[发明专利]基于多特征与光谱融合的近岸水产养殖区遥感图像提取方法

权利要求书

1.基于多特征与光谱融合的近岸水产养殖区遥感图像提取方法，其特征在于，包括以下步骤：

步骤1：输入一幅原始遥感图像；

步骤2：对输入的遥感图像进行图像预处理，针对处理后图像中的地物特征，利用特征指数方法提取特征光谱，根据得到的特征光谱构建目标地物特征集；

步骤3：构建有限脉冲响应线性滤波器，基于梯度积分递归神经网络的约束能量最小化算法，输入目标地物像元光谱数据，利用有限脉冲响应线性滤波器对目标地物光谱数据进行增强，得到增强的遥感图像；

步骤4：对增强后的遥感图像，利用Otsu算法和单波段阈值对目标地物进行初步提取，得到目标地物的初步提取后的遥感图像；

步骤5：将初步提取后的遥感图像，基于地物纹理特征和几何特征，采用面向对象法或灰度共生纹理矩阵对养殖区地物干扰物体进行定制化剔除；

步骤6：输出最终的养殖区提取后的遥感图像；

步骤3的具体操作步骤包括：

步骤31：根据已知的目标像元光谱的先验信息，构建有限脉冲响应线性滤波器；

步骤32：将约束能量最小化算法表示为一个线性约束最优化数学模型，表达式为：

其中，w表示代求滤波系数，R为遥感图像的自相关矩阵，且d表示约束条件向量，并且d满足条件：

步骤33：在所述约束条件向量下，当滤波器对于输入r_i的输出y_i满足下式：

则遥感图像{r₁,r₂,...,r_N}对应的平均输出能量为：

其中，{r₁,r₂,...,r_N}为图像中的像元矢量，代表遥感图像中的光谱信息，N为图像中的总像元数值，每个像元r_i＝[r_i1,r_i2,...,r_il]^T为l维列向量，且l是图像的波段数，1≤i≤N；

步骤34：利用拉格朗日乘数法将公式(1)转化为无约束最优化数学模型，公式为：

F(w)＝w^TRw+λ(d^Tw-1) (5)，

其中，λ为拉格朗日乘子；

步骤35：将公式(5)转换为线性等式方程数学模型，公式为：

Gs(t)＝b (6)，

其中，自相关系数矩阵G＝[2R,d^T；d,0]∈R^(l+1)×(l+1)；b为系数向量且b＝[0,1]^T∈R^l+1；s(t)＝[w(t),λ(t)]^T∈R^l+1为待求向量；w(t)＝{w₁(t),w₂(t),…,w_l(t)}^T是由滤波系数构成的l维向量，λ(t)∈R为拉格朗日函数乘子；

步骤36：定义公式(6)的误差函数为：

e(t)＝Gs(t)-b (7)，

步骤37：根据公式(7)，构建积分增强梯度递归公式为：

步骤38：根据公式(8)进行递归计算，直至当计算出的误差小于允许误差时结束计算，并得到滤波输出系数w(t)；

步骤39：根据得到的滤波输出系数进行反演，输出增强后的遥感图像。

2.根据权利要求1所述的基于多特征与光谱融合的近岸水产养殖区遥感图像提取方法，其特征在于，步骤4的具体操作步骤包括：

步骤41：针对增强后的遥感图像，采用Otsu算法计算出地物提取的最佳阈值并根据得到的阈值对遥感图像进行阈值分割，提取部分地物，得到Otsu阈值提取结果；

步骤42：在遥感图像的单波段上提取与 Otsu阈值提取结果位置相同的光谱值，对单波段灰度值进行阈值分割，剔除部分干扰物体，得到单波段阈值提取结果。

3.根据权利要求1所述的基于多特征与光谱融合的近岸水产养殖区遥感图像提取方法，其特征在于，步骤5的具体操作步骤包括：

步骤51：基于目标地物的纹理特征，建立遥感图像各波段之间的比值波段，采用巴氏距离法挑选出敏感波段，并在敏感波段的基础上建立灰度共生纹理矩阵，划定阈值进行目标提取，剔除干扰物体；

步骤52：基于目标地物的空间属性，分别从地物间的面积、延伸性、周长、紧密性、坚固性、形状要素、圆度特征进行目标提取，剔除干扰物体。