买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：重庆市地理信息和遥感应用中心(重庆市测绘产品质量检验测试中心)

摘要：本发明公开了一种多维度多尺度遥感与地形特征融合的耕地非农化智能监测方法，步骤1、获取高分辨率影像、高光谱影像、DEM数据、耕地真值矢量数据、已调查监测的耕地矢量数据；步骤2、分割和聚类超像素地物对象；步骤3、以超像素地物对象为单位，提取各超像素地物对象范围内的特征；步骤4、将训练区提取的各特征组合成每个超像素地物对象的特征向量，构建超像素耕地对象训练样本数据；步骤5、训练耕地对象识别模型；步骤6、提取测试区耕地；步骤7、基于提取的测试区耕地和已调查监测的耕地矢量数据，利用空间叠置分析自动提取耕地变为非耕地的图斑，对该图斑进行优化、过滤筛选出耕地非农化图斑。本发明具有实操性、便捷性、可行性等优势。

主权项：1.一种多维度多尺度遥感与地形特征融合的耕地非农化智能监测方法，其特征在于，包括如下步骤：步骤1、划分训练区和测试区，获取训练区的高分辨率影像、高光谱影像和数字高程模型DEM数据、以及耕地真值矢量数据，获取测试区的高分辨率影像、高光谱影像、数字高程模型DEM数据，以及已调查监测的耕地成果矢量数据；步骤2、先对所述高分辨率影像利用嵌入边缘检测Canny的简单非迭代聚类SNIC算法进行超像素分割，再利用高斯混合算法GMM，结合高分辨率影像对超像素对象进行聚类，获得超像素地物对象；步骤3、以所述步骤2获得的超像素地物对象为单位，提取各超像素地物对象范围内的特征，所述特征至少包括高分辨率影像的空间域特征、高分辨率影像的频率域高频特征、高光谱影像的光谱域特征及DEM数据的地形特征；步骤4、将所述训练区的高分辨率影像、高分辨率影像、DEM数据和耕地真值矢量数据根据所述步骤2、所述步骤3中提取的各特征组合成每个超像素地物对象的特征向量，根据超像素地物对象内类别标签像素面积占比最大的确定超像素地物对象标签，构建超像素耕地对象训练样本数据；步骤5、将所述步骤4中构建的超像素耕地对象训练样本数据输入随机森林分类器，设置随机森林算法相关超参数，训练耕地对象识别模型；步骤6、将所述测试区的高分辨率影像、高光谱影像和DEM数据根据所述步骤2、所述步骤3中提取的各特征组合成每个超像素地物对象的特征向量，再将所述特征向量输入所述步骤5中耕地对象识别模型进行预测，得到所述测试区的每个超像素对象的类别，提取测试区耕地。步骤7、基于所述步骤6提取的测试区耕地和所述已调查监测的耕地矢量数据，利用空间叠置分析自动提取耕地变为非耕地的图斑，先对所述图斑通过图斑面积、长宽比、紧致度阈值删除掉细碎狭长图斑，再利用图斑边界简化圆滑、孔洞填充、边界指数、形状指数对所述图斑进行消除孔洞、锯齿和尖角过滤、筛选出候选耕地非农化图斑矢量，最后依据实际业务设定面积阈值，获得耕地非农化图斑。

全文数据：

权利要求：

百度查询： 重庆市地理信息和遥感应用中心(重庆市测绘产品质量检验测试中心) 多维度多尺度遥感与地形特征融合的耕地非农化提取方法