[发明专利]一种高尔夫球场的识别方法

摘要

本发明解决现有技术中基于中分辨率遥感影像识别高尔夫球场的方法精度低、而基于高分辨率影像和高光谱影像识别高尔夫球场的方法成本高、幅宽窄的缺陷，提供一种基于中分辨率多光谱遥感影像进行高尔夫球场识别的方法。本发明的基本思路是通过对球道草坪、水体2个高尔夫球场基本要素的识别，按照空间共现特征组合得到高尔夫球场靶区，在靶区内提取第3个基本要素一沙坑的专题信息，进而以单个靶区为单位，将靶区内部的球道草坪、水体、沙坑的类别水平景观指数和高尔夫球场靶区整体的景观水平景观指数作为球场的区别性特征，判断球场靶区是否为高尔夫球场。本发明具有针对性强、精度高、成本低的优点。

主权项

一种高尔夫球场的识别方法，其特征在于，包括的步骤有：步骤S1，对原始中分辨率多光谱遥感影像进行预处理；步骤S2，提取球道草坪二值图像，包括：步骤S21，在预处理后的中分辨率多光谱遥感影像上选取用于支持向量数据描述的训练样本；步骤S22，以球道草坪样本各波段反射率为特征矢量，以影像像元的各波段反射率为待测试特征矢量，利用以核宽度σ和舍弃率Fracrej为基本参数的高斯径向基核函数的支持向量数据描述实现对球道草坪的分类识别；步骤S23，对分类结果进行聚类分析，从而将球道草坪像元合并为对象，将形状指数小于一定阈值的对象作为球道草坪对象，得到球道草坪二值图像，所述一定阈值是高尔夫球场球道形状指数均值与其三倍标准差求和得到；步骤S3，提取水体二值图像，包括：步骤S31，基于暗目标地物的低反射率特征提取暗目标地物，提取暗目标的决策规则为：根据暗目标地物在SWIR波段的反射率ρSWIR小于阈值TSWIR，以及对象的面积area大于阈值Ta1和宽度width大于阈值Tw去除噪声对象，提取暗目标对象，即：DR_1:if(ρSWIR＜TSWIR)and(area＞Ta1)and(width＞Tw)thenclass_label＝dark object所述阈值TSWIR利用研究区域内水体像元在SWIR波段的反射率均值与其三倍标准差求和得到，Ta1利用研究区域内水体对象的面积均值与其三倍标准差求差得到，Tw利用研究区域内水体对象的宽度均值与其三倍标准差求差得到；步骤S32，区分水体和浓密植被和沥青路面、建筑物阴影等其他暗目标地物，即：若某暗目标对象在NIR波段的反射率均值大于阈值TNIR，则判定该对象为浓密植被，决策规则可表示为：DR_2:所述阈值TNIR利用研究区域内水体对象在NIR波段的反射率均值与其三倍标准差求差得到；若某暗目标对象在R波段的反射率均值大于阈值TR，则判定该对象为沥青路面，决策规则可表示为：DR_3:所述阈值TR利用研究区域内水体对象在R波段的反射率均值与其三倍标准差求差得到；若某暗目标对象在噪声环境下密度聚类DBSCAN算法结果为噪声对象，且该对象SWIR波段的反射率均值与NIR波段反射率均值之差大于阈值TSWIR‑NIR，则判定该对象为建筑物阴影，决策规则可表示为：DR_4:所述密度聚类DBSCAN算法，对于某一聚类中的每个对象，在以其为中心、以指定数值Eps为半径的邻域内，对象个数必须大于一定的阈值minPts；密度阈值由Eps和minPts两个参数共同决定，给定数据集上的一个DBSCAN算法可用DBSCAN(Eps,minPts)表示；所述半径Eps和对象个数阈值minPts根据水体和建筑物阴影的分类误差利用交叉验证的方法得到，阈值TSWIR‑NIR根据水体对象在SWIR波段的反射率与NIR波段的放射率差值的均值及其三倍标准差求差得到；步骤S33，将在步骤S32中被错误剔除的水体对象补充识别为水体对象，即：若某对象的面积area大于阈值Ta2，则判定该对象为水体，从而得到水体二值图像，决策规则可表示为：DR_5:if(area＞Ta2)then class_label＝water所述阈值Ta2利用研究区域内水体对象的面积均值与其三倍标准差求和得到；步骤S34，合并S32与S33步骤得到的水体二值图像；步骤S4，将球道草坪二值图像和水体二值图像进行组合，得到球场靶区，包括：步骤S41，将球道草坪二值图像和水体二值图像进行逻辑或运算，生成球道草坪和水体分布图，该图是由球道草坪对象和水体对象构成的二值图像；步骤S42，对球道草坪和水体分布图进行形态学闭运算，将相邻的草坪对象和水体对象组合为高尔夫球场靶区，用于形态学运算的结构元素形状为正方形，结构元素大小根据相邻对象的距离确定；步骤S43，根据18洞及18洞以上球场的面积大于30公顷、球场内球道草坪面积与水体面积比大于1，剔除错误靶区，获得高尔夫球场靶区二值图像；步骤S5，在高尔夫球场靶区范围内，在预处理后的中分辨率多光谱遥感影像中提取沙坑二值图像，包括：步骤S51，在高尔夫球场靶区范围内，在预处理后的中分辨率多光谱遥感影像中选择纯净的球道草坪、水体和沙坑像元，作为混合像元分解的端元，包括：计算靶区内部像元的像元纯度指数，得到像元纯度指数图像；将像元纯度指数图像和球道草坪二值图像进行逻辑与运算，得到的二值图像即可认为是纯净的球道草坪像元，将二值图像中归一化植被指数值最大的5个像元作为草坪端元；将靶区像元纯度指数图像和水体二值图像进行逻辑与运算，得到的二值图像即可认为是纯净的水体像元，将二值图像中改进的归一化水体指数值最大的5个像元作为水体端元；球道草坪对象内部存在若干孤立的未被分类为草坪的像元，即球道草坪区域中的洞或孔通常为沙坑，从这些像元中选择R波段反射率最大的5个像元作为沙坑端元；步骤S52，在球场靶区内，将球道草坪、水体和沙坑作为三种端元，在预处理后的中分辨率多光谱影像的靶区中利用非负最小二乘混合像元分解得到沙坑丰度图，所述非负最小二乘公式为：γi=Σj=1n(αijχj)+ei,(χj≥0)]]>式中，γi为混合像元在第i波段反射率，αij为第j端元组分在第i波段的反射率，χj为第j端元组分的丰度，ei为第i波段的误差，n为端元数量，非负最小二乘混合像元分解即是满足χj≥0的条件下求ei的最小值的过程；步骤S53，沙坑丰度阈值分割，获得沙坑二值图像；步骤S6，判断球场靶区是否为18洞及18洞以上高尔夫球场。