基于多源遙感數(shù)據(jù)的森林樹種準(zhǔn)確識別方法研究

劉玉嬋

(滁州學(xué)院，安徽 滁州 239000)

隨著遙感成像技術(shù)的發(fā)展，建立森林樹種多源遙感圖像分析模型，進(jìn)行森林監(jiān)測，提高森林環(huán)境生態(tài)保護(hù)能力，通過圖像分析和大數(shù)據(jù)聚類分析技術(shù)，進(jìn)行森林樹種多源遙感分類識別，通過空間影像成像技術(shù)，提高森林樹種多源遙感圖像的智能分析能力，相關(guān)的森林樹種多源遙感圖像識別技術(shù)研究在森林環(huán)境監(jiān)測和生態(tài)監(jiān)測等領(lǐng)域都具有很好的應(yīng)用價(jià)值，研究森林樹種多源遙感監(jiān)測方法受到了人們的極大關(guān)注[1]。

對森林樹種準(zhǔn)確識別方法當(dāng)前主要采用人工辨識方法，結(jié)合遙感辨識方法，進(jìn)行森林樹種多源遙感影像監(jiān)測和識別，提高森林保護(hù)能力。但傳統(tǒng)方法進(jìn)行森林樹種準(zhǔn)確識別的準(zhǔn)確性不高，自適應(yīng)性不好[2-4]。文獻(xiàn)[5]中提出基于Harris角點(diǎn)檢測的森林樹種多源遙感圖像分割和分類識別方法，通過森林樹種多源遙感圖像分析，實(shí)現(xiàn)森林樹種識別和遙感監(jiān)測，但該方法進(jìn)行森林樹種識別分類的計(jì)算開銷較大。文獻(xiàn)[6]中提出基于角點(diǎn)關(guān)聯(lián)特征提取的森林樹種準(zhǔn)確識別方法，根據(jù)角點(diǎn)關(guān)聯(lián)特征提取，進(jìn)行森林樹種多源遙感影像識別，提高森林樹種多源特征分析分類識別能力，該方法進(jìn)行森林樹種識別的抗干擾性不好，特征辨識度不高。

針對上述問題，本文提出基于遙感成像和大數(shù)據(jù)分析的森林樹種準(zhǔn)確識別方法。首先采用遙感影像技術(shù)進(jìn)行森林樹種的多源遙感成像大數(shù)據(jù)采集，對采集的森林樹種多源遙感數(shù)據(jù)進(jìn)行融合處理，建立森林樹種多源遙感影像分析模型，通過邊緣像素特征檢測方法進(jìn)行森林樹種多源遙感圖像的特征分析，然后根據(jù)森林樹種多源遙感圖像的角點(diǎn)信息和邊緣像素點(diǎn)信息檢測結(jié)果進(jìn)行模糊度識別和分類，結(jié)合支持向量機(jī)和極限學(xué)習(xí)機(jī)進(jìn)行森林樹種遙感圖像檢測和信息識別。最后進(jìn)行仿真測試分析，結(jié)果表明本文方法在提高森林樹種準(zhǔn)確識別能力方面性能優(yōu)越。

1 數(shù)據(jù)采樣與信息融合

1.1 森林樹種多源遙感成像大數(shù)據(jù)采樣

為實(shí)現(xiàn)基于多源遙感數(shù)據(jù)的森林樹種準(zhǔn)確識別，首先需要進(jìn)行圖像采集，采用貝葉斯模型進(jìn)行森林樹種識別分類[7-8]，并進(jìn)行多源遙感成像和大數(shù)據(jù)檢測，得到多源遙感成像的統(tǒng)計(jì)數(shù)據(jù)分布描述如下：

(1)

采用角點(diǎn)檢測的方法，進(jìn)行模糊度重構(gòu)，在模糊區(qū)域中，得到多源遙感成像的空間距離分布為：

(2)

根據(jù)多源遙感成像的空間距離分布情況對原始的遙感圖像進(jìn)行多維分割，采用超像素分割的方法，得到超像素與背景種子的融合參數(shù)[9-11]，并得到最佳分割灰度閾值下森林樹種多源遙感圖像的隸屬度函數(shù)f(gi)為：

(3)

由此獲得森林樹種多源遙感圖像的空間視覺分量，得到森林樹種監(jiān)測的多源遙感圖像空間特征規(guī)劃分布參數(shù)βr計(jì)算如下：

(4)

(5)

(6)

在上述分析基礎(chǔ)上，結(jié)合采用遙感影像技術(shù)，構(gòu)建森林樹種多源遙感成像大數(shù)據(jù)采集模型為：

(7)

根據(jù)森林樹種多源遙感成像大數(shù)據(jù)采集模型進(jìn)行森林樹種的多源遙感成像大數(shù)據(jù)采集，在此基礎(chǔ)上，結(jié)合角點(diǎn)檢測方法，對采集的森林樹種多源遙感數(shù)據(jù)進(jìn)行融合處理。

1.2 森林樹種多源遙感影像信息融合

建立森林樹種多源遙感影像分析模型，通過邊緣像素特征檢測方法進(jìn)行森林樹種多源遙感圖像的特征分析[12-13]，在邊緣像素中心，得到森林樹種多源遙感分割的先驗(yàn)概率分布閾值為：

(8)

定義為：

(9)

式中Jc為森林樹種多源遙感圖像全局對比的顯著區(qū)域，Ω(x)為森林遙感光紋特征分布集。計(jì)算多尺度超像素之間的空間與顏色信息，得到顏色序列分別為：

(10)

上式中，J(x)為圖像邊緣視景分布的灰度值，I(x)為原圖分割的差異度系數(shù)。

根據(jù)上述分析，結(jié)合模糊信息融合和超像素分割，在4×4子塊的局部區(qū)域內(nèi)建立森林樹種多源遙感圖像融合模型為：

(11)

