基于比例信息的林地被动微波混合像元分解方法
【专利摘要】本发明的基于比例信息的林地被动微波混合像元分解方法，属于遥感图像处理的【技术领域】。该方法的应用条件是林地被动微波遥感数据和林地图像数据，方法包括如下过程：1)通过颜色空间转换、阈值分割，计算林地图像中针叶林和阔叶林的比例信息，2)建立林地被动微波混合像元分解模型，3)林地被动微波混合像元分解模型求解，获得阔叶林组分亮温和针叶林组分亮温。本发明可以获得观测地区更为准确的林地信号，有助于森林的微波传输特性和林地相关参数反演研究，也有助于其它相关科学问题的解决和实现，进一步推动遥感面向全球的实时、精确的植被参数监测。
【专利说明】基于比例信息的林地被动微波混合像元分解方法
【技术领域】
[0001]本发明属于遥感图像处理的【技术领域】，具体涉及一种基于比例信息的林地被动微波混合像元分解方法，可以由林地被动微波混合像元中分解获得针叶林和阔叶林的组分亮温，提供观测地区更为准确的林地信号，有助于森林的微波传输特性和林地相关参数反演研究。
【背景技术】
[0002]目前，被动微波遥感技术已被广泛应用于对植被生物量、冠层含水量、土壤水分、地表冻融状态判别、雪水当量等地表参数的反演算法和监测中。植被作为研究的目标对象或干扰因素，对植被信号的准确理解和准确表达是提高算法精度的关键。为了尽可能准确的获取植被参数或排除植被影响，提高反演精度，一系列针对植被的被动微波辐射传输模型已经相继建立，包括零阶(参见Ulaby，F.T.，Moore, R.K.&Fung, A.Κ.(1981).Microwave remote sensing:active and passive,vol.1.ArtechHouse, Dedham, MA.)> 一 阶(参见 Mo, T.(1982).A model for microwave emission fromvegetation-covered fields.Journal of Geophysical Research，87，11229-11237.)、高阶的福射传输模型(参见 Eom，H.J.&Fung，A.K.(1986).Scattering from a random layerembedded with dielectric needles.Remote Sensing of Environment, 19，139-149.和 Ferrazzoli，P.&Guerriero，L.(1995).Radar sensitivity to tree geometryand woody volume: a model analysis.1EEE Transactions on Geoscience andRemote Sensing，33，360-371.)、回归模型(参见 Ferrazzoli，P.，Guerriero，L &Wigneronj J.-P.(2002).Simulating L-band emission of forests in view offuture satellite applications.1EEE Transactions on Geoscience and RemoteSensing, 40，2700-2708.)、森林多层模型(参见 Karamj Μ.A.(1997).A physical modelfor microwave radiometry of vegetation.1EEE Transactions on Geoscience andRemote Sensing35, 1045-1058.)等。这些模型绝大部分是基于对植被不同组成部分相对重要性的一个直观认识:即认为植被是由一些具有不同尺寸和形状的、随机分布的离散散射体组成(参见 E.Santij S.Palosciaj P.Pampalonij S.Pettinatoj Ground-BasedMicrowave Investigations of Forest Plots in Italy, IEEE trans.Geosc1.Remote Sens.，vol.47，pp.3016-3025，2009.)，把这些来自植被不同组成部分的贡献信号加和可以获取植被总的辐射信号。Shi (参见 Shi, J., Jackson, T., Taoj J., Du, J., Bindlish, R.,Lu, L.&Chen,K.S.(2008).Microwave vegetation indices for short vegetationcovers from satellite passive microwave sensor AMSR-E.Remote Sensing ofEnvironment, 112，4285-4300.)指出，在被动微波遥感的观测尺度上，观测到的植被冠层信号是观测范围内不同植被冠层的信号的总和。
[0003]迄今为止，被动微波遥感中对森林的微波传输特性研究，无论在理论模型方面还是实验上进行的比较少，实验数据和成果也有限(参见G.Macellonij S.Palosciaj et.al，Airborne multifrequency L~to Ka-band radiometric measurements over forests.1EEE Transactions on Geoscience and Remote Sensing, vol.39，N0.11，pp.2507 - 2513，2001.、Guglielmettij M.Schwankj C.Matzlerj C.0berdorsterj J.Vanderborghtj andH.Fluhlerj Measured microwave radiative properties of a deciduous forestcanopy, Remote Sensing of Environment, 109,pp.523-532.,2007.和 M.Parde，K.Goitaj A.Royer, F.Vachon.Boreal forest transmissivity in the microwave domainusing ground-based measurements, IEEE Transactions on Geoscience and RemoteSensing Letters，Vol2_2，pp.169-171，2005.)。由于全球各地气候、地形等因素的巨大差异，使得森林的种类、高度、结构等千差万别。一般来说森林分为两类，一类是是针叶林，包括樟子松、落叶松、红松、云杉(冷杉)等；另一类为阔叶林，包括温带的白桦、杨树，热带亚热带的橡胶树、桉树等。
