作物覆盖下的遗迹遥感影像处理方法、装置及电子设备

技术领域

本发明涉及计算机技术领域，尤其涉及一种作物覆盖下的遗迹遥感影像处理方法、装置及电子设备。

背景技术

古代遗址经过长期的自然作用和人为影响，很多已被埋藏于地表以下。尤其是农业发达地区，自古以来就是文明聚集地，这里的遗址数量众多，但现在很多已被辟为农田，大量遗迹被覆盖在农作物下，在地面上形成的考古特征极其微弱，很难通过传统的田野考古调查手段直接识别，文物普查和保护的难度较大。当作物种植区地下埋藏有古代遗迹时，会对周围土壤的结构或含水量等物理特征造成影响，从而干扰作物的正常生长。植被指数可以利用植被在可见光谱和近红外部分的光谱特征，发现遥感影像上的作物标志，即埋藏遗迹对应的植被异常信息，为利用植被指数探测作物覆盖下的遗迹提供了可能。

相关技术中，使用单一的植被指数进行遗迹探测，但各类植被指数均具有一定的适用性，导致通过单一的植被指数进行遗迹探测，难以适应不同环境下的遗迹探测与考古调查工作，获取到的作物覆盖下的遗迹弱信息较为局限。

发明内容

针对现有技术存在的问题，本发明实施例提供一种作物覆盖下的遗迹遥感影像处理方法、装置及电子设备。

第一方面，本发明提供一种作物覆盖下的遗迹遥感影像处理方法，包括：

获取目标区域的时间序列遥感影像，所述目标区域包括遗址区和多个非遗址区样本，所述非遗址区样本为所述遗址区周边的区域；

基于植被指数集合和所述目标区域的时间序列遥感影像，通过计算遗址区和非遗址区样本之间的分离度，在所述植被指数集合中确定适用于作物标志提取的多种第一植被指数；

基于所述多种第一植被指数和所述目标区域的时间序列遥感影像，通过植被指数时间序列积分计算，获取各种第一植被指数对应的积分影像。

可选地，本发明还提供一种作物覆盖下的遗迹遥感影像处理方法，所述基于植被指数集合和所述目标区域的时间序列遥感影像，通过计算遗址区和非遗址区样本之间的分离度，在所述植被指数集合中确定适用于作物标志提取的多种第一植被指数，包括：

基于预设条件和所述目标区域的时间序列遥感影像，在所述植被指数集合中筛选出满足所述预设条件的多种第二植被指数；

针对各种第二植被指数，基于所述目标区域的时间序列遥感影像，统计分析所述遗址区和各个非遗址区样本之间的分离度，确定各种第二植被指数的分离度统计指标；

基于各种第二植被指数的分离度统计指标，在所述多种第二植被指数中确定多种第一植被指数；

所述预设条件包括：植被指数值大于0且遗址区同一位置的植被指数值小于非遗址区样本的植被指数值。

可选地，本发明还提供一种作物覆盖下的遗迹遥感影像处理方法，所述针对各种第二植被指数，基于所述目标区域的时间序列遥感影像，统计分析所述遗址区和各个非遗址区样本之间的分离度，确定各种第二植被指数的分离度统计指标，包括：

基于第三植被指数和所述目标区域的时间序列遥感影像，分析所述遗址区和各个非遗址区样本之间的分离度，确定多个分离度值，所述第三植被指数为所述多种第二植被指数中的任意一项；

基于所述多个分离度值，通过计算平均值的统计方式，确定所述第三植被指数的分离度统计指标；或，基于所述多个分离度值，通过筛选最小值的统计方式，确定所述第三植被指数的分离度统计指标。

可选地，本发明还提供一种作物覆盖下的遗迹遥感影像处理方法，所述基于各种第二植被指数的分离度统计指标，在所述多种第二植被指数中确定多种第一植被指数，包括：

基于各种第二植被指数的分离度统计指标，按照分离度统计指标从大到小的排序方式，确定分离度统计指标排序；

基于所述分离度统计指标排序中前N个第二植被指数，确定所述多种第一植被指数，所述N为整数，所述N大于1。

可选地，本发明还提供一种作物覆盖下的遗迹遥感影像处理方法，所述基于所述多种第一植被指数和所述目标区域的时间序列遥感影像，通过植被指数时间序列积分计算，获取各种第一植被指数对应的积分影像，包括：

针对各种第一植被指数，基于所述第一植被指数，对所述目标区域的时间序列遥感影像进行处理，获取所述第一植被指数对应的植被指数时间序列影像；

基于所述第一植被指数对应的植被指数时间序列影像，通过对植被指数进行积分计算，获取所述第一植被指数对应的积分影像。

可选地，本发明还提供一种作物覆盖下的遗迹遥感影像处理方法，在所述基于所述多种第一植被指数和所述目标区域的时间序列遥感影像，通过植被指数时间序列积分计算，获取各种第一植被指数对应的积分影像之后，还包括：

