一種基于遙感解譯的土地利用識(shí)別方法
【專(zhuān)利摘要】本發(fā)明涉及生態(tài)調(diào)控領(lǐng)域，公開(kāi)了一種基于遙感解譯的土地利用識(shí)別方法。本發(fā)明中，采用模式識(shí)別中的13特征法進(jìn)行多樣本柵格數(shù)據(jù)模板取樣和匹配檢測(cè)。在檢測(cè)時(shí)應(yīng)用計(jì)算機(jī)多游標(biāo)雙逼近二分查找算法對(duì)已知空間分類(lèi)的區(qū)間閾值進(jìn)行迭代檢測(cè)，從而找到極大似然的匹配閾值；根據(jù)獲取的匹配閾值，獲取對(duì)待分類(lèi)柵格數(shù)據(jù)分類(lèi)的結(jié)果。這樣，可以在掌握研究區(qū)域部分準(zhǔn)確的土地利用測(cè)繪分類(lèi)的基礎(chǔ)上，對(duì)全研究區(qū)域的土地利用進(jìn)行識(shí)別，為環(huán)境工作者獲取有效完整的數(shù)據(jù)帶來(lái)極大的方便。
【專(zhuān)利說(shuō)明】一種基于遙感解譯的土地利用識(shí)別方法

【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及生態(tài)調(diào)控領(lǐng)域，特別涉及一種基于遙感解譯的土地利用識(shí)別方法。

【背景技術(shù)】
[0002]當(dāng)前生態(tài)環(huán)境研究和環(huán)境模擬中土地利用是重要的研究基礎(chǔ)，但是，由于土地利用數(shù)據(jù)在國(guó)內(nèi)處于不同部門(mén)和不同行政地區(qū)條塊分割的狀態(tài)，而大多數(shù)據(jù)研究區(qū)域都是地跨多個(gè)行政區(qū)；同時(shí)，國(guó)內(nèi)應(yīng)用土地利用數(shù)據(jù)的行業(yè)管理部門(mén)與掌握數(shù)據(jù)的國(guó)土及規(guī)劃部門(mén)也處于不同管理體系下，為國(guó)內(nèi)環(huán)境科學(xué)研究工作者獲取有效完整的數(shù)據(jù)帶來(lái)極大的不便。


【發(fā)明內(nèi)容】

[0003]本發(fā)明的目的在于提供一種基于遙感解譯的土地利用識(shí)別方法，可以在掌握研究區(qū)域部分準(zhǔn)確的土地利用測(cè)繪分類(lèi)的基礎(chǔ)上，對(duì)全研究區(qū)域的土地利用進(jìn)行識(shí)別，為環(huán)境工作者獲取有效完整的數(shù)據(jù)帶來(lái)極大的方便。
[0004]為解決上述技術(shù)問(wèn)題，本發(fā)明的實(shí)施方式提供了一種基于遙感解譯的土地利用識(shí)別方法，包含以下步驟:
[0005]A.將準(zhǔn)備的精確測(cè)繪土地利用數(shù)據(jù)按照土地利用分類(lèi)柵格對(duì)每一類(lèi)分別二值化，獲取目標(biāo)分類(lèi)柵格數(shù)據(jù)集，并將準(zhǔn)備的衛(wèi)星影像數(shù)據(jù)按識(shí)別的波段計(jì)算結(jié)果柵格化，獲取待分類(lèi)柵格數(shù)據(jù)；
[0006]B.按照設(shè)定的二分查找條件，利用多游標(biāo)雙逼近二分查找算法，分別對(duì)所述待分類(lèi)柵格數(shù)據(jù)進(jìn)行重分類(lèi)并二值化，獲取重分類(lèi)的兩類(lèi)二值化數(shù)據(jù)；
[0007]C.對(duì)同一分類(lèi)柵格數(shù)據(jù)的每一個(gè)樣本空間，利用13特征法計(jì)算目標(biāo)分類(lèi)柵格數(shù)據(jù)與所述重分類(lèi)的二值化數(shù)據(jù)的13特征值，并將結(jié)果分別儲(chǔ)存在目標(biāo)特征矩陣、待分類(lèi)特征矩陣中；