[0004]多频段的被动微波对于森林特性的变化敏感，其具有相对较长的波长，可以穿透较厚的植被层，探测到植被冠层及冠层以下的地表参数信息。为了有效的获取森林参数或排除森林影响，对森林信号的正确理解和表达是关键。由于全球各地气候、地形等因素的巨大差异，使得森林的种类、高度、结构等千差万别，森林可以认为是由阔叶林和针叶林组成的一个离散的非均匀介质。通过林地被动微波混合像元分解获得针叶林和阔叶林的组分亮温，将有助于森林的微波传输特性和林地相关参数反演研究。
【发明内容】
[0005]本发明要解决的技术问题在于提供了 一种基于比例信息的林地被动微波混合像元分解方法，可以由林地被动微波混合像元中分解获得针叶林和阔叶林的组分亮温，提供观测地区更为准确的林地信号，有助于森林的微波传输特性和林地相关参数反演研究。
[0006]本发明根据被动微波遥感的观测尺度上，观测到的森林信号由观测范围内阔叶林和针叶林两类组成，通过获得林地图像中针叶林和阔叶林的比例信息，建立林地被动微波混合像元分解模型，采用最小二乘法迭代计算求解方程组，实现林地被动微波混合像元分解，得到针叶林和阔叶林的组分亮温。本发明可以实现林地被动微波混合像元分解，获得针叶林和阔叶林的组分亮温，提供观测地区更为准确的林地信号，有助于森林的微波传输特性和林地相关参数反演研究。
[0007]为解决本发明要解决的技术问题，给出技术方案如下。
[0008]一种基于比例信息的林地被动微波混合像元分解方法，该方法的应用条件是林地被动微波遥感数据和林地图像数据，方法包括如下过程:1)获得林地图像中针叶林和阔叶林的比例信息，2)建立林地被动微波混合像元分解模型，3)林地被动微波混合像元分解模型求解。具体过程如下
[0009](一)获得林地图像中针叶林和阔叶林的比例信息
[0010]本发明采用数字图像处理的方法从采集得到的林地图像中获得针叶林和阔叶林的比例信息，其具体处理流程如下:
[0011](I)采用现有技术进行颜色空间转换
[0012]通常采用的RGB(红、绿、蓝)模型适合于显示系统，但不适用于图像分割和分析，因为R、G、B三个分量是高度相关的，只要亮度发生改变，三个分量都会相应变化。HIS (色调、饱和度、亮度)模型更符合人描述和解释颜色的方式，可以将图像分成彩色和灰度信息。其中，I为亮度，表示人能感知到的颜色强弱为色调，表示颜色(与波长有关);S为饱和度，表示色的纯度，单色光中混入的光的程度。采用公式(I)- (3)可以实现将图像由RGB空间转变为HIS空间，对测试数据中针叶林、阔叶林、混合针阔叶林类型图像的亮度、色调和饱和度分别进行统计平均，得到三类林地图像HIS直方图信息。
【权利要求】
1.一种基于比例信息的林地被动微波混合像元分解方法，有以下步骤， (一)采用数字图像处理的方法从采集得到的林地图像中获得针叶林和阔叶林的比例信息，对测试数据中针叶林、阔叶林、混合针阔叶林类型图像的色调H、亮度I和饱和度S分别进行统计平均，得到三类林地图像HIS直方图信息； 对测试图像中的林地类型进行分类:(a)阔叶林图像需满足条件:对于色调采用OTSU自适应阈值分割，分割后的色调的阈值范围Ht e [Ti T2],其中，I\、T2分别是阔叶林色调阈值的最小值和最大值；饱和度直方图基本只有一个峰值；(b)针叶林图像需满足条件:对于色调采用OTSU自适应阈值分割，分割后的阈值色调的阈值范围Ht e [T3 T1)，其中，T3是针叶林色调阈值的最小值；饱和度直方图基本只有一个峰值；(c)混合针阔叶林图像满足条件:饱和度直方图具有双峰值，并将混合针阔叶林图像中色调值大于等于T1的像素定义为阔叶林，将色调值小于T1的像素定义为针叶林； 计算比例信息:阔叶林类型在林地图像中所占的比例信息a=CB/(MXN)，其中，Cb代表林地图像中阔叶林像元个数，M和N分别代表采集图像的宽和高；针叶林类型的比例信息β =1_ α ； (二)假设观测地区中针叶林组分亮温Tn相同、阔叶林组分亮温Tb相同，对于观测地区连续采集得到的m个被动 微波混合像元亮温TM，已知被动微波混合像元对应的林地图像中阔叶林和针叶林的比例信息，通过公式Tm⑴=α⑴Tb+ β⑴TNi=l，2，K, m建立林地被动微波混合像元分解模型，求解被动微波混合像元中阔叶林和针叶林的组分亮温，公式中TM(i)是第i个被动微波混合像元亮温，a (i)是第i个被动微波混合像元对应的林地图像中阔叶林的比例，β⑴是第i个被动微波混合像元对应的林地图像中针叶林的比例； (三)选取R作为目标函数，ξ为事先给定的阈值，目标函数R定义为:
2.根据权利要求1所述的基于比例信息的林地被动微波混合像元分解方法，其特征是，在计算比例信息之前，通过采用标定连通区域的方法去除林地类型分类结果得到的二值图像中的噪声；所述的标定连通区域，算法如下: Ca)扫描二值图像，遇到没加标记的目标像素时，添加一个新的标记； (b)给所有与加标记像素连接在一起的像素添加相同的标记。直到连接在一起的像素全部被添加标记。这样，一个连接成分就被添加了相同的标记； (c)回到(a)，重新查找新的没加标记的像素； (d)重复上述各个步骤，图像全部被扫描后，处理结束； 进一步计算各个连通区域的像素总数，若连通区域的像素总数小于整幅图像的某一比例，则认为该连通区域为噪声，应当去除。
3.根据权利要求1或2所述的基于比例信息的林地被动微波混合像元分解方法，其特征是，所述的给定的阈值I，取值大小取决于对TM(i)求解精度的要求。
【文档编号】G01S7/02GK103530888SQ201310528638
【公开日】2014年1月22日 申请日期:2013年10月30日 优先权日:2013年10月30日
【发明者】顾玲嘉, 任瑞治 申请人:吉林大学