結(jié)合顯著區(qū)域融合調(diào)度的方法，得到圖像信息融合中心收斂到：

(12)

由此建立了邊緣像素集合，根據(jù)邊緣像素集合的融合度信息進(jìn)行特征分解，提高森林樹種準(zhǔn)確識別和特征分析能力[14]。

2 森林樹種準(zhǔn)確識別

2.1 遙感特征匹配與信息增強(qiáng)

結(jié)合點(diǎn)匹配方法，得到森林樹種多源遙感圖像的子帶像素特征點(diǎn)，對森林樹種多源遙感圖像進(jìn)行增強(qiáng)處理，多背景區(qū)域的超像素特征匹配輸出為：

(13)

森林樹種多源遙感圖像的空間視覺三維重構(gòu)結(jié)果為AR、AG、AB和WR、WG、WB，在4×4子塊區(qū)域內(nèi)進(jìn)行前景和背景參數(shù)融合和信息重構(gòu)，建立森林樹種多源遙感圖像的層次化分割模型，得到超像素的邊緣像素集合為：

(14)

設(shè)J(x)t(x)為森林樹種多源遙感圖像的噪點(diǎn)，將超像素作為網(wǎng)格分塊區(qū)域進(jìn)行樹種識別，得到平均顏色分布特征點(diǎn)為：

(15)

構(gòu)建森林樹種多源遙感檢測的信息融合模型，通過邊緣像素的信息增強(qiáng)方法，得到信息增強(qiáng)輸出特征匹配函數(shù)為：

(16)

根據(jù)式(16)，構(gòu)造森林樹種多源遙感的分布集，根據(jù)差異度分布，得到信息增強(qiáng)結(jié)果為：

(17)

其中ξi和ξi*表示樹種分類的差異度系數(shù)，在連續(xù)相關(guān)性約束下，進(jìn)行點(diǎn)匹配和顯著區(qū)域增強(qiáng)，提高遙感特征檢測能力。

2.2 森林樹種遙感識別輸出

根據(jù)森林樹種遙感數(shù)據(jù)的信息增強(qiáng)結(jié)果檢測和大數(shù)據(jù)辨識，和森林樹種多源遙感圖像的角點(diǎn)信息和邊緣像素點(diǎn)信息檢測結(jié)果進(jìn)行模糊度識別和分類[15]，邊緣像素點(diǎn)分布的核函數(shù)為：

(18)

|u|4/(d-2)ux

(19)

|u|4/(d-2)uθ

(20)

樹種識別的誤差匹配函數(shù)為：

(21)

其中

(22)

(23)

(24)

(25)

(26)

結(jié)合支持向量機(jī)和極限學(xué)習(xí)機(jī)進(jìn)行森林樹種遙感圖像檢測和信息識別，得到二階梯度▽2F(x)為：

(27)

支持向量機(jī)學(xué)習(xí)模型為：

(28)

當(dāng)k極大時(shí)，輸出的穩(wěn)定性越好，綜上分析，通過對森林樹種識別進(jìn)行優(yōu)化，最終實(shí)現(xiàn)森林樹種多源遙感識別和監(jiān)測。

3 仿真測試與分析

為驗(yàn)證基于多源遙感數(shù)據(jù)的森林樹種準(zhǔn)確識別方法的實(shí)際應(yīng)用性能，進(jìn)行如下仿真測試。

實(shí)驗(yàn)環(huán)境如下：對森林樹種遙感監(jiān)測的灰度閾值為0.32，像素集規(guī)模為240，超像素屬性分布分別為100、200和300，模糊噪聲點(diǎn)分布為密度為0.83，干擾度為-12dB，根據(jù)上述參數(shù)設(shè)定，采用1000數(shù)據(jù)集作為測試集，進(jìn)行森林樹種準(zhǔn)確識別，得到原始的森林樹種多源遙感監(jiān)測圖像如圖1所示。

圖1 森林樹種多源遙感監(jiān)測圖像

以圖1的圖像為研究對象，通過邊緣像素特征檢測方法進(jìn)行森林樹種多源遙感圖像的特征分析，結(jié)合點(diǎn)匹配方法實(shí)現(xiàn)對樹種識別，得到識別結(jié)果如圖2所示。

圖2 樹種識別結(jié)果

分析圖2得知，本文方法能有效實(shí)現(xiàn)對森林樹種多源遙感監(jiān)測和識別，對各類樹種的辨識能力較好，測試不同方法進(jìn)行森林樹種識別的準(zhǔn)確性，得到對比結(jié)果見表1，分析表1得知，本文方法進(jìn)行森林樹種識別的精度較高。

表1 識別準(zhǔn)確性對比

結(jié)語

通過圖像分析和大數(shù)據(jù)聚類分析技術(shù)，進(jìn)行森林樹種多源遙感分類識別，提高森林樹種多源遙感圖像的智能分析能力，本文提出基于遙感成像和大數(shù)據(jù)分析的森林樹種準(zhǔn)確識別方法。對原始的遙感圖像進(jìn)行多維分割，采用超像素分割的方法，得到超像素與背景種子的融合參數(shù)。對森林樹種多源遙感圖像進(jìn)行增強(qiáng)處理，結(jié)合顯著區(qū)域融合調(diào)度的方法，構(gòu)建森林樹種多源遙感檢測的信息融合模型，結(jié)合圖像邊界特征，進(jìn)行二值圖分析，實(shí)現(xiàn)森林樹種多源特征分析和樹種識別。分析得知，本文方法進(jìn)行森林樹種識別的精度較高，識別準(zhǔn)確性較好。