基于各种第一植被指数对应的积分影像，进行归一化处理，获取各种第一植被指数对应的归一化积分影像；

基于各种第一植被指数对应的归一化积分影像，通过计算影像的分离度平均值，确定各种第一植被指数对应的积分影像权重系数；

基于各种第一植被指数对应的归一化积分影像和积分影像权重系数，进行加权计算，获取所述目标区域的作物标志分布图。

可选地，本发明还提供一种作物覆盖下的遗迹遥感影像处理方法，在所述基于所述多种第一植被指数和所述目标区域的时间序列遥感影像，通过植被指数时间序列积分计算，获取各种第一植被指数对应的积分影像之后，还包括：

基于多个积分区间，按照植被指数时间序列积分值对各种第一植被指数对应的积分影像进行栅格颜色分割处理，获取各种第一植被指数对应的颜色增强积分影像，各个积分区间对应的颜色配置互不相同。

可选地，本发明还提供一种作物覆盖下的遗迹遥感影像处理方法，在所述基于植被指数集合和所述目标区域的时间序列遥感影像，通过计算遗址区和非遗址区样本之间的分离度，在所述植被指数集合中确定适用于作物标志提取的多种第一植被指数之前，还包括：

通过随机生成点的方式，在所述目标区域内生成多个第一随机点；

基于遗址区和缓冲距离，确定目标缓冲区；

基于目标缓冲区，对所述多个第一随机点进行筛选，确定多个第二随机点；

基于所述多个第二随机点，确定所述多个非遗址区样本。

第二方面，本发明还提供一种作物覆盖下的遗迹遥感影像处理装置，包括：

第一获取模块，用于获取目标区域的时间序列遥感影像，所述目标区域包括遗址区和多个非遗址区样本，所述非遗址区样本为所述遗址区周边的区域；

确定模块，用于基于植被指数集合和所述目标区域的时间序列遥感影像，通过计算遗址区和非遗址区样本之间的分离度，在所述植被指数集合中确定适用于作物标志提取的多种第一植被指数；

第二获取模块，用于基于所述多种第一植被指数和所述目标区域的时间序列遥感影像，通过植被指数时间序列积分计算，获取各种第一植被指数对应的积分影像。

第三方面，本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述作物覆盖下的遗迹遥感影像处理方法。

本发明提供的作物覆盖下的遗迹遥感影像处理方法、装置及电子设备，通过针对植被指数集合中的各种植被指数，基于目标区域的时间序列遥感影像，分析遗址区和非遗址区样本之间的分离度，可以在植被指数集合中筛选出适合于目标区域的多种第一植被指数，进而可以基于多种第一植被指数和目标区域的时间序列遥感影像，通过植被指数时间序列积分计算以扩大遗址区和非遗址区之间的植被指数积分值差异，多种第一植被指数分别对应积分影像能够辅助考古人员高效准确地找到作物标志，分析未经发掘的遗址区域内潜在遗迹的分布方位，缩小地下遗址的探测范围，能够适应不同环境下作物覆盖区的遗迹探测与考古调查工作。

附图说明

为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明提供的作物覆盖下的遗迹遥感影像处理方法的流程示意图之一；

图2是本发明提供的作物覆盖下的遗迹遥感影像处理方法的流程示意图之二；

图3是本发明提供的作物覆盖下的遗迹遥感影像处理方法的流程示意图之三；

图4是本发明提供的作物覆盖下的遗迹遥感影像处理方法的流程示意图之四；

图5是本发明提供的作物覆盖下的遗迹遥感影像处理方法的流程示意图之五；

图6是本发明提供的作物覆盖下的遗迹遥感影像处理方法的流程示意图之六；

图7是本发明提供的作物覆盖下的遗迹遥感影像处理方法的流程示意图之七；

图8是本发明提供的作物覆盖下的遗迹遥感影像处理方法的流程示意图之八；

图9是本发明提供的作物覆盖下的遗迹遥感影像处理装置的结构示意图；

图10是本发明提供的电子设备的结构示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

图1是本发明提供的作物覆盖下的遗迹遥感影像处理方法的流程示意图之一，如图1所示，所述作物覆盖下的遗迹遥感影像处理方法的执行主体可以是电子设备，例如服务器等。该方法包括：

步骤101，获取目标区域的时间序列遥感影像，所述目标区域包括遗址区和多个非遗址区样本，所述非遗址区样本为所述遗址区周边的区域。

具体地，目标区域可以包括已知的遗址区，可以在目标区域内选取多个非遗址区样本，非遗址区样本为遗址区周边的区域，可以针对目标区域，搜集在目标时间段(例如一年、两年或三年等)内的多个时刻下的遥感影像，以获取目标区域的时间序列遥感影像，也即时间序列遥感影像包括多个时刻下的遥感影像。

