[发明专利]一种农田边界及种植结构的提取方法

权利要求书

1.一种农田边界及种植结构的提取方法，其特征在于：所述方法包括如下步骤：

步骤1：将分类遥感影像、分类标志、区域范围导入头文件；

步骤2：对所述遥感影像数据进行预处理，得到预处理数据；

步骤3：建立不同尺度分类器计算所述预处理遥感影像数据与所述分类标志数据的标准差；

步骤4：对步骤3中得到数据的边界模糊异常值进行处理；

步骤5：提取所述步骤4中得到的数据的周界像素，对农田中的作物进行面积统计，得到作物的农田边界及种植结构。

2.如权利要求1所述的农田边界及种植结构的提取方法，其特征在于：所述原始数据包括影像、农田数据层和区域数据。

3.如权利要求2所述的农田边界及种植结构的提取方法，其特征在于：所述步骤2中对所述原始数据进行预处理包括对农田数据层调色板进行标准化；过滤所述区域的波段数据；计算所述影像的归一化植被指数；计算所述影像的光谱梯度，在重要的地方创建种子，找到局部梯度最大或者最小的点和对所述影像进行分割。

4.如权利要求3所述的农田边界及种植结构的提取方法，其特征在于：所述波段数据包括红光波段、绿光波段、蓝光波段和近红外波段。

5.如权利要求3所述的农田边界及种植结构的提取方法，其特征在于：所述归一化植被指数为近红外波段和红光波段的标准化差值。

6.如权利要求3所述的农田边界及种植结构的提取方法，其特征在于：所述光谱梯度通过谷歌地图引擎中的光谱梯度函数计算所述影像的所有波段光谱梯度。

7.如权利要求6所述的农田边界及种植结构的提取方法，其特征在于：所述光谱梯度函数中输入的参数包括光谱角映射器、光谱信息发散和欧式距离的平方。

8.如权利要求3所述的农田边界及种植结构的提取方法，其特征在于：所述创建种子包括将梯度小于0.2的所有点生成层一存放到变量一中，将梯度大于0.2的所有点生成层二存放到变量二中；将变量一中梯度大于3且等于变量一焦点最大值的点重新命名为种子一，并且存放到最小变量中，将变量二中梯度大于10且等于变量二焦点最大值的点重新命名为种子二，并且存放到最大变量中，最后再将所述最小变量和所述最大变量加起来形成一层的种子。

9.如权利要求3所述的农田边界及种植结构的提取方法，其特征在于：所述影像通过简单的线性迭代聚类图像分割算法进行分割。

10.如权利要求1所述的农田边界及种植结构的提取方法，其特征在于：所述异常值处理包括将标准偏差进行求和操作，如果计算的结果大于0.25则为所述异常值，将所述异常值放入异常的变量中，并将所述异常值设置为透明，后续其根据光谱范围进行类型判断。