[发明专利]基于遥感数据的秋收主要农作物信息提取方法及系统

权利要求书

1.一种基于遥感数据的秋收主要农作物信息提取方法，其特征在于，所述方法包括如下步骤：

(1)调查待研究区主要秋收农作物，确定待研究区主要秋收农作物的分类体系；

(2)根据步骤(1)中确定的分类体系，结合主要秋收农作物的物候期以及其光谱、纹理的特征，选取进行主要秋收农作物信息提取所需要的不同时相的研究区遥感数据，并利用遥感手段对多个时相遥感数据进行正射校正、图像配准、镶嵌、云检测的预处理工作，得到符合分类体系要求的多时相遥感数据；然后对符合分类体系要求的多时相遥感数据进行波段合并；

(3)基于实地调查样方，利用目视解译的方法，挑选训练样本，综合多时相的主要秋收农作物的光谱、纹理信息，对于同一种秋收农作物绘制多套训练样本，最后对训练样本的数据集进行有效评估训练样本达到分类要求；其中，有效评估的条件为可分离性大于1.8；

(4)根据目视解译与神经网络监督分类相结合的方法，对步骤(2)中波段合并处理后的多时相遥感数据进行信息提取，获取待研究区主要秋收农作物种植空间分布。

2.根据权利要求1所述的基于遥感数据的秋收主要农作物信息提取方法，其特征在于：在步骤(4)中，所述神经网络为B-P神经网络。

3.根据权利要求2所述的基于遥感数据的秋收主要农作物信息提取方法，其特征在于：用于分类的B-P神经网络具有一个输入层、一个隐藏层和一个输出层组成的3层；其中，输入层节点个数n与遥感影像的样本特征数相同，输出层节点个数与样本的类别数相同；每相邻的两层节点质检单方向互联，训练过程分正向和逆向传播两个传播过程；样本信息在正向传播过程中，隐藏层节点和输出层节点均经过激活函数f(x)作用之后，在两层节点处分别获得样本节点输出信息H_j和网络输出信息O_k；

根据网络输出信息O_k与其目标输出信息T_k得到第一误差信号δ_k；

然后第一误差信号δ_k进入逆向传播，传播到隐藏节点处获得第二误差信号σ_j；

再用误差δ_k和σ_j向误差函数减少的方向调整隐藏节点与输出节点之间的联接权值V_kj、输出节点的阈值γ_k、输入节点与隐藏节点之间的联接权值w_ji和隐藏节点的阈值θ_j；

将需训练的遥感图像训练样本逐个输入B-P神经网络中，按照正向传播过程和逆向传播过程两个过程进行训练，待所有样本全部训练一遍之后，计算分类的均方根误差E；

当满足E≤λ时，训练结束，获取训练完毕后网络节点之间的联接权值w_ji、V_kj和阈值θ_j、γ_k；否则，更新训练次数，将样本再逐个输入网络进行往复训练，直到满足E≤λ为止，其中，λ为指定精度。

4.根据权利要求3所述的基于遥感数据的秋收主要农作物信息提取方法，其特征在于：样本节点输出信息H_j为：

其中，f(x)为激活函数，I_i为输入遥感图像样本，w_ji为输入节点与隐藏节点之间的联接权值，θ_j为隐藏节点的阈值，M为正向训练过程中符合训练要求的样本数，i为正向训练过程中符合训练要求的样本序号，x为节点。

5.根据权利要求4所述的基于遥感数据的秋收主要农作物信息提取方法，其特征在于：网络输出信息O_k为：

其中，V_kj为隐藏节点与输出节点之间的联接权值，γ_k为输出节点的阈值，H为逆向训练过程中符合训练要求的样本数，j为逆向训练过程中符合训练要求的样本序号。