一种卫星影像的耕地地块提取方法

技术领域

本发明涉及用于土地分割的图像处理技术领域，具体涉及一种卫星影像的耕地地块提取方法。

背景技术

卫星遥感技术在农作物分类识别和长势监测等方面发挥越来越重要的作用，传统的基于中低分辨率卫星影像的农作物提取方法多以基于像素的影像分类法为主，对地块边界信息无要求。但是随着卫星影像空间分辨率的提高，如何基于卫星影像准确提取地块边界成为未来农业发展中亟待解决的问题，解决这一问题可以为作物分类、作物生产状况监测、病虫害和营养诊断等信息的获取提供更精确的耕地地块矢量数据。

当前利用高分辨率卫星影像提取耕地地块信息的手段有：区域分割法、区域增长法、分水岭算法、监督分类法、均值漂移分割算法、多尺度组合聚合分割算法等。但是由于高分辨率卫星影像细节丰富，存在“同物异谱”和“同谱异物”现象，这对耕地边界提取准确率带来挑战。受灌溉方式、地形起伏等因素影响，很多时候耕地地块尺寸大小和形状都是不一致的，传统算法或多或少存在大量过分割和欠分割现象，很难把握分割尺度。并且传统算法只适用于特定的小面积农田区域，且算法计算复杂度高，一般在地块边界较弱区域会产生边界漏检现象。

因此，现有的高分辨率卫星影像提取耕地地块信息的方法均存在边界分割准确率低的问题。

发明内容

有鉴于此，本发明提供一种卫星影像的耕地地块提取方法，通过改进图像检测方法，解决了现有的高分辨率卫星影像提取耕地地块信息的方法均存在边界分割准确率低的问题。

为解决以上问题，本发明的技术方案为采用一种卫星影像的耕地地块提取方法，包括：S1：获取全色遥感图像和多光谱遥感图像；S2：基于目视解译方法分割所述多光谱遥感图像，生成多个第一内部点集合；S3：基于所述全色遥感图像构建 T-Snake模型的能量函数；S4：基于所述第一内部点集合提取所述全色遥感图像对应的第二内部点集合；S5：基于所述第二内部点集合、所述全色遥感图像和所述能量函数计算所述第二内部点集合对应的地块边界曲线；S6：重复步骤S4-S5直至遍历完所有第一内部点集合在所述全色遥感图像中对应的全部所述地块边界曲线，并基于全部所述地块边界曲线生成多个耕地地块图像。

可选地，所述S2包括：基于所述目视解译方法分割所述多光谱遥感图像，生成多个耕地地块轮廓；遍历全部所述耕地地块轮廓的内部点，构成多个所述耕地地块轮廓对应的所述第一内部点集合P＝{(x

可选地，基于所述目视解译方法分割所述多光谱遥感图像生成多个耕地地块轮廓，包括：基于所述多光谱遥感图像中的耕地地块与其他背景地物之间的形状色调纹理差异判断耕地区域，提取光谱遥感图像中纹理均一、色调统一的面状区域作为所述耕地区域；判断不同所述耕地区域之间是否存在分界线，若存在则分别提取它们的轮廓生成多个所述耕地地块轮廓，若不存在则基于多个所述耕地区域生成单个所述耕地地块轮廓。

可选地，所述S3包括：构建T-Snake模型下的闭合曲线函数S＝{V

可选地，所述S5包括：随机提取所述第二内部点集合中的坐标点(x

可选地，对所述初始闭合曲线S′的节点序列进行节点拆分包括：计算所述节点序列的每一点V

可选地，对所述第二闭合曲线的节点序列进行节点移动包括：对于所述节点序列的每一点V

可选地，所述S1还包括：获取所述全色遥感图像和所述多光谱遥感图像后，对所述全色遥感图像和所述多光谱遥感图像进行图像预处理。

可选地，对所述全色遥感图像进行图像预处理为采用DEM数据对所述全色遥感图像进行正射矫正。

可选地，对所述多光谱遥感图像进行图像预处理包括：正射校正、辐射定标和大气校正。

本发明的首要改进之处为提供的卫星影像的耕地地块提取方法，通过利用目视解译方法准确获取多光谱影像中的第一内部点集合并转换为全色遥感图像中的第二内部点集合，提升了前期地块轮廓的分割准确率，并通过T-Snake模型基于所述第二内部点集合和所述全色遥感图像生成准确分割的光滑闭合曲线，使得本方法不受耕地地块尺寸大小和形状的限制，在弱边界处也能取得较好的提取效果，有效地提升了耕地地块边界识别准确率，减少了破碎图斑的产生。

