一種基于衛(wèi)星遙感技術(shù)的森林資源測量方法
【專利摘要】本發(fā)明公開了一種基于衛(wèi)星遙感技術(shù)的森林資源測量方法，包括：通過衛(wèi)星遙感技術(shù)獲取基于待測森林資源的遙感圖像信息，對(duì)獲取的遙感圖像信息進(jìn)行預(yù)處理；基于遙感圖像信息的預(yù)處理結(jié)果，提取待測森林資源的主要參數(shù)指標(biāo)；基于提取的主要參數(shù)指標(biāo)，統(tǒng)計(jì)遙感圖像中多個(gè)森林資源指數(shù)數(shù)值；根據(jù)統(tǒng)計(jì)結(jié)果選取分類條件，建立支持向量機(jī)的分類模型；基于建立的支持向量機(jī)的分類模型，應(yīng)用SVM分類器實(shí)現(xiàn)待測森林資源的分類。本發(fā)明所述基于衛(wèi)星遙感技術(shù)的森林資源測量方法，可以克服現(xiàn)有技術(shù)中測量精度低、覆蓋范圍小和實(shí)施難度大等缺陷，以實(shí)現(xiàn)測量精度高、覆蓋范圍大和實(shí)施難度小的優(yōu)點(diǎn)。
【專利說明】一種基于衛(wèi)星遙感技術(shù)的森林資源測量方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及圖像處理【技術(shù)領(lǐng)域】，具體地，涉及一種基于衛(wèi)星遙感技術(shù)的森林資源測量方法。
【背景技術(shù)】
[0002]森林資源管理的現(xiàn)代化促使了人們對(duì)森林資源管理的精度和細(xì)度，都提出了更高的要求。采用傳統(tǒng)的實(shí)際抽樣調(diào)查的方式獲取森林資源信息，具有較低的精度，而且抽樣的覆蓋范圍和抽樣數(shù)量都十分有限，導(dǎo)致了傳統(tǒng)的基于抽取計(jì)算方法的森林資源評(píng)估技術(shù)，難以滿足現(xiàn)代森林資源管理的需求。
[0003]利用遙感衛(wèi)星實(shí)現(xiàn)森林資源的精確測算，是當(dāng)前十分具有應(yīng)用前景的森林資源管理方法。采用衛(wèi)星遙感技術(shù)能夠?qū)Υ蠓秶纳仲Y源進(jìn)行全面的分析和資源測算，而且基于遙感技術(shù)的森林資源測算技術(shù)，能夠同時(shí)解決森林資源中資源覆蓋比率、森林資源蓄積量、森林資源種類以及森林資源的健康狀態(tài)信息進(jìn)行測算，因此其應(yīng)用前景十分廣闊。
[0004]然而在采用衛(wèi)星遙感技術(shù)對(duì)森林資源進(jìn)行測算的應(yīng)用中，最核心的是如何設(shè)計(jì)森林資源測量算法，而且森林資源測算算法的精度和實(shí)際應(yīng)用性能，直接影響到基于衛(wèi)星遙感技術(shù)對(duì)森林資源測算的效果。目前沒有針對(duì)基于衛(wèi)星遙感技術(shù)的森林資源測量算法問題的解決辦法。
[0005]在實(shí)現(xiàn)本發(fā)明的過程中，發(fā)明人發(fā)現(xiàn)現(xiàn)有技術(shù)中至少存在測量精度低、覆蓋范圍小和實(shí)施難度大等缺陷。

【發(fā)明內(nèi)容】

[0006]本發(fā)明的目的在于，針對(duì)上述問題，提出一種基于衛(wèi)星遙感技術(shù)的森林資源測量方法，以實(shí)現(xiàn)測量精度高、覆蓋范圍大和實(shí)施難度小的優(yōu)點(diǎn)。
[0007]為實(shí)現(xiàn)上述目的，本發(fā)明采用的技術(shù)方案是:一種基于衛(wèi)星遙感技術(shù)的森林資源測量方法，包括:
[0008]a、通過衛(wèi)星遙感技術(shù)獲取基于待測森林資源的遙感圖像信息，對(duì)獲取的遙感圖像信息進(jìn)行預(yù)處理；
[0009]b、基于遙感圖像信息的預(yù)處理結(jié)果，提取待測森林資源的主要參數(shù)指標(biāo)；
