[发明专利]一种基于遥感影像的草地退化程度自动提取方法

权利要求书

1.一种基于遥感影像的草地退化程度自动提取方法，其特征在于，包括如下具体步骤：

步骤(1)数据获取：获取待监测区域的卫星遥感影像数据，包括两景前后时相的原始影像数据；

步骤(2)数据预处理：对各个波段的光谱影像进行目视检查，确定由于大气或其他因素对光谱产生较大噪声的异常波段，对异常波段直接剔除，之后对影像数据依次进行辐射定标、镶嵌、裁剪和大气校正；

步骤(3)最小噪声分离变换：将预处理后的前后时相影像数据进行叠加处理，对叠加后的影像进行最小噪声分离变换；

步骤(4)多尺度分割：对步骤(3)处理后得到的数据进行多尺度分割，根据设定的波段数、光谱与形状标准参数，选择20，25，30，35，40，45，50，55，60，65，70，75，80，85，90共15个分割尺度对影像进行分割，最后目视判定观察对象内光谱均一性最好的则为最优分割尺度；

步骤(5)在最优分割尺度下，对于每一个对象，如果光谱特征阈值满足逻辑或条件，则属于非草地对象集NG，则剩余对象集G均为草地；

步骤(6)在影像对象集G上，根据先验知识，在每个退化类别区域内均匀选取训练样本，通过最近邻分类器，结合光谱、形状和纹理特征提取得到不同退化程度的草地，其中包含未退化、轻度退化、中度退化和严重退化等4种退化类型。

2.根据权利要求1所述的基于遥感影像的草地退化程度自动提取方法，其特征在于，步骤(3)所述的MNF变换具体实现步骤如下：

A.把混有噪声的信号进行高通滤波处理，得到噪声协方差矩阵∑_n；

B.计算噪声协方差矩阵∑_n的特征值λ和特征向量P，由λ组成的对角矩阵记为Δ，由P组成的矩阵记为E；

C.求∑_n的白化矩阵F：

F＝EΔ^-1/2

D.计算噪声白化之后的观测数据F^TZ协方差矩阵:

∑_w＝cov(F^TZ)＝F^T∑_zF

其中，Z为影像数据，∑_z为影像的协方差矩阵；

E.由∑_w求得特征值和特征向量，由所有特征值构成的对角矩阵记为Λ，相应特征向量构成的矩阵记为G；

F.将G作用到F^TZ的每个象元上，G^TF^TZ即为MNF变换后得到的图像。

3.根据权利要求1所述的基于遥感影像的草地退化程度自动提取方法，其特征在于，步骤(4)所述的波段数、光谱与形状标准参数均通过专家知识结合目视观察获得的。

4.根据权利要求1所述的基于遥感影像的草地退化程度自动提取方法，其特征在于，步骤(5)所述的逻辑或条件为：设定NDVI阈值为0.2-0.3，MNF处理后第四波段均值阈值为8-9，当原始影像波段NDVI值均小于NDVI阈值，MNF处理后第四波段均值均大于上述均值阈值，则将该对象归入非草地。