[发明专利]一种基于时序遥感影像的森林火烧迹地自动提取方法

说明书

技术领域

本发明涉及一种应用时序遥感影像进行森林火烧迹地自动提取的方法，适用于森林火灾监测领域。

背景技术

森林火灾是对森林破坏性最大的一种自然灾害，它不但破坏森林生态结构，甚至对人类的生存环境也会造成重要影响。火烧迹地位置与覆盖范围的检测不仅能够有效得到森林的过火面积，从而评估火灾损失，而且有助于林业部门有效开展火灾过后的植被恢复工作。遥感数据获取具有广视域、多波段、多时相和快速等优势，为森林火烧迹地检测提供了一种有效的技术手段。目前利用遥感数据进行森林火烧迹地提取的常用方法有监督分类法、基于火灾前后的归一化指数(Normalized Difference Vegetation，NDVI)差值法和基于单时相遥感影像的图像分割法等。监督分类法是通过监督分类的方式实现火烧迹地的检测，由于选择的训练样本很难普遍适合不同季节或不同空间覆盖范围的火烧迹地检测，因此训练样本往往需要不断增加或更新调整，所以该方法比较依赖人为经验。基于火灾前后的NDVI差值法是通过计算火灾前遥感影像与火灾后遥感影像的NDVI差值后通过阈值分析来提取火烧迹地，合适的阈值选取是提取精度的重要前提条件，从而使得该方法在普适性应用方面具有在一定的局限性。基于单时相遥感影像的图像分割法，可以对火灾的蔓延范围能够做出判断，但是却需要一定程度的人工干预，并不能实现火烧迹地提取流程的自动化。所以当前这些方法普遍存在一定程度上的人工干预与人为经验依赖及自动化程度不够高等缺点，并不能实现火烧迹地的自动与快速提取，影响了遥感数据在森林火灾信息提取方面的应用效率。因此为了减少森林火灾的危害，如何通过应用多时相遥感数据快速而准确提取火烧迹地是亟待解决的问题。多时相遥感影像的变化检测方法为火烧迹地的检测与提取了提供一种有效的途径。由于监督方法需要地面真实样本作为训练数据，而适合不同地区与不同季节的真实地面样本数据存在很难获取的问题，因此应用非监督变化检测方法来实现火烧迹地自动提取更能符合实际应用。在应用非监督变化检测实现火烧迹地自动地检测时，根据不同时相的遥感影像获取差异图像是一个重要步骤。而当前的差异图像获取方法多数利用单一特征，会导致检测的结果存在不够准确和不完整的缺陷。在获得差异图像后如何通过有效的方法分离出火烧迹地是另一个重要的步骤，通常是通过分割差异图像的方法来实现，目前分割方法主要有阈值法、边缘提取和分水岭分割法等。阈值法在实际应用中具有一定的局限性，主要体现在合适的阈值很难选择，而不同的阈值会产生不同的分割效果。边缘提取算法，对边缘模糊的图像往往不能得到很好的结果。分水岭分割算法是利用数学形态理论来实现图像分割，但容易出现过分割的问题。而森林火灾发生时由于受到风向或地表覆盖条件的影响，在遥感图像上显示的火烧迹地往往存在边界模糊、边界凹陷等现象，因此在选择分割方法时需要能够充分考虑到图像的全局信息，也能有效处理边缘模糊的问题。水平集Chan-Vese模型(简称C-V模型)能够充分考虑图像的全局信息，也能有效处理边缘模糊的问题，然而该方法的初始曲线设定对它的曲线演化速度和分割准确度存在重要的影响，不适当的初始曲线设置往往会降低火烧迹地的提取速度与精度。

因此，为了提高应用遥感影像进行森林火烧迹地提取的速度与精度，实现森林火烧迹地的自动化提取，需要一种实用与有效的火烧迹地自动提取方法。本发明针对以往方法的不足，针对稳定可靠的真实地面样本数据难以获取的实际问题，和火烧迹地图像多数存在着边缘模糊和边界凹陷的特点，同时考虑到火烧迹地提取的快速与自动化的实用性需求，提出了一种新的基于时序遥感影像的森林火烧迹地自动提取方法。该方法通过将变化矢量分析法(Change Vector Analysis，CVA)和NDVI差值进行加权融合后产生差异图像，并利用不同时相近红外波段影像进行线性拟合后，将拟合误差的二值化分类图作为新的初始曲线对传统水平集C-V模型进行了改进，能够有效提高火烧迹地的提取速度和准确度，具有很强的可操作性。

发明内容

本发明的目的在于提供一种应用多时相遥感影像进行森林火烧迹地自动提取的方法，以克服现有方法的缺点。利用本发明能够实现应用遥感影像进行森林火烧迹地的快速与准确提取，从而解决现有方法中存在的前述问题，并提升遥感影像在森林火灾监测领域的应用水平。为了实现上述目的，本发明采用的技术方案如下：