一種結(jié)合樹(shù)木陰影特征的遙感影像毛白楊識(shí)別方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明是一項(xiàng)對(duì)地觀測(cè)領(lǐng)域的技術(shù)，針對(duì)高分辨率多光譜遙感影像光譜及紋理特征識(shí)別樹(shù)種信息存在精度低、難度大的問(wèn)題，本發(fā)明能夠有效修正樹(shù)種識(shí)別結(jié)果，大幅提高識(shí)別精度，是一項(xiàng)具有研究及應(yīng)用價(jià)值的空間分析技術(shù)。
【背景技術(shù)】
[0002]樹(shù)木在生態(tài)系統(tǒng)中扮演著重要的角色，具有涵養(yǎng)水源、保持水土、凈化空氣、衛(wèi)生保健、美化環(huán)境等功能，對(duì)于保護(hù)自然界生態(tài)平衡具有非常重要的作用。
[0003]傳統(tǒng)的森林監(jiān)測(cè)及城市樹(shù)種精細(xì)調(diào)查主要通過(guò)基層單位實(shí)地抽樣調(diào)查完成，存在投入的資金和人力大、完成的時(shí)間周期長(zhǎng)、條件惡劣區(qū)作業(yè)困難、數(shù)據(jù)精度低、缺乏空間統(tǒng)計(jì)分析功能等問(wèn)題。
[0004]航天遙感是一項(xiàng)綜合性探測(cè)技術(shù)，隨著其分辨率不斷提高，高分辨率多光譜遙感技術(shù)在森林類型解譯、蓄積測(cè)定、健康評(píng)價(jià)等方面得到越來(lái)越廣闊應(yīng)用，通過(guò)遙感技術(shù)快速提取樹(shù)木信息、識(shí)別樹(shù)種對(duì)城市樹(shù)種調(diào)查、配置、管理及森林生態(tài)系統(tǒng)監(jiān)測(cè)具有重要意義。
[0005]目前，用于樹(shù)種精細(xì)識(shí)別的商用衛(wèi)星遙感空間分辨率可達(dá)0.4m(W0rldvieW-3)，完全能分辨樹(shù)叢甚至單顆樹(shù)木，但是要準(zhǔn)確分辨具體的樹(shù)種還存在較大的難度。在樹(shù)種識(shí)別方法方面，相對(duì)于傳統(tǒng)的基于像元的處理方法而言，隨著高空間分辨率遙感影像的出現(xiàn)，面向?qū)ο蠓椒ㄊ艿皆絹?lái)越廣的應(yīng)用。研究表明，面向?qū)ο蠓椒軌蛲ㄟ^(guò)具體的實(shí)體對(duì)象來(lái)分析地物的特征，更接近提取信息的思維邏輯，能夠極大地提高高分辨率影像的信息提取精度。Le Wang等用面向?qū)ο蠓诸惣夹g(shù)識(shí)別不同的紅樹(shù)林樹(shù)種，并和傳統(tǒng)的GLCM紋理特征比較，得到了更高的精度；Su等把對(duì)象的光譜和GLCM紋理信息結(jié)合起來(lái)，對(duì)復(fù)雜城市區(qū)域進(jìn)行實(shí)驗(yàn)，結(jié)果表明紋理和光譜信息結(jié)合能夠有效改善面向?qū)ο蠓诸惖男Ч?br>[0006]以上方法都是針對(duì)對(duì)象的光譜及紋理特征進(jìn)行樹(shù)種的識(shí)別和提取，然而不同種類的樹(shù)木可能存在光譜及紋理特征相似的情況，給樹(shù)種的識(shí)別和提取帶來(lái)很大困難。陰影常被視為遙感影像地物識(shí)別的干擾信息，然而，從另一個(gè)角度，陰影包含著物體的三維信息，通過(guò)陰影特征分析可以反映不同地物的高度差異。因此，根據(jù)生態(tài)系統(tǒng)群落特征，結(jié)合各樹(shù)種陰影差異來(lái)輔助遙感影像光譜、紋理特征進(jìn)行樹(shù)種高精度識(shí)別具有重大的研究?jī)r(jià)值和推廣空間。
