[发明专利]一种窗口遍历的SEVI调节因子自动优化算法

说明书

本发明涉及一种新的SEVI调节因子自动优化算法，包括以下步骤：窗口选择、植被指数计算、相关系数计算、单窗口优化解、窗口遍历、全局(全景)最优解。本发明无需DEM数据辅助、遥感影像分类和人为指定计算样区，避免了人为选择样区的不稳定性，提升了SEVI计算的自动化水平，对遥感在复杂地形山区植被信息准确反演、消除地形本影和落影的干扰具有重要的科学意义与经济价值。

技术领域

本发明涉及一种窗口遍历的SEVI调节因子自动优化算法。

背景技术

现有地形阴影消除植被指数TAVI中地形调节因子f(△)优化方法主要有3种：“匹配寻优法(国家专利号200910111688X)”、“极值优化法(国家专利号 201010180895.3)”和“相关系数法(国家专利号2015108077580)”。

“匹配寻优”算法计算步骤为：(1)影像分类，划分遥感影像中山体的阴坡和阳坡，并选取典型样区；(2)目标识别，借助地面调查资料、实地考察数据、航拍资料或者GoogleEarth的高分辨率影像数据等核实阴坡与阳坡植被的均质性，识别典型样区阴坡与阳坡植被一致或接近的部分；(3)优化匹配，令f(△)从0 开始，依次递增，考察TAVI在典型样区阴坡与阳坡植被一致部分的植被指数值变化，当二者相等时，即可确定f(△)的最优结果。

“极值优化”算法计算步骤为：(1)影像分类，划分遥感影像中山体的阴坡和阳坡；(2)计算极值，计算阴坡部分TAVI的最大值M_TAVI阴与阳坡部分TAVI的最大值M_TAVI阳；(3)迭代寻优，令f(△)从0开始，依次递增，当满足以下公式条件时，得到f(△)最优值。

|M_TAVI阴-M_TAVI阳|≤ε,ε→0,f(△)＝0～∞

“相关系数”算法计算步骤为：(1)选择样区，在复杂地形山区选择地形影响明显、山体阳坡和阴坡对称分布的典型样区；(2)计算样区植被指数TAVI、RVI 和SVI；(3)计算相关系数，包括TAVI与CVI的相关系数R₁，TAVI与SVI的相关系数R₂；(4)逼近优化，令f(△)从0开始，依次递增，当R₁与R₂满足以下公式条件时，确定f(△)优化计算结果。

R₁-R₂≤ε,ε→0,f(△)＝0～∞

上述3种优化算法，TAVI无需DEM等数据的支持，都能有效削减地形阴影对山区植被信息的影响。但前2种优化算法都需要对遥感影像分类，其中“寻优匹配”算法还需要地面数据等的支持；第3种方法，虽然无需影像分类，但需要人工选择样区，存在较大的不稳定性；此外，这三种方法都容易陷入局部最优解而非全局最优解，这都限制了地形阴影消除植被指数应用的自动化水平，不利于推广应用。

发明内容

有鉴于此，本发明的目的在于提供一种窗口遍历的SEVI调节因子自动优化算法。该算法无需DEM数据和遥感影像分类，同时不依赖于地面调查数据也不用选择样区，对全景影像计算SEVI及其应用推广具有重要的科学意义与经济价值。

为实现上述目的，本发明采用如下技术方案：一种窗口遍历的SEVI调节因子自动优化算法，其特征在于包括以下步骤：

步骤S1：观察一景遥感影像上的山体分布，通过阴坡、阳坡判断山体坡长，选择最大坡长确定计算窗口参数K；假设整景遥感影像的尺寸为M行N列；

步骤S2：以整景遥感影像的表观反射率数据计算阴影消除植被指数SEVI、比值植被指数RVI和阴影植被指数SVI；

步骤S3：计算相关系数，具体如下：