多分辨率遙感影像的城市植被自動提取方法
【技術領域】
[0001] 本發明涉及一種多分辨率遙感影像的城市植被自動提取方法，屬于遙感影像領 域。
【背景技術】
[0002] 城市植被具有固碳、釋養功能，在保持城市生態環境方面具有重要作用。基于高分 辨率遙感影像提取的城市植被覆蓋，是評估生態城市、園林城市的重要指標。現階段利用高 分辨率遙感影像提取城市植被的方法主要有以下幾種：
[0003] (1)人工目視解譯判讀。該方法主要以人工判讀植被區域，然后勾繪植被邊界。在 目視解譯中主要依據植被在圖像中表現的特征包括形狀、大小、顏色和色調、陰影、位置、紋 理關系等。目視解譯采用人工作業屏幕數字化的方法，自動化程度較低，主觀性強，需要有 豐富的影像解譯實踐經驗，并對所提取的專題信息有較好的理解和認識。但是由于能充分 地利用遙感影像中各種信息，仍然是遙感影像處理的重要方法。
[0004] (2)面向對象的監督分類方法。該方法主要利用植被區域在影像中的色彩、空間紋 理特性，在面向對象的圖像分割基礎上，計算每個對象的各種特征，包括光譜（其包括：光 譜均值、亮度、均方差、比率、與領域相關的光譜特征、與父對象相關的光譜特征等等）形狀 (包括面積、周長、邊長、緊密度、長寬比以及與子對象和父對象相關的形狀特征）、紋理（根 據灰度共生矩陣定義出的二階矩（能量）、對比度、相關、熵、逆差矩）及拓撲特征等，最后選 擇相應的特征進行基于對象的分類提取。
[0005] 上述這些提取方法都存在缺陷和問題，包括：
[0006] (1)在提取植被區域時，需要事先選擇樣本，生成先驗知識，而非基于圖像自身特 性。這個過程中有人機交互，人為的影響因素多。
[0007] (2)自動化程度不高。在分類過程中分割的尺度，植被分類的閾值、特征都需要 人工交互選擇，這些中間過程嚴重影響了植被提取的自動化程度。另外，在分割過程中，整 幅圖像采用同一個閾值，沒有充分考慮不同植被類型之間的差別（如草地、針葉林、闊葉林 等）在影像上的特征差異。
[0008] (3)只利用了高空間分辨率影像中的多光譜數據，沒有利用具有更高空間分辨率 全色波段的特點，而實際中，像Wor1dView、QuickBird等高空間分辨率的遙感數據全色與 多光譜影像是捆綁在一起的。只利用了高空間分辨率影像中的多光譜數據，沒有利用具有 更高空間分辨率全色波段的特點，而實際中，像WorldView、QuickBird等高空間分辨率的 遙感數據全色與多光譜影像是捆綁在一起的。
【發明內容】
[0009] 為了解決上述問題，本發明針對IKONOS、QuickBird、WorldView等具有全色和多 光譜波段的高分辨率遙感影像，全自動提取城市植被區域，提出了一種多分辨率遙感影像 的城市植被自動提取方法。
[0010] 本發明提供一種多分辨率遙感影像的城市植被自動提取方法，主要包括以下步 驟：
[0011] 步驟一、基于高空間分辨率的多光譜影像植被初始斑塊提取；
[0012] 步驟二、對高空間分辨率的多光譜影像計算視覺感知參數；
[0013] 步驟三、對高空間分辨率的全色波段影像計算紋理特征參數；
[0014] 步驟四、多特征綜合的植被區域自動增長，獲得植被區域分布圖。
[0015] 優選的，上述步驟一具體包括以下步驟：
[0016] 步驟1. 1計算NDVI植被光譜指數，計算公式為
【主權項】
1. 一種多分辨率遙感影像的城市植被自動提取方法，其特征在于所述方法主要包括w 下步驟： 步驟一、基于高空間分辨率的多光譜影像植被初始斑塊提取； 步驟二、對高空間分辨率的多光譜影像計算視覺感知參數； 步驟=、對高空間分辨率的全色波段影像計算紋理特征參數； 步驟四、多特征綜合的植被區域自動增長，獲得植被區域分布圖。
