[发明专利]一种基于遥感的罂粟提取方法及系统

说明书

本发明公开了一种基于遥感的罂粟提取方法及系统。方法包括：首先，获取罂粟不同生长阶段的研究区域的多幅遥感影像，并计算多幅所述遥感影像的特征值，将所述特征值按照研究区域的罂粟生长阶段组成时间序列影像文件；然后，根据所述时间序列影像文件选取少量罂粟和研究区域的其它类型的背景植被的样本点，生成所述罂粟和其它各个类型的背景植被对应的时序变化曲线，并根据所述时序变化曲线建立罂粟提取模型；最后，设定罂粟提取模型的阈值，根据所述时间序列影像文件对研究区域内的罂粟进行提取，获得提取结果，实现了罂粟种植的有效监测。

技术领域

本发明涉及罂粟监测领域，特别涉及一种基于遥感的罂粟提取方法及系统。

背景技术

我国面临的禁毒形势严峻复杂，毒品犯罪多发高发，禁毒工作任务十分艰巨。精确识别毒品原植物是禁毒工作的关键，而罂粟作为一种主要毒品原植物，对其进行识别至关重要。非法罂粟种植的位置一般十分隐蔽，利用传统人工方式进行排查不仅费时费力，而且效率十分低下。遥感技术的发展为大范围的罂粟种植监测提供了一条有效途径。

从遥感影像上提取罂粟的方法主要可分为监督分类与非监督分类两种。基于监督分类方法提取罂粟的研究，如联合国毒品与犯罪问题办公室(The United Nations OfficeOn Drugs and Crime)使用监督分类方法对高空间分辨率遥感影像进行分类，从而监测主要罂粟种植区域的罂粟种植情况。该方法需要人工选取罂粟样本，其过程不仅费时费力，而且罂粟样本通常很难获得，因而限制了该方法的应用。基于非监督分类方法提取罂粟的研究，如采用一种多基元混合像元分解的非监督分类方法从高光谱影像中识别罂粟，但该方法效率很低，针对该问题又提出了一种混合调谐匹配滤波的非监督分类方法从高光谱影像中检测罂粟。现有的方法都是针对高光谱影像进行分析的，而高光谱影像虽然光谱分辨率很高，但其覆盖率很低同时幅宽小，因此采用高光谱影像实现大范围的罂粟检测也不太符合实际情况。

总体来看，以上这些方法都是基于单时相遥感影像进行分析的，未充分利用不同植被物候特征的差异进行分析，在有云的情况会导致影像成像质量较差，会导致分类结果出现很大误差，而且通常罂粟的生长期较短，而高光谱影像重返周期较长且地面覆盖率不高，会由于数据缺失导致该区域无法进行罂粟监测，因此现有的在遥感影像上提取罂粟的方法，无法实现罂粟种植的有效监测。

发明内容

本发明的目的是，为了实现罂粟种植的有效监测，提供一种基于遥感的罂粟提取方法及系统。

为实现上述目的，本发明提供了如下方案：

一种基于遥感的罂粟提取方法，所述提取方法包括如下步骤：

获取罂粟不同生长阶段的研究区域的多幅遥感影像；

计算多幅所述遥感影像的特征值，所述特征值包括归一化植被指数、增强型植被指数、近红外波段反射率和红波段反射率；

将所述特征值按照研究区域的罂粟生长阶段组成时间序列影像文件，所述时间序列影像文件包括归一化植被指数时间序列影像文件、增强型植被指数时间序列影像文件、近红外波段反射率时间序列影像文件和红波段反射率时间序列影像文件；

根据所述时间序列影像文件选取少量罂粟和研究区域的其它类型植被的样本点，生成所述罂粟和其它各个类型植被对应的时序变化曲线，所述时序变化曲线包括归一化植被指数时序变化曲线、增强型植被指数时序变化曲线、近红外波段反射率时序变化曲线和红波段反射率时序变化曲线；

根据所述时序变化曲线建立罂粟提取模型；

设定罂粟提取模型的阈值，根据所述时间序列影像文件对研究区域内的罂粟进行提取，获得提取结果。

可选的，所述计算多幅所述遥感影像的特征值，所述特征值包括归一化植被指数、增强型植被指数、近红外波段反射率和红波段反射率；具体包括：