基于混合像元加权的遥感图像面积矫正方法、系统、装置及介质与流程

本发明属于遥感图像，涉及一种基于混合像元加权的遥感图像面积矫正方法、系统、装置及介质。

背景技术：

1、在基于遥感图像的农作物种植面积计算研究中，通常依赖于遥感图像农作物分类结果。然而，基于遥感图像的农作物分类问题中，并不能保证分类结果准确无误，分类结果得到的种植区域往往存在一定程度的误差，如种植斑块边缘部分，更易存在错分的情况。针对这个问题，科学界进行了多年的探讨与研究，提出了众多解决方法，例如，基于破碎度的面积估算方法考虑了种植斑块的数目在面积计算过程中造成影响，认识到分类斑块自身属性影响面积估计，能够在一定程度上解决面积估算偏差较大的问题，但并未深入研究分析误差来源。基于景观模型的面积估算方法在小区域样本上利用景观评价指标综合考虑分类结果中各斑块的特征，在小区域面积估算中有较好的表现，却并未适应性地应用到广域农业种植研究中。此外，常见的面积矫正方法并未考虑到受天气、仪器等因素的影响，遥感数据自身也会存在误差。

技术实现思路

1、本发明的目的在于解决现有技术中针对遥感图像中直接根据分类结果计算存在较大误差的问题，提供一种基于混合像元加权的遥感图像面积矫正方法、系统、装置及介质。

2、为达到上述目的，本发明采用以下技术方案予以实现：

3、基于混合像元加权的遥感图像面积矫正方法，包括：

4、采集遥感图像数据，获取遥感图像数据集；

5、对所获取的遥感图像数据集进行分类，获取分类结果数据集s，并下载标准面积数据集a；

6、在分类结果数据集s上，基于遥感图像像元的面积计算模型进行面积计算，获取初始面积数据集；

7、基于标准面积数据集a中的标准面积数据和初始面积数据集计算初始面积误差，获取面积误差数据集；

8、基于分类结果数据集s得到混合像元饱和度数据集，基于混合像元饱和度数据集和面积误差数据集，构建基于混合像元加权的遥感图像面积矫正模型；

9、基于遥感图像面积矫正模型，获取遥感图像面积。

10、本发明的进一步改进在于：

11、进一步的，遥感图像像元的面积计算模型为：

12、

13、其中：qc表示类别为c像元的初始遥感面积数据；si,j表示分类结果数据集s中分类数据s在位置i,j像元的分类类别；c表示指定的类别；pl表示像元对应物理世界实际的长度；pw表示像元对应物理世界实际的宽度；σ为面积单位转换系数；⊙表示同或运算，相同为1，不同为0；所述初始面积数据集为各个不同像元的面积集合。

14、进一步的，初始面积误差为：

15、

16、其中，rc表示种类c的面积偏差比率；ac表示种类c的标准面积，取自标准面积数据集a；面积误差数据集r为面积误差数据的集合；

17、分类结果数据集s包括图像的地理坐标、像元大小和类别；标准面积数据集a通过农业部官方网站下载得到。

18、进一步的，基于分类结果数据集s得到混合像元饱和度数据集，具体为：

19、混合像元饱和度计算公式为：

20、

21、其中：表示当五个输入值相等时，结果为1，否则为0；si,j表示对于分类数据s中位置在i,j处的分类类别；ds表示对于分类数据s的混合像元饱和度值；分类数据s取自分类结果数据集s。

22、进一步的，基于混合像元饱和度数据和面积误差数据，构建基于混合像元加权的遥感图像面积矫正模型，具体为：

23、基于混合像元加权的遥感图像面积矫正模型为：

24、rc＝slope*dc+offset (4)

25、其中：slope表示混合像元饱和度和面积偏差之间的平均变化率；offset表示混合像元饱和度和面积偏差之间的偏移；dc表示对于种类c的混合像元饱和度值；rc表示对于种类c的面积误差数据。

26、进一步的，基于混合像元加权的遥感图像面积矫正模型，还包括：基于遗传算法获取遥感图像面积矫正模型的参数；所述基于遗传算法获取遥感图像面积矫正模型的参数，具体为：

27、s1.1，基于混合像元饱和度与面积误差构建训练数据集r-set，初始化权重种群m，使得权重m中的每一组数据对应为r-set中数据的一组权重；

28、s1.2，使用公式(5)和公式(6)计算每一个权重个体下的参数slpoe′和offset′，并基于公式(7)计算当前这组权重ω下对应的代价j；

29、

30、

31、

32、其中：表示数据集r-set中的第组映射关系；表示权重个体中第组映射关系的权重；表示映射关系的组号，取值范围为表示输入数据集r-set的规模；

33、s1.3，对种群m进行选择、交叉和变异操作，生成子代种群；

34、s1.4，将种群m和子代种群进行合并，生成新的种群，种群大小为2*|m|，选择新的种群中最优的个体，组成大小为|m|的下一代种群；

35、s1.5，重复s1.2～s1.4的操作，每重复一次，迭代次数g增加1，直到满足迭代次数g大于最大迭代次数g时终止，迭代终止时，种群中代价j的值最小的权重个体对应的参数slope′和offset′作为基于混合像元加权的遥感图像面积矫正模型最佳slope和offset，此时得到混合像元加权的遥感图像面积矫正模型。

36、基于混合像元加权的遥感图像面积矫正系统，包括：

37、采集模块，所述采集模块采集遥感图像数据，获取遥感图像数据集；

38、分类模块，所述分类模块对所获取的遥感图像数据集进行分类，获取分类结果数据集s，并下载标准面积数据集a；

39、第一数据处理模块，所述第一数据处理模块在分类结果数据集s上，基于遥感图像像元的面积计算模型进行面积计算，获取初始面积数据集；

40、第二数据处理模块，所述第二数据处理模块基于标准面积数据集a中的标准面积数据和初始面积数据集计算初始面积误差，获取面积误差数据集；

41、构建模块，所述构建模块基于分类结果数据集s得到混合像元饱和度数据集，基于混合像元饱和度数据集和面积误差数据集，构建基于混合像元加权的遥感图像面积矫正模型；

42、获取模块，所述获取基于遥感图像面积矫正模型，获取遥感图像面积。

43、一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述方法的步骤。

44、一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上述方法的步骤。

45、与现有技术相比，本发明具有以下有益效果：

46、本发明构建混合像元饱和度数据集，将分类结果中可能存在的分类误差进行量化，然后利用遗传算法为数据赋予不同的权重，解决了训练数据中数据质量本身参差不齐导致面积矫正模型存在误差的问题。本发明的模型效果更佳，实现了遥感图像的面积矫正，减少了根据分类结果进行计算的误差度。