[0010]C、基于提取的主要參數(shù)指標(biāo)，統(tǒng)計(jì)遙感圖像中多個(gè)森林資源指數(shù)數(shù)值；根據(jù)統(tǒng)計(jì)結(jié)果選取分類條件，建立支持向量機(jī)的分類模型；
[0011]d、基于建立的支持向量機(jī)的分類模型，應(yīng)用SVM分類器實(shí)現(xiàn)待測森林資源的分類。
[0012]進(jìn)一步地，在步驟a中，所述對(duì)獲取的遙感圖像信息進(jìn)行預(yù)處理的操作，具體包括:
[0013]al、讀取遙感圖像數(shù)據(jù)，對(duì)讀取的遙感圖像數(shù)據(jù)進(jìn)行掃描及分塊處理；
[0014]a2、對(duì)掃描及分塊處理后的數(shù)據(jù)，以每個(gè)分塊數(shù)據(jù)為單元，進(jìn)行小波變換處理；[0015]a3、對(duì)小波變換處理后的數(shù)據(jù)，調(diào)整小波變換參數(shù)，得到多組變換結(jié)果，提取小波變換系數(shù)；
[0016]a4、基于提取的小波變換系數(shù)，輸出單幅遙感圖像處理結(jié)果；若當(dāng)前遙感圖像未處理完畢，則返回步驟al繼續(xù)對(duì)當(dāng)前未處理完畢的遙感圖像繼續(xù)處理，直至當(dāng)前遙感圖像均處理完畢為止。
[0017]進(jìn)一步地，在步驟a2中，所述進(jìn)行小波變換處理的操作中，所使用的小波變換計(jì)
算式如下所示:
[0018]
【權(quán)利要求】
1.一種基于衛(wèi)星遙感技術(shù)的森林資源測量方法，其特征在于，包括: a、通過衛(wèi)星遙感技術(shù)獲取基于待測森林資源的遙感圖像信息，對(duì)獲取的遙感圖像信息進(jìn)行預(yù)處理； b、基于遙感圖像信息的預(yù)處理結(jié)果，提取待測森林資源的主要參數(shù)指標(biāo)； C、基于提取的主要參數(shù)指標(biāo)，統(tǒng)計(jì)遙感圖像中多個(gè)森林資源指數(shù)數(shù)值；根據(jù)統(tǒng)計(jì)結(jié)果選取分類條件，建立支持向量機(jī)的分類模型； d、基于建立的支持向量機(jī)的分類模型，應(yīng)用SVM分類器實(shí)現(xiàn)待測森林資源的分類。
2.根據(jù)權(quán)利要求1所述的基于衛(wèi)星遙感技術(shù)的森林資源測量方法，其特征在于，在步驟a中，所述對(duì)獲取的遙感圖像信息進(jìn)行預(yù)處理的操作，具體包括: al、讀取遙感圖像數(shù)據(jù)，對(duì)讀取的遙感圖像數(shù)據(jù)進(jìn)行掃描及分塊處理； a2、對(duì)掃描及分塊處理后的數(shù)據(jù)，以每個(gè)分塊數(shù)據(jù)為單元，進(jìn)行小波變換處理； a3、對(duì)小波變換處理后的數(shù)據(jù)，調(diào)整小波變換參數(shù)，得到多組變換結(jié)果，提取小波變換系數(shù)； a4、基于提取的小波變換系數(shù)，輸出單幅遙感圖像處理結(jié)果；若當(dāng)前遙感圖像未處理完畢，則返回步驟al繼續(xù)對(duì)當(dāng)前未處理完畢的遙感圖像繼續(xù)處理，直至當(dāng)前遙感圖像均處理完畢為止。
3.根據(jù)權(quán)利要求2所述的基于衛(wèi)星遙感技術(shù)的森林資源測量方法，其特征在于，在步驟a2中，所述進(jìn)行小波變換處理的操作中，所使用的小波變換計(jì)算式如下所示:
4.根據(jù)權(quán)利要求1所述的基于衛(wèi)星遙感技術(shù)的森林資源測量方法，其特征在于，在步驟b中，所述待測森林資源的主要參數(shù)指標(biāo)，具體包括遙感圖像的綠度指數(shù)、遙感圖像的冠層植被指數(shù)、遙感圖像的葉面積指數(shù)和遙感圖像的紋理指數(shù)。
