[发明专利]一种基于多源数据和多向纹理滤波分析的梯田提取方法

说明书

本发明公开一种基于多源数据和多向纹理滤波分析的梯田提取方法，该方法综合利用了遥感影像数据和地形数据两种数据源，先用TM多波段融合遥感数据，使用贝叶斯分类方法对耕地的区域进行提取，接着使用地形坡度数据对山坡耕地的区域进行提取，然后采用Gabor滤波器对全色高分辨率遥感影像进行多向滤波，计算出每个格网波纹的方向，通过对比格网坡向值，在山坡耕地的斑块中将波纹法向量方向与坡向相同的区域提出作为梯田的识别范围。该方法在黄土高原区域进行实验，其结果与已有方法相比，能获得较高的完整性和正确性。

技术领域

本发明涉及遥感地物分类领域，特别是涉及一种基于多源数据和多向纹理滤波分析的梯田提取方法。

背景技术

梯田已被证明是防治水土流失的有效方法，但是由于多分布在山区，梯田的调查耗费人力且成本高昂。随着高分辨率遥感影像和地理信息数据的普及，目前已经有应用在梯田提取的自动化方法，主要分为以下几类：

第一类方法为基于影像的像元特征或者纹理特性等单一特征的分类方法，前者主要考虑梯田的光谱特性来进行分类提取，该方法无法很好的区分梯田和平地水田；后者多采用傅里叶等滤波算法，利用图像变换后在频率域上的性质，来作为梯田提取的主要指标，这类方法由于仅考虑的纹理特性，在地物斑块较为细碎复杂的区域，难以达到较好的分类结果。

第二类方法为基于面向对象的高分辨率遥感识别方法，该方法一般先通过影像分割构建影像对象,在总结分析影像对象的光谱、纹理和空间等特征的基础上,根据多次试验确定最优分割合并尺度参数，从而实现梯田的自动化提取。这类方法由于没有考虑区域地形特征，梯田和坡耕地的误分较为严重，也难以达到较高的提取精度。

发明内容

本发明的目的是提供一种基于多源数据和多向纹理滤波分析的梯田提取方法，以解决上述现有技术存在的问题，使梯田分类精度提高，获得高精度梯田影像。

为实现上述目的，本发明提供了如下方案：

本发明提供一种基于多源数据和多向纹理滤波分析的梯田提取方法，包括以下步骤：

对原始遥感图像数据进行土地利用类型划分，提取耕地区域；

对耕地区域进行坡度信息提取，获得山坡上的耕地区域，并进行划分形成格网；

对原始遥感图像数据进行若干方向的Gabor小波计算，将得到的若干方向结果进行对比，得出Gabor小波计算值最大的方向，即获得影像地物纹理“波纹”的法向量方向；

对DEM的坡向值利用坡向值处理转换公式进行处理，然后进行坡向归类计算；

将每个原始遥感图像格网像元纹理“波纹”的法向量方向与DEM格网的坡向值进行对比，法向量方向与坡向值一致的格网被定义为梯田候选区域；

将所有梯田候选区域与山坡耕地区域进行交集运算，得到梯田区域，进行梯田提取。

优选的，土地利用类型划分采用贝叶斯分类器。

优选的，坡度选取2°～25°。

优选的，Gabor小波计算方向选择0°、30°、60°、90°、120°和150°共6个方向。

优选的坡向值处理转换公式为：

公式(1)中的D_Aspect表示栅格格网的实际坡向值，D’_Aspect为转换后的坡向值。

优选的，坡向归类计算公式为：

公式(2)中，D’_Aspect为转换后的坡向值，D”_Aspect为重新分类后的坡向值。