[发明专利]一种基于卫星遥感技术的森林资源测量方法

说明书

技术领域

本发明涉及图像处理技术领域，具体地，涉及一种基于卫星遥感技术的森林资源测量方法。

背景技术

森林资源管理的现代化促使了人们对森林资源管理的精度和细度，都提出了更高的要求。采用传统的实际抽样调查的方式获取森林资源信息，具有较低的精度，而且抽样的覆盖范围和抽样数量都十分有限，导致了传统的基于抽取计算方法的森林资源评估技术，难以满足现代森林资源管理的需求。

利用遥感卫星实现森林资源的精确测算，是当前十分具有应用前景的森林资源管理方法。采用卫星遥感技术能够对大范围的森林资源进行全面的分析和资源测算，而且基于遥感技术的森林资源测算技术，能够同时解决森林资源中资源覆盖比率、森林资源蓄积量、森林资源种类以及森林资源的健康状态信息进行测算，因此其应用前景十分广阔。

然而在采用卫星遥感技术对森林资源进行测算的应用中，最核心的是如何设计森林资源测量算法，而且森林资源测算算法的精度和实际应用性能，直接影响到基于卫星遥感技术对森林资源测算的效果。目前没有针对基于卫星遥感技术的森林资源测量算法问题的解决办法。

在实现本发明的过程中，发明人发现现有技术中至少存在测量精度低、覆盖范围小和实施难度大等缺陷。

发明内容

本发明的目的在于，针对上述问题，提出一种基于卫星遥感技术的森林资源测量方法，以实现测量精度高、覆盖范围大和实施难度小的优点。

为实现上述目的，本发明采用的技术方案是：一种基于卫星遥感技术的森林资源测量方法，包括：

a、通过卫星遥感技术获取基于待测森林资源的遥感图像信息，对获取的遥感图像信息进行预处理；

b、基于遥感图像信息的预处理结果，提取待测森林资源的主要参数指标；

c、基于提取的主要参数指标，统计遥感图像中多个森林资源指数数值；根据统计结果选取分类条件，建立支持向量机的分类模型；

d、基于建立的支持向量机的分类模型，应用SVM分类器实现待测森林资源的分类。

进一步地，在步骤a中，所述对获取的遥感图像信息进行预处理的操作，具体包括：

a1、读取遥感图像数据，对读取的遥感图像数据进行扫描及分块处理；

a2、对扫描及分块处理后的数据，以每个分块数据为单元，进行小波变换处理；

a3、对小波变换处理后的数据，调整小波变换参数，得到多组变换结果，提取小波变换系数；

a4、基于提取的小波变换系数，输出单幅遥感图像处理结果；若当前遥感图像未处理完毕，则返回步骤a1继续对当前未处理完毕的遥感图像继续处理，直至当前遥感图像均处理完毕为止。

进一步地，在步骤a2中，所述进行小波变换处理的操作中，所使用的小波变换计算式如下所示：

其中，a为尺度因子，b为位移因子。

进一步地，在步骤b中，所述待测森林资源的主要参数指标，具体包括遥感图像的绿度指数、遥感图像的冠层植被指数、遥感图像的叶面积指数和遥感图像的纹理指数。

进一步地，在步骤b中，所述提取待测森林资源的主要参数指标的操作中，分别提取包括绿度指数、冠层植被指数、叶面积指数和纹理指数的主要参数指标的提取计算式，分别如下：

绿度指数：

冠层植被指数：

叶面积指数：

纹理指数：

进一步地，在步骤c中，所述支持向量机的分类模型，是针对待测森林资源需要测算的每一个参数分别进行设置的分类模型，即针对待测森林资源的覆盖率、蓄积量、种类和健康状态，分别有一个对应的支持向量机，用于对这几个参数分别进行资源测算。

进一步地，在步骤d中，所述应用SVM分类器实现待测森林资源的分类的操作，具体包括：

d1、对遥感图像进行SVM训练的过程；

d2、基于SVM训练结果，对遥感图像进行分类的过程。

8.根据权利要求7所述的基于卫星遥感技术的森林资源测量方法，其特征在于，在步骤d1中，所述SVM训练的过程，具体包括：

d11、选取训练数据，从选取的训练数据中选取一批能够覆盖全部特征的遥感图像数据；

d12、基于选取的遥感图像数据，对每一组数据标明其所属的分类，设定SVM分类训练的核函数结构；

d13、基于设定的核函数结构，输入训练数据，对SVM分类器进行训练，输出SVM分类器训练结果；输出SVM分类器训练结果后，当前训练结束，则可转至遥感图像分类过程中，将输出的SVM分类器训练结果送入待分类遥感图像。