5.根據(jù)權(quán)利要求4所述的基于衛(wèi)星遙感技術(shù)的森林資源測量方法，其特征在于，在步驟b中，所述提取待測森林資源的主要參數(shù)指標(biāo)的操作中，分別提取包括綠度指數(shù)、冠層植被指數(shù)、葉面積指數(shù)和紋理指數(shù)的主要參數(shù)指標(biāo)的提取計(jì)算式，分別如下:
綠度指數(shù):
6.根據(jù)權(quán)利要求1所述的基于衛(wèi)星遙感技術(shù)的森林資源測量方法，其特征在于，在步驟c中，所述支持向量機(jī)的分類模型，是針對(duì)待測森林資源需要測算的每一個(gè)參數(shù)分別進(jìn)行設(shè)置的分類模型，即針對(duì)待測森林資源的覆蓋率、蓄積量、種類和健康狀態(tài)，分別有一個(gè)對(duì)應(yīng)的支持向量機(jī)，用于對(duì)這幾個(gè)參數(shù)分別進(jìn)行資源測算。
7.根據(jù)權(quán)利要求1-6中任一項(xiàng)所述的基于衛(wèi)星遙感技術(shù)的森林資源測量方法，其特征在于，在步驟d中，所述應(yīng)用SVM分類器實(shí)現(xiàn)待測森林資源的分類的操作，具體包括: dl、對(duì)遙感圖像進(jìn)行SVM訓(xùn)練的過程； d2、基于SVM訓(xùn)練結(jié)果，對(duì)遙感圖像進(jìn)行分類的過程。
8.根據(jù)權(quán)利要求7所述的基于衛(wèi)星遙感技術(shù)的森林資源測量方法，其特征在于，在步驟dl中，所述SVM訓(xùn)練的過程，具體包括: dll、選取訓(xùn)練數(shù)據(jù)，從選取的訓(xùn)練數(shù)據(jù)中選取一批能夠覆蓋全部特征的遙感圖像數(shù)據(jù)； dl2、基于選取的遙感圖像數(shù)據(jù)，對(duì)每一組數(shù)據(jù)標(biāo)明其所屬的分類，設(shè)定SVM分類訓(xùn)練的核函數(shù)結(jié)構(gòu)； dl3、基于設(shè)定的核函數(shù)結(jié)構(gòu)，輸入訓(xùn)練數(shù)據(jù)，對(duì)SVM分類器進(jìn)行訓(xùn)練，輸出SVM分類器訓(xùn)練結(jié)果；輸出SVM分類器訓(xùn)練結(jié)果后，當(dāng)前訓(xùn)練結(jié)束，則可轉(zhuǎn)至遙感圖像分類過程中，將輸出的SVM分類器訓(xùn)練結(jié)果送入待分類遙感圖像。
9.根據(jù)權(quán)利要求8所述的基于衛(wèi)星遙感技術(shù)的森林資源測量方法，其特征在于，在步驟dl2中，所述設(shè)定的SVM分類訓(xùn)練的核函數(shù)結(jié)構(gòu)為:
f (x, c)=exp (-|x-c|2/2)； 其中，c為支持向量機(jī)分類平面常量，由訓(xùn)練模型計(jì)算得到。
10.根據(jù)權(quán)利要求8所述的基于衛(wèi)星遙感技術(shù)的森林資源測量方法，其特征在于，在步驟d2中，所述對(duì)遙感圖像進(jìn)行分類的過程，具體包括: d21、將SVM訓(xùn)練的過程輸出的SVM分類器訓(xùn)練結(jié)果送入待分類遙感圖像；d22、基于步驟d21送入的SVM分類器訓(xùn)練結(jié)果，輸出當(dāng)前遙感圖像的分類結(jié)果，當(dāng)前遙感圖像分類結(jié)束。
【文檔編號(hào)】G06K9/66GK103745239SQ201310702803
【公開日】2014年4月23日 申請(qǐng)日期:2013年12月18日 優(yōu)先權(quán)日:2013年12月18日
【發(fā)明者】黃壽昌, 劉有蓮, 潘大慶, 蔡朝容, 黃力 申請(qǐng)人:廣西生態(tài)工程職業(yè)技術(shù)學(xué)院