可以理解的是，通过对目标区域的时间序列遥感影像进行分析处理，能够充分发挥遥感影像长周期对地观测的优势(避免使用单一或较少时相下的植被指数)，能够反映不同物候期对作物植被标志形成所产生的影响，利于提取关键的作物长势异常信息，以提升遗迹探测的准确度。

步骤102，基于植被指数集合和所述目标区域的时间序列遥感影像，通过计算遗址区和非遗址区样本之间的分离度，在所述植被指数集合中确定适用于作物标志提取的多种第一植被指数。

具体地，植被指数集合包括多个植被指数，在获取目标区域的时间序列遥感影像之后，通过针对植被指数集合中的各种植被指数，基于目标区域的时间序列遥感影像，分析遗址区和非遗址区样本之间的分离度，可以在植被指数集合中筛选出适合于目标区域的作物标志提取的多种第一植被指数。

可选地，可以通过以下分离度公式，分析遗址区和非遗址区的分离度，以量化植被指数进行遗迹探测的能力评价：

VI

其中VI

步骤103，基于所述多种第一植被指数和所述目标区域的时间序列遥感影像，通过植被指数时间序列积分计算，获取各种第一植被指数对应的积分影像。

具体地，在确定多种第一植被指数之后，可以基于多种第一植被指数和目标区域的时间序列遥感影像，通过植被指数时间序列积分计算以扩大遗址区和非遗址区之间的植被指数积分值差异，多种第一植被指数分别对应积分影像能够辅助考古人员高效准确地找到异常植被标志。

可选地，利用植被指数的时间序列积分可以体现出农作物不同时间段内的生长情况这一特性，再结合作物的物候信息，可以突出植被之间的生物量差异，扩大遗址区和非遗址区之间的植被指数积分值差异，从而突出植被标志，使其在积分影像上更加容易识别。植被指数的时间序列积分公式为：

其中，TVI为对应VI的积分值，VI为植被指数，t1为时间序列的起始时间，t2为时间序列的终止时间。

可以理解的是，植被指数在农业和环境方面应用较多，但是在考古领域的应用还比较少。可以将各领域中常用的多种植被指数，归集到植被指数集合，进而可以针对具体的目标区域，对植被指数集合中各植被指数，进行系统分析，从而筛选出典型环境下的有效植被指数。再通过影像积分的计算方式，可以将长时间序列影像上的考古信息进行综合，从而实现对植被覆盖下遗迹信息的有效增强，能够提高弱信息探测的准确度，能够为农作物覆盖区的文物普查和田野考古调查提供一种有效的技术手段。

本发明提供的作物覆盖下的遗迹遥感影像处理方法，通过针对植被指数集合中的各种植被指数，基于目标区域的时间序列遥感影像，分析遗址区和非遗址区样本之间的分离度，可以在植被指数集合中筛选出适合于目标区域的多种第一植被指数，进而可以基于多种第一植被指数和目标区域的时间序列遥感影像，通过植被指数时间序列积分计算以扩大遗址区和非遗址区之间的植被指数积分值差异，多种第一植被指数分别对应积分影像能够辅助考古人员高效准确地找到作物标志，分析未经发掘的遗址区域内潜在遗迹的分布方位，缩小地下遗址的探测范围，能够适应不同环境下作物覆盖区的遗迹探测与考古调查工作。

可选地，根据本发明提供的一种作物覆盖下的遗迹遥感影像处理方法，所述基于植被指数集合和所述目标区域的时间序列遥感影像，通过计算遗址区和非遗址区样本之间的分离度，在所述植被指数集合中确定适用于作物标志提取的多种第一植被指数，包括：

基于预设条件和所述目标区域的时间序列遥感影像，在所述植被指数集合中筛选出满足所述预设条件的多种第二植被指数；

针对各种第二植被指数，基于所述目标区域的时间序列遥感影像，统计分析所述遗址区和各个非遗址区样本之间的分离度，确定各种第二植被指数的分离度统计指标；

基于各种第二植被指数的分离度统计指标，在所述多种第二植被指数中确定多种第一植被指数；

所述预设条件包括：植被指数值大于0且遗址区同一位置的植被指数值小于非遗址区样本的植被指数值。

具体地，图2是本发明提供的作物覆盖下的遗迹遥感影像处理方法的流程示意图之二，如图2所示，所述作物覆盖下的遗迹遥感影像处理方法包括步骤201至步骤205。

步骤201，获取目标区域的时间序列遥感影像。

步骤202，基于预设条件和目标区域的时间序列遥感影像，在植被指数集合中筛选出满足预设条件的多种第二植被指数。

可以理解的是，由上述分离度公式可知，若植被指数值小于等于0，则值会出现错误，即在所有作物的物候期内，植被指数必须大于0(限制条件1)；且由上述分离度公式可得，若遗址区植被指数大于非遗址区植被指数，则值会计算为负数，所以也需要剔除这类的植被指数(限制条件2)。可以依据上述限制条件(也即预设条件)，对植被指数集合中的植被指数进行筛选，确定多个第二植被指数。

