[发明专利]基于自适应参数遗传算法的森林变化遥感检测方法

说明书

本发明属于遥感技术领域，具体公开了一种基于自适应参数遗传算法的森林变化遥感检测方法，包括对森林遥感影像数据进行预处理；利用光谱波段的反射率计算两幅大气校正后的森林遥感影像的归一化植被指数，并令其为植被指数特征图；对植被指数特征图进行中值滤波，使用差值法对滤波后的特征图构造植被指数差异图；对植被指数差异图进行显著性检测：对显著性差异图使用模糊C均值聚类算法进行预分类，使用基于自适应参数的遗传算法对不确定类像素集中像素的类别标签进行优化，生成最终的变化图。本发明用于解决使用单一光谱特征的遗传算法造成的森林变化检测精度低和搜索空间庞大的问题。

技术领域

本发明属于遥感技术领域，涉及一种森林变化遥感检测方法，具体涉及一种基于自适应参数遗传算法的森林变化遥感检测方法。

背景技术

变化检测是遥感图像处理中最重要的研究课题之一，是指在同一地理区域内不同时间获取两幅或两幅以上的遥感图像，进行定性、定量分析和测定地表变化，被广泛应用于环境监测、自然灾害评估、森林资源监测、农业调查等领域。

森林覆盖了地球31％的表面，是人类陆地上最大的生态系统。森林对生态环境、生物多样性和气候变化有重要影响,在净化空气、调节气候、涵养水源、减少风沙危害等方面起着重要作用，其数量和质量已成为国民经济的重要物质基础。森林资源状况的变化对于国家的发展进步，乃至全球生态环境、生物多样性和气候变化都有重要影响。因此，及时准确地获取森林覆盖变化信息，对于研究环境变化和森林管理规划具有重要意义。

传统的森林变化检测方法主要是人工目视解译，需要专门的解译人员对不同时期图像的变化区域进行比较和解译，难以快速准确地对大范围的森林区域进行判别。与传统方法相比，遥感技术拥有探测范围大、数据采集周期短、受地面条件限制少等优点，近年来在森林变化检测领域中得到了广泛的应用。不同植物在不同季节的遥感影像有较大的不同，利用归一化植被指数NDVI、比值植被指数RVI等光谱特征参数来进行森林变化检测可以克服植被的季节性差异。但是，由于遥感图像在采集和传输过程中会受到不同程度的噪声干扰，只利用光谱特征对遥感影像进行分类会使得分类精度较低。

发明内容

针对现有技术中存在的问题，本发明的目的在于提供一种基于自适应参数遗传算法的森林变化遥感检测方法，用于解决使用单一光谱特征的遗传算法造成的森林变化检测精度低和搜索空间庞大的问题。

为了达到上述目的，本发明采用以下技术方案予以实现。

基于自适应参数遗传算法的森林变化遥感检测方法，包括以下步骤：

步骤1，获取不同时刻的两幅森林遥感影像I₁和I₂，对每幅所述森林遥感影像分别进行预处理，得到两幅预处理后的森林遥感影像I₁”和I₂”；

步骤2，利用光谱波段的反射率分别计算两幅预处理后的森林遥感影像I₁”、I₂”的归一化植被指数矩阵NDVI₁、NDVI₂，并令其为对应的植被指数特征图SF₁、SF₂；

步骤3，对植被指数特征图SF₁和SF₂分别进行中值滤波，对应得到去噪后的特征图SF₁'、SF₂'；使用差值法对去噪后的特征图SF₁'、SF₂'构造植被指数差异图DI；

步骤4，对植被指数差异图DI进行显著性检测，得到显著性差异图DS；

步骤5，使用模糊C均值聚类算法对显著性差异图DS进行预分类，将DS中的像素划分为变化类、未变化类和不确定类，对应得到变化类像素集、未变化类像素集和不确定类像素集；