附图说明

图1是本发明的卫星影像的耕地地块提取方法的简化流程图。

具体实施方式

为了使本领域的技术人员更好地理解本发明的技术方案，下面结合附图和具体实施例对本发明作进一步的详细说明。

如图1所示，一种卫星影像的耕地地块提取方法，包括：S1：获取全色遥感图像和多光谱遥感图像；S2：基于目视解译方法分割所述多光谱遥感图像，生成多个第一内部点集合；S3：基于所述全色遥感图像构建T-Snake模型的能量函数；S4：基于所述第一内部点集合提取所述全色遥感图像对应的第二内部点集合；S5：基于所述第二内部点集合、所述全色遥感图像和所述能量函数计算所述第二内部点集合对应的地块边界曲线；S6：重复步骤S4-S5直至遍历完所有第一内部点集合在所述全色遥感图像中对应的全部所述地块边界曲线，并基于全部所述地块边界曲线生成多个耕地地块图像。

其中，基于所述第一内部点集合提取所述全色遥感图像对应的第二内部点集合包括两种情况：在使用同一卫星单元获取所述全色遥感图像和所述多光谱遥感图像时，由于图像数据来源相同，因此所述第一内部点集合可直接表征所述第二内部点集合；在使用不同卫星单元获取所述全色遥感图像和所述多光谱遥感图像时，由于图像数据来源不同，因此存在卫星坐标系不同、视角不同的情况，因此需要基于多个卫星单元的多个卫星坐标系计算坐标转换矩阵，并基于所述坐标转换矩阵和所述第一内部点集合计算生成所述第二内部点集合，有效地解决了在某一卫星单元的某种采集图像精度较低导致不可信的时候，通过引入不同卫星单元进行图像采集以提升提取的第二内部点集合的准确性。同时，通过引入多个卫星单元的采集图像，可通过交叉计算取均值的方法提升提取的第二内部点集合的准确性，例如：使用第一卫星单元获取第一全色遥感图像和第一多光谱遥感图像，使用第二卫星单元获取第二全色遥感图像和第二多光谱遥感图像，基于第一全色遥感图像和第二多光谱遥感图像计算第一组所述第二内部点集合，基于第二全色遥感图像和第一多光谱遥感图像计算第二组所述第二内部点集合，基于第一组所述第二内部点集合和第二组所述第二内部点集合进行内部点之间一一对应的拟合从而生成最终的所述第二内部点集合，从而提升提取的第二内部点集合的准确性。

本发明通过利用目视解译方法准确获取多光谱影像中的第一内部点集合并转换为全色遥感图像中的第二内部点集合，提升了前期地块轮廓的分割准确率，并通过 T-Snake模型基于所述第二内部点集合和所述全色遥感图像生成准确分割的光滑闭合曲线，使得本方法不受耕地地块尺寸大小和形状的限制，在弱边界处也能取得较好的提取效果，有效地提升了耕地地块边界识别准确率，减少了破碎图斑的产生。

进一步的，所述S2包括：基于所述目视解译方法分割所述多光谱遥感图像，生成多个耕地地块轮廓；遍历全部所述耕地地块轮廓的内部点，构成多个所述耕地地块轮廓对应的所述第一内部点集合P＝{(x

进一步的，所述S3包括：构建T-Snake模型下的闭合曲线函数S＝{V

更进一步的，所述S5包括：随机提取所述第二内部点集合中的坐标点(x

具体的，能量函数是依据图像灰度特征而定义的，能量函数

为便于理解如何进行节点拆分，具体的，对所述初始闭合曲线S′的节点序列进行节点拆分包括：计算所述节点序列的每一点V

为便于理解如何进行节点移动，具体的，对所述第二闭合曲线的节点序列进行节点移动包括：对于所述节点序列的每一点V

更进一步的，所述S1还包括：获取所述全色遥感图像和所述多光谱遥感图像后，对所述全色遥感图像和所述多光谱遥感图像进行图像预处理。其中，对所述全色遥感图像进行图像预处理为采用DEM数据对所述全色遥感图像进行正射矫正；对所述多光谱遥感图像进行图像预处理包括：正射校正、辐射定标和大气校正。其中，辐射定标可以将影像DN值转换成地表辐射率数据，再通过大气校正可以获得地表反射率数据。

以上仅是本发明的优选实施方式，应当指出的是，上述优选实施方式不应视为对本发明的限制，本发明的保护范围应当以权利要求所限定的范围为准。对于本技术领域的普通技术人员来说，在不脱离本发明的精神和范围内，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。