步骤203，针对各种第二植被指数，基于目标区域的时间序列遥感影像，统计分析遗址区和各个非遗址区样本之间的分离度，确定各种第二植被指数的分离度统计指标。

例如，多个非遗址区样本可以包括第一非遗址区样本、第二非遗址区样本和第三非遗址区样本。针对某一种第二植被指数，统计分析遗址区和各个非遗址区样本之间的分离度的过程可以包括分析遗址区和第一非遗址区样本之间的第一分离度，分析遗址区和第二非遗址区样本之间的第二分离度，以及分析遗址区和第三非遗址区样本之间的第三分离度，以及对第一分离度、第二分离度和第三分离度进行统计分析，获取第二植被指数的分离度统计指标。

步骤204，基于各种第二植被指数的分离度统计指标，在多种第二植被指数中确定多种第一植被指数。

可以理解的是，通过对比各种第二植被指数的分离度统计指标，可以在多种第二植被指数中选出适合于目标区域的多种第一植被指数。

步骤205，基于多种第一植被指数和目标区域的时间序列遥感影像，通过植被指数时间序列积分计算，获取各种第一植被指数对应的积分影像。

因此，通过上述预设条件，可以对植被指数做第一次筛选，通过比较各种第二植被指数的分离度统计指标，可以对植被指数做第二次筛选，通过两次筛选可以在植被指数集合中筛选出适合于目标区域的多种第一植被指数，选取有效的植被指数进行遗址探测，能够提高提取农作物覆盖下的遗迹信息的成功率。

可选地，根据本发明提供的一种作物覆盖下的遗迹遥感影像处理方法，所述针对各种第二植被指数，基于所述目标区域的时间序列遥感影像，统计分析所述遗址区和各个非遗址区样本之间的分离度，确定各种第二植被指数的分离度统计指标，包括：

基于第三植被指数和所述目标区域的时间序列遥感影像，分析所述遗址区和各个非遗址区样本之间的分离度，确定多个分离度值，所述第三植被指数为所述多种第二植被指数中的任意一项；

基于所述多个分离度值，通过计算平均值的统计方式，确定所述第三植被指数的分离度统计指标；或，基于所述多个分离度值，通过筛选最小值的统计方式，确定所述第三植被指数的分离度统计指标。

具体地，图3是本发明提供的作物覆盖下的遗迹遥感影像处理方法的流程示意图之三，如图3所示，所述作物覆盖下的遗迹遥感影像处理方法包括步骤301至步骤307。

步骤301，获取目标区域的时间序列遥感影像。

步骤302，基于预设条件和目标区域的时间序列遥感影像，在植被指数集合中筛选出满足预设条件的多种第二植被指数。

步骤303，在多种第二植被指数中选取一个第三植被指数，基于第三植被指数和目标区域的时间序列遥感影像，分析遗址区和各个非遗址区样本之间的分离度，确定多个分离度值。

步骤304，基于多个分离度值，通过目标统计方式，确定第三植被指数的分离度统计指标。

可选地，目标统计方式可以是计算平均值的统计方式或筛选最小值的统计方式。

步骤305，判断是否已统计分析完上述多种第二植被指数，若是则执行步骤306，若否则执行步骤303。

步骤306，基于各种第二植被指数的分离度统计指标，在多种第二植被指数中确定多种第一植被指数。

步骤307，基于多种第一植被指数和目标区域的时间序列遥感影像，通过植被指数时间序列积分计算，获取各种第一植被指数对应的积分影像。

可以理解的是，在确定多个第二植被指数之后，可以分析样本的选择不同，对植被指数的分离度值的影响，通过上述目标统计方式可以确定各个第二植被指数对应的分离度统计指标，通过比较各种第二植被指数的分离度统计指标，可以对植被指数做筛选，以筛选出适合于目标区域的多种第一植被指数，选取有效的植被指数进行遗址探测，能够提高提取农作物覆盖下的遗迹信息的成功率。

