專利名稱：一種基于紋理信息的森林類型識別方法
技術(shù)領(lǐng)域：
一種基于紋理信息的森林類型識別方法屬于遙感技術(shù)領(lǐng)域，特別涉及一種輔以紋理信息的TM數(shù)據(jù)森林類型遙感分類的方法。
背景技術(shù)：
在遙感技術(shù)幾十年的發(fā)展歷程中，形成了多層次、多平臺、多角度、多波段、多極化的對地觀測系統(tǒng)。各種先進(jìn)的對地觀測衛(wèi)星不斷發(fā)射，向地面提供著豐富的數(shù)據(jù)源。遙感數(shù)據(jù)的獲取能力遠(yuǎn)遠(yuǎn)領(lǐng)先于遙感數(shù)據(jù)的處理及信息提取能力。因此，研究遙感數(shù)據(jù)處理及信息提取的方法就顯得特別重要。概括起來，遙感可以提取地物的類型信息和地物的參數(shù)信息。對于林業(yè)部門來說，森林類型信息是基礎(chǔ)信息，根據(jù)林分類型和樹種、齡級、郁閉度等因子制定相應(yīng)的經(jīng)營管理措施和規(guī)劃方案。同時用遙感數(shù)據(jù)識別不同的森林類型是定量反演森林資源的生物量、碳儲量和植被指數(shù)等信息基礎(chǔ)，由于不同森林類型存在很大差異，因此就要針對不同森林類型建立定量反演模型。遙感圖像計算機(jī)分類方法是模式識別在圖像處理中的應(yīng)用。常規(guī)分類方法分為監(jiān)督分類、非監(jiān)督分類以及兩者結(jié)合的混合分類等。這類方法呈現(xiàn)出許多的局限性，突出表現(xiàn)在兩個方面一是要求數(shù)據(jù)必須服從一些特殊的分布如高斯分布；其二，分類是基于影像的光譜特征來進(jìn)行的，忽略了其它有用的信息，尤其是影像的空間結(jié)構(gòu)信息。目前國內(nèi)外學(xué)者提出的分層分類方法，不拘于一種分類方法對地物的識別，用多種分類方法同時分類，在此基礎(chǔ)上用決策級融合方法，確定最終分類結(jié)果。在這一過程中，加入地物紋理信息能夠有效的提高分類的精度，能夠更好的識別地表森林類型。因此采用分層分類配合多種分類器同時加入地物紋理信息對于提高森林分類精度具有重要應(yīng)用價值。遙感圖像紋理信息提取主要采用的是基于統(tǒng)計的紋理分析方法。目前主要是灰度共生矩陣(GLCM)法，該方法原理簡單，較易實(shí)現(xiàn)，但不能很好地反映象素之間的灰度級空間相關(guān)的規(guī)律。地統(tǒng)計學(xué)能夠分析像元值的空間分布的空間異質(zhì)性和空間相關(guān)性，因?yàn)檫b感圖像的DN值(灰度值)是二維坐標(biāo)的函數(shù)，從地統(tǒng)計學(xué)的角度來看，可以看作一個區(qū)域化變量，具有隨機(jī)性和空間相關(guān)性兩方面的特征。圖像所固有的灰度值空間相關(guān)性變化可以用變差函數(shù)的特征來描述。因此地統(tǒng)計學(xué)提取紋理信息可以更好地計算空間結(jié)構(gòu)特征差異性，從而輔助分類有效提高分類精度。

發(fā)明內(nèi)容
本發(fā)明為了解決現(xiàn)有技術(shù)中森林類型遙感識別精度難以提高，特別是較大區(qū)域森林類型識別精度提高更加困難的問題，提出了一種基于紋理信息的森林類型遙感識別方法，以TM遙感影像為數(shù)據(jù)源，利用地統(tǒng)計學(xué)方法提取影像的紋理信息，采用最大似然分類方法，提高森林類型遙感識別精度，尤其是較大區(qū)域森林類型識別精度。本發(fā)明的目的是這樣實(shí)現(xiàn)的
