[发明专利]一种基于光谱库的星载高光谱农田裸土目标识别方法

权利要求书

1.一种基于光谱库的星载高光谱农田裸土目标识别方法，其特征在于，所述方法包括以下步骤：

步骤A对研究区星载高光谱影像进行预处理，得到研究区农田地表反射率影像；

步骤B根据得到的地表反射率影像对光谱进行重采样，构建农田典型地物光谱库；

步骤C逐像元计算农田地表反射率与光谱库内各地物光谱间的光谱相似性，并选择与各地物光谱最相似的影像像元，作为该地物类别初始样本；

步骤D对反射率影像进行光谱维滤波与空间维滤波处理，得到滤波后反射率影像；

步骤E对滤波后的反射率影像进行特征提取与特征归一化处理，构建影像光谱特征集；

步骤F计算全部初始样本邻域窗口内像元与各类别初始样本的光谱角距离和欧式距离，对训练样本进行扩增；

步骤G利用训练样本进行多分类器综合分类，并对每组分类结果进行类别合并，将不同土壤类型合并为“裸土”，若三组裸土识别中有两组及以上为“裸土”则该像元标记为“裸土”，否则标记为“非裸土”，最终得到研究区农田裸土目标空间分布图；

步骤B具体包括根据预先收集的资料与影像拍摄时间，确定研究区农田中包含的典型地物类型，收集或实测各典型地物光谱，并根据反射率影像进行光谱重采样，构建农田典型地物光谱库；

所述步骤C中光谱相似性计算以光谱角距离SAD作为评价指标，SAD越小，认为二者光谱越相似；两个光谱间的SAD计算公式如下：

其中，I与R分别表示待比较的两个光谱向量；

在确定各地物类别的初始样本时，需同时满足两个条件：1)该像元与该地物类别的SAD小于其他任一像元与该类别的SAD；2)该像元与该地物类别的SAD小于该像元与其他任一类别的SAD；如某一地物类别无同时满足上述两个条件的像元，则认为影像中不包含该地物类别。

2.如权利要求1所述的基于光谱库的星载高光谱农田裸土目标识别方法，其特征在于，所述步骤A中农田地表反射率影像是根据产品级别进行辐射系数校正、大气校正、影像辐射问题检测与质量提升、正射纠正、地形及太阳光度校正、影像镶嵌与裁剪、农田区域掩膜进行预处理得到。

3.如权利要求1所述的基于光谱库的星载高光谱农田裸土目标识别方法，其特征在于，所述步骤A中通过目视或自动化算法检测影像辐射问题，重点检测影像条带噪声、CCD片间不一致问题、坏线，并利用矩匹配方法对存在问题的波段进行质量提升，舍弃质量提升后问题依然严重的波段。

4.如权利要求1所述的基于光谱库的星载高光谱农田裸土目标识别方法，其特征在于，所述光谱库包含研究区的多种土壤、作物、秸秆、水体、大棚、地膜、云、雪、阴影、建筑地物光谱。

5.如权利要求1所述的基于光谱库的星载高光谱农田裸土目标识别方法，其特征在于，所述步骤D中影像光谱维滤波采用Savitzky-Golay滤波方法，空间维滤波采用基于主成分分析PCA的邻域SAD的滤波方法；其中，PCA-SAD滤波方法具体实现流程如下：

1)设置迭代次数、邻域窗口大小、SAD阈值MinSAD，邻域窗口大小设置9×9或11×11，MinSAD设置在0.015-0.020之间，迭代次数设置为1-3次；

2)对星载高光谱反射率数据进行PCA变换后保留5个主成分，并对主成分进行归一化；

3)基于上一步归一化后的主成分，逐像元计算中心点像元与邻域窗口中各像元的SAD值，并确定窗口内与中心点像元SAD值小于MinSAD的像元作为邻域相似像元；

4)基于反射率数据，计算邻域相似像元的平均值作为中心点数值；

5)重复1)到4)，直到迭代次数满足要求。

6.如权利要求1所述的基于光谱库的星载高光谱农田裸土目标识别方法，其特征在于，所述步骤E中，提取的光谱特征包括光谱指数、特定波长位置反射率、反射率吸收深度、特定波长范围反射率求和、反射率斜率。

7.如权利要求1所述的基于光谱库的星载高光谱农田裸土目标识别方法，其特征在于，所述步骤F中在训练样本扩增时，对各类别初始样本的邻域窗口内各像元，计算像元与各类初始样本像元的SAD与欧式距离，若二者最小值对应的初始样本类别相同，则将该像元加入到这类的训练样本中；其中，邻域窗口初始值设置为11×11，若存在扩增后某类别的训练样本数量小于光谱特征集的特征数，则以2为单位逐步扩大窗口，继续扩增该类别样本，直到所有类别的训练样本数量均满足要求为止。