[发明专利]一种基于时间序列遥感影像及DTW的宜昌山区树种识别方法

说明书

一种基于时间序列遥感影像及DTW的宜昌山区树种识别方法，包括以下步骤：S1：采集树木的光谱信息，存储，得到光谱信息图像；S2：对光谱信息图像进行分析，构建时间与地表温度的NDVI时间序列；S3：计算NDVI时间序列的DTW距离，得到用于区分宜昌山区树种的阈值；S4：NDVI时间序列大于步骤S3中的阈值为乔木，否则为灌木。本发明中，通过构建时间与地表温度建立NDVI时间序列，然后通过隐马尔柯夫模型(HMM)的方法计算NDVI时间序列的DTW距离，得到用于区分宜昌山区树种的阈值，DVI时间序列大于阈值为乔木，否则为灌木，误差小，适宜推广使用。

技术领域

本发明涉及领域，尤其是涉及一种基于时间序列遥感影像及DTW的宜昌山区树种识别方法。

背景技术

时间序列是指将同一统计指标的数值按其发生的时间先后顺序排列而成的数列。时间序列分析的主要目的是根据已有的历史数据对未来进行预测。根据观察时间的不同，时间序列中的时间可以是年份、季度、月份或其他任何时间形式。

DTW最早是用于语音识别中的一项技术，目前在金融、生物、化学以及机器人等领域都有广泛的应用，特别是在多媒体数据领域。目前，对DTW进行加速的方法主要有以下两种：1)添加全局约束。这种方法的目的是对DTW中的规整路径进行全局约束，即限定一个序列中的点只能同另一序列中位置相近的某些点进行匹配。然而，该方法由于只针对查询空间进行约束，并未从实质上降低DTW方法的复杂度，且在查询时，由于查询范围的限制，存在误报情况。2)利用下界距离进行过滤。该方法的主要思想是寻找一种计算更简单的距离度量来粗略地估计DTW距离，称为DTW下界距离，通过它可以过滤掉大部分不满足相似性要求的序列，从而提高查询效率。然而，该类方法，如果下界距离选取复杂度较高，则会降低整体查询效率；如果下界距离选取比较简单，又会降低过滤效果，增大候选集，产生误报。

树种与地表温度存在关联，乔木下方的地表温度低于灌木下方的地表温度，现有的树种预测不采用DTW进行修正，误差较大。

因此，有必要提供一种新的技术方案以克服上述缺陷。

发明内容

本发明的目的在于提供一种可有效解决上述技术问题的基于时间序列遥感影像及DTW的宜昌山区树种识别方法。

为达到本发明之目的，采用如下技术方案：

一种基于时间序列遥感影像及DTW的宜昌山区树种识别方法，包括以下步骤：

S1：采集树木的光谱信息，存储，得到光谱信息图像；

S2：对光谱信息图像进行分析，构建时间与地表温度的NDVI时间序列；

S3：计算NDVI时间序列的DTW距离，得到用于区分宜昌山区树种的阈值；

S4：NDVI时间序列大于步骤S3中的阈值为乔木，否则为灌木。

进一步的：步骤S1中，通过ALOS高分辨率雷达卫星或SPOT高分辨率雷达卫星采集树木的光谱信息。

进一步的：步骤S2中光谱信息分析图像NDVI时间序列为，确定光谱信息图像中的近红外波段(NIR)与红光波段(R)，则NDVI＝(NIR-R)/(NIR+R)。

进一步的：DTW距离的计算采用隐马尔柯夫模型(HMM)的方法

与现有技术相比，本发明具有如下有益效果：本发明基于时间序列遥感影像及DTW的宜昌山区树种识别方法，通过构建时间与地表温度建立NDVI时间序列，然后通过隐马尔柯夫模型(HMM)的方法计算NDVI时间序列的DTW距离，得到用于区分宜昌山区树种的阈值，DVI时间序列大于阈值为乔木，否则为灌木，误差小，适宜推广使用。

具体实施方式

下面对本发明基于时间序列遥感影像及DTW的宜昌山区树种识别方法做出清楚完整的说明。