基于分层分类思想的烟田提取方法与流程

本发明属于图像处理，更具体地说，涉及基于分层分类思想的烟田提取方法。

背景技术：

1、快速、准确获取烟草种植面积信息有助于进行烟草长势监测、病虫害监测、产量估计等工作，对烟草种植管理的决策和规划具有重要意义。由于烟田地块与其他种植地块差异较小，现有烟田地块获取方法主要依赖于人工调查逐级上报，效率较低、时效性差。

2、为了解决烟草种植面积信息获取效率低下、时效性差的问题，目前通常采用遥感技术来实现快速、准确地获取烟田地块信息；这种方法的基本流程是，利用航拍或卫星图像获取烟田地块的高分辨率影像，然后利用图像处理技术对影像进行处理，完成对烟田地块的提取和识别。

3、在多云雨地区，由于天气的影响，往往获取到的卫星图像质量不高，常出现缺少关键生育期光学影像的问题，需要补充雷达遥感影像以进行烟田识别，雷达遥感影像识别工作复杂度高，且现有的用雷达遥感影像识别的方法中，需要被识别作物的长时间时序数据，所述时序数据往往覆盖自播种到收获的一整季，不能在短期内完成识别工作。

技术实现思路

1、本发明要解决的技术问题在于提供基于分层分类思想的烟田提取方法，它可以实现降低人工上报种植地块的权重，解决数据客观性问题，同时克服生育期光学影像数据缺乏的问题，以快速得到真实的烟田种植地块范围。

2、本发明的基于分层分类思想的烟田提取方法，包括：获取待识别区域内的多光谱遥感影像；确定解译区域，建立解译标志；对得到的解译区域进行多尺度分割，以提取解译区域内的纹理信息；通过得到的多光谱遥感影像和纹理信息对解译区域进行运行多尺度分割，以对图像上的烟田地块与其他地物进行区分分割，得到初步分割图像；建立随机森林模型，随机森林模型的输入特征至少为初步分割图像，随机森林模型的输出特征为待识别区域内的烟田分布区域。

3、作为本发明的进一步改进，对解译区域进行运行多尺度分割的方法包括：将提取有解译区域内的纹理信息的影像图转换为灰度图像；通过识别灰度图像上的灰度级大致分割区域，以得到目标区域a、待分割区域c和区域b；通过多光谱遥感影像得到目标区域a内一个样本地块、待分割区域c内每个像素点的ndvi曲线；根据所得到的ndvi曲线得到区域c内关于区域a和区域b的具体分割线，以得到具体分割线分割后的区域a所在的图像，即为初步分割图像。

4、作为本发明的进一步改进，得到目标区域a内一个样本地块的ndvi曲线为烟草作物某一个生长阶段内的ndvi曲线；得到的待分割区域c内每个像素点的ndvi曲线为与上述生长阶段同一时间段内的ndvi曲线。

5、作为本发明的进一步改进，得到具体分割线的步骤包括：

6、分析得到区域a内的样本地块的ndvi曲线的变化趋势；

7、得到区域a内的样本地块的ndvi曲线的至少一个斜率k1、...、kn，n为大于或等于1的整数；

8、分别对比区域c内各个像素点的ndvi曲线与区域a的ndvi曲线的趋势，得到区域c内曲线趋势一致的所有像素点；

9、再分别计算每个像素点的ndvi曲线的斜率k11、...、kn1；

10、分别对比k1、...、kn和k11、...、kn1；当满足k11落在[k1-a，k1+a]、...、kn1落在[kn-a，kn+a]时，则判断该像素点属于烟田区域；

11、得到所有区域c内的判定为烟田区域的像素点，将最远离区域a的一系列像素点连线，所述连线即为具体分割线。

12、作为本发明的进一步改进，确定解译区域的步骤包括：分别识别待识别区域内的非潜在烟田分布区，非潜在烟田分布区至少包括坡度过陡区、永久水体区、不透水表面区与潜在烟田分布区；在非潜在烟田分布区上设置掩膜以遮挡，未被遮挡的部分即为解译区域。

13、作为本发明的进一步改进，识别坡度过陡区的步骤包括：基础数据选择数字高程模型，识别坡度大于15°的区域，即设置数学模型：slope>15°，以得到坡度过陡区。

14、作为本发明的进一步改进，识别永久水体区的步骤包括：基础数据为分别选择待识别区域内的一期冬季多光谱影像、一期夏季多光谱影像，分别计算其ndwi，设置数学模型：ndwi>0；对某一像元，满足夏季ndwi指数值大于0或冬季ndwi指数值大于0时，为需要遮挡的水体掩膜区域。

15、作为本发明的进一步改进，还包括道路剔除步骤，道路剔除步骤包括：获取道路数据，道路数据来自openstreetmap开源数据；通过对高速路网设置20米缓冲区，对普通公路设置5米缓冲区，建立需要被剔除的面矢量；使用arcmap10.3中“擦除”工具，对随机森林模型分类得到的烟田分布区域进行擦除道路路网区域处理。

16、作为本发明的进一步改进，还包括去除误分区域步骤，去除误分区域步骤包括：设定一个最小上图面积，即小于10亩的图斑认为是错分，需要被去除。

17、作为本发明的进一步改进，多光谱遥感影像数据包括哨兵2号10m空间分辨率数据、环境减灾卫星16m空间分辨率数据。

18、相比于现有技术，本发明的有益效果在于：

19、本发明通过减少人工上报权重，并引入遥感数据作为烟田分布区域识别的主要数据来源，可以提高数据的客观性和准确性；

20、针对在多云雨地区受天气影响导致关键生育期光学影像缺失、获得的卫星图像质量不高而导致需要雷达遥感影像数据补充的情况，本发明利用冬季福建地区烟田覆盖地膜的特点，只需要选取作物一个生长阶段甚至少于一个生长阶段的短期内的无云影像作为烟田识别的数据基础，只需要保证选取的时间段内影像清晰不受天气影像，且能够反映作物的生长状态即可，相对于现有的识别方法，需要获取的时序数据往往覆盖自播种到收获的一整季，简化了数据采集难度，减少了数据的采集数量，缩短了采集数据的时间跨度，能够在短期内完成识别工作，对作物的种植管理以及生长监测提供了及时充足的数据；

21、同时，需要采集的数据只需要选取作物一个生长阶段甚至少于一个生长阶段的短期内，以使选取数据时可以专门选择无云雨的时间段，避免了部分地区一段时间内多云雨导致获取到的卫星图像质量不高、甚至缺少关键生育期光学影像的情况，降低了光学影像缺失的概率，降低了对需要获取的数据的时间范围要求，提高了数据的可获取率，提高了数据精度，以提高识别精度；

22、针对现有的识别方法中，直接建立时序影像集进行地物分类以提取目标地物中的误分类和混淆较多的问题，本发明基于分层分类的思想建立多种地物掩膜，降低了误分类和混淆的问题，从而提高了烟田识别的准确度和精度；另外缩小需要分类的范围，降低计算量，提高分类精度；

23、另外，还简化数据采集流程，利用福建地区烟田覆盖地膜的特点，只需要选取作物一个生长阶段甚至少于一个生长阶段的短期内的影像作为数据基础，减少了需要处理的数据的总量，简化了数据采集的难度和复杂性；除此之外，利用运行多尺度分割的方法，使得最终需要处理数据以得到具体分割线的区域仅为区域c，相对于识别并处理一整个待识别区域内的数据的方法，大大减小了需要处理数据的范围，减少了需要处理的数据的总数，降低了数据处理压力，提高了数据处理效率，降低了数据处理成本。