[发明专利]一种基于水稻指数的多时相遥感影像水稻提取方法

说明书

本发明涉及一种基于水稻指数的多时相遥感影像水稻提取方法。首先对每一个时相的遥感影像进行几何配准，然后计算配准后的各时相遥感影像的归一化差分植被指数NDVI，得到时序NDVI影像，再由时序NDVI影像及水稻生长季数计算得到多个归一化差分时序指数NDTI，并对NDTI进行最小值融合，得到水稻指数RI，接着对RI特征影像进行阈值分割，得到水稻提取结果，最后利用光谱约束和几何约束对水稻提取结果进行后处理，得到较为准确的水稻提取结果。本发明无需人工选择训练样本，即可实现多时相遥感影像水稻全自动提取，且本发明基于水稻多个生长季的特点设计水稻指数进行水稻提取，可以广泛用于多熟制品种水稻的提取。

技术领域

本发明属于遥感影像处理技术领域，特别是涉及一种基于水稻指数的多时相遥感影像水稻提取方法。

背景技术

水稻是我国主要的粮食作物之一，其生长状况影响着国家粮食安全、农业经济发展以及社会稳定。水稻种植区域的提取是实施水稻监测、合理配置水稻种植资源、发展水稻生产的基础，卫星遥感技术以其能实现周期性、大范围覆盖的优势，成为大面积水稻种植区域快速自动提取的有效手段。

多时相遥感影像能够反映地物在不同时间的变化情况，而农作物有着显著的随季节周期性变化的物候特征，因此在多时相遥感影像中不同农作物之间以及农作物与其它地物之间可以比较明显地区分。许多学者将多时相遥感影像用于水稻提取中，现有的基于多时相遥感影像的水稻提取方法大致可分为两类：1)非监督方法，在多时相遥感影像中提取一种或多种植被指数的时间序列，根据植被指数的变化规律，设定阈值来对水稻进行提取；2)监督分类方法，基于传统的机器学习或深度学习，选取水稻训练样本，将多时相遥感影像和水稻样本输入分类器或深度网络进行训练，进而得到水稻提取的结果。但是，现有的方法中，非监督的方法往往是根据多种植被指数或植被指数的组合来设定多个阈值条件，需要耗费大量的人工、时间和精力来得到一个最佳的水稻提取模型。而监督分类方法，特别是基于深度学习的方法，需要通过大量的实地调查和人工标记来选择训练样本，自动化程度较低。此外，水稻多个生长季、一年多熟的特点是其区别于其它农作物和地物的显著物候特征之一，而现有方法较少对这种“多季”的特征加以利用。

发明内容

本发明针对现有技术的不足，提供一种基于水稻指数的多时相遥感影像水稻提取方法。首先由多时相遥感影像得到可以描述水稻生长状态的植被指数时间序列，再从植被指数时间序列中提取出对应水稻每一个生长季的时序特征，通过对这些时序特征进行最小值融合来得到水稻指数特征，然后对水稻指数特征进行阈值分割得到水稻提取结果，最后利用光谱和几何约束条件进行水稻提取后处理。

为了达到上述目的，本发明提供的技术方案是一种基于水稻指数的多时相遥感影像水稻提取方法，包括以下步骤：

步骤1,对每一个时相的遥感影像进行几何配准；

步骤2,对每一个时相的遥感影像计算归一化差分植被指数NDVI，得到时序NDVI影像；

步骤3,由时序NDVI影像及水稻生长季数计算得到多个归一化差分时序指数NDTI；

步骤4,对NDTI进行最小值融合，得到水稻指数RI；

步骤5,对RI特征影像进行阈值分割，得到水稻提取结果；

步骤6,通过光谱约束和几何约束，对步骤5中的水稻提取结果进行后处理。

而且，所述步骤2中归一化植被指数NDVI的计算方法如下：

其中，为第i个时相的影像在近红外波段的像素值，为第i个时相的影像在红波段的像素值，m为总时相数量。