[0007]毛白楊是城鄉(xiāng)綠化、速生用材以及防護(hù)林的優(yōu)質(zhì)樹(shù)種，其品種適應(yīng)性強(qiáng)、枝葉茂密，廣泛分布于我國(guó)以黃河流域中下游為中心的十多個(gè)省。毛白楊高可達(dá)30米，在植被生態(tài)系統(tǒng)群落中往往處于頂層，在高分辨率多光譜遙感影像上可體現(xiàn)出比其它樹(shù)種更明顯的陰影特征。基于此特征，本發(fā)明試圖建立一種結(jié)合樹(shù)木陰影特征的遙感影像毛白楊識(shí)別方法。該方法通過(guò)引入樹(shù)木的陰影特征，可有效彌補(bǔ)遙感影像光譜及紋理特征相似的樹(shù)種難以區(qū)別的技術(shù)難題，大幅度修正毛白楊識(shí)別結(jié)果，對(duì)處于生態(tài)系統(tǒng)上游的高大樹(shù)種識(shí)別具有重大的借鑒意義。

【發(fā)明內(nèi)容】

[0008]本發(fā)明提出一種結(jié)合樹(shù)木陰影特征的遙感影像毛白楊識(shí)別方法，通過(guò)將樹(shù)木陰影特征作為樹(shù)種識(shí)別的輔助特征，有效解決了遙感影像光譜及紋理特征識(shí)別樹(shù)種的技術(shù)難題，有益于研究、應(yīng)用和進(jìn)一步推廣。該度量方法包括如下步驟:
步驟1)對(duì)研究區(qū)遙感影像進(jìn)行多尺度分割，形成分割結(jié)果圖；步驟2)基于所述分割結(jié)果圖中每個(gè)對(duì)象的光譜及紋理特征進(jìn)行毛白楊初步識(shí)別，形成毛白楊初步識(shí)別結(jié)果圖；步驟3)基于所述分割結(jié)果圖中每個(gè)對(duì)象的光譜特征進(jìn)行陰影提取，形成陰影提取結(jié)果圖；步驟4)從所述陰影提取結(jié)果圖中選取所述毛白楊初步識(shí)別結(jié)果圖中各毛白楊斑塊所對(duì)應(yīng)的陰影，并估算其陰影長(zhǎng)度；步驟5)基于所述陰影長(zhǎng)度進(jìn)行樹(shù)木高度的估算，作為度量各毛白楊斑塊平均樹(shù)高的參考值；步驟6)基于所述毛白楊斑塊平均樹(shù)高信息，對(duì)所述毛白楊初步識(shí)別結(jié)果進(jìn)行修正，形成毛白楊精確識(shí)別結(jié)果圖。
[0009]進(jìn)一步地，所述步驟1)中研究區(qū)遙感影像分割的方法如下:采用多尺度分割算法，確定最大分割尺度130，尺度數(shù)3，尺度間隔0.6，將遙感影像分割成高度同質(zhì)性的分割對(duì)象，形成分割結(jié)果圖。
[0010]進(jìn)一步地，所述步驟2)中毛白楊初步識(shí)別方法如下:利用步驟1)中形成的分割結(jié)果圖中每個(gè)對(duì)象的光譜特征亮度Brightness及紋理特征灰度共生矩陣同質(zhì)性GLCM-H0M0，采用多參數(shù)閾值法，即使用如下計(jì)算公式(a ( Brightness ( β )and( γ彡GLCM-HOMO彡δ )，形成毛白楊初步識(shí)別結(jié)果圖，其中，α、β為Brightness的閾值，γ、δ為GLCM-HOMO的閾值。
