策，完成對(duì)玉米作物的提取。并通過與其它分類方法進(jìn)行實(shí)驗(yàn)比較分析了本文方法的有效性。最后對(duì)玉米作物的面積進(jìn)行統(tǒng)計(jì)。⑸在VC++平臺(tái)上結(jié)合Opencv實(shí)現(xiàn)遙感圖像玉米作物提取系統(tǒng)軟件的設(shè)計(jì)與開發(fā)。系統(tǒng)采用模塊