可选地，根据本发明提供的一种作物覆盖下的遗迹遥感影像处理方法，所述基于各种第二植被指数的分离度统计指标，在所述多种第二植被指数中确定多种第一植被指数，包括：

基于各种第二植被指数的分离度统计指标，按照分离度统计指标从大到小的排序方式，确定分离度统计指标排序；

基于所述分离度统计指标排序中前N个第二植被指数，确定所述多种第一植被指数，所述N为整数，所述N大于1。

具体地，图4是本发明提供的作物覆盖下的遗迹遥感影像处理方法的流程示意图之四，如图4所示，所述作物覆盖下的遗迹遥感影像处理方法包括步骤401至步骤406。

步骤401，获取目标区域的时间序列遥感影像。

步骤402，基于预设条件和目标区域的时间序列遥感影像，在植被指数集合中筛选出满足预设条件的多种第二植被指数。

步骤403，针对各种第二植被指数，基于目标区域的时间序列遥感影像，统计分析遗址区和各个非遗址区样本之间的分离度，确定各种第二植被指数的分离度统计指标。

步骤404，基于各种第二植被指数的分离度统计指标，按照分离度统计指标从大到小的排序方式，确定分离度统计指标排序。

步骤405，基于分离度统计指标排序中前N个第二植被指数，确定多种第一植被指数。

例如，若N等于2则可以选取分离度统计指标排序中前2个第二植被指数作为上述多种第一植被指数；例如N等于3则可以选取分离度统计指标排序中前3个第二植被指数作为上述多种第一植被指数，例如N等于5则可以选取分离度统计指标排序中前5个第二植被指数作为上述多种第一植被指数，以此类推。

可以理解的是，选取分离度统计指标排序中前N个第二植被指数作为多种第一植被指数，能够保障筛选出最适合于目标区域的植被指数，选取有效的植被指数进行遗址探测，能够提高提取农作物覆盖下的遗迹信息的成功率。

可选地，对于上述多种第一植被指数，可以通过计算已知遗址区的信息熵，来对各种第一植被指数对应的遥感影像进行评价。

步骤406，基于多种第一植被指数和目标区域的时间序列遥感影像，通过植被指数时间序列积分计算，获取各种第一植被指数对应的积分影像。

可选地，根据本发明提供的一种作物覆盖下的遗迹遥感影像处理方法，所述基于所述多种第一植被指数和所述目标区域的时间序列遥感影像，通过植被指数时间序列积分计算，获取各种第一植被指数对应的积分影像，包括：

针对各种第一植被指数，基于所述第一植被指数，对所述目标区域的时间序列遥感影像进行处理，获取所述第一植被指数对应的植被指数时间序列影像；

基于所述第一植被指数对应的植被指数时间序列影像，通过对植被指数进行积分计算，获取所述第一植被指数对应的积分影像。

具体地，图5是本发明提供的作物覆盖下的遗迹遥感影像处理方法的流程示意图之五，如图5所示，所述作物覆盖下的遗迹遥感影像处理方法包括步骤501至步骤505。

步骤501，获取目标区域的时间序列遥感影像。

步骤502，基于植被指数集合和目标区域的时间序列遥感影像，通过计算遗址区和非遗址区样本之间的分离度，在植被指数集合中确定多种第一植被指数。

步骤503，在多种第一植被指数中选取一种第一植被指数，基于第一植被指数，对目标区域的时间序列遥感影像进行处理，获取第一植被指数对应的植被指数时间序列影像。

步骤504，基于第一植被指数对应的植被指数时间序列影像，通过对植被指数进行积分计算，获取第一植被指数对应的积分影像。

步骤505，判断是否已获取各种第一植被指数对应的积分影像，若是则结束，若否则执行步骤503。

可以理解的是，通过对植被指数进行积分计算，可以扩大遗址区和非遗址区之间的植被指数积分值差异，多种第一植被指数分别对应积分影像能够辅助考古人员高效准确地找到异常植被标志。

可选地，根据本发明提供的一种作物覆盖下的遗迹遥感影像处理方法，在所述基于所述多种第一植被指数和所述目标区域的时间序列遥感影像，通过植被指数时间序列积分计算，获取各种第一植被指数对应的积分影像之后，还包括：

基于各种第一植被指数对应的积分影像，进行归一化处理，获取各种第一植被指数对应的归一化积分影像；

基于各种第一植被指数对应的归一化积分影像，通过计算影像的分离度平均值，确定各种第一植被指数对应的积分影像权重系数；

基于各种第一植被指数对应的归一化积分影像和积分影像权重系数，进行加权计算，获取所述目标区域的作物标志分布图。

具体地，可以对各种第一植被指数对应的积分影像，进行归一化处理以及确定积分影像权重系数，进而可以对各种第一植被指数对应的积分影像，进行加权计算，获取目标区域的作物标志分布图，通过融合各种第一植被指数对应的积分影像所获取的作物标志分布图，能够辅助考古人员根据现有的考古简报和植被标志积分区间，高效地分析已发掘地下遗址的范围，预测未发掘遗址存在的可能性和大致范围。

可选地，根据本发明提供的一种作物覆盖下的遗迹遥感影像处理方法，在所述基于所述多种第一植被指数和所述目标区域的时间序列遥感影像，通过植被指数时间序列积分计算，获取各种第一植被指数对应的积分影像之后，还包括：

基于多个积分区间，按照植被指数时间序列积分值对各种第一植被指数对应的积分影像进行栅格颜色分割处理，获取各种第一植被指数对应的颜色增强积分影像，各个积分区间对应的颜色配置互不相同。