[0011]進(jìn)一步地，所述步驟3)中陰影提取方法如下:利用步驟1)中形成的分割結(jié)果圖中每個(gè)對(duì)象的光譜特征亮度Brightness，采用參數(shù)閾值法，即使用如下計(jì)算公式Brightness ^ ε，形成陰影提取結(jié)果圖，其中，ε為Brightness進(jìn)行陰影提取的閾值。
[0012]進(jìn)一步地，所述步驟4)中毛白楊斑塊陰影長(zhǎng)度的估算方法如下:以步驟2)中毛白楊初步識(shí)別結(jié)果圖各毛白楊斑塊為基礎(chǔ)，從步驟3)陰影提取結(jié)果圖中選取各毛白楊斑塊所對(duì)應(yīng)的陰影，形成毛白楊及其陰影提取結(jié)果圖，沿著樹(shù)木陰影方向在遙感影像上繪制一系列平行直線，在陰影邊界與平行直線的交點(diǎn)處對(duì)平行直線進(jìn)行打斷，求取每個(gè)陰影內(nèi)所有平行線段長(zhǎng)度均值作為相應(yīng)毛白楊斑塊的陰影長(zhǎng)度。
[0013]進(jìn)一步地，所述步驟5)中毛白楊斑塊平均樹(shù)高的估算方法如下:基于各毛白楊斑塊的陰影長(zhǎng)度，根據(jù)遙感影像成像時(shí)刻的太陽(yáng)高度角進(jìn)行樹(shù)高Height估算，即使用如下計(jì)算公式Height=(Length+r).tan Θ，得到各毛白楊斑塊平均樹(shù)高信息，其中，Length為陰影長(zhǎng)度，Θ為太陽(yáng)高度角，r為毛白楊冠幅平均半徑。
[0014]進(jìn)一步地，所述步驟6)中毛白楊精確識(shí)別方法如下:根據(jù)步驟5)中所述的毛白楊斑塊的高度特征，對(duì)所述的步驟2)中毛白楊初步識(shí)別結(jié)果進(jìn)行修正，采用閾值法，即使用如下計(jì)算公式Height多σ，剔除初步識(shí)別結(jié)果圖中樹(shù)高小于σ的對(duì)象，形成毛白楊精確識(shí)別結(jié)果圖，其中，σ為毛白楊精確識(shí)別的高度閾值。
【附圖說(shuō)明】
[0015]圖1為分割結(jié)果圖；
圖2為毛白楊初步識(shí)別結(jié)果圖； 圖3為陰影提取結(jié)果圖；
圖4為毛白楊及其陰影提取結(jié)果圖；
圖5為輔助陰影長(zhǎng)度計(jì)算的平行線段分布圖；
圖6為陰影長(zhǎng)度計(jì)算結(jié)果圖；
圖7為樹(shù)高、陰影長(zhǎng)度、樹(shù)冠幅半徑及太陽(yáng)高度角關(guān)系圖；
圖8為毛白楊斑塊平均樹(shù)高計(jì)算結(jié)果圖；
圖9為毛白楊精確識(shí)別結(jié)果圖；
圖10為誤剔除毛白楊斑塊位置圖。
【具體實(shí)施方式】
[0016]下面結(jié)合附圖對(duì)本發(fā)明“一種結(jié)合樹(shù)木陰影特征的遙感影像毛白楊識(shí)別方法”作進(jìn)一步說(shuō)明。
[0017]本發(fā)明試圖引入樹(shù)木的陰影特征來(lái)輔助高分辨率多光譜遙感影像光譜和紋理特征進(jìn)行毛白楊精細(xì)識(shí)別，大幅度提高了毛白楊的識(shí)別精度，為高分辨率多光譜遙感影像樹(shù)種識(shí)別和提取提供參考。
[0018]1)研究區(qū)遙感影像分割
研究區(qū)位于奧林匹克森林公園，覆蓋0.72kmX0.48km區(qū)域范圍，研究區(qū)分布著多個(gè)毛白楊林地斑塊，各斑塊內(nèi)毛白楊分布密集，數(shù)量從數(shù)顆到上百顆不等，平均樹(shù)高15m以上。除毛白楊外，研究區(qū)分布著柏樹(shù)、松樹(shù)、白蠟、柳樹(shù)、天目瓊花、韃靼忍冬、郁香忍冬等多種其它植被景觀，高度由lm至10m不等。各毛白楊斑塊與其它樹(shù)木交相輝映，形成高低錯(cuò)落有致的生態(tài)系統(tǒng)群落。在0.4m高空間分辨率Worldview-3標(biāo)準(zhǔn)假彩色遙感影像上，毛白楊斑塊色調(diào)暗紅、紋理略粗。
