[发明专利]一种在高分辨率遥感影像中自动识别东北红豆杉的方法

摘要

本发明提供一种在高分辨率遥感影像中识别东北红豆杉的方法，仅需要少量地面样本就可以实现在高分辨率遥感影像较高精度的识别东北红豆杉，充分利用遥感影像低成本覆盖面积较大的优点，可以针对东北红豆杉的特有特征基于较少的样本将东北红豆杉从遥感影像中识别出来，并获得较好的识别质量，具有较高的社会价值和经济价值。

主权项

1.一种在高分辨率遥感影像中识别东北红豆杉的方法，包括以下步骤：S1，输入高分辨率遥感影像(简称：Image)，遥感影像的分辨率(简称：Resolution)，计算待分析影像块的尺度Size，在Image上选取一个包含东北红豆杉的坐标位置(HHD，LHD)、一个非针叶植被的坐标位置(HFZY，LFZY)，一个非东北红豆杉的针叶植物坐标位置(HFHD，LFHD)：Image是由像元构成的，包含3个波段：R红色波段、G绿色波段、B蓝色波段；Image中的一个像元Pixel包含以下属性：Pixel.R红波段的值；Pixel.G绿波段的值；Pixel.B蓝波段的值；Pixel.Vfeature植被特征值，默认值为0；Pixel.ZYSelected针叶选择变量，默认值为0；Pixel.Zfeature针叶特征值，默认值为0；Resolution为单位为厘米的遥感影像分辨率；待分析影像块的尺度Size的计算公式如下：其中，round是对输入的数值进行四舍五入的函数；Suguan为树冠宽度指数，取值范围为4‑8，默认值为4.5；HHD、HFZY、HFHD为该位置在高分辨率影像上所处的坐标行数；LHD、LFZY、LFHD为该位置在高分辨率影像上所处的坐标列数；S2，对于Image中的所有像元，根据待分析影像块的尺度Size计算其植被特征值(Vfeature)：S201，取出Image中的一个像元Pixel；S202，以Pixel所在位置(HPixel，LPixel)为中心，在Image中取出宽度为2×size+1个像元，高度为2×size+1个像元的影像块Patch；影像块Patch中包含N个像元，其中N＝(2×size+1)×(2×size+1)，这些像元分别标记为P(1),P(2),…,P(N)；S203，采用如下公式计算Patch植被特征值Vfeature：其中，P(i)为Patch中第i个像元，P(i).R、P(i).G、P(i).B为该像元的红、绿、蓝波段的值；Pixel.R、Pixel.G、Pixel.B为Pixel的红、绿、蓝波段的值；log为自然对数；S204，将Patch植被特征值存储到Pixel当中：Pixel.Vfeature＝Vfeature；S205，如果Image中所有像元均已经计算完成那么转到S206，否则转到S201；S206，该部分的处理过程结束；S3，根据Image中所有像元的植被特征值、东北红豆杉的位置(HHD，LHD)、非针叶植被的位置(HFZY，LFZY)设定所有像元的针叶选择变量；S301，取出东北红豆杉的位置(HHD，LHD)对应的像元PHD，获得其植被特征值V1＝PHD.Vfeature；S302，取出非针叶植被的位置(HFZY，LFZY)对应的像元PFZY，获得其植被特征值V2＝PFZY.Vfeature；S303,计算植被特征均值距离Dmean，其计算公式如下：其中，abs为计算绝对值的函数；S304，取出Image中的一个像元Pixel；S305，获得该像元的植被特征VT＝Pixel.Vfeature；S306,计算植被特征距离公式DZB，其公式如下：S307，如果DZB>Dmean，那么Pixel.ZYSelected＝0，否则Pixel.ZYSelected＝1；S308，如果Image中所有像元均已经计算完成那么转到S309，否转到S304；S309，该部分的处理过程结束；S4，对于所有Image中的所有像元，根据待分析影像块的尺度Size计算其针叶特征值(Pixel.Zfeature)：S401，取出Image中的一个像元Pixel；S402，如果Pixel.ZYSelected＝1那么转到S403，否则转到S412；S403，以Pixel所在位置(HPixel，LPixel)为中心，在Image中取出宽度为2×size+1个像元，高度为2×size+1个像元的影像块Patch；影像块Patch中包含N个像元，其中N＝(2×size+1)×(2×size+1)，这些像元分别标记为P(1),P(2),…,P(N)；S404,像元计数器Counter＝1，总和统计变量sum＝0；S405，取出Patch中第Counter个像元P(counter)；S406，取出P(counter)所在位置相邻的左、左上、上、右上、右、右下、下，左下共8个邻域像元，标记为PN[1],PN[2],…,PN[8]；S407,计算像元的异质性值DS：S408，将DS加入sum中，sum＝sum+DS；S409,Counter＝Counter+1；S410,如果Counter>N那么转到S411，否则转到S405；S411,设定Pixel的针叶特征值，Pixel.Zfeature＝tanh(sum),转到S413；其中，tanh为双曲正切函数；S412，设定Pixel.Zfeature＝‑1；S413，如果Image中所有像元均已经计算完成那么转到S414，否转到S401；S414，该部分的处理过程结束；S5.根据Image中所有像元的植被特征值、东北红豆杉的位置(HHD，LHD)、一个是针叶植物但不是东北红豆杉的位置(HFHD，LFHD)获得筛选结果影像ResultImage：S501，建立一个和Image大小相同的筛选结果影像ResultImage，该影像所有像元填充为黑色；S502，取出东北红豆杉的位置(HHD，LHD)对应的像元PHD，获得其针叶特征值Z1＝PHD.Zfeature；S503，取出是针叶植物但不是东北红豆杉的位置(HFHD，LFHD)PFHD，获得其植被特征值Z2＝PFHD.Zfeature；S504,计算针叶特征均值距离Zmean，其的计算公式如下：S505，取出Image中的一个像元Pixel；S506，获得该像元的植被特征ZT＝Pixel.Zfeature；S507，如果ZT<0那么转到S512，否则转到S508；S508,计算针叶特征距离公式ZJL，其公式如下：S509，如果ZJL>Zmean，那么转到S512，否则转到S510；S510，获得Pixel的位置(Hp,Lp)；S511，将ResultImage的(Hp,Lp)位置的像元标记为白色；S512，如果Image中所有像元均已经计算完成那么转到S513，否转到S505；S513，输出筛选结果影像ResultImage,在该影像中黑色部分是非东北红豆杉，而白色部分是本方法识别出的东北红豆杉的位置。