[发明专利]一种类圆形植被斑块综合检测方法

说明书

本发明公开了一种类圆形植被斑块综合检测方法，包括如下步骤：1)反演高分辨率遥感数据的缨帽变化参数；2)计算缨帽变化的亮度和绿度成分；3)构建决策树分类规则集，实现植被斑块与背景分离；4)利用分水岭算法，对植被斑块图像进行分割；5)通过圆霍夫曼变换方法进行检测，实现类圆形植被斑块的识别。本方法摆脱现有方法参数设置主观性强，且识别精度不高的尴尬现状，实现植被斑块准确识别，类圆形植被斑块有效分割，进一步提升类圆形植被斑块提取的精度和效率，满足检测和识别类圆形植被斑块及其分布格局的应用需求。

技术领域

本发明涉及一种综合检测方法，尤其涉及一种类圆形植被斑块综合检测方法。

背景技术

植被斑块是世界上干旱半干旱区最为常见的植被形态之一，其具有高的生物量、生物多样性，能防风固沙，提供水土涵养，对干旱半干旱区生态系统安全和多样性保持具有重要的意义。类圆形植被斑块是植被斑块的一种，于2011 年前后在中国黄河三角洲被发现，与原生生态系统相比，其具有较快的植被演替和扩展速率，是研究该区植被演替的理想目标，其演替机制研究能为构建黄河三角洲退化湿地生态系统自适应恢复策略提供理论基础。检测和识别类圆形植被斑块及其分布格局是演替机制研究的前提和基础，受到了广泛关注。传统野外采样调查方法精度虽高，但费时费力，高空间分辨率卫星遥感因其覆盖范围广、能多次重复成像同一地区，而被广泛用于植被斑块制图。

虽然目前多种高分辨率遥感数据结合多种分类方法已经被用来进行类圆形植被斑块的识别，但因类圆形植被斑块偏离标准圆的情形不一，使得基于简单周长/面积比等指数的方法，并不能有效辨别类圆形植被斑块，加之类圆形植被斑块之间，以及类圆形植被斑块与其他形状植被斑块之间的粘连问题，导致了最终类圆形植被斑块检测精度不高，主要存在以下三方面的技术缺陷：

第一，类圆形植被斑块并不是标准的圆形或椭圆形，导致了现有基于周长 /面积比等形状指数进行类圆形植被斑块识别的精度受限；第二，常规的基于周长/面积比等形状指数进行类圆形植被斑块识别需要主观设置多个分割阈值，使得方法的普适性和效率降低，第三，现有技术未利用图像分割算法，依靠斑块形状指数，无法有效识别粘连斑块，致使类圆形植被斑块识别精度低。

发明内容

为了解决上述技术所存在的不足之处，本发明提供了一种类圆形植被斑块综合检测方法。

为了解决以上技术问题，本发明采用的技术方案是：一种类圆形植被斑块综合检测方法，包括如下步骤：

1)反演高分辨率遥感数据的缨帽变化参数；

2)根据反演的缨帽变化参数，计算缨帽变化的亮度和绿度成分；

3)构建决策树分类规则集，实现植被斑块与背景分离；

4)利用分水岭算法，对植被斑块图像进行分割，将粘连的类圆形植被斑块从粘连植被斑块中分割出来；

5)通过圆霍夫曼变换方法进行检测，实现类圆形植被斑块的识别。

进一步地，步骤1)中，缨帽变化参数反演包括亮度成分、绿度成分参数的反演，具体过程为：

为了获得计算亮度成分的参数(TCBC_i)，首先计算各波段亮土壤光谱平均值与暗土壤光谱平均值的差i代表第几个波段，然后，亮度成分的参数(TCBC_i)通过光谱平均值的差除以归一化因子 (B)获得；如公式Ⅰ所示：

其中，B为

为了获得绿度成分的参数(TCGC_i)，首先计算各波段浓密植被像元光谱平均值与亮土壤光谱平均值的差(TCG_i)，如公式Ⅱ所示：