[0008]D.根據(jù)所述目標(biāo)特征矩陣與所述待分類(lèi)特征矩陣，計(jì)算模板匹配度，并將計(jì)算結(jié)果記錄入匹配數(shù)列；
[0009]E.按照預(yù)設(shè)的迭代次數(shù)，依次重復(fù)步驟B至步驟D，并根據(jù)獲取的匹配數(shù)列，獲取對(duì)所述待分類(lèi)柵格數(shù)據(jù)分類(lèi)的匹配閾值；
[0010]F.根據(jù)獲取的匹配閾值，獲取對(duì)所述待分類(lèi)柵格數(shù)據(jù)分類(lèi)的結(jié)果。
[0011]本發(fā)明實(shí)施方式相對(duì)于現(xiàn)有技術(shù)而言，是將衛(wèi)星影像數(shù)據(jù)按識(shí)別的波段計(jì)算結(jié)果柵格化，獲取待分類(lèi)柵格數(shù)據(jù)，同時(shí)，也將準(zhǔn)備的精確測(cè)繪土地利用數(shù)據(jù)按照土地利用分類(lèi)柵格對(duì)每一類(lèi)分別二值化，獲取目標(biāo)分類(lèi)柵格數(shù)據(jù)集，作為參比數(shù)據(jù)；利用多游標(biāo)雙逼近二分查找算法按照設(shè)定的二分查找條件對(duì)待分類(lèi)柵格數(shù)據(jù)進(jìn)行重分類(lèi)并二值化，獲取重分類(lèi)的兩類(lèi)二值化數(shù)據(jù)；對(duì)同一分類(lèi)柵格數(shù)據(jù)的每一個(gè)樣本空間，利用13特征法計(jì)算目標(biāo)分類(lèi)柵格數(shù)據(jù)與重分類(lèi)的兩類(lèi)二值化數(shù)據(jù)的13特征值，并將結(jié)果分別儲(chǔ)存在目標(biāo)特征矩陣、待分類(lèi)特征矩陣中；根據(jù)目標(biāo)特征矩陣與待分類(lèi)特征矩陣，計(jì)算模板匹配度，并將計(jì)算結(jié)果記錄入匹配數(shù)列；按照預(yù)設(shè)的迭代次數(shù)，計(jì)算模板匹配度，獲取更新的匹配數(shù)列，并據(jù)此獲取對(duì)待分類(lèi)柵格數(shù)據(jù)分類(lèi)的匹配閾值，根據(jù)獲取的匹配閾值，便可識(shí)別待分類(lèi)數(shù)據(jù)的土地利用分類(lèi)；對(duì)每一分類(lèi)柵格數(shù)據(jù)進(jìn)行上述過(guò)程后，便可獲取對(duì)待分類(lèi)柵格數(shù)據(jù)分類(lèi)的結(jié)果。這樣，可以在掌握研究區(qū)域部分準(zhǔn)確的土地利用測(cè)繪分類(lèi)的基礎(chǔ)上，對(duì)全研究區(qū)域的土地利用進(jìn)行識(shí)別，為環(huán)境工作者獲取有效完整的數(shù)據(jù)帶來(lái)極大的方便。
[0012]另外，在每一次執(zhí)行步驟E后，還包含以下步驟:應(yīng)用斑塊生態(tài)評(píng)價(jià)單元粒度自適應(yīng)柵格取樣算法對(duì)斑塊單元的識(shí)別算法進(jìn)行修正和驗(yàn)證；其中，所述斑塊單元為每一種土地利用分類(lèi)在空間上的圖形。這樣，可以使獲取的對(duì)待分類(lèi)柵格數(shù)據(jù)分類(lèi)的結(jié)果更精確，并避免獲取錯(cuò)誤的數(shù)據(jù)。
[0013]另外，在所述步驟B中，采用四游標(biāo)雙逼近二分查找算法；其中，四個(gè)游標(biāo)分別為
X21，所述匹配閾值的區(qū)間起始值分別為XpX2，且X1 e [Xlt^X11LX2 e [X2Q，X21]。利用四游標(biāo)雙逼近二分查找算法，效率高。