具体地，图6是本发明提供的作物覆盖下的遗迹遥感影像处理方法的流程示意图之六，如图6所示，所述作物覆盖下的遗迹遥感影像处理方法包括步骤601至步骤604。

步骤601，获取目标区域的时间序列遥感影像。

步骤602，基于植被指数集合和目标区域的时间序列遥感影像，通过计算遗址区和非遗址区样本之间的分离度，在植被指数集合中确定多种第一植被指数。

步骤603，基于多种第一植被指数和目标区域的时间序列遥感影像，通过植被指数时间序列积分计算，获取各种第一植被指数对应的积分影像。

步骤604，基于多个积分区间，按照植被指数时间序列积分值对各种第一植被指数对应的积分影像进行栅格颜色分割处理，获取各种第一植被指数对应的颜色增强积分影像，各个积分区间对应的颜色配置互不相同。

可以理解的是，通过利用栅格颜色分割处理，细化栅格颜色分割区间，能够使得植被标志更易显露，从而增强使用植被指数进行遗迹探测的效果，能够辅助考古人员根据现有的考古简报和植被标志积分区间，高效地分析已发掘地下遗址的范围，预测未发掘遗址存在的可能性和大致范围。

可选地，根据本发明提供的一种作物覆盖下的遗迹遥感影像处理方法，在所述基于植被指数集合和所述目标区域的时间序列遥感影像，通过计算遗址区和非遗址区样本之间的分离度，在所述植被指数集合中确定适用于作物标志提取的多种第一植被指数之前，还包括：

通过随机生成点的方式，在所述目标区域内生成多个第一随机点；

基于遗址区和缓冲距离，确定目标缓冲区；

基于目标缓冲区，对所述多个第一随机点进行筛选，确定多个第二随机点；

基于所述多个第二随机点，确定所述多个非遗址区样本。

具体地，图7是本发明提供的作物覆盖下的遗迹遥感影像处理方法的流程示意图之七，如图7所示，所述作物覆盖下的遗迹遥感影像处理方法包括步骤701至步骤707。

步骤701，获取目标区域的时间序列遥感影像。

步骤702，通过随机生成点的方式，在目标区域内生成多个第一随机点。

步骤703，基于遗址区和缓冲距离，确定目标缓冲区。

例如，缓冲距离为100m，则可以增加设置已知遗址范围100m的缓冲区。

步骤704，基于目标缓冲区，对多个第一随机点进行筛选，确定多个第二随机点。

步骤705，基于多个第二随机点，确定多个非遗址区样本。

步骤706，基于植被指数集合和目标区域的时间序列遥感影像，通过计算遗址区和非遗址区样本之间的分离度，在植被指数集合中确定多种第一植被指数。

步骤707，基于多种第一植被指数和目标区域的时间序列遥感影像，通过植被指数时间序列积分计算，获取各种第一植被指数对应的积分影像。

可以理解的是，通过制作已知遗址区的缓冲区(例如增加设置已知遗址范围100m的缓冲区)，以及删去缓冲区内的随机点，能够提高非遗址区样本选择的准确率，得到与目标区域在同一纬度的相同气候下的多个非遗址区样本。

可选地，下面以冬小麦种植区的新砦遗址为例，利用遗址区和非遗址区分离度公式来进行评测多个植被指数的遗迹探测能力，并使用植被指数时间序列积分公式，增强遗址区和非遗址区的差异。图8是本发明提供的作物覆盖下的遗迹遥感影像处理方法的流程示意图之八，如图8所示，所述作物覆盖下的遗迹遥感影像处理方法包括步骤801至步骤806。

步骤801：收集研究区(也即目标区域)某一年内的时间序列遥感影像。

可选地，可以对时间序列遥感影像进行预处理工作，以达到增强影像分辨率的目的。

步骤802：确定植被指数集合。

可选地，可以从以下18个植被指数中选取出多个植被指数以构建植被指数集合：(1)增强植被指数(Enhanced Vegetation Index，EVI)；(2)绿色归一化植被指数(GreenNDVI)；(3)归一化植被指数(Normalized Difference Vegetation Index，NDVI)；(4)简单比值植被指数(Simple Ratio，SR)；(5)改进型简单比值植被指数(Modified SimpleRatio，MSR)；(6)改进型三角植被指数(Modified Triangular Vegetation Index，MTVI2)；(7)重归一化植被指数(Renormalized Difference Vegetation Index，RDVI)；(8)垂直植被指数(PVI)；(9)比值植被指数(RVI)；(10)改进转换型土壤调整植被指数(TSAVI)；(11)修改型土壤调整植被指数(MSAVI)；(12)大气阻抗植被指数(ARVI)；(13)全球环境监测指数(GEMI)；(14)土壤和大气抗性植被指数(SARVI)；(15)优化土壤调节植被指数(OptimizedSoil-Adjusted Vegetation Index，OSAVI)；(16)差值植被指数(Difference VegetationIndex，DVI)；(17)简单比值结合归一化植被指数(SR NDVI)；(18)土壤调节植被指数(Soil-Adjusted Vegetation Index，SAVI)。

