本发明涉及图像处理,具体涉及一种基于遥感影像的土地利用分类识别系统。
背景技术:
1、土地利用分类能够更好的利用土地,实现土地的最大价值,土地利用分类多用在城市规划、环境评价等方面,因此,准确的土地利用分类识别具有非常重要的意义。随着我国科技的不断发展,遥感影像逐步取代人为测绘数据,高分辨率的遥感影像因其蕴含丰富的地物信息在土地利用分类中的应用也越来越广泛。
2、但遥感影像易受天气影响导致精度下降,并且利用不同的波段获取的多光谱遥感影像的分辨率不足,而要想具有高分辨率就需要获取全波段的全色遥感影像,但是全色遥感影像中无法得到图像中的彩色信息,无法对土地进行分类识别。因此现有技术中常常将二者融合处理,获得既有高分辨率又具有多波段彩色信息的融合图像;利用融合图像中的彩色信息进行后续的土地利用分类。但由于融合图像上的彩色信息是从分辨率不足的多光谱遥感影像上获得,导致高分辨率的融合图像上的彩色信息实际上是连续大片出现的,即融合图像的彩色信息精度不足,导致根据融合图像分析得到的土地利用类别识别结果具有误差。
技术实现思路
1、本发明提供一种基于遥感影像的土地利用分类识别系统,以解决现有的全色遥感影像和多光谱遥感影像融合后导致的精度不足,进而导致土地利用类别识别结果不准确的问题。
2、本发明的一种基于遥感影像的土地利用分类识别系统,包括:
3、图像采集模块:用于获取待分类区域的全色遥感影像以及多个不同波段组合下的多光谱遥感影像;
4、预处理模块:用于获取每个多光谱遥感影像中每个像素点属于对应的土地利用类别的概率,利用每个多光谱遥感影像中同一位置的像素点属于每种土地利用类别的概率组成每个位置的像素点的特征值向量,得到特征图像;
5、对全色遥感影像逐级下采样得到多个下采样图像,将与特征图像分辨率相同的下采样图像作为目标图像;获取所有下采样图像中每个像素点与其每个邻域像素点的相似性;
6、数据处理模块:用于利用目标图像中每个像素点与其每个邻域像素点的相似性,以及每个像素点在对应的特征图像中的特征值向量,得到目标图像中每个像素点的特征值向量;
7、根据目标图像上每个像素点的特征值向量,以及目标图像的上一级下采样图像中像素点与其每个邻域像素点的相似性,得到目标图像上一级下采样图像中每个像素点的特征值向量;依次逐级向上获取全色遥感影像中每个像素点的特征值向量;
8、识别模块:用于根据全色遥感影像中每个像素点的特征值向量中包含的每种土地利用类别的概率得到每个像素点所对应的土地利用类别。
9、进一步,获取多光谱图像中每个像素点属于对应的土地利用类别的概率的方法为:
10、获取多光谱遥感影像中每个像素点的hsv值;
11、获取每个多光谱遥感影像属于对应土地利用类别的h值范围;
12、利用每个多光谱遥感影像中每个像素点的h值与对应的土地利用类别的h值范围,得到多光谱图像中每个像素点属于对应的土地利用类别的概率。
13、进一步,预处理模块还包括,将同一位置的像素点在每个多光谱遥感影像中对应的土地利用类别的概率进行组合,得到每个位置的像素点的特征值向量。
14、进一步,预处理模块中,获取目标图像上每个像素点与其每个邻域像素点的相似性的方法为:
15、获取目标图像上每个像素点的lbp值;
16、根据目标图像中每个像素点与其每个邻域像素点的lbp值和灰度值得到每个像素点与其每个邻域像素点的相似性。
17、进一步,得到目标图像上每个像素点与其每个邻域像素点的相似性的表达式为:
18、
19、其中,表示目标图像中第个像素点与其第个邻域像素点的相似性;表示目标图像中第个像素点的lbp值;表示目标图像中第个像素点的第个邻域像素点的lbp值;表示目标图像中第个像素点的灰度值;表示目标图像中第个像素点的第个邻域像素点的灰度值。
20、进一步,数据处理模块中,得到目标图像中每个像素点的特征值向量的表达式为:
21、
22、其中,表示目标图像中第个像素点的特征值向量;表示全色遥感影像的下采样次数;表示更新次数;表示目标图像中第个像素点与第个邻域像素点的相似性;表示目标图像中第个像素点的第个邻域像素点在对应的特征图像中的特征值向量;表示目标图像中第个像素点在对应的特征图像中的特征值向量。
23、进一步,逐级下采样时,每一级下采样图像中的像素点对应其相邻上一级下采样图像中的多个像素点,即目标图像中每个像素点对应目标图像的上一级下采样图像中的多个像素点。
24、进一步,识别模块还包括通过每个像素点所对应的土地利用类别将土地划分为多个利用类别。
25、本发明的有益效果是:本发明的一种基于遥感影像的土地利用分类识别系统,通过获取多个多光谱遥感影像,能够得到待分类区域中每个像素点属于每种土地利用类别的概率,进而得到包含像素点属于每种土地利用类别的概率的特征图像;通过对高分辨率的全色遥感影像进行下采样得到与特征图像分辨率相同的目标图像,将通过多光谱遥感影像得到的像素点属于每种土地利用类别的概率,即像素点的特征值向量转换到目标图像中;并且根据每个下采样图像中像素点与邻域像素点之间的相似性,将像素点的特征值向量逐级转换到最上层的全色遥感影像中,相比于现有利用多光谱遥感影像以及全色遥感影像进行直接图像融合的方式,本发明中结合像素点间的相似性将低分辨率的多光谱遥感影像得到的像素点的特征值向量逐级转换到高分辨率的全色遥感影像中的图像融合的方式更加准确,减少了现有技术中高分辨率全色遥感影像上出现大片相同彩色信息的像素点而导致土地利用分类结果边缘存在误差的情况,使得土地利用类别识别的结果更加准确。
1.一种基于遥感影像的土地利用分类识别系统,其特征在于,包括:
2.根据权利要求1所述的一种基于遥感影像的土地利用分类识别系统,其特征在于,获取多光谱图像中每个像素点属于对应的土地利用类别的概率的方法为:
3.根据权利要求1所述的一种基于遥感影像的土地利用分类识别系统,其特征在于,所述预处理模块还包括,将同一位置的像素点在每个多光谱遥感影像中对应的土地利用类别的概率进行组合,得到每个位置的像素点的特征值向量。
4.根据权利要求1所述的一种基于遥感影像的土地利用分类识别系统,其特征在于,所述预处理模块中,获取目标图像上每个像素点与其每个邻域像素点的相似性的方法为:
5.根据权利要求4所述的一种基于遥感影像的土地利用分类识别系统,其特征在于,得到目标图像上每个像素点与其每个邻域像素点的相似性的表达式为:
6.根据权利要求1所述的一种基于遥感影像的土地利用分类识别系统,其特征在于,所述数据处理模块中,得到目标图像中每个像素点的特征值向量的表达式为:
7.根据权利要求1所述的一种基于遥感影像的土地利用分类识别系统,其特征在于,逐级下采样时,每一级下采样图像中的像素点对应其相邻上一级下采样图像中的多个像素点,即目标图像中每个像素点对应目标图像的上一级下采样图像中的多个像素点。
8.根据权利要求1所述的一种基于遥感影像的土地利用分类识别系统,其特征在于,所述识别模块还包括通过每个像素点所对应的土地利用类别将土地划分为多个利用类别。