(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202211068083.9 (22)申请日 2022.08.31 (65)同一申请的已公布的文献号 申请公布号 CN 115223059 A (43)申请公布日 2022.10.21 (73)专利权人 自然资源部第三 航测遥感院 地址 610000 四川省成 都市龙泉驿区建 设 路2号 (72)发明人 周兴霞　王颖洁　杨攀　卓嵩　 (74)专利代理 机构 成都智言知识产权代理有限 公司 51282 专利代理师 胡文莉 (51)Int.Cl. G06V 20/13(2022.01) G06V 20/10(2022.01) G06V 10/26(2022.01) G06V 10/54(2022.01) G06V 10/58(2022.01) G06V 10/62(2022.01) G06V 10/764(2022.01)(56)对比文件 CN 112418075 A,2021.02.26 CN 111950530 A,2020.1 1.17 CN 114782324 A,202 2.07.22 CN 113505635 A,2021.10.15 CN 105447494 A,2016.0 3.30 CN 113221806 A,2021.08.0 6 US 20191790 09 A1,2019.0 6.13 US 2021110157 A1,2021.04.15 李彦 等.基 于遥感的沙 壕渠控制区作物种 植结构与空间分布研究. 《中国农村水利水电》 .2012,(第8 期),20-23. 游炯 等.基 于改进多元纹理信息模型和GF- 1影像的县域冬小麦面积提取. 《农业工程学报》 .2016,第32卷(第13期),131-139. 孙庆松.基 于Sentinel数据的县域尺度农作 物分类研究. 《中国优秀硕士学位 论文全文数据 库农业科技 辑》 .2022,(第(202 2)04期),D043 - 17. (续) 审查员 黄娟 (54)发明名称 基于多元遥感影像的多云雾区域农作物种 植模式提取方法 (57)摘要 本发明属于图像处理技术领域， 具体涉及一 种基于多元遥感影像的多云雾区域农作物种植 模式提取方法； 基于多时相的Sentinel ‑2数据， 结合广汉市物候节律和作物多时相光谱特征确 定小麦、 油菜等冬季作物阈值函数； 基于时序 Sentinel ‑1数据构建SAR纹理特征数据集， 确定 水稻、 玉米等夏季作物阈值函数； 基于不同作物 的物候差异， 统计农作物的时间 ‑特征变化曲线； 基于农作物时间 ‑特征变化曲线， 确定农作物时 间‑特征阈值判定函数； 采用面向对象策略,提取 农作物类别及时空分布， 提取农作物种植模式。 [转续页] 权利要求书2页 说明书12页 附图7页 CN 115223059 B 2022.12.09 CN 115223059 B (56)对比文件 Ö. Akar 等.I ntegrati ng multiple texture methods and NDVI to the Random Forest clas sificati on algorithm to detect tea and hazel nut plantati on areas i n northeast T urkey. 《I nternati onal Journal of Remote Sensi ng, 2015》 .2015,第3 6卷(第2 期),442-464.2/2 页 2[接上页] CN 115223059 B1.基于多元遥感影像的多云雾区域农作物种植模式提取方法， 其特征在于， 包括以下 步骤： 数据获取： 获取多时相多光谱数据以及时序SAR影像数据， 并分别对多光谱数据以及 SAR影像数据进行 预处理， 得到光谱特 征和后向散射系数； 特征提取： 基于光谱特征和后向散射系数进行计算， 分别得到光谱指数特征集和SAR纹 理特征集； 阈值函数确定： 基于光谱指数特征以及训练样本得到冬季作物阈值函数； 基于SAR纹理 特征以及训练样本得到夏季作物阈值 函数； 农作物分类： 采用面向对象的分类策略， 提取农作物的类型以及空间分布； 所述农作物的分类包括以下步骤： A.多尺度分割： 利用ESP算法计算不同分割尺度下对象同质性局部变化的变化率， 用于 表示分割效果的最佳参数， 计算公式如下： 式中： LVn为分割尺度为n时分割对象的局部方差， LVn‑1是分割尺度为n ‑1时分割对象的 局部方差， 当ROC_LVn出现峰值时， 该点对应的分割尺度即为 最佳分割尺度； B.面向对象分类： 基于实地调查采样所获取的样本建立分类体系； 通过多尺度分割提 取对象层级的光谱特征， SAR纹理特征， 时相物候特征， 利用特征向量构建CART决策树分类 器自动建立分类规则进行分类； 种植模式提取： 基于不同作物 的物候差异， 统计农作物 的时间‑特征变化曲线， 将所述 光谱指数特征集和SAR纹理特征集进行组合， 基于农作物时间 ‑特征变化曲线， 确定农作物 时间‑特征阈值判定函数； 在多时相影像上提取农作物 时间‑空间分布， 提取农作物种植模 式； 种植模式即农作的类型、 时空分布及轮作模式。 2.根据权利要求1所述的基于多元遥感影像的多云雾区域农作物种植模式提取方法， 其特征在于， 所述多光谱数据为Senti nel‑2多光谱数据； Sentinel ‑2多光谱数据的预处理： 利用IDL编程语言批量进行波段叠加、 影像拼接及裁 剪， 得到包 含7个波段的光谱特 征集。 3.根据权利要求1所述的基于多元遥感影像的多云雾区域农作物种植模式提取方法， 其特征在于： 所述SAR影像数据采用Sentinel ‑1卫星数据， SAR影像数据的获取模式为IW模 式的GRDH格式产品， 空间分辨 率为20m， 每景SAR影 像都具有同极化和交叉极化两种方式； SAR影像数据的预处理： 利用欧空局SNAP软件构 建处理模型批量对SA R影像数据进行预 处理， 包括辐射定标、 多普勒地形 校正、 斑点滤波以及地理编码。 4.根据权利要求1所述的基于多元遥感影像的多云雾区域农作物种植模式提取方法， 其特征在于： 所述SAR纹 理特征包括均值、 协同性、 方差以及对比度， 具体 计算公式如下： 权　利　要　求　书 1/2 页 2 CN 115223059 B 3