[发明专利]一种基于光学与雷达数据的水稻种植区识别方法及系统

权利要求书

1.一种基于光学与雷达数据的水稻种植区识别方法，其特征在于，包括：

获取目标区域光学及雷达数据，根据水稻物候期分别对光学和雷达数据进行时序合成，基于合成后的数据进行数据融合得到合成影像；

根据所述合成影像，对所述目标区域光学及雷达数据分别进行第一特征空间的构建，并结合光学数据的波段信息和雷达数据的极化信息进行主成分的分析、可视化处理和第二特征空间的构建；

结合第一特征空间、主成分的分析结果、可视化处理结果和第二特征空间进行分类场景的设计，得到特征优选组合；

将所述特征优选组合作为RF算法模型的输入，输出水稻种植区的识别结果；所述RF算法模型基于影像数据和所述主成分的分析结果数据训练生成。

2.根据权利要求1所述的一种基于光学与雷达数据的水稻种植区识别方法，其特征在于：获取目标区域光学及雷达数据，根据水稻物候期分别对光学和雷达数据进行时序合成，基于合成后的数据进行数据融合得到合成影像，包括：

1)通过GEE平台进行云掩膜处理，设置云量小于百分比阈值的影像进行合成，获取目标区域的光学和雷达数据；

2)根据水稻物候期，分别对目标区域的光学和雷达数据在预设时长尺度上进行均值合成，对均值合成后的光学和雷达数据进行数据融合，获得目标区域的时序合成影像。

3.根据权利要求2所述的一种基于光学与雷达数据的水稻种植区识别方法，其特征在于：根据所述合成影像，对所述目标区域光学及雷达数据分别进行第一特征空间的构建，包括：

1)目标区域的光学数据第一特征空间构建，包含光谱特征、指数特征、红边纹理特征；所述指数特征包括归一化植被指数NDVI、归一化水体指数NDWI、增强型植被指数EVI和改进的归一化水指数MNDWI；所述红边纹理特征包含对比度、角二阶矩、反差分矩阵和熵；

2)目标区域的雷达数据第一特征空间构建，包含极化特征和雷达纹理特征。

4.根据权利要求3所述的一种基于光学与雷达数据的水稻种植区识别方法，其特征在于：结合光学数据的波段信息和雷达数据的极化信息进行主成分的分析、可视化处理，包括：

将光学数据的波段信息和雷达数据的极化信息采用映射的方式投影到k维上；

求解协方差矩阵来获取差异性最大的主成分量，进行主成分特征的提取与主成分可视化呈现。

5.一种基于光学与雷达数据的水稻种植区识别系统，其特征在于：包括：

获取及合成模块，用于获取目标区域光学及雷达数据，根据水稻物候期分别对光学和雷达数据进行时序合成，基于合成后的数据进行数据融合得到合成影像；

构建模块，用于根据所述合成影像，对所述目标区域光学及雷达数据分别进行第一特征空间的构建，并结合光学数据的波段信息和雷达数据的极化信息进行主成分的分析、可视化处理和第二特征空间的构建；

设计模块，用于结合第一特征空间、主成分的分析结果、可视化处理结果和第二特征空间进行分类场景的设计，得到特征优选组合；

识别模块，用于将所述特征优选组合作为RF算法模型的输入，输出水稻种植区的识别结果；所述RF算法模型基于影像数据和所述主成分的分析结果数据训练生成。