2. 根據權利要求1所述的多分辨率遙感影像的城市植被自動提取方法，其特征在于： 所述步驟一具體包括W下步驟： 步驟1. 1計算NDVI植被光譜指數，計算公式為
其中NIR表示近紅外波段的像素值，R表示紅色波段的像素值； 步驟1. 2對NDVI影像進行分塊，每塊大小300*300像素，在影像邊緣部分不足300*300 像素時，W實際的大小為準； 步驟1. 3對每一個300*300像素的NDVI分塊數據自動獲取分割闊值區分植被與非植 被，獲得初始植被區域； 步驟1. 4重復步驟1. 3,得到所有分塊的植被初始區域，合并所有分塊中的植被區域， 得到初始植被區域，對整個圖像植被區域進行連通性標記，獲得每一個植被斑塊的像素坐 標。
3. 根據權利要求2所述的多分辨率遙感影像的城市植被自動提取方法，其特征在于： 所述步驟1. 3中分割闊值的獲取通過W下方法獲取： (1) 每一個分塊NDVI中對應若干種地表覆蓋類型，WWi表示，假設每個地物類別的 NDVI分布服從高斯密度函數分布，則每一個分塊中NDVI總的概率分布函數p(x)可表示 為：
其中，n表示類別的總數量，《 1表示第i個地物類別，均值和方差分別用m1、^7,2表示，其 概率密度分布函數表示為
其中，P(?i)為各個地物類別的初始概率密度，其滿足的條件為：
在上述條件下，求解植被與非植被的闊值可轉化為估算地物類別的數量n，各個類別的 ?斯均值和方差分m，具體步驟如下： (2) 統計分塊影像中NDVI的頻率直方圖f(x)，捜索分塊影像中NDVI的最大值NDVIm" 與最小值NDVImi。，將NDVImi。至NDVI。"平均分為256份，統計NDVI值出現在每一份區間的 像素數量，得到NDVI的直方圖f(x); (3) 計算NDVI的直方圖f (X)的一階倒數，根據一階倒數為0的位置尋找NDVI頻率直 方圖中的極大值點、極小值點； (4) 統計極大值點的數量，確定地表覆蓋類別數量n，W極大值處的NDVI值作為每一個 地表覆蓋類別的初始均值IVW相鄰兩個極小值點計算初始0i的公式如下： 〇i=(NDVI2-NDVIi)/4 其中，NDVI2,NDVIi分別表示相鄰兩個極小值處對應的NDVI值；
其中，其中ncount為NDVI值在相鄰兩個極小值之間的所有像素的個數，n_total為分 塊的總像素個數； (5) 基于最大數學期望（EM)算法，采用循環迭代估算9(?1)、1111、町2，通過循環迭代， 每次迭代由求期望值和期望最大化兩個步驟組成；求期望值的步驟根據待估計參數的當前 值，從觀測數據中直接估計概率密度的期望值，期望最大化的步驟通過最大化該一期望來 更新參數的估計量，該兩步在整個迭代過程中依次交替進行，直至迭代過程收斂；具體計算 公式如下：
上述=式估計的分別是先驗概率、均值和標準差，式中k代表第k個地物類別，t和t+1 分別代表了當前和下一次迭代所用的估計值，i，j分別代表了NDVI影像的行數和列數， X(i，j)表示NDVI影像中第i行j列的NDVI值，條件概率P狂(i，j)I? 1)的計算和全概率 P狂(i，j))的值由步驟（1)中的相應公式得出；當相鄰兩次迭代計算的P(?i)、mi和0i的 值小于給定的闊值e(e= 1(T8)時迭代終止； (6) 確定分塊的初始植被區域，假設上步中得到的每個類別的NDVI均值值按從大到小 排序，nvnvm。，對應的方差為0 1，則初始植被分布圖可表不為VI(i，j)，其中1表不植被區 域，0表示非植被區域，貝U
