[发明专利]大棚识别方法及装置

说明书

本发明公开了一种大棚识别方法及装置。该大棚识别方法包括：接收用户输入的遥感影像，获取遥感影像数据，所述遥感影像数据包括可见光波段；采用植被指数计算公式对所述遥感影像数据进行处理，以获取植被指数；采用增强型水体指数计算公式对所述遥感影像数据进行处理，以获取增强型水体指数；将所述植被指数、所述增强型水体指数和所述可见光波段识别特征，基于分类决策树识别出所述遥感影像中的大棚区域。该大棚识别方法中，识别过程简单方便，运算效率高且易于实现；并且，所需参数较少，无需进行大量参数设置，鲁棒性高。

技术领域

本发明涉及遥感应用技术领域，尤其涉及一种大棚识别方法及装置。

背景技术

随着近年来城镇化的快速发展，城市建设与农业用地的矛盾不断加剧，人多地少成为一个严峻的问题。农业大棚作为一种新的农业设施，其具有价格低廉、可抵御病虫害、不受气候环境限制及提高单位面积产量等突出优点，因此得到快速的应用，近年来以每年20％的速度在不断增长。大棚覆盖面积的掌握对于国家统筹规划、农业产值估算等方面具有重要的意义。传统大棚覆盖面积以人工实地走访判别为主，逐层向上级汇报，该方式需要耗费大量的人力物力，且无法获得大棚的准确地理空间位置分布情况，而大棚的准确分布情况对于决策者的决策制定具有至关重要的作用。遥感影像具有价格低廉，获取手段简易，同时具有快速大范围连续观测和获取大棚空间分布情况的突出优点，因此，近年来基于遥感影像的大棚检测成为了一个研究热点问题。

目前基于遥感影像的大棚检测，按照使用的遥感影像数据类型可以分为如下两类：

其一是，基于高分辨率遥感影像(如IKONOS,SPOT,WordView2等)的大棚检测算法。高分辨率遥感影像由于其具有空间分辨率高、纹理信息较遥感影像更为清晰的典型优点，近年来得到了较多的应用。该基于高分辨率遥感影像的大棚检测算法，算法设计较为复杂，通常以面对对象方式进行，其对象的形成通常需要较多的参数设置，且后续的特征提取步骤需要较多的专家知识，涉及复杂的机器学习相关内容，且高分辨率遥感影像本身幅宽较低，且价格高昂，大大限制了其在大棚检测中的应用。

其二是，基于中低分辨率遥感影像(如Landsat，Sentinal-2A等)的大棚检测算法。由于中低分辨率遥感影像具有幅宽大，价格低廉等优点，因此更加适合于大范围的大棚检测。Landsat影像相对于高分辨率遥感影像具有覆盖面广，获取途径更为经济便捷，相对于MODIS影像具有更高的空间分辨率，因此，非常适合于大棚提取研究。该基于中低分辨率遥感影像的大棚检测算法，存在空间分辨率低，计算复杂且处理速度较慢的不足。

发明内容

本发明要解决的技术问题在于，针对现有技术的缺陷，提供一种大棚识别方法及装置。

本发明解决其技术问题所采用的技术方案是：一种大棚识别方法，包括：

接收用户输入的遥感影像，获取遥感影像数据；所述遥感影像数据包括可见光波段；

采用植被指数计算公式对所述遥感影像数据进行处理，以获取植被指数；

采用增强型水体指数计算公式对所述遥感影像数据进行处理，以获取增强型水体指数；

将所述植被指数、所述增强型水体指数和所述可见光波段识别特征，基于分类决策树识别出所述遥感影像中的大棚区域。

优选地，所述遥感影像数据包括可见光波段、近红外波段和短波红外波段；所述可见光波段包括红光波段和绿光波段。

优选地，所述植被指数计算公式包括：NDVI＝(NIR-R)/(NIR+R)；其中，NDVI为植被指数，NIR为近红外波段，R为红光波段。

优选地，所述采用增强型水体指数计算公式对所述遥感影像数据进行处理，以获取增强型水体指数，包括：