一種基于紋理信息的森林類型識別方法，所述方法包括以下步驟SI，根據(jù)物候信息確定合適時間的TM遙感數(shù)據(jù)作為數(shù)據(jù)源，并對選定的TM數(shù)據(jù)進(jìn)行預(yù)處理；S2，提取研究區(qū)域林地部分；S3，確定提取紋理信息時窗口及步長大?。籗4，利用地統(tǒng)計學(xué)原理提取影像紋理信息；S5，利用最大似然法對TM影像進(jìn)行分類；S6，使用地面驗(yàn)證數(shù)據(jù)對最大似然法分類結(jié)果進(jìn)行驗(yàn)證。上述的一種基于紋理信息的森林類型識別方法，所述的步驟SI中，所述的合適時間為每年的6、7、8、9月份。上述的一種基于紋理信息的森林類型識別方法，所述的步驟SI中，所述的預(yù)處理包括①遙感影像輻射歸一化、②遙感影像的拼接與裁切、③主成分分析。所述的遙感影像輻射歸一化，計算公式為gd = (gr-μ r)/O rX σ f+μ f式中，gd為源圖像校正后的像素灰度值，μ f、σ f分別為參考圖像的像素均值和標(biāo)準(zhǔn)差，gr> μ r> σ r分別為源圖像的像素灰度值、均值和標(biāo)準(zhǔn)差。上述的一種基于紋理信息的森林類型識別方法，所述的步驟S2中，對研究區(qū)域主成分分析后的影像進(jìn)行非監(jiān)督分類，提取影像的林地部分。上述的一種基于紋理信息的森林類型識別方法，所述的步驟S3中，分別根據(jù)半變異函數(shù)或?qū)嶋H遙感影像像元值確定提取紋理信息時窗口大小及步長大小。根據(jù)半變異函數(shù)對研究區(qū)域植被指數(shù)進(jìn)行地學(xué)分析，計算其變程大小，確定地統(tǒng)計提取紋理信息時窗口大小及步長大小。根據(jù)實(shí)際遙感影像像元值，分別以3X3象元、5X5象元、7X7象元、9X9象元、11X11象元作為窗口大小，步長大小分別為1、2、3、4、5象元。上述的一種基于紋理信息的森林類型識別方法，所述的步驟S4中，分別根據(jù)直接變差函數(shù)、絕對變差函數(shù)和方根變差函數(shù)，以步驟S3中確定的窗口及步長大小計算紋理信息，再根據(jù)三種變差函數(shù)所提取紋理信息進(jìn)行分類精度的高低確定選擇哪種變差函數(shù)進(jìn)行計算；其中直接變差函數(shù)的表達(dá)式為
權(quán)利要求
1.一種基于紋理信息的森林類型識別方法，其特征在于所述方法包括以下步驟SI，根據(jù)物候信息確定合適時間的TM遙感數(shù)據(jù)作為數(shù)據(jù)源，并對選定的TM數(shù)據(jù)進(jìn)行預(yù)處理；S2，提取研究區(qū)域林地部分；S3，確定提取紋理信息時窗口及步長大??；S4，利用地統(tǒng)計學(xué)原理提取影像紋理信息；S5，利用最大似然法對TM影像進(jìn)行分類；S6，使用地面驗(yàn)證數(shù)據(jù)對最大似然法分類結(jié)果進(jìn)行驗(yàn)證。
2.根據(jù)權(quán)利要求1所述的一種基于紋理信息的森林類型識別方法，其特征在于所述的步驟SI中，所述的合適時間為每年的6、7、8、9月份。
3.根據(jù)權(quán)利要求1所述的一種基于紋理信息的森林類型識別方法，其特征在于所述的步驟SI中，所述的預(yù)處理包括①遙感影像輻射歸一化、②遙感影像的拼接與裁切、③主成分分析。