[0014]另外，四游標(biāo)雙逼近二分查找算法包含:最小值端逼近法、最大值端逼近法與兩端同時(shí)逼近法。在條件不成熟的情況下，可以采用兩端同時(shí)逼近法(雙向逼近)，也就是，兩端同時(shí)逼近法的適用性強(qiáng)；對(duì)于土地利用分類(lèi)的二分查找可以采用最小值端逼近法或者最大值端逼近法(單向逼近)，按目標(biāo)分類(lèi)從一端開(kāi)始查找每一個(gè)分類(lèi)的區(qū)間的另一個(gè)端值，可以顯著提高算法的效率。

【專(zhuān)利附圖】

【附圖說(shuō)明】
[0015]圖1是根據(jù)本發(fā)明第一實(shí)施方式的基于遙感解譯的土地利用識(shí)別方法流程圖；
[0016]圖2是根據(jù)本發(fā)明第一實(shí)施方式中的四游標(biāo)雙逼近二分查找算法中的兩端同時(shí)逼近情景不意圖；
[0017]圖3是根據(jù)本發(fā)明第一實(shí)施方式中的13特征提取示意圖；
[0018]圖4是根據(jù)本發(fā)明第二實(shí)施方式中的四游標(biāo)雙逼近二分查找算法中的最小值端逼近情景不意圖；
[0019]圖5是根據(jù)本發(fā)明第二實(shí)施方式中的四游標(biāo)雙逼近二分查找算法中的最大值端逼近情景不意圖。

【具體實(shí)施方式】
[0020]為使本發(fā)明的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚，下面將結(jié)合附圖對(duì)本發(fā)明的各實(shí)施方式進(jìn)行詳細(xì)的闡述。然而，本領(lǐng)域的普通技術(shù)人員可以理解，在本發(fā)明各實(shí)施方式中，為了使讀者更好地理解本申請(qǐng)而提出了許多技術(shù)細(xì)節(jié)。但是，即使沒(méi)有這些技術(shù)細(xì)節(jié)和基于以下各實(shí)施方式的種種變化和修改，也可以實(shí)現(xiàn)本申請(qǐng)各權(quán)利要求所要求保護(hù)的技術(shù)方案。
[0021]本發(fā)明的第一實(shí)施方式涉及一種基于遙感解譯的土地利用識(shí)別方法，具體流程如圖1所示，包含以下步驟:
[0022]步驟101，設(shè)置樣本參數(shù)與匹配控制參數(shù)。
[0023]具體地說(shuō)，是根據(jù)目標(biāo)分類(lèi)柵格區(qū)域的空間尺度將樣本劃分為N個(gè)均質(zhì)化分布的取樣樣本，并設(shè)定匹配精度和迭代次數(shù)(m);其中，每個(gè)取樣樣本的尺度為目標(biāo)分類(lèi)柵格區(qū)域空間的1/N*100，N為自然數(shù)，也就是樣本參數(shù)，N的取值可視具體情況而定。
[0024]步驟102，將準(zhǔn)備的精確測(cè)繪土地利用數(shù)據(jù)按照土地利用分類(lèi)柵格對(duì)每一類(lèi)分別二值化，獲取目標(biāo)分類(lèi)柵格數(shù)據(jù)集。
[0025]具體地說(shuō)，精確測(cè)繪土地利用數(shù)據(jù)是已知的國(guó)土部門(mén)數(shù)據(jù)，也就是，將已知國(guó)土部門(mén)數(shù)據(jù)按土地利用分類(lèi)柵格化，形成目標(biāo)柵格數(shù)據(jù)，并將其按每一種分類(lèi)轉(zhuǎn)化成單一分類(lèi)柵格，并進(jìn)行0-1 二值化處理，獲取目標(biāo)分類(lèi)柵格數(shù)據(jù)集。0-1 二值化處理是現(xiàn)有成熟的技術(shù)，在此不再贅述。
[0026]步驟103，將準(zhǔn)備的衛(wèi)星影像數(shù)據(jù)按識(shí)別的波段計(jì)算結(jié)果柵格化，獲取待分類(lèi)柵格數(shù)據(jù)。其中，精確測(cè)繪土地利用數(shù)據(jù)為參比數(shù)據(jù)，衛(wèi)星影像數(shù)據(jù)即為待分類(lèi)數(shù)據(jù)。
