專利名稱：一種基于紋理信息的森林類型識(shí)別方法
技術(shù)領(lǐng)域：
一種基于紋理信息的森林類型識(shí)別方法屬于遙感技術(shù)領(lǐng)域，特別涉及一種輔以紋理信息的TM數(shù)據(jù)森林類型遙感分類的方法。
背景技術(shù)：
在遙感技術(shù)幾十年的發(fā)展歷程中，形成了多層次、多平臺(tái)、多角度、多波段、多極化的對(duì)地觀測(cè)系統(tǒng)。各種先進(jìn)的對(duì)地觀測(cè)衛(wèi)星不斷發(fā)射，向地面提供著豐富的數(shù)據(jù)源。遙感數(shù)據(jù)的獲取能力遠(yuǎn)遠(yuǎn)領(lǐng)先于遙感數(shù)據(jù)的處理及信息提取能力。因此，研究遙感數(shù)據(jù)處理及信息提取的方法就顯得特別重要。概括起來(lái)，遙感可以提取地物的類型信息和地物的參數(shù)信息。對(duì)于林業(yè)部門來(lái)說(shuō)，森林類型信息是基礎(chǔ)信息，根據(jù)林分類型和樹種、齡級(jí)、郁閉度等因子制定相應(yīng)的經(jīng)營(yíng)管理措施和規(guī)劃方案。同時(shí)用遙感數(shù)據(jù)識(shí)別不同的森林類型是定量反演森林資源的生物量、碳儲(chǔ)量和植被指數(shù)等信息基礎(chǔ)，由于不同森林類型存在很大差異，因此就要針對(duì)不同森林類型建立定量反演模型。遙感圖像計(jì)算機(jī)分類方法是模式識(shí)別在圖像處理中的應(yīng)用。常規(guī)分類方法分為監(jiān)督分類、非監(jiān)督分類以及兩者結(jié)合的混合分類等。這類方法呈現(xiàn)出許多的局限性，突出表現(xiàn)在兩個(gè)方面一是要求數(shù)據(jù)必須服從一些特殊的分布如高斯分布；其二，分類是基于影像的光譜特征來(lái)進(jìn)行的，忽略了其它有用的信息，尤其是影像的空間結(jié)構(gòu)信息。目前國(guó)內(nèi)外學(xué)者提出的分層分類方法，不拘于一種分類方法對(duì)地物的識(shí)別，用多種分類方法同時(shí)分類，在此基礎(chǔ)上用決策級(jí)融合方法，確定最終分類結(jié)果。在這一過(guò)程中，加入地物紋理信息能夠有效的提高分類的精度，能夠更好的識(shí)別地表森林類型。因此采用分層分類配合多種分類器同時(shí)加入地物紋理信息對(duì)于提高森林分類精度具有重要應(yīng)用價(jià)值。遙感圖像紋理信息提取主要采用的是基于統(tǒng)計(jì)的紋理分析方法。目前主要是灰度共生矩陣(GLCM)法，該方法原理簡(jiǎn)單，較易實(shí)現(xiàn)，但不能很好地反映象素之間的灰度級(jí)空間相關(guān)的規(guī)律。地統(tǒng)計(jì)學(xué)能夠分析像元值的空間分布的空間異質(zhì)性和空間相關(guān)性，因?yàn)檫b感圖像的DN值(灰度值)是二維坐標(biāo)的函數(shù)，從地統(tǒng)計(jì)學(xué)的角度來(lái)看，可以看作一個(gè)區(qū)域化變量，具有隨機(jī)性和空間相關(guān)性兩方面的特征。圖像所固有的灰度值空間相關(guān)性變化可以用變差函數(shù)的特征來(lái)描述。因此地統(tǒng)計(jì)學(xué)提取紋理信息可以更好地計(jì)算空間結(jié)構(gòu)特征差異性，從而輔助分類有效提高分類精度。

發(fā)明內(nèi)容
本發(fā)明為了解決現(xiàn)有技術(shù)中森林類型遙感識(shí)別精度難以提高，特別是較大區(qū)域森林類型識(shí)別精度提高更加困難的問(wèn)題，提出了一種基于紋理信息的森林類型遙感識(shí)別方法，以TM遙感影像為數(shù)據(jù)源，利用地統(tǒng)計(jì)學(xué)方法提取影像的紋理信息，采用最大似然分類方法，提高森林類型遙感識(shí)別精度，尤其是較大區(qū)域森林類型識(shí)別精度。本發(fā)明的目的是這樣實(shí)現(xiàn)的
