[发明专利]一种农田景观小尺度地物分类方法及系统

权利要求书

1.一种农田景观小尺度地物分类方法，其特征在于，包括：

获取待分类区域的无人机影像；

利用植被指数对所述无人机影像进行掩膜提取，屏蔽与耕地类型以及非耕植被类型无关的地物，得到初步待分类影像；

利用具有图像分割功能的软件将所述初步待分类影像按分割尺度划分为多个区域，使各个区域之间具有不同的性质，同一区域内部各像素之间具有相同的性质，从而得到多个微影像；

提取每个所述微影像的特征向量，将特征向量的值输入训练好的随机森林模型中进行分类，确定所述待分类区域内待分类的各个微影像的类别；

所述随机森林模型的训练过程为：

从所述微影像中选取一部分作为训练样本影像；

通过现场勘探和基于阈值判断的目视解译法提取所述训练样本影像的样本数据，所述样本数据包括多个地物类型以及每个地物类型的特征向量的值；

将各个所述特征向量进行排名，确定影响地物类型划分的主导特征向量；

将各地物类型和对应各地物类型的主导特征向量的值输入随机森林模型对所述随机森林模型进行训练，得到训练好的随机森林模型；

所述将各个所述特征向量进行排名，确定影响地物类型划分的主导特征向量，具体包括：

构建多层次类别结构；所述多层次类别结构包括类别结构第一层和类别结构第二层；所述类别结构第一层中的第一层地物类型包括耕地类型、非耕植被类型和阴影类型；所述类别结构第二层中的第二层地物类型包括灌木、边缘草地、树篱、林地、疏林地、树木、阴影、水田、旱地和水浇地；所述灌木、所述边缘草地、所述树篱、所述林地、所述疏林地和所述树木属于所述非耕植被类型；所述水田、所述旱地和所述水浇地属于所述耕地类型；所述类别结构第一层由第一随机森林模型进行训练，所述类别结构第二层由第二随机森林模型进行训练与预测分类；

将所述样本数据输入所述第一随机森林模型，以每个地物类型特征向量以及所述特征向量对应的第一层地物类型作为输入，对所述第一随机森林模型进行训练，将地物按照所述随机森林的平均精度递减来对特征向量进行排序，从而选取主导特征向量。

2.根据权利要求1所述的农田景观小尺度地物分类方法，其特征在于，在所述获取待分类区域的无人机影像之后，在所述用植被指数对所述无人机影像进行掩膜提取，屏蔽与耕地类以及非耕植被类型无关的地物，得到初步待分类影像之前，还包括：

对所述无人机影像进行坐标配准，并计算所述无人机影像的植被指数。

3.根据权利要求1所述的农田景观小尺度地物分类方法，其特征在于，所述获取通过现场勘探和基于阈值判断的目视解译法提取的样本数据，具体包括：

通过现场勘探确定部分训练样本影像的地物类型并提取地物类型在影像中的主导特征向量值；

提取剩余训练样本影像的特征向量的值；

根据特征向量的值利用目视解译法初步确定所述剩余训练样本影像的地物类型；

判断所述剩余训练样本影像的特征向量的值是否处于在所述对应的地物类型下的标准特征向量值范围内，得到判断结果；

若所述判断结果为是，则将该剩余训练样本影像的地物类型和对应的特征向量的值作为训练样本；

若所述判断结果为否，则重新确定所述剩余训练样本影像的地物类型。