其中闊值T通過如下公式求得
4. 根據權利要求2所述的多分辨率遙感影像的城市植被自動提取方法，其特征在于： 所述步驟1. 4中的連通性標記采用4鄰域或8鄰域。
5. 根據權利要求1所述的多分辨率遙感影像的城市植被自動提取方法，其特征在于： 所述步驟二具體包括W下步驟： 步驟2. 1對多光譜影像有RGB彩色空間變換到HSI色彩空間，通過W下公式計算植被 亮度、色度、飽和度的變化結果
步驟2. 2計算視覺特征感知參數，根據初始植被斑塊作為樣本，計算每一個斑塊的植 被的亮度、色度、飽和度的均值y, (H，S，I)，方差0 , (H，S，I)，計算歸一化色調飽和參數
其中，H(i，j)為色調，（i，j)代表像素坐標，Uk第k個植被斑塊的均值，其對應的方差 為〇k，町，Hu為植被色調的下限和上限
6. 根據權利要求1所述的多分辨率遙感影像的城市植被自動提取方法，其特征在于所 述步驟=具體為； 針對全色波段影像生成灰度共生矩陣，計算灰度共生矩陣的6個紋理參數；反差、相異 性、角能量、滴，均一性、自相關系數，具體計算公式如下：
紋理特征計算時窗口的選擇與全色影像與多光譜影像的分辨率有關系，假設全色波段 的空間分辨率是多光譜影像的n倍，則紋理計算的窗口為化-1，每隔n個像素計算一次。
7. 根據權利要求1所述的多分辨率遙感影像的城市植被自動提取方法，其特征在于所 述步驟四具體為；W每個初始植被斑塊為"種子"，采用區域增長的方法將相鄰于"種子"斑 塊的像素附加到種子區域上。
8. 根據權利要求7所述的多分辨率遙感影像的城市植被自動提取方法，其特征在于所 述區域增長的準則采用紋理特征、視覺感知特征綜合采用多特征表決來確定。
9. 根據權利要求8所述的多分辨率遙感影像的城市植被自動提取方法，其特征在于所 述區域增長的準則如下： (1) 對每一個初始植被斑塊，分別統計亮度、歸一化色調、飽和度、反差、相異性、角能 量、滴，均一性、自相關系數W及上述特征參數的均值、方差，假設其值為U，0 ;對初始植 被斑塊的8鄰域像素，根據每一個特征，判斷其是否為植被，判別函數定義如下
其中，M(i，j)為計算出的特征參數，在T,表示判斷闊值，i，j表示像素的行列號，1表 示植被區域，0表示非植被區域，進而得到上述9個特征參數分別對應的潛在植被區域圖； (2) 多特征表決確定最終植被區域，將該9幅潛在植被區域圖進行投票表決，即在植被 區域圖上每個像素當有6個及其W上時特征都標記為1時，認為是最終的植被區域。
【專利摘要】本發明公開了一種多分辨率遙感影像的城市植被自動提取方法，包括基于高空間分辨率的多光譜影像植被初始斑塊提取、對高空間分辨率的多光譜影像計算視覺感知參數、對高空間分辨率的全色波段影像計算紋理特征參數、多特征綜合的植被區域自動增長，獲得植被區域分布圖等步驟。采用了圖像分塊分割處理，加快圖像處理速度。根據NDVI特征，采用最大數學期望算法自適應的動態閾值的自動選擇。將遙感影像的全色波段、多光譜波段充分利用，對從全色波段與多光譜波段中提取的NDVI特征、視覺特征、紋理特征綜合，對植被進行植被區域判斷，提高了準確性。
【IPC分類】G06K9-46, G06T7-40
【公開號】CN104851113
【申請號】CN201510186167
【發明人】佃袁勇, 姚崇懷, 徐永榮, 周志翔
【申請人】華中農業大學, 佃袁勇
【公開日】2015年8月19日
【申請日】2015年4月17日