4.根據(jù)權(quán)利要求3所述的一種基于紋理信息的森林類型識別方法，其特征在于所述的遙感影像輻射歸一化，計算公式為gd = (gr-yr)/°rX 0 f+y f式中，gd為源圖像校正后的像素灰度值，μ f> σ f分別為參考圖像的像素均值和標(biāo)準(zhǔn)差， gr> μΓ> %分別為源圖像的像素灰度值、均值和標(biāo)準(zhǔn)差。
5.根據(jù)權(quán)利要求1所述的一種基于紋理信息的森林類型識別方法，其特征在于所述的步驟S2中，對研究區(qū)域主成分分析后的影像進(jìn)行非監(jiān)督分類，提取影像的林地部分。
6.根據(jù)權(quán)利要求1所述的一種基于紋理信息的森林類型識別方法，其特征在于所述的步驟S3中，分別根據(jù)半變異函數(shù)或?qū)嶋H遙感影像像元值確定提取紋理信息時窗口大小及步長大小。
7.根據(jù)權(quán)利要求6所述的一種基于紋理信息的森林類型識別方法，其特征在于根據(jù)半變異函數(shù)對研究區(qū)域植被指數(shù)進(jìn)行地學(xué)分析，計算其變程大小，確定地統(tǒng)計提取紋理信息時窗口大小及步長大小。
8.根據(jù)權(quán)利要求6所述的一種基于紋理信息的森林類型識別方法，其特征在于根據(jù)實(shí)際遙感影像像元值，分別以3X3象元、5X5象元、7X7象元、9X9象元、11 X 11象元作為窗口大小，步長大小分別為1、2、3、4、5象元。
9.根據(jù)權(quán)利要求1所述的一種基于紋理信息的森林類型識別方法，其特征在于所述的步驟S4中，分別根據(jù)直接變差函數(shù)、絕對變差函數(shù)和方根變差函數(shù)，以步驟S3中確定的窗口及步長大小計算紋理信息，再根據(jù)三種變差函數(shù)所提取紋理信息進(jìn)行分類精度的高低確定選擇哪種變差函數(shù)進(jìn)行計算；其中直接變差函數(shù)的表達(dá)式為
10.根據(jù)權(quán)利要求1所述的一種基于紋理信息的森林類型識別方法，其特征在于所述的步驟S5中，基于研究區(qū)域森林類型的實(shí)際分布情況，選取每種森林類型的訓(xùn)練樣本，對最大似然法進(jìn)行訓(xùn)練，進(jìn)而對森林類型進(jìn)行識別；所述的步驟S6中，獲取研究區(qū)域內(nèi)地表真實(shí)分布數(shù)據(jù)，使用總體分類精度和Kappa系數(shù)對分類結(jié)果的精度進(jìn)行評價。
全文摘要
一種基于紋理信息的森林類型識別方法屬于遙感技術(shù)領(lǐng)域，特別涉及一種輔以紋理信息的TM數(shù)據(jù)森林類型遙感分類的方法；該方法包括以下六步S1，根據(jù)物候信息確定合適時間的TM遙感數(shù)據(jù)作為數(shù)據(jù)源，并對選定的TM數(shù)據(jù)進(jìn)行預(yù)處理；S2，提取研究區(qū)域林地部分；S3，確定提取紋理信息時窗口及步長大?。籗4，利用地統(tǒng)計學(xué)原理提取影像紋理信息；S5，利用最大似然法對TM影像進(jìn)行分類；S6，使用地面驗(yàn)證數(shù)據(jù)對最大似然法分類結(jié)果進(jìn)行驗(yàn)證；采用本發(fā)明基于紋理信息的森林類型識別方法，提高森林類型遙感識別精度，尤其是較大區(qū)域森林類型識別精度。
文檔編號G06K9/62GK103020649SQ20131001528
公開日2013年4月3日 申請日期2013年1月16日 優(yōu)先權(quán)日2013年1月16日
發(fā)明者范文義, 王鶴霖, 李明澤, 毛學(xué)剛, 趙妍 申請人:東北林業(yè)大學(xué)