(1)增强植被指数(EVI)可以通过以下公式确定：

VI1＝2.5(ρ

其中，VI1表示增强植被指数，ρ

(2)绿色归一化植被指数(Green NDVI)可以通过以下公式确定：

VI2＝(ρ

其中，VI2表示绿色归一化植被指数，ρ

(3)归一化植被指数(NDVI)可以通过以下公式确定：

VI3＝(ρ

其中，VI3表示归一化植被指数，ρ

(4)简单比值植被指数(SR)可以通过以下公式确定：

VI4＝ρ

其中，VI4表示简单比值植被指数，ρ

(5)改进型简单比值植被指数(MSR)可以通过以下公式确定：

VI5＝ρ

其中，VI5表示改进型简单比值植被指数，ρ

(6)改进型三角植被指数(MTVI2)可以通过以下公式确定：

VI6＝[1.5(1.2*(ρ

其中，VI6表示改进型三角植被指数，ρ

(7)重归一化植被指数(RDVI)可以通过以下公式确定：

VI7＝(ρ

其中，VI7表示重归一化植被指数，ρ

(8)垂直植被指数(PVI)可以通过以下公式确定：

VI8＝(ρ

α＝ρ

其中，VI8表示垂直植被指数，ρ

(9)比值植被指数(RVI)可以通过以下公式确定：

VI9＝ρ

其中，VI9表示比值植被指数，ρ

(10)改进转换型土壤调整植被指数(TSAVI)可以通过以下公式确定：

VI10＝[a(ρ

a＝ρ

其中，VI10表示改进转换型土壤调整植被指数，ρ

(11)修改型土壤调整植被指数(MSAVI)可以通过以下公式确定：

VI11＝[2ρ

其中，VI11表示修改型土壤调整植被指数，ρ

(12)大气阻抗植被指数(ARVI)可以通过以下公式确定：

VI12＝(ρ

ρ

其中，VI12表示大气阻抗植被指数，ρ

(13)全球环境监测指数(GEMI)可以通过以下公式确定：

VI13＝n(1-0.25n)(ρ

n＝[2(ρ

其中，VI13表示全球环境监测指数，ρ

(14)土壤和大气抗性植被指数(SARVI)可以通过以下公式确定：

VI14＝(1+0.5)(ρ

ρ

其中，VI14表示土壤和大气抗性植被指数，ρ

(15)优化土壤调节植被指数(OSAVI)可以通过以下公式确定：

VI15＝(ρ

其中，VI15表示优化土壤调节植被指数，ρ

(16)差值植被指数(DVI)可以通过以下公式确定：

VI16＝ρ

其中，VI16表示差值植被指数，ρ

(17)简单比值结合归一化植被指数(SR NDVI)可以通过以下公式确定：

VI17＝(ρ

其中，VI17表示简单比值结合归一化植被指数，ρ

(18)土壤调节植被指数(SAVI)可以通过以下公式确定：

VI18＝(ρ

其中，VI18表示土壤调节植被指数，ρ

可以理解的是，通过对常见的18种植被指数的考古探测能力进行系统地评估与实验验证，探索种植区考古探测的有效方法，能够为田野考古调查提供有效的技术手段。

步骤803：确定遗址区和多个非遗址区样本。

具体地，可以使用随机生成点的方式初次选择非遗址区样本，制作已知遗址区缓冲区(例如增加设置已知遗址范围100m的缓冲区)，然后删去缓冲区内的随机点，提高非遗址区样本选择的准确率，得到与研究区在同一纬度的相同气候下的多个非遗址区样本(例如三个非遗址区样本)。

步骤804：通过计算遗址区和所选非遗址区样本的分离度，对植被指数集合中的植被指数进行筛选，确定至少一个第一植被指数。

具体地，由上述分离度公式可知，若冬小麦植被指数值小于等于0，则值会出现错误，这就意味着植被指数选择还有要求，即在所有的冬小麦物候期内，冬小麦的植被指数必须大于0(限制条件1)；且由上述分离度公式可得，若遗址区冬小麦植被指数大于非遗址区冬小麦植被指数，则值会计算为负数，所以也需要剔除这类的植被指数(限制条件2)。可以依据上述限制条件，对植被指数集合中的植被指数进行筛选，确定多个第二植被指数。

具体地，在确定多个第二植被指数之后，可以分析样本的选择不同，对植被指数的分离度值的影响，按照目标统计方式(例如计算平均值的统计方式或筛选最小值的统计方式等)确定各个第二植被指数对应的分离度统计指标，进而可以依据分离度统计指标从高到低的排序，在多个第二植被指数中选取至少一个第一植被指数。