[0027]衛(wèi)星影像數(shù)據(jù)包含:中國(guó)科學(xué)院計(jì)算機(jī)網(wǎng)絡(luò)信息中心地理空間數(shù)據(jù)云與環(huán)境保護(hù)部衛(wèi)星環(huán)境應(yīng)用中心獲得的研究區(qū)域內(nèi)的生態(tài)濕地處理系統(tǒng)(ETM)或環(huán)境一號(hào)(HJ-1)衛(wèi)星等多波段衛(wèi)星影像數(shù)據(jù)。將上述衛(wèi)星影像數(shù)據(jù)進(jìn)行波段計(jì)算，并將計(jì)算結(jié)果柵格化，獲取待分類(lèi)柵格數(shù)據(jù)。
[0028]需要說(shuō)明的是，目標(biāo)分類(lèi)柵格數(shù)據(jù)集與待分類(lèi)柵格數(shù)據(jù)的像元尺寸一致，這樣，可以使二者具有可比性。
[0029]步驟104，提取待分類(lèi)柵格數(shù)據(jù)的最大值(Xmax)、最小值(Xmin)與中間值(Xmid)。
[0030]步驟105，設(shè)定二分查找條件。具體地說(shuō)，是將Xmax賦值于X21，將Xmin賦值于X1(l，且將 Xmid 賦值于 X11 與 X2tl ;其中，Xmid 等于(Xmax+Xmin)/2。
[0031]在分類(lèi)中，最主要的是分類(lèi)區(qū)間的上下閾值的確定，對(duì)于一個(gè)區(qū)間數(shù)據(jù)[X1, X2)，則需要利用X1 e [x10, X11)和\ e [X20, Χ2ι)，利用這4個(gè)游標(biāo)(X1C1、Xn> X20與X21)為工具去找到準(zhǔn)確的Xp X2作為有效的分類(lèi)區(qū)間值。
[0032]此外，遙感柵格數(shù)據(jù)(衛(wèi)星影像數(shù)據(jù))分類(lèi)為從小到大排序后的值序列，因此，為應(yīng)用計(jì)算機(jī)算法中效率最高的二分查找算法奠定了基礎(chǔ)。
[0033]步驟106，按照設(shè)定的二分查找條件，利用多游標(biāo)雙逼近二分查找算法，分別對(duì)待分類(lèi)柵格數(shù)據(jù)進(jìn)行重分類(lèi)。
[0034]具體地說(shuō)，在本實(shí)施方式中，采用四游標(biāo)雙逼近二分查找算法，并采用兩端同時(shí)逼近法，具體如圖2所示，是同時(shí)X1(l、X11向X1靠近、X2(l、X21向X2靠近，這樣，可以確定匹配閾值的區(qū)間起始值Xp X2，進(jìn)而確定一個(gè)分類(lèi)區(qū)間。即使在條件不成熟的情況下，也可以采用兩端同時(shí)逼近法(雙向逼近)，也就是說(shuō)，兩端同時(shí)逼近法的適用性強(qiáng)，容易推廣。
[0035]步驟107，對(duì)重分類(lèi)結(jié)果進(jìn)行二值化，獲取重分類(lèi)的兩類(lèi)二值化數(shù)據(jù)。具體地說(shuō)，是應(yīng)用柵格分類(lèi)算法將區(qū)間柵格提取出來(lái)，并對(duì)重分類(lèi)結(jié)果進(jìn)行二值化，獲取重分類(lèi)的兩類(lèi)二值化數(shù)據(jù)。其中，在兩端游標(biāo)分別逼近時(shí)，一端形成一類(lèi)數(shù)據(jù)，兩端共同形成兩類(lèi)二值化數(shù)據(jù)。柵格分類(lèi)算法是現(xiàn)有成熟的算法，在此不再贅述。
[0036]步驟108，讀取一個(gè)分類(lèi)柵格數(shù)據(jù)。具體地說(shuō)，由于柵格數(shù)據(jù)分類(lèi)為從小到大排序后的值序列，可以從最小值開(kāi)始，讀取一個(gè)分類(lèi)柵格數(shù)據(jù)，以后每次按照值增大的方向依次讀取分類(lèi)柵格數(shù)據(jù)，直至最后一個(gè)分類(lèi)柵格數(shù)據(jù)。
