[发明专利]基于遥感影像的规模化生猪养殖场识别方法

权利要求书

1.基于遥感影像的规模化生猪养殖场识别方法，其特征是：包括以下步骤：

步骤a、对目标区域进行高空遥感影像采集，获得目标区域房屋、水池的高空遥感影像；

步骤b、识别疑似生猪养殖舍：先剔除工厂厂房以及密集居住区域的民房影像：设定房屋密集度阈值，将高空遥感影像中密集度大于该房屋密集度阈值的房屋影像剔除，保留密集度小于该房屋密集度阈值的房屋影像；然后再剔除零散居住区域的民房影像：对低于房屋密集度阈值的房屋，设置房屋平均亮度阈值、蓝光阈值和红光阈值，剔除同时低于房屋平均亮度阈值、蓝光阈值和红光阈值的房屋，保留超过房屋平均亮度阈值或超过蓝光阈值或红光阈值的房屋，这保留下的超过房屋平均亮度阈值或超过蓝光阈值或红光阈值的房屋即为疑似生猪养殖舍；

步骤c、识别疑似粪污池：提取高空遥感影像中的水池，设置水池平均亮度阈值，剔除高于水池平均亮度阈值的水池，保留低于平均亮度阈值的水池，这保留下的低于平均亮度阈值的水池即为疑似粪污池；

步骤d、设置距离阈值，如疑似生猪养殖舍与疑似粪污池之间的距离低于该距离阈值，则认定该疑似生猪养殖舍与疑似粪污池为规模化生猪养殖场的生猪养殖舍和粪污池，从而识别出规模化生猪养殖场。

2.根据权利要求1所述的基于遥感影像的规模化生猪养殖场识别方法，其特征是：步骤a和步骤b之间还设有遥感影像网格化步骤：基于eCognition平台，对遥感影像进行网格化，网格大小根据遥感影像像素确定，步骤b和步骤c中，剔除的房屋以及水池影像的方式为删除该房屋和水池所占据的网格中的所有像素。

3.根据权利要求2所述的基于遥感影像的规模化生猪养殖场识别方法，其特征是：所述的房屋密集度阈值设定方式为：基于eCognition平台，采取棋盘分割算法，目标大小设置为509，将整幅遥感影像分为若干个509*509大小的方格，此时引入建筑面积指数BAI这一概念，某个方格内建筑物面积越大其BAI值越大，反应到遥感影像上则更亮，具体阈值条件设置为：BAI＞-0.141871；房屋密集度阈值设定的BAI计算公式为：

其中，BAI为建筑面积指数，为蓝光波段地表反射率，为红光波段地表反射率。

4.根据权利要求3所述的基于遥感影像的规模化生猪养殖场识别方法，其特征是：所述的房屋平均亮度阈值、蓝光阈值和红光阈值设定方式为：引入平均亮度值Mean_Brightness、蓝光波段平均值Mean_Blue和红光波段平均值Mean_Red；对于生猪养殖场猪舍中的高亮养殖大棚其Mean_Brightness取值范围为[2000,4850]，而普通建筑物Mean_Brightness取值范围为[700,1950]，对于生猪养殖场猪舍中的蓝色屋顶或红色屋顶；其蓝光波段平均值Mean_Blue取值范围为[1000,1980]，红光波段平均值Mean_Red取值范围为[1200,2800]，普通民房的蓝光波段平均值Mean_Blue取值范围为[500,980]，红光波段平均值Mean_Red取值范围为[600,1100]。

5.根据权利要求4所述的基于遥感影像的规模化生猪养殖场识别方法，其特征是：生猪养殖场的粪污池呈暗黑色；而普通水体大部分呈蓝绿色，二者平均亮度值相差较大，故，水池平均亮度阈值设定方式为：对于粪污池而言，其Mean_Brightness取值范围为[450,700]；对于普通水体，其Mean_Brightness取值范围为[800,1270]，在设置了水池平均亮度阈值的同时，再引入归一化水体指数NDWI，对于粪污池而言，其NDWI取值范围为[-0.265,-0.010]；对于普通水体，其NDWI取值范围为[0.005,0.2452]，归一化水体指数NDWI的计算公式如下：

其中，NDWI为归一化水体指数，为绿光波段地表反射率，为近红外波段地表反射率。

6.根据权利要求5所述的基于遥感影像的规模化生猪养殖场识别方法，其特征是：步骤d中，距离阈值设定为：空间距离＜200m。