[发明专利]一种对松树病死木的高分辨率影像的分类去噪方法及系统

说明书

本发明公开了一种对松树病死木的高分辨率影像的分类去噪方法及系统，其通过根据已验证的病虫害树波谱信息的地物颜色特征的分类训练，对待分类图像样本中所有像素点进行相应地物颜色特征提取；然后对地物颜色特征提取后的待分类图像样本中筛选出符合多级病害松树特征的目标象元集合；并对符合多级病树特征的目标象元集合实施一次去噪；再根据病树分布特征对符合多级病树特征的目标象元集合实施二次去噪；最后根据林区背景对符合多级病树特征的目标象元集合实施三次去噪，最终生成对松树病死木状态的分类结果，从而实现对松树病死木的高分辨率影像进行不同病害面积、不同病害程度的高检测精度识别，其处理速度快而且极其稳定。

技术领域

本发明涉及一种松树病死木识别方法，尤其涉及一种对松树病死木的高分辨率影像的分类去噪方法及系统。

背景技术

光谱特征法是最常见的病虫害松树识别方法，其依据是当植物受到病虫浸染时生理变化的差异性会反射在光谱特性上，尤其是红色区和近红外区的光谱特性差异。使用光谱仪等成像设备获取反射和辐射的光谱数据信息，在此基础上发现不同波段反射光谱的变化规律。

相对于传统的人工实地调查方法，获取遥感图像中各地物的光谱特征信息识别病害松树，具有识别率高、识别范围广、识别速度快等优点。然而由于受传感器分辨率、卫星运行周期以及大气环境(如光照、温度等)的影响，利用高光谱仪等成像设备所获取的地物光谱特征数据往往不能很好地表征其类型。

从图像处理和模式识别的角度出发，使用支持向量数据描述也是一种病害松树识别方法。其基本步骤是：首先根据不同地物的特点，提取各颜色分量作为相应像素点的颜色特征，然后通过建立关于训练样本中心距离的权重函数来构造加权支持向量数据描述多分类模型，进而从而实现病害松树的分类识别。

支持向量数据描述多分类方法基于图像像素进行分类识别，缺点之一在于需要对大量样本进行训练，因此执行效率较慢；再者，该方法不能实现多级病害松树的识别，比如前期感染、中期感染、后期感染和死亡松树；此外在解决多分类识别问题时具有误判率较高、识别精度相对不高等缺点。

发明内容

针对上述存在的技术问题，本发明的目的是：提出了一种对松树病死木的高分辨率影像进行不同病害面积、不同病害程度的高效准确的分类去噪方法及系统。

本发明提供一种对松树病死木的高分辨率影像的分类去噪方法，其包括：

S1、根据已验证的病虫害树波谱信息的地物颜色特征的分类训练，对待分类图像样本中所有像素点进行相应地物颜色特征提取；

S2、对地物颜色特征提取后的待分类图像样本中筛选出符合多级病害松树特征的目标象元集合；

S3、对符合多级病树特征的目标象元集合实施一次去噪，将误判的单点或零星点从符合多级病树特征的目标象元集合中剔除；

S4、根据病树分布特征对符合多级病树特征的目标象元集合实施二次去噪，去掉非林区的大面积噪点；

S5、根据林区背景对符合多级病树特征的目标象元集合实施三次去噪，避免产生类似林区边缘的误判情况。

本发明提供一种对松树病死木的高分辨率影像的分类去噪系统，其包括：

颜色特征分类提取模块，用于根据已验证的病虫害树波谱信息的地物颜色特征的分类训练，对待分类图像样本中所有像素点进行相应地物颜色特征提取；

象元筛选模块，用于对地物颜色特征提取后的待分类图像样本中筛选出符合多级病害松树特征的目标象元集合；

一次去噪模块，用于对符合多级病树特征的目标象元集合实施一次去噪，将误判的单点或零星点从符合多级病树特征的目标象元集合中剔除；

二次去噪模块，用于根据病树分布特征对符合多级病树特征的目标象元集合实施二次去噪，去掉非林区的大面积噪点；