例如，可以依据分离度统计指标从高到低的排序，在多个第二植被指数中选取分离度统计指标前三的三个植被指数。

可以理解的是，通过利用遗址区和非遗址区的分离度公式，能够量化植被指数探测地下遗迹的能力，扩宽传统研究中植被指数的选择数量，增强使用植被指数进行遗迹探测的效果。

步骤805：基于至少一个第一植被指数和研究区的时间序列遥感影像，通过植被指数时间序列积分计算，获取各种第一植被指数对应的积分影像。

具体地，可以依据上述植被指数的时间序列积分公式计算各第一植被指数时间序列影像，使其成为对应的积分影像。

步骤806：基于多个积分区间，对各个积分影像进行栅格颜色分割处理。

具体地，可以划分多个积分区间，可以为各个多个积分区间配置一种颜色，各个多个积分区间对应的颜色互不相同。

可以理解的是，通过利用栅格颜色分割处理，细化栅格颜色分割区间，能够使得植被标志更易显露，从而增强使用植被指数进行遗迹探测的效果，能够辅助考古人员根据现有的考古简报和植被标志积分区间，高效地分析已发掘地下遗址的范围，预测未发掘遗址存在的可能性和大致范围。

可以理解的是，多数研究采用常规的归一化植被指数(NDVI)进行农作物下的遗迹探测，但是遗迹分布范围广，赋存的气候环境复杂，采用单一的植被指数并不适用不同环境下的遗迹探测工作。本发明提供的作物覆盖下的遗迹遥感影像处理方法，可以在多个植被指数中，选取有效的植被指数进行遗址探测，能够提高提取农作物覆盖下的遗迹信息的成功率，辅助考古人员高效准确地从结果图中分析研究区未发掘遗址的方位，缩小探测地下遗址的范围。

下面对本发明提供的作物覆盖下的遗迹遥感影像处理装置进行描述，下文描述的作物覆盖下的遗迹遥感影像处理装置与上文描述的作物覆盖下的遗迹遥感影像处理方法可相互对应参照。

图9是本发明提供的作物覆盖下的遗迹遥感影像处理装置的结构示意图，如图9所示，所述装置包括第一获取模块901，确定模块902和第二获取模块903，其中：

第一获取模块901，用于获取目标区域的时间序列遥感影像，所述目标区域包括遗址区和多个非遗址区样本，所述非遗址区样本为所述遗址区周边的区域；

确定模块902，用于基于植被指数集合和所述目标区域的时间序列遥感影像，通过计算遗址区和非遗址区样本之间的分离度，在所述植被指数集合中确定适用于作物标志提取的多种第一植被指数；

第二获取模块903，用于基于所述多种第一植被指数和所述目标区域的时间序列遥感影像，通过植被指数时间序列积分计算，获取各种第一植被指数对应的积分影像。

本发明提供的作物覆盖下的遗迹遥感影像处理装置，通过确定模块针对植被指数集合中的各种植被指数，基于目标区域的时间序列遥感影像，分析遗址区和非遗址区样本之间的分离度，可以在植被指数集合中筛选出适合于目标区域的多种第一植被指数，进而可以通过第二获取模块基于多种第一植被指数和目标区域的时间序列遥感影像，进行积分计算，以扩大遗址区和非遗址区之间的植被指数积分值差异，多种第一植被指数分别对应积分影像能够辅助考古人员高效准确地找到作物标志，分析未经发掘的遗址区域内潜在遗迹的分布方位，缩小地下遗址的探测范围，能够适应不同环境下作物覆盖区的遗迹探测与考古调查工作。

图10是本发明提供的电子设备的结构示意图，如图10所示，该电子设备可以包括：处理器(processor)1010、通信接口(Communications Interface)1020、存储器(memory)1030和通信总线1040，其中，处理器1010，通信接口1020，存储器1030通过通信总线1040完成相互间的通信。处理器1010可以调用存储器1030中的逻辑指令，以执行作物覆盖下的遗迹遥感影像处理方法，该方法包括：

获取目标区域的时间序列遥感影像，所述目标区域包括遗址区和多个非遗址区样本，所述非遗址区样本为所述遗址区周边的区域；

基于植被指数集合和所述目标区域的时间序列遥感影像，通过计算遗址区和非遗址区样本之间的分离度，在所述植被指数集合中确定适用于作物标志提取的多种第一植被指数；

基于所述多种第一植被指数和所述目标区域的时间序列遥感影像，通过植被指数时间序列积分计算，获取各种第一植被指数对应的积分影像。

此外，上述的存储器1030中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各方法提供的作物覆盖下的遗迹遥感影像处理方法，该方法包括：

获取目标区域的时间序列遥感影像，所述目标区域包括遗址区和多个非遗址区样本，所述非遗址区样本为所述遗址区周边的区域；

基于植被指数集合和所述目标区域的时间序列遥感影像，通过计算遗址区和非遗址区样本之间的分离度，在所述植被指数集合中确定适用于作物标志提取的多种第一植被指数；

基于所述多种第一植被指数和所述目标区域的时间序列遥感影像，通过植被指数时间序列积分计算，获取各种第一植被指数对应的积分影像。

以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。