[发明专利]一种基于差分时序指数特征的多时相遥感影像特征提取方法

说明书

技术领域

本发明涉及多时相遥感图像特征提取领域。

背景技术

多时相遥感影像在一定程度上反映了各个地物在不同时刻或者位置上的状态变化，时序特征便是在多时相遥感影像的基础上进行的一系列的特征提取。时序指数特征在多时相遥感影像中最为常用的特征，不同的指数对不同的地物具有不同的敏感程度，其中改进的归一化水体指数(MNDWI)对各个地物的水分含量比较敏感。单凭常见的时序指数特征仅仅利用各自时相下的各自指数特征，不能反映不同时相间的时序指数特征的关联程度。

发明内容

本发明是为了解决现有多时相遥感影像特征提取方法不能反映不同时相间的时序指数特征的关联程度的问题，从而提供一种基于差分时序指数特征的多时相遥感影像特征提取方法。

一种基于差分时序指数特征的多时相遥感影像特征提取方法，它由以下步骤实现：

步骤一、将获得的所有不同时期的遥感影像数据，按时间顺序排列，形成多时相遥感影像，并提取每个时相下的指数特征；

步骤二、将步骤一获取的指数特征，利用相邻时相的指数特征进行差分运算，生成一阶差分时序指数特征；

步骤三、将步骤二获得的一阶差分时序指数特征进行相邻一阶差分时序特征的差分运算，生成二阶差分时序指数特征，完成基于差分时序指数特征的多时相遥感影像特征提取。

步骤一中，提取每个时相下的指数特征的方法是利用公式：

MNDWI=Green-MIRGreen+MIR]]>

实现的；

其中，MNDWI为改进的归一化水体指数，Green表示绿色波段，MIR为中红外波段。

步骤二中所述将步骤一获取的指数特征，利用相邻时相的指数特征进行差分运算，生成一阶差分时序指数特征是利用公式：

dMNDWI＝MNDWI_t+1-MNDWI_t

实现的；

其中，dMNDWI代表一阶差分时序MNDWI特征，MNDWI_t+1和MNDWI_t分别是第t+1时序下和第t时序下改进的归一化水体指数。

步骤三中所述将步骤二获得的一阶差分时序指数特征进行相邻一阶差分时序特征的差分运算，生成二阶差分时序指数特征是利用公式：

d²MNDWI＝dMNDWI_t+1-dMNDWI_t

实现的；

其中，d²MNDWI代表二阶差分时序MNDWI特征。

本发明通过提取每个时相下的指数特征，根据离散函数差分的原理，对相邻时相的指数特征进行差分运算，生成一阶差分时序指数特征，并在一阶差分时序指数特征的基础上进行差分运算，生成二阶差分时序指数特征。本发明利用差分时序指数特征，能够进一步描述不同地物随时间变化的敏感程度。

附图说明

图1是本发明的一种基于差分时序指数特征的多时相遥感影像特征提取方法的流程示意图。

具体实施方式

具体实施方式一、一种基于差分时序指数特征的多时相遥感影像特征提取方法，它由以下步骤实现：

步骤一、将获得的所有不同时期的遥感影像数据，按时间顺序排列，形成多时相遥感影像，并提取每个时相下的指数特征；

步骤二、将步骤一获取的指数特征，利用相邻时相的指数特征进行差分运算，生成一阶差分时序指数特征；

步骤三、将步骤二获得的一阶差分时序指数特征进行相邻一阶差分时序特征的差分运算，生成二阶差分时序指数特征，完成基于差分时序指数特征的多时相遥感影像特征提取。