1.一种综合时序遥感信息和KL-divergence的地物类型识别方法,其特征在于,其步骤如下:步骤一:在研究区确定各类地物的样本,并选择对n类地物类型具有识别特征的序列遥感参数;
步骤二:利用样本点从序列遥感参数中提取对应的参数值形成每一类地物的标准序列曲线;
步骤三:以待分类像元所对应序列遥感参数值为另一个分布数据,与各类地物的标准序列曲线所对应的分布结合,基于KL-divergence公式计算待分类像元对应各地类的KL值,并扩展到整个研究区,从而形成n个KL图层;
步骤四:比较每个像元对应的n个KL值,将该像元归属于最小KL值所对应的地类类别;应用到所有像元,从而得到研究区的分类结果;
KL值用正向和反向KL-divergence的均值来表示:;
式中,KL为最终的KL值,和分别为正向KL-divergence和反向KL-divergence;
每一类的KL值是一个与原始遥感数据行列数一样的图层或波段,计算所有待分类地物的像元的KL值,得到一幅对应该类地物的KL数据层,即KL图层;
针对每个像元,比较其对应的n个KL值的大小,将该像元归属于最小KL值对应的地物类别。
2.根据权利要求1所述的综合时序遥感信息和KL-divergence的地物类型识别方法,其特征在于,所述序列遥感参数为表征植被类型生长发育的时相差异的时间序列遥感参数或反映地物的光谱曲线差异的高光谱数据形成的序列数据。
3.根据权利要求2所述的综合时序遥感信息和KL-divergence的地物类型识别方法,其特征在于,所述时间序列序列遥感参数利用MODIS NDVI数据形成,利用MODIS NDVI加上蓝波段、红波段和近红外波段反射率形成序列数据。
4.根据权利要求1-3中任意一项所述的综合时序遥感信息和KL-divergence的地物类型识别方法,其特征在于,所述步骤二中标准序列曲线的实现方法为:A. 根据实地调查数据或研究经验,为待分类的地物类型选择纯像元样本;
B. 基于所选样本,从序列遥感参数中提取对应的参数值;
C. 将提取的参数值根据地物类别求均值,从而为每一类地物形成一个标准序列曲线。
5.根据权利要求4所述的综合时序遥感信息和KL-divergence的地物类型识别方法,其特征在于,所述地物的类型包括常绿林、落叶林、封闭草丛、开放草丛、乔木稀树草原、稀树草原、草地、农用地、水体和裸地;不同植被类型的明显不同的生长变化特征表现在标准序列曲线的峰谷的变化规律以及NDVI值的大小不同。
6.根据权利要求5所述的综合时序遥感信息和KL-divergence的地物类型识别方法,其特征在于,所述KL值的计算方法为:KL-divergence的计算公式为:
;
式中,P代表真实分布序列即每一类的标准序列曲线;Q为一个待分类像元对应的数据序列;i代表两个分布中的序列号;n代表分类体系中的n个地类。