[发明专利]利用面向对象多源信息融合的荒漠植物遥感识别方法

说明书

本发明涉及利用面向对象多源信息融合的荒漠植物遥感识别方法，采用如下五个单元：大区域多源信息镶嵌单元、面向对象的影像分割单元、多源信息融合单元、解译规则制定单元以及荒漠植物识别单元；针对现有技术未考虑荒漠植物分布稀疏，生长光谱信息偏弱，且易受到漫反射的影响，混合像元、同物异谱现象显著的特点，研发出利用面向对象多源信息融合的荒漠植物遥感识别方法，可解决在生态修复、气候变化、生物多样性、基因开发、消除贫困等领域的遇到的无法准确识别荒漠植物类型和时空分布的难题，为相关研究机构、公益组织、企业乃至政府提供技术支持，给干旱区的荒漠植被产业的开发、建设、管理提供数据分析依据。

技术领域

本发明涉及计算机数字图像处理与模式识别，以及遥感应用领域，具体涉及利用面向对象多源信息融合的荒漠植物遥感识别方法。

背景技术

荒漠植物是指旱生半乔木、半灌木、小半灌木和灌木占优势的稀疏植被，是亚热带和温带干旱区的重要植被景观。主要分布在从北非起，向东经西亚、中亚、南亚至我国西北及蒙古等地的广大戈壁荒漠内，此外，在南北美洲和澳大利亚的荒漠也有一定面积的分布。荒漠植被是局地生态环境演变、气候变化的指示器，也是全球陆面过程的重要组成部分，关系着干旱区荒漠生态系统的能量转化和物质循环过程，为荒漠动物群提供食物和庇护所。荒漠植物在生态修复、气候变化、生物多样性、基因开发、消除贫困等领域的作用越发引起世界各国研究机构、公益组织、企业乃至政府的重视。

目前主要的遥感解译方法包括：1、监督分类，又称训练分类法，即用被确认类别的样本像元去识别其他未知类别像元的过程。在这种分类中，分析者在图像上对每一种类别选取一定数量的训练区，计算机计算每种训练样区的统计或其他信息.每个像元和训练样本作比较，按照不同规则将其划分到和其最相似的样本类。2、非监督分类，也称为聚类分析或点群分析。即在多光谱图像中搜寻、定义其自然相似光谱集群组的过程。非监督分类不需要人工选择训练样本，仅需极少的人工初始输入。计算机按一定规则自动地根据像无光谱或空间等特征组成集群组，然后分析者将每个组和参考数据比较，将其划分到某一类别中去。上述方法多见应用于湿润区植物使用，且大多基于面向像素技术体系开展。相比湿润区植物，荒漠植物分布稀疏，生长光谱信息偏弱，且易受到裸露地表(戈壁、沙漠)漫反射的影响，混合像元、同物异谱现象显著。因此直接使用传统遥感解译方法，往往无法准确解译荒漠植物的种类和分布特征。

如何能快速准确的识别荒漠植物，已成为横亘在荒漠植物的产业开发和科学研究面前亟需解决的难题。

发明内容

本发明要解决的技术问题是：为了解决如何能快速准确的识别荒漠植物的问题，本发明提供一种利用面向对象多源信息融合的荒漠植物遥感识别方法，主要涉及基于面向对象的遥感识别方法、基于多源信息融合的遥感解译技术。将突破以像元作为最小单元的遥感分析方法体系，利用面向对象技术构建具有地学意义的评价单元，并利用多源数据提供的信息图谱知识，可从宏观格局上对荒漠植物的种类和时空分布进行有效识别，不仅是对遥感解译识别技术的拓展和创新，也对干旱区的荒漠植被产业的开发、建设、管理具有重要的应用推广意义。

本发明解决其技术问题所采用的技术方案是：一种利用面向对象多源信息融合的荒漠植物遥感识别方法。

采用如下五个单元：大区域多源信息镶嵌单元、面向对象的影像分割单元、多源信息融合单元、解译规则制定单元以及荒漠植物识别单元；由上述单元组成的面向对象多源信息融合的荒漠植物遥感识别方法，可快速、高精度地识别出大范围区域上的荒漠植被分布信息和数据，为相关研究机构、公益组织、企业乃至政府提供技术支持，给干旱区的荒漠植被产业的开发、建设、管理提供数据分析依据。

所述大区域多源信息镶嵌单元基于约束接缝线的区域分块制图处理方法，目的是将不同图幅，不同空间位置、不同分辨率的多源信息镶嵌形成特定的要素层，以达到规范数据集、降低冗余、提高预处理效率的目的；