[0037]步驟109，將目標(biāo)分類(lèi)柵格數(shù)據(jù)集與樣本空間分布矩形矢量數(shù)據(jù)疊加切割出樣本柵格，并將待分類(lèi)的兩組二值化數(shù)據(jù)和樣本空間分布矩形矢量數(shù)據(jù)疊加切割出樣本柵格。
[0038]步驟110，讀取一個(gè)樣本空間。
[0039]步驟111，利用13特征法計(jì)算目標(biāo)分類(lèi)柵格數(shù)據(jù)與重分類(lèi)的二值化數(shù)據(jù)的13特征值，并將結(jié)果分別儲(chǔ)存在目標(biāo)特征矩陣(數(shù)據(jù)結(jié)構(gòu)中的二維索引表)、待分類(lèi)特征矩陣中。其中，13特征值，包含:1個(gè)全樣本像素?cái)?shù)、8個(gè)樣本子區(qū)域像素?cái)?shù)與4個(gè)線(xiàn)上像素?cái)?shù)。
[0040]其示意圖表現(xiàn)為圖3中每一個(gè)樣本區(qū)塊中所取得的樣本，應(yīng)用三條橫線(xiàn)和一條豎線(xiàn)均勻分割為8個(gè)等份。即在模板作用下，輸入的樣本與目標(biāo)樣本每一個(gè)特征差異綜合后小于一定的閾值。
[0041]步驟112，判斷是否還有樣本空間。若是，則執(zhí)行步驟110，若否，則執(zhí)行步驟113。具體地說(shuō)，每當(dāng)一個(gè)樣本空間計(jì)算完畢后，樣本空間計(jì)數(shù)器的值自加1，其中，其初始值為O,當(dāng)樣本空間計(jì)數(shù)器的值小于樣本空間數(shù)(N)時(shí)，則判定為還有樣本空間，否則，無(wú)樣本空間。
[0042]步驟113，根據(jù)兩個(gè)特征矩陣計(jì)算P XiclX11和P X1(I_X21。其中，P為匹配度，P X10_X11意為在分類(lèi)區(qū)間[X10，XII]時(shí)的二值化后樣本的匹配度，ΡΧ1(Ι_Χ21意為在分類(lèi)區(qū)間[Χ10，Χ21]時(shí)的二值化后樣本的匹配度。
[0043]步驟114，判斷P XiclX11是否大于P Χ1(Ι_Χ21。若是，則執(zhí)行步驟115，若否，則執(zhí)行步驟116。
[0044]步驟115，X21 = (Χη+Χ21)/2。
[0045]步驟116，X11 = X21, X21 = (Χ10+Χη)/2。
[0046]步驟117，判斷最大的匹配度的值是否可以接受。若是，則執(zhí)行步驟118，若否，則按照預(yù)設(shè)的迭代次數(shù)執(zhí)行步驟106。具體地說(shuō)，是對(duì)最大的模板匹配度的精度與預(yù)先設(shè)定的匹配精度進(jìn)行比較，若最大的模板匹配度的精度等于或者大于預(yù)先設(shè)定的匹配精度，則可以接受，若否，則不可以接受。
[0047]步驟118，X10 = X11, X21 = Xmax, X11 = (X1Q+X21)/2。X1(1、X21 與 X11 便為待分類(lèi)柵格數(shù)據(jù)分類(lèi)的匹配閾值，并將計(jì)算結(jié)果記錄入匹配數(shù)列。
[0048]從步驟106到步驟118，是在匹配檢測(cè)時(shí)應(yīng)用計(jì)算機(jī)四游標(biāo)雙逼近二分查找算法對(duì)已知空間分類(lèi)的區(qū)間閾值進(jìn)行迭代檢測(cè)，從而找到極大似然的匹配閾值的過(guò)程。在迭代次數(shù)與設(shè)定的匹配精度共同作用下，可以避免算法長(zhǎng)時(shí)間不受限期迭代運(yùn)算。