一種基于紋理信息的森林類型識(shí)別方法，所述方法包括以下步驟SI，根據(jù)物候信息確定合適時(shí)間的TM遙感數(shù)據(jù)作為數(shù)據(jù)源，并對(duì)選定的TM數(shù)據(jù)進(jìn)行預(yù)處理；S2，提取研究區(qū)域林地部分；S3，確定提取紋理信息時(shí)窗口及步長(zhǎng)大??；S4，利用地統(tǒng)計(jì)學(xué)原理提取影像紋理信息；S5，利用最大似然法對(duì)TM影像進(jìn)行分類；S6，使用地面驗(yàn)證數(shù)據(jù)對(duì)最大似然法分類結(jié)果進(jìn)行驗(yàn)證。上述的一種基于紋理信息的森林類型識(shí)別方法，所述的步驟SI中，所述的合適時(shí)間為每年的6、7、8、9月份。上述的一種基于紋理信息的森林類型識(shí)別方法，所述的步驟SI中，所述的預(yù)處理包括①遙感影像輻射歸一化、②遙感影像的拼接與裁切、③主成分分析。所述的遙感影像輻射歸一化，計(jì)算公式為gd = (gr-μ r)/O rX σ f+μ f式中，gd為源圖像校正后的像素灰度值，μ f、σ f分別為參考圖像的像素均值和標(biāo)準(zhǔn)差，gr> μ r> σ r分別為源圖像的像素灰度值、均值和標(biāo)準(zhǔn)差。上述的一種基于紋理信息的森林類型識(shí)別方法，所述的步驟S2中，對(duì)研究區(qū)域主成分分析后的影像進(jìn)行非監(jiān)督分類，提取影像的林地部分。上述的一種基于紋理信息的森林類型識(shí)別方法，所述的步驟S3中，分別根據(jù)半變異函數(shù)或?qū)嶋H遙感影像像元值確定提取紋理信息時(shí)窗口大小及步長(zhǎng)大小。根據(jù)半變異函數(shù)對(duì)研究區(qū)域植被指數(shù)進(jìn)行地學(xué)分析，計(jì)算其變程大小，確定地統(tǒng)計(jì)提取紋理信息時(shí)窗口大小及步長(zhǎng)大小。根據(jù)實(shí)際遙感影像像元值，分別以3X3象元、5X5象元、7X7象元、9X9象元、11X11象元作為窗口大小，步長(zhǎng)大小分別為1、2、3、4、5象元。上述的一種基于紋理信息的森林類型識(shí)別方法，所述的步驟S4中，分別根據(jù)直接變差函數(shù)、絕對(duì)變差函數(shù)和方根變差函數(shù)，以步驟S3中確定的窗口及步長(zhǎng)大小計(jì)算紋理信息，再根據(jù)三種變差函數(shù)所提取紋理信息進(jìn)行分類精度的高低確定選擇哪種變差函數(shù)進(jìn)行計(jì)算；其中直接變差函數(shù)的表達(dá)式為
權(quán)利要求
1.一種基于紋理信息的森林類型識(shí)別方法，其特征在于所述方法包括以下步驟SI，根據(jù)物候信息確定合適時(shí)間的TM遙感數(shù)據(jù)作為數(shù)據(jù)源，并對(duì)選定的TM數(shù)據(jù)進(jìn)行預(yù)處理；S2，提取研究區(qū)域林地部分；S3，確定提取紋理信息時(shí)窗口及步長(zhǎng)大?。籗4，利用地統(tǒng)計(jì)學(xué)原理提取影像紋理信息；S5，利用最大似然法對(duì)TM影像進(jìn)行分類；S6，使用地面驗(yàn)證數(shù)據(jù)對(duì)最大似然法分類結(jié)果進(jìn)行驗(yàn)證。
2.根據(jù)權(quán)利要求1所述的一種基于紋理信息的森林類型識(shí)別方法，其特征在于所述的步驟SI中，所述的合適時(shí)間為每年的6、7、8、9月份。
3.根據(jù)權(quán)利要求1所述的一種基于紋理信息的森林類型識(shí)別方法，其特征在于所述的步驟SI中，所述的預(yù)處理包括①遙感影像輻射歸一化、②遙感影像的拼接與裁切、③主成分分析。
