[发明专利]一种全自动的区域不透水面遥感信息精确提取方法

摘要

本发明提供一种区域不透水面精确提取的自动化实现方法，针对不透水面覆盖范围(ISA)划分与像元不透水面覆盖率(ISP)计算两个关键的技术环节给出了全新的技术框架。本发明的技术步骤为：以中分辨率遥感影像为主要数据源，将区域不透水面遥感信息提取划分为“像元级”的ISA划分与“亚像元级”的ISP计算两个技术环节，即先通过多层次遥感信息提取模型的支持在遥感影像上构建了“全局-局部-细节”的迭代提取流程，自动提取出可能包含不透水面信息的像元空间范围，再通过代表性的样本库与非线性机器模型的支持在ISA的像元内自动定量计算亚像元的ISP值，并在技术方法的角度实现了不透水面遥感信息提取流程的自动化和精确化。本发明适用于土地管理、城市规划、生态环境等有关行业提供相应的信息支撑。

主权项

一种全自动的区域不透水面遥感信息精确提取方法，其特征在于包括以下几个步骤：步骤1，基于多层次遥感信息提取模型的不透水面覆盖范围(ISA)自动提取：1)选定遥感影像的聚类方法，对不透水面信息密集区及类间合并段进行分析；2)通过对样本归属度的计算自动采集不透水样本，在影像范围内提取出ISA分布的全局信息；3)在多层次专题信息模型中逐步融入高层次空间知识，构建特征输入提取上一步计算可能丢失的局部ISA信息；4)在对象化表达基础上通过计算对象的空间形态特征，并通过迭代计算的方式对ISA分类结果进行细节修正和信息优化，并通过以上2)‑4)步的整合得到精确的ISA信息；步骤2：基于样本库的像元不透水面覆盖率(ISP)自动计算：5)ISP样本库的构建：在对具有代表性的ISP样本进行系统采集与组织的基础上，通过数理抽样扩展样本对于全体特征的代表性；6)对4)得到的ISA信息在5)的样本库中自动匹配与优选最具有代表性的ISP样本集；7)通过非线性机器学习模型对6)的样本集进行ISP模型训练，然后通过优化的模型应用策略对整个影像进行ISP计算，完成不透水面遥感信息提取流程。