[0049]步驟119，判斷是否還有分類(lèi)柵格數(shù)據(jù)。若是，則執(zhí)行步驟108，若否，則執(zhí)行步驟120。具體地說(shuō)，每當(dāng)一個(gè)分類(lèi)柵格數(shù)據(jù)完畢后，分類(lèi)柵格數(shù)據(jù)計(jì)數(shù)器的值自加1，其中，其初始值為0，當(dāng)分類(lèi)柵格數(shù)據(jù)計(jì)數(shù)器的值小于分類(lèi)柵格數(shù)據(jù)數(shù)(i)時(shí)，則判定為還有分類(lèi)柵格數(shù)據(jù)，否則，無(wú)分類(lèi)柵格數(shù)據(jù)。
[0050]步驟120，從匹配數(shù)列中提取所有匹配閾值，對(duì)待分類(lèi)柵格數(shù)據(jù)進(jìn)行重分類(lèi)，獲取對(duì)待分類(lèi)柵格數(shù)據(jù)分類(lèi)的結(jié)果。也就是，得到研究區(qū)域未獲得國(guó)土測(cè)繪的數(shù)據(jù)有效土地分類(lèi)。
[0051]具體地說(shuō)，對(duì)P數(shù)列進(jìn)行曲線(xiàn)擬合，當(dāng)P值在最大迭代次數(shù)下達(dá)到一定范圍，則認(rèn)為已經(jīng)匹配，或在查找算法已經(jīng)遍歷了所有可能值后，對(duì)匹配度P進(jìn)行識(shí)別，找出值最大的那個(gè)區(qū)間值做為分類(lèi)依據(jù)。
[0052]進(jìn)一步地，在本步驟中，可以應(yīng)用斑塊生態(tài)評(píng)價(jià)單元粒度自適應(yīng)柵格取樣算法對(duì)斑塊單元的識(shí)別算法進(jìn)行修正和驗(yàn)證，其中，斑塊單元為每一種土地利用分類(lèi)在空間上的圖形。這樣，可以使獲取的對(duì)待分類(lèi)柵格數(shù)據(jù)分類(lèi)的結(jié)果更精確，并避免獲取錯(cuò)誤的數(shù)據(jù)。
[0053]其中，本實(shí)施例采用的算法原理為同一張衛(wèi)星影像數(shù)據(jù)在光譜上是相同的，同一個(gè)區(qū)域內(nèi)的土地利用分類(lèi)數(shù)據(jù)由于地理空間的相近在光譜上是相似的。因而可以由已知區(qū)域的光譜特征識(shí)別來(lái)反推未知區(qū)域的空間分類(lèi)。
[0054]與現(xiàn)有技術(shù)相比，是將衛(wèi)星影像數(shù)據(jù)按識(shí)別的波段計(jì)算結(jié)果柵格化，獲取待分類(lèi)柵格數(shù)據(jù)，同時(shí)，也將準(zhǔn)備的精確測(cè)繪土地利用數(shù)據(jù)按照土地利用分類(lèi)柵格對(duì)每一類(lèi)分別二值化，獲取目標(biāo)分類(lèi)柵格數(shù)據(jù)集，作為參比數(shù)據(jù)；利用多游標(biāo)雙逼近二分查找算法按照設(shè)定的二分查找條件對(duì)待分類(lèi)柵格數(shù)據(jù)進(jìn)行重分類(lèi)并二值化，獲取重分類(lèi)的兩類(lèi)二值化數(shù)據(jù)；對(duì)同一分類(lèi)柵格數(shù)據(jù)的每一個(gè)樣本空間，利用13特征法計(jì)算目標(biāo)分類(lèi)柵格數(shù)據(jù)與重分類(lèi)的兩類(lèi)二值化數(shù)據(jù)的13特征值，并將結(jié)果分別儲(chǔ)存在目標(biāo)特征矩陣、待分類(lèi)特征矩陣中；根據(jù)目標(biāo)特征矩陣與待分類(lèi)特征矩陣，計(jì)算模板匹配度，并將計(jì)算結(jié)果記錄入匹配數(shù)列；按照預(yù)設(shè)的迭代次數(shù)，計(jì)算模板匹配度，獲取更新的匹配數(shù)列，并據(jù)此獲取對(duì)待分類(lèi)柵格數(shù)據(jù)分類(lèi)的匹配閾值，根據(jù)獲取的匹配閾值，便可識(shí)別待分類(lèi)數(shù)據(jù)的土地利用分類(lèi)；對(duì)每一分類(lèi)柵格數(shù)據(jù)進(jìn)行上述過(guò)程后，便可獲取對(duì)待分類(lèi)柵格數(shù)據(jù)分類(lèi)的結(jié)果。這樣，可以在掌握研究區(qū)域部分準(zhǔn)確的土地利用測(cè)繪分類(lèi)的基礎(chǔ)上，對(duì)全研究區(qū)域的土地利用進(jìn)行識(shí)別，為環(huán)境工作者獲取有效完整的數(shù)據(jù)帶來(lái)極大的方便。