[0019]根據(jù)研究區(qū)毛白楊影像特征，采用多尺度分割算法進(jìn)行遙感影像面向?qū)ο蠓指?。多尺度分割算法是較為常用的一種分割方法，能夠生成高度同質(zhì)性的影像分割區(qū)域，從而以最佳的尺度分離和表示地物目標(biāo)。在某指定的尺度下分割時(shí)，通過(guò)合并相鄰的像素或小的分割對(duì)象，在保證對(duì)象內(nèi)部像元之間同質(zhì)性最大的前提下，基于區(qū)域合并技術(shù)實(shí)現(xiàn)影像分割。
[0020]將最大分割尺度設(shè)為130，尺度數(shù)設(shè)為3，尺度間隔設(shè)為0.6，即最大尺度、中間尺度和最小尺度分別為130、130X0.6=78,78X0.6=47，分割中顏色因子占的比例設(shè)為0.7，分割中形狀因子中平滑度因子所占的比例設(shè)為0.5，將研究區(qū)遙感影像分割成高度同質(zhì)性的影像分割單元，將每個(gè)分割單元作為一個(gè)對(duì)象。
[0021]圖1為分割結(jié)果圖，分割結(jié)果表明，分割尺度適中，未造成地物景觀過(guò)度破碎，且各對(duì)象內(nèi)部樹(shù)木種類均一，為毛白楊精細(xì)識(shí)別奠定了良好基礎(chǔ)。
[0022]2)毛白楊初步識(shí)別
本發(fā)明充分綜合毛白楊的光譜特征亮度Brightness及紋理特征灰度共生矩陣同質(zhì)性GLCM-H0M0,采用多參數(shù)閾值法進(jìn)行面向?qū)ο竺讞畛醪阶R(shí)別。
[0023]亮度是最基本的光譜特征，反映了各波段像元亮度的平均值。
[0024]紋理特征是細(xì)小物體在影像上大量重復(fù)出現(xiàn)所形成的規(guī)律和特征，它是大量個(gè)體的大小、形狀、陰影和色彩的綜合反映，它描述像元亮度的空間變化特性。灰度共生矩陣(GLCM)是廣泛使用的紋理特征提取方法，其基本原理是計(jì)算局域范圍內(nèi)像元灰度級(jí)共同出現(xiàn)的頻率，不同的空間關(guān)系和紋理會(huì)產(chǎn)生不同的共生矩陣，以此來(lái)區(qū)分不同的紋理和結(jié)構(gòu)特性。同質(zhì)性是灰度共生矩陣常用的統(tǒng)計(jì)測(cè)度方法，是影像紋理相似性的度量，其值越高代表局部區(qū)域缺乏變化，具有較小的灰度差異。遙感影像上道路、草地、屋頂?shù)奶卣髦递^大，而樹(shù)木、小路、陰影的特征值較小。
[0025]對(duì)每個(gè)分割對(duì)象進(jìn)行光譜特征亮度Brightness及紋理特征灰度共生矩陣同質(zhì)性GLCM-H0M0 的計(jì)算。
[0026]采用多參數(shù)閾值法，即Brightness、GLCM-HOMO分別取閾值，取二者的交集(見(jiàn)公式1 )，完成毛白楊的初步識(shí)別。
[0027]( α Brightness β ) and ( γ GLCM-HOMO δ ) (1)
其中，α、β為Brightness的閾值，γ、δ為GLCM-H0M0的閾值。
[0028]在確保識(shí)別結(jié)果中最大程度涵蓋毛白楊信息的前提下，主要根據(jù)毛白楊在影