[发明专利]基于多特征机器学习的平原水网水葫芦提取方法及装置

说明书

本申请公开了一种基于多特征机器学习的平原水网水葫芦提取方法及装置，通过获取卫星影像数据、河道矢量数据和河道所在地区的矢量边界数据；提取河道卫星影像数据的多光谱信息、纹理特征和植被指数特征作为水葫芦的分类特征；将提取的水葫芦分类特征分别输入到训练好的三种机器学习模型中对水葫芦进行提取；将提取结果进行二值化处理；对比验证三种机器学习模型的提取结果，获得最优提取结果；以河道所在地区的矢量边界数据为基础创建格网；统计每个格网内水葫芦像元素；获取河道所在区域水葫芦分布情况。本申请能够将水葫芦与其它水生植物进行有效区分，无需人工干预，避免了单波段阈值及多波段比值方法中阈值设定的问题，能够准确提取出平原水网中的水葫芦。

技术领域

本申请涉及机器学习技术领域，具体涉及一种基于多特征机器学习的平原水网水葫芦提取方法及装置。

背景技术

水葫芦是目前世界上危害最严重的水生漂浮植物，是造成水污染的重要原因，及时有效地监测并治理水葫芦成为当前亟需解决的问题。传统人工巡查的方式识别准确率高，但费时费力，覆盖范围有限，成本较高。

所以，目前国内外开展遥感监测水葫芦的研究主要有三类方法，分别为监督分类、单波段阈值以及多波段比值。监督分类首先需要选取目标像元，建立训练样本，对遥感影像进行分类，结果需人工解译修正；单波段阈值利用特征波段在水葫芦高反射而在水体强吸收的特性设定阈值进行提取；多波段比值法通过扩大水葫芦在可见光波段与近红外波段之间的差异，提升分类精度。单波段阈值和多波段比值法都需设定阈值进行目标提取，然而如何准确设定阈值目前还没有较好的方法。而且遥感监测方法虽然能够实现水葫芦的快速提取，但基于监督分类方法结果需要人工干预，效率不高。

此外，现有研究主要聚焦于大型湖泊，针对平原水网地区的研究较少，上述方法的适用性有待进一步证实，所以如何精确提取平原水网地区的水葫芦，从而提高水葫芦治理效率成为了本领域亟待解决的问题。

发明内容

为此，本申请提供一种基于多特征机器学习的平原水网水葫芦提取方法及装置，以解决现有技术存在的如何精确提取平原水网地区的水葫芦，从而提高水葫芦治理效率的问题。

为了实现上述目的，本申请提供如下技术方案：

第一方面，一种基于多特征机器学习的平原水网水葫芦提取方法，包括：

获取卫星影像数据、河道矢量数据和河道所在地区的矢量边界数据，基于所述卫星影像数据和所述河道矢量数据提取河道卫星影像数据；

提取所述河道卫星影像数据特征作为水葫芦的分类特征；

将提取的水葫芦分类特征分别输入到训练好的三种机器学习模型中对水葫芦进行提取；

将提取结果进行二值化处理；

对比验证三种机器学习模型的提取结果，获得最优提取结果；

以所述河道所在地区的矢量边界数据为基础创建格网；

统计每个格网内水葫芦像元素；

获取所述河道所在区域水葫芦分布情况。

作为优选，所述卫星影像数据采用哨兵2号卫星影像数据。

作为优选，所述河道卫星影像数据特征包括多光谱信息、纹理特征和植被指数特征。

作为优选，所述三种机器学习模型为神经网络分类模型、随机森林分类模型和支持向量机分类模型。

作为优选，所述格网为5km×5km的格网。

作为优选，所述统计每个格网内水葫芦像元素采用区域统计方法进行统计。

作为优选，所述获取所述河道所在区域水葫芦分布情况时采用反距离权重插值进行获取。