(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211065408.8 (22)申请日 2022.08.31 (71)申请人 河海大学 地址 211100 江苏省南京市江宁区佛城西 路8号 (72)发明人 薛朝辉　孙辰润　 (74)专利代理 机构 南京经纬专利商标代理有限 公司 32200 专利代理师 田凌涛 (51)Int.Cl. G06V 10/764(2022.01) G06V 20/13(2022.01) G06V 10/80(2022.01) G06V 10/40(2022.01) G06V 10/54(2022.01)G06V 10/77(2022.01) G06V 10/74(2022.01) G06V 10/26(2022.01) G06N 20/20(2019.01) G06N 5/00(2006.01) (54)发明名称 一种基于多源遥感数据的湿地信息提取方 法 (57)摘要 本发明涉及一种基于多源遥感数据的湿地 信息提取方法， 首先对影像进行预处理， 采用光 学影像提取光谱特征、 指数特征、 核指数特征、 主 成分分割特征、 纹理特征， 利用SAR影像提取SAR 特征、 纹理特征， 利用DEM数据提取高程、 坡度特 征， 并将所有特征进行多时相叠加； 然后基于马 氏距离衡量类间可分性， 从而进行特征敏感性实 验与特征优选实验， 得到最优特征集合； 最后利 用得到的特征集合， 采用集成学习分类方法， 达 到最优分类效果。 本发明设计方法融合了多种类 型数据， 真实全面地表达了地面信息； 将多个时 相数据叠加， 保留了时序特征； 引入了主成分分 割特征， 充分获得了地面的几何形状信息； 采用 基于马氏距离的特征优选方法， 合理保留了有效 特征。 权利要求书5页 说明书12页 附图9页 CN 115496939 A 2022.12.20 CN 115496939 A 1.一种基于多源遥感数据的湿地信 息提取方法， 其特征在于， 针对目标区域， 采集目标 区域的包含各预设类别的地物的多时相 遥感影像， 针对多时相 遥感影像， 执行以下步骤A ‑ 步骤F， 完成多时相遥感影 像中各像素点的分类， 进 而实现目标区域的地物分类： 步骤A： 根据湿地分类体系中各土地利用类型的物候特征、 分布特点， 对目标区域的地 物进行分类， 采集 目标区域的包含各预设类别的地物的多时相 遥感影像， 其中多时相 遥感 影像包括光学多光谱影 像、 SAR遥感影 像、 DEM数据， 然后进入步骤B； 步骤B： 分别 对多光谱影像、 SA R遥感影像进行预处理， 将预处理后的对多光谱影像、 SA R 遥感影像与DEM数据三者融合， 获得三时相中值 合成影像， 即叠加图像X， 然后进入步骤C； 步骤C： 针对叠加图像X的光学波段部分， 提取多时相指数特征， 多时相指数特征包括子 特征NDVI、 MNDW I、 NDBBI； 提取叠加图像X的纹理特征， 其中包括叠加图像X的光学波段部分的纹理特征， 光学波 段部分的纹理特征包括子特征ASM、 contrast、 entrop y、 correlation， 以及叠加图像X的微 波波段部分的纹理特征， 微波波段部分的纹理特征包括子特征entropy、 intertia、 gearys、 gradient、 directi on、 edgy； 针对叠加图像X的光学波段部分， 计算核指数特征， 核指数特征包括子特征kNDVI、 kNDBBI、 kMNDWI； 对叠加图像X的光学波段部分， 采用主成分分析法， 获得叠加图像X的光学 波段部分的各主成分， 针对第一个主成分进 行面向对象分割， 获得主成分分割特征； 至此完 成所有类型特征的提取， 得到特征总集合W， 将叠加图像X与特征总集合W叠加， 获得特征融 合图像Y， 然后进入步骤D； 步骤D： 针对特征融合图像Y， 计算特征融合图像Y中各预设类别地物的样本点的马氏距 离值， 以表示不同预设类别地物组合间的可分离性； 然后进入步骤E； 在以下步骤中， 将Y替 换为其他图像， 并以相同原理来计算 其他情况下的马氏距离值； 步骤E： 将叠加图像X的光学波段部分分别与多时相指数特征、 核指数特征， 光学波段部 分的纹理特征， 微波波 段部分的纹理特征组合， 获得各组合后的特征图， 采用梯度提升树分 类器分别对各组合后的特征图中的各像素点分类， 分别计算总体分类精度和马氏距离值， 将分类精度和马氏距离值均高于预设阈值的组合特 征定义为敏感特 征； 将步骤C得到的特征融合图像Y放入梯度提升树分类器中进行训练， 同时采用GEE平台 中的explain算法计算特征融合图像Y中所有子特征的特征重要性指数， 而后将叠加图像X 的光学波段部分筛出， 将剩 下的所有子特征按照特征重要性指数大小降序排列； 以叠加图 像X的光学部 分为基础， 按降序结果逐一加入新的特征， 每次加入特征后都分别进 行总体分 类精度和马氏距离值的计算， 最 终分别得到总体分类精度与马氏距离值随特征数量变化的 曲线图； 通过分析曲线图的变化趋势， 确定前N个特征为必要特征， 最后查看剩余特征中是 否存在敏感特 征未被选择， 若 有则一并加入， 获得最终特 征集合W， 然后进入步骤F； 步骤F： 将最终特征集合W输入梯度提升树分类器， 对最终特征集合W中的各像素点进行 分类， 获得 各像素点所属的预设类别， 进 而实现目标区域的地物分类。 2.根据权利要求1所述的一种基于多源遥感数据的湿地信 息提取方法， 其特征在于， 步 骤B中对多光谱影像的预处理包括去云处理， 通过去云处理去除云量大于5％的区域， 并进 行大气校正、 日期筛选、 按照研究区矢量边界进行裁剪； 对SAR遥感影像的预处理包括大气 校正、 按照研究区矢量边界进行裁剪， 并将上下轨道数据融合， 将融合后所获得的SAR遥感权　利　要　求　书 1/5 页 2 CN 115496939 A 2影像进行日期筛 选、 模式筛 选。 3.根据权利要求1所述的一种基于多源遥感数据的湿地信 息提取方法， 其特征在于， 步 骤C的具体步骤如下： 步骤C1： 针对叠加图像X的光学波段部分， 分别计算多时相指数特征的子特征NDVI、 MNDWI、 NDBBI如下式： 式中， NIR为叠加图像X的光学波段部分中的近红外波段， Red为红光波段， Green为绿光 波段， MIR为中红外波段， SW IR2为短波红外波段； 步骤C2： 提取叠加图像X的光学波段部分的纹理特征的子特征ASM、 contrast、 entropy、 correlation， 以及叠加图像X的微波波段部分的纹理特征的子特征entropy、 intertia、 gearys、 gradient、 directi on、 edgy如下： 定义叠加图像X的(x,y)、 (x+ d,y+l)位置的像素点的像素值为(i,j)， 叠加图像X中像素 值为(i,j)的像素点数量为N(i,j)， 叠加图像X的像素点总数为Nglcm， 则像素值(i,j)在叠加 图像X中的出现概 率P(i,j)为： 像素值(i,j)的能量特 征ASM表达式为： 像素值(i,j)的对比度特 征contrast表达式为： 像素值(i,j)的熵特 征entropy表达式为： 像素值(i,j)的自相关特 征correlation表达式为： 式中， 权　利　要　求　书 2/5 页 3 CN 115496939 A 3