[发明专利]基于无人机低空遥感和面向对象分类的水土保持监测方法

权利要求书

1.基于无人机低空遥感和面向对象分类的水土保持监测方法，其特征在于，包括如下步骤：

步骤1、根据所需模型精度和比例尺预先规划拍摄的航带、架次和高程，以无人机搭载可见光相机对水土保持监测目标区域进行垂直和倾斜拍摄，并按均匀分布和不同高程进行控制点测量；

步骤2、对监测目标区域获取的不同角度、高程的多幅原始影像照片进行坐标系配准、区域整体平差和多视角影像密集匹配；

步骤3、对匹配后的影像进行图像点云数据提取；

步骤4、根据图像点云数据生成TIN三角网，再进行纹理贴图，生成待检测区域的真实三维模型；

步骤5、对生成的三维模型进行自动计算和分割，输出最优分割尺度；

步骤6、按照实际水土保持监测地物分类的要求和原则，综合光谱信息、影像纹理、图形结构对最优分割尺度进行微调和修正，得出适合水土保持监测目标区域实际最优的分割尺度；

步骤7、依据水土保持监测地物分类的类型，结合光谱信息、影像纹理和形状结构，确定参与面向对象分类的特征参数指标；

步骤8、利用步骤7选出的特征参数指标，对水土保持监测目标区域的地类进行监督分类；

步骤9、对监督分类后的水土保持监测目标区域的分类类别进行提取；

步骤10、采用基于位置信息的精度评价方法，按照混淆矩阵精度评定的样本个数计算公式计算出保证评价精度下的检查点个数；

步骤11、按照实际采样点选取的难易度和清晰度，在确保满足评价精度最低数量要求的基础上，确定实际的检验点测量数目，并按照数目进行检验点的实地测量和统计；

步骤12、构建混淆矩阵，对提取后的分类影像采用基于位置信息的精度评价方法和混淆矩阵，计算总分类精度和Kappa系数对模型的分类精度进行评。

2.根据权利要求1所述的基于无人机低空遥感和面向对象分类的水土保持监测方法，其特征在于，步骤1航拍的影像必须具有一定的重叠度，其中，纵向重叠度至少60％，旁向重叠度至少30％。

3.根据权利要求1所述的基于无人机低空遥感和面向对象分类的水土保持监测方法，其特征在于，控制点的选择要按照高程起伏和航拍目标区域分布综合考虑设置，且用RTK精准测量。

4.根据权利要求3所述的基于无人机低空遥感和面向对象分类的水土保持监测方法，其特征在于，步骤2包括以下步骤：

步骤21、利用倾斜摄影建模软件对多幅初始影像照片进行处理；

步骤22、利用RTK已测的控制点对影像进行坐标系配准；

步骤23、倾斜摄影软件对影像进行区域整体平差和多视角影像密集匹配。

5.根据权利要求4所述的基于无人机低空遥感和面向对象分类的水土保持监测方法，其特征在于，步骤4利用倾斜摄影软件对影像中提取的密集点云进一步生成TIN三角网，然后进行纹理贴图，生产DSM数字表面模型，再导出DOM数字正摄影像和DEM数字高程模型。

6.根据权利要求1所述的基于无人机低空遥感和面向对象分类的水土保持监测方法，其特征在于，步骤5采用ESP多尺度分割评价工具对生成的三维模型进行自动计算和分割，输出最优分割尺度。

7.根据权利要求1所述的基于无人机低空遥感和面向对象分类的水土保持监测方法，其特征在于，步骤7中，所述光谱信息包括VDVI指数、红绿蓝三个波段的反射属性和高程值；所述影像纹理包括影像贴图的真实纹理细节；所述形状结构包括Border index边界指数、Density密度、Length/Width长宽比。

8.根据权利要求1所述的基于无人机低空遥感和面向对象分类的水土保持监测方法，其特征在于，步骤8采用最邻近法进行监督分类。

9.根据权利要求1所述的基于无人机低空遥感和面向对象分类的水土保持监测方法，其特征在于，步骤12利用面向对象分类软件生产的影像误差矩阵进行计算，得出生产者精度、用户精度、总分类精度和Kappa系数。

10.根据权利要求1所述的基于无人机低空遥感和面向对象分类的水土保持监测方法，其特征在于，步骤1拍摄的监测目标区域影像包括一期影像和二期影像，当按照步骤1-12的方式得出一二期的各地物的面积大小和分布情况之后还包括：

步骤13、将两期的分类结果进行叠加对比分析，计算出不同地物类型的动态变化范围和面积。