4.根據(jù)權(quán)利要求3所述的一種基于紋理信息的森林類型識(shí)別方法，其特征在于所述的遙感影像輻射歸一化，計(jì)算公式為gd = (gr-yr)/°rX 0 f+y f式中，gd為源圖像校正后的像素灰度值，μ f> σ f分別為參考圖像的像素均值和標(biāo)準(zhǔn)差， gr> μΓ> %分別為源圖像的像素灰度值、均值和標(biāo)準(zhǔn)差。
5.根據(jù)權(quán)利要求1所述的一種基于紋理信息的森林類型識(shí)別方法，其特征在于所述的步驟S2中，對(duì)研究區(qū)域主成分分析后的影像進(jìn)行非監(jiān)督分類，提取影像的林地部分。
6.根據(jù)權(quán)利要求1所述的一種基于紋理信息的森林類型識(shí)別方法，其特征在于所述的步驟S3中，分別根據(jù)半變異函數(shù)或?qū)嶋H遙感影像像元值確定提取紋理信息時(shí)窗口大小及步長(zhǎng)大小。
7.根據(jù)權(quán)利要求6所述的一種基于紋理信息的森林類型識(shí)別方法，其特征在于根據(jù)半變異函數(shù)對(duì)研究區(qū)域植被指數(shù)進(jìn)行地學(xué)分析，計(jì)算其變程大小，確定地統(tǒng)計(jì)提取紋理信息時(shí)窗口大小及步長(zhǎng)大小。
8.根據(jù)權(quán)利要求6所述的一種基于紋理信息的森林類型識(shí)別方法，其特征在于根據(jù)實(shí)際遙感影像像元值，分別以3X3象元、5X5象元、7X7象元、9X9象元、11 X 11象元作為窗口大小，步長(zhǎng)大小分別為1、2、3、4、5象元。
9.根據(jù)權(quán)利要求1所述的一種基于紋理信息的森林類型識(shí)別方法，其特征在于所述的步驟S4中，分別根據(jù)直接變差函數(shù)、絕對(duì)變差函數(shù)和方根變差函數(shù)，以步驟S3中確定的窗口及步長(zhǎng)大小計(jì)算紋理信息，再根據(jù)三種變差函數(shù)所提取紋理信息進(jìn)行分類精度的高低確定選擇哪種變差函數(shù)進(jìn)行計(jì)算；其中直接變差函數(shù)的表達(dá)式為
10.根據(jù)權(quán)利要求1所述的一種基于紋理信息的森林類型識(shí)別方法，其特征在于所述的步驟S5中，基于研究區(qū)域森林類型的實(shí)際分布情況，選取每種森林類型的訓(xùn)練樣本，對(duì)最大似然法進(jìn)行訓(xùn)練，進(jìn)而對(duì)森林類型進(jìn)行識(shí)別；所述的步驟S6中，獲取研究區(qū)域內(nèi)地表真實(shí)分布數(shù)據(jù)，使用總體分類精度和Kappa系數(shù)對(duì)分類結(jié)果的精度進(jìn)行評(píng)價(jià)。
全文摘要
一種基于紋理信息的森林類型識(shí)別方法屬于遙感技術(shù)領(lǐng)域，特別涉及一種輔以紋理信息的TM數(shù)據(jù)森林類型遙感分類的方法；該方法包括以下六步S1，根據(jù)物候信息確定合適時(shí)間的TM遙感數(shù)據(jù)作為數(shù)據(jù)源，并對(duì)選定的TM數(shù)據(jù)進(jìn)行預(yù)處理；S2，提取研究區(qū)域林地部分；S3，確定提取紋理信息時(shí)窗口及步長(zhǎng)大??；S4，利用地統(tǒng)計(jì)學(xué)原理提取影像紋理信息；S5，利用最大似然法對(duì)TM影像進(jìn)行分類；S6，使用地面驗(yàn)證數(shù)據(jù)對(duì)最大似然法分類結(jié)果進(jìn)行驗(yàn)證；采用本發(fā)明基于紋理信息的森林類型識(shí)別方法，提高森林類型遙感識(shí)別精度，尤其是較大區(qū)域森林類型識(shí)別精度。
文檔編號(hào)G06K9/62GK103020649SQ20131001528
公開日2013年4月3日 申請(qǐng)日期2013年1月16日 優(yōu)先權(quán)日2013年1月16日
發(fā)明者范文義, 王鶴霖, 李明澤, 毛學(xué)剛, 趙妍 申請(qǐng)人:東北林業(yè)大學(xué)