[发明专利]一种基于多光谱影像的农作物分类方法及装置

说明书

本申请提供了一种基于多光谱影像的农作物分类方法及装置，涉及遥感影像识别领域，包括：获取研究区影像数据，对所述影像数据进行预处理，得到第一数据；根据预设公式对所述第一数据进行指数计算，得到第二数据；获取第三数据，根据所述第二数据和所述第三数据对土地利用类型进行分析，并根据预设阈值进行分类，得到第一分类结果；对所述第一分类结果进行合成，得到第一掩膜图层，根据所述第二数据对所述第三数据进行合成，得到第二掩膜图层；根据叠加分析法对所述第一分类结果、所述第一掩膜图层和所述第二掩膜图层进行分析，得到第二分类结果。提高了作物的分类精度，降低了分类误分概率，使得分类边缘平滑，去除了噪点。

技术领域

本发明涉及遥感影像识别领域，尤其涉及一种基于多光谱影像的农作物分类方法及装置。

背景技术

人类活动中与自然环境密切相关的是农业活动，而粮食生产在整个农业领域中占据着重要地位，关系着国计民生与国民经济发展。东北地区是我国最有潜力的商品粮基地和重要的粮食主产区，为全国提供了大量优质口粮、饲料用粮以及工业用粮。近几年，我国粮食生产重心逐渐向东北方向偏移，更加体现了东北地区在我国粮食生产格局中的重要性。因此，研究粮食生产格局及作物时空分布有利于优化粮食生产结构，实现农业可持续发展，对粮食安全有重要意义。辽宁处于高纬度地区，缺乏热量，作物仅一年一熟一收获，因此农作物生长发育的先天条件并不优越。但该区域相较其他地区更为辽阔，人口相对较少，土壤质地是黑土，所以粮食作物产量高、品质好。大豆、水稻、玉米、花生是辽宁区域内的主要粮食作物，每年向全国供应极大的粮食总量。

在现有对作物识别的技术中，大多根据单一时期影像数据进行作物分类，该方法会丢失大量作物的物候信息，因此在分类精度上并不高；或者未使用多源数据来对作物进行综合提取，单一数据源会因为缺少必要波段、时相导致误分概率上升；而且大多是采用监督分类进行分类，这类方法在输入特征波段与样本点后，无法人工进行阈值修改，全程由计算机自动完成；并且对分类结果的后处理步骤不够完善，往往导致存在地物分类边缘不平滑、存在噪点等问题。

发明内容

本发明提供了一种基于多光谱影像的农作物分类方法及装置，旨在解决上述现有技术中存在的分类精度不高、分类误分概率高、分类阈值无法人工修改、分类边缘不平滑，存在噪点的问题。

为了实现上述目的，本申请采用以下技术方案，包括：

获取研究区影像数据，对所述影像数据进行预处理，得到第一数据，所述影像数据包括Sentinel-2多光谱影像数据和Landsat多光谱影像数据；

根据预设公式对所述第一数据进行指数计算，得到第二数据；

获取第三数据，根据所述第二数据和所述第三数据对土地利用类型进行分析，并根据预设阈值进行分类，得到第一分类结果；

对所述第一分类结果进行合成，得到第一掩膜图层，根据所述第二数据对所述第三数据进行合成，得到第二掩膜图层；

根据叠加分析法对所述第一分类结果、所述第一掩膜图层和所述第二掩膜图层进行分析，得到第二分类结果。

作为优选，所述获取研究区影像数据，对所述影像数据进行预处理，得到第一数据，包括：

对所述Sentinel-2多光谱影像数据进行大气校正、坐标系转换和波段合成处理，得到第一影像数据；

当所述Sentinel-2多光谱影像数据的时相缺失，则对所述Landsat多光谱影像数据进行辐射定标、大气校正、坐标系转换和波段合成处理，得到第二影像数据，将所述第一影像数据和所述第二影像数据汇总，得到所述第一数据。

作为优选，所述根据预设公式对所述第一数据进行指数计算，得到第二数据，包括：