[0055]本發(fā)明的第二實(shí)施方式涉及一種基于遙感解譯的土地利用識(shí)別方法。第二實(shí)施方式與第一實(shí)施方式大致相同，主要區(qū)別之處在于:在第一實(shí)施方式中，二分查找法采用兩端同時(shí)逼近法，適用性強(qiáng)。而在本發(fā)明第二實(shí)施方式中，可以采用最小值端逼近法或者最大值端逼近法，可以顯著提高算法的效率。
[0056]具體地說(shuō)，最小值端逼近法，如圖4所示，最大值端逼近如圖5所示，均為單向逼近情景，按目標(biāo)分類(lèi)從一端開(kāi)始查找每一個(gè)分類(lèi)的區(qū)間的另一個(gè)端值，這樣，可以顯著算法效率。
[0057]上面各種方法的步驟劃分，只是為了描述清楚，實(shí)現(xiàn)時(shí)可以合并為一個(gè)步驟或者對(duì)某些步驟進(jìn)行拆分，分解為多個(gè)步驟，只要包含相同的邏輯關(guān)系，都在本專(zhuān)利的保護(hù)范圍內(nèi)；對(duì)算法中或者流程中添加無(wú)關(guān)緊要的修改或者引入無(wú)關(guān)緊要的設(shè)計(jì)，但不改變其算法和流程的核心設(shè)計(jì)都在該專(zhuān)利的保護(hù)范圍內(nèi)。
[0058]本領(lǐng)域的普通技術(shù)人員可以理解，上述各實(shí)施方式是實(shí)現(xiàn)本發(fā)明的具體實(shí)施例，而在實(shí)際應(yīng)用中，可以在形式上和細(xì)節(jié)上對(duì)其作各種改變，而不偏離本發(fā)明的精神和范圍。
【權(quán)利要求】
1.一種基于遙感解譯的土地利用識(shí)別方法，其特征在于，包含以下步驟: A.將準(zhǔn)備的精確測(cè)繪土地利用數(shù)據(jù)按照土地利用分類(lèi)柵格對(duì)每一類(lèi)分別二值化，獲取目標(biāo)分類(lèi)柵格數(shù)據(jù)集，并將準(zhǔn)備的衛(wèi)星影像數(shù)據(jù)按識(shí)別的波段計(jì)算結(jié)果柵格化，獲取待分類(lèi)柵格數(shù)據(jù)； B.按照設(shè)定的二分查找條件，利用多游標(biāo)雙逼近二分查找算法，分別對(duì)所述待分類(lèi)柵格數(shù)據(jù)進(jìn)行重分類(lèi)并二值化，獲取重分類(lèi)的兩類(lèi)二值化數(shù)據(jù)； C.對(duì)同一分類(lèi)柵格數(shù)據(jù)的每一個(gè)樣本空間，利用13特征法計(jì)算目標(biāo)分類(lèi)柵格數(shù)據(jù)與所述重分類(lèi)的二值化數(shù)據(jù)的13特征值，并將結(jié)果分別儲(chǔ)存在目標(biāo)特征矩陣、待分類(lèi)特征矩陣中； D.根據(jù)所述目標(biāo)特征矩陣與所述待分類(lèi)特征矩陣，計(jì)算模板匹配度，并將計(jì)算結(jié)果記錄入匹配數(shù)列； E.按照預(yù)設(shè)的迭代次數(shù)，依次重復(fù)步驟B至步驟D，并根據(jù)獲取的匹配數(shù)列，獲取對(duì)所述待分類(lèi)柵格數(shù)據(jù)分類(lèi)的匹配閾值； F.根據(jù)獲取的匹配閾值，獲取對(duì)所述待分類(lèi)柵格數(shù)據(jù)分類(lèi)的結(jié)果。
2.根據(jù)權(quán)利要求1所述的基于遙感解譯的土地利用識(shí)別方法，其特征在于，在每一次執(zhí)行步驟E后，還包含以下步驟: 應(yīng)用斑塊生態(tài)評(píng)價(jià)單元粒度自適應(yīng)柵格取樣算法對(duì)斑塊單元的識(shí)別算法進(jìn)行修正和驗(yàn)證； 其中，所述斑塊單元為每一種土地利用分類(lèi)在空間上的圖形。
3.根據(jù)權(quán)利要求1所述的基于遙感解譯的土地利用識(shí)別方法，其特征在于，所述衛(wèi)星影像數(shù)據(jù)包含:中國(guó)科學(xué)院計(jì)算機(jī)網(wǎng)絡(luò)信息中心地理空間數(shù)據(jù)云與環(huán)境保護(hù)部衛(wèi)星環(huán)境應(yīng)用中心獲得的研究區(qū)域內(nèi)的生態(tài)濕地處理系統(tǒng)ETM或環(huán)境一號(hào)HJ-1多波段衛(wèi)星影像數(shù)據(jù)。
4.根據(jù)權(quán)利要求1所述的基于遙感解譯的土地利用識(shí)別方法，其特征在于，所述目標(biāo)分類(lèi)柵格數(shù)據(jù)集與所述待分類(lèi)柵格數(shù)據(jù)的像元尺寸一致。
5.根據(jù)權(quán)利要求1所述的基于遙感解譯的土地利用識(shí)別方法，其特征在于，在所述步驟A之前，包含以下步驟: 根據(jù)目標(biāo)分類(lèi)柵格區(qū)域的空間尺度將樣本劃分為N個(gè)均質(zhì)化分布的取樣樣本，并設(shè)定匹配精度和迭代次數(shù)； 其中，每個(gè)取樣樣本的尺度為目標(biāo)分類(lèi)柵格區(qū)域空間的1/N*100，N為自然數(shù)； 在所述步驟D中， 比較所述模板匹配度的精度與預(yù)先設(shè)定的匹配精度；若所述模板匹配度的精度等于或者大于預(yù)先設(shè)定的匹配精度，則將所述模板匹配度記錄入匹配數(shù)列。
6.根據(jù)權(quán)利要求1所述的基于遙感解譯的土地利用識(shí)別方法，其特征在于，在所述步驟B中，采用四游標(biāo)雙逼近二分查找算法； 其中，四個(gè)游標(biāo)分別為X1(l、X11 > X20與X21，所述匹配閾值的區(qū)間起始值分別為Xp X2，且X1 e [X10, X11]，X2 e [X20, X2J。
7.根據(jù)權(quán)利要求6所述的基于遙感解譯的土地利用識(shí)別方法，其特征在于，在所述步驟B之前， 提取所述待分類(lèi)柵格數(shù)據(jù)的最大值Xmax、最小值Xmin與中間值Xmid，并將Xmax賦值于X21，將Xmin賦值于X10,且將Xmid賦值于X11與X20 ； 其中，Xmid 等于(Xmax+Xmin)/2。
8.根據(jù)權(quán)利要求6所述的基于遙感解譯的土地利用識(shí)別方法，其特征在于，四游標(biāo)雙逼近二分查找算法包含:最小值端逼近法、最大值端逼近法與兩端同時(shí)逼近法。
9.根據(jù)權(quán)利要求1所述的基于遙感解譯的土地利用識(shí)別方法，其特征在于，在所述分別對(duì)所述待分類(lèi)柵格數(shù)據(jù)進(jìn)行重分類(lèi)的步驟后，包含以下步驟: 應(yīng)用柵格分類(lèi)算法將區(qū)間柵格提取出來(lái)。
10.根據(jù)權(quán)利要求1所述的基于遙感解譯的土地利用識(shí)別方法，其特征在于，所述13特征值，包含:1個(gè)全樣本像素?cái)?shù)、8個(gè)樣本子區(qū)域像素?cái)?shù)與4個(gè)線(xiàn)上像素?cái)?shù)。
【文檔編號(hào)】G06K9/38GK104268560SQ201410468448
【公開(kāi)日】2015年1月7日 申請(qǐng)日期:2014年9月15日 優(yōu)先權(quán)日:2014年9月15日
【發(fā)明者】王偉, 凌煥然 申請(qǐng)人:復(fù)凌科技（上海）有限公司