遥感影像下垫面提取方法技术

本发明专利技术涉及了遥感影像下垫面提取方法，它包括选择已知的若干个遥感图像中若干个具有代表性的像素点（A），在某波段内以上述一个像素点（A）为中心生成灰度共生矩阵，计算出像素点（A）在该波段内能量纹理、熵、对比度、逆差距、非相似性和协同性参数，根据上述参数运用随机森林模型，构建决策树模型，根据上述决策树模型，对未知遥感图像进行逐点扫描，最终得到下垫面类别，对分类结果中的下垫面类别进行色彩渲染。

【技术实现步骤摘要】
遥感影像下垫面提取方法
本专利技术涉及了一种处理遥感影像下垫面提取的方法，特别是用于一种利用图像处理和机器学习的处理方法进行遥感影像下垫面提取的处理方法。
技术介绍
在使用遥感影像进行下垫面提取时，河道的岸线提取存在误差；绿地、道路、屋顶、铺装、裸地等地物信息的提取存在误差；由于上述误差较大，导致人工干预的工作量较大。目前Envi软件遥感影像分类识别只能针对单张遥感图像进行训练，即针对单张遥感图像获取训练数据、训练分类模型。因此Envi基于单张遥感图像的训练方式，使得训练的分类模型对用于训练的遥感影像具有好的识别效果，模型泛化能力有限。
技术实现思路
本申请的专利技术目的是提供一种遥感影像下垫面提取的方法，该方法可以将遥感图像中的绿地、道路、屋顶、铺装、裸地、水体进行分类识别，然后将识别后的绿地、道路、屋顶、铺装、裸地、水体表示为不同的颜色。为了完成本申请的专利技术目的，本申请采用以下技术方案：本专利技术的一种遥感影像下垫面提取方法，它包括以下步骤：（一）、提取数据选择已知的若干个遥感图像中若干个具有代表性的像素点（A）来提取的波段数据（DN1，DN2，DN3），代表性的像素点（A）包括c个下垫面类别，c个下垫面类别包括：道路、绿地、铺装、水体、裸地和屋顶；（二）、以上述一个像素点（A）为中心生成灰度共生矩阵（I）、为减小灰度共生矩阵的大小，指定灰度值的最大值为，将遥感图像中一个波段的灰度值缩小至；其中为原始波段灰度值的最大值，为缩小后的像素点的灰度值，为缩小前的像素点的灰度值；（II）、在该像素点（A）所在的一个波段内，以上述像素点（A）为几何中心，取长度为个像素点和宽度为个像素点的窗口，以该窗口最左下角的像素点为坐标原点，以长度为个像素点为X轴、以宽度为个像素点为Y轴建立一个窗口坐标，找出该窗口坐标内所有像素点的灰度值，并且沿着X轴方向和平行于X轴方向、沿着Y轴方向和平行于Y轴方向或者沿着与X轴和Y轴的夹角为45°的对角线和平行于该对角线方向，找出相邻两个像素点对的灰度值，并且找出该窗口中的相邻两个像素点对的个数；（III）、建立一个具有k行和k列的灰度共生矩阵，将上述窗口中的相邻两个像素点对的灰度值出现的次数记录在k行和k列的灰度共生矩阵中，即相邻两个像素点对的灰度值在k行和k列的灰度共生矩阵中的行和列记录为1，将上述窗口中所有的相邻两个像素点对的灰度值均记录在灰度共生矩阵中；（IV）、对灰度共生矩阵中的数据进行归一化处理，即将灰度共生矩阵中所得到的次数除以该窗口的相邻两个像素点对的个数，得到灰度值对出现的概率；（三）、根据灰度共生矩阵计算出像素点（A）在该波段内能量纹理、熵、对比度、逆差距、非相似性和协同性参数像素点（A）能量纹理的计算公式：像素点（A）熵的计算公式：像素点（A）对比度的计算公式：像素点（A）非相似性的计算公式：像素点（A）相关性的计算公式：其中是均值，以及，是标准差。像素点（A）逆差距的计算公式：其中为归一化后的灰度共生矩阵中第i行第j列的值；（四）、找出若干个遥感图像中若干个具有代表性的像素点（A）的所有数据重复步骤（二）和步骤（三），找出像素点（A）各波段下的（，，，，，），以像素点（A）的波段数据（DN1，DN2，DN3）以及各波段下的（，，，，，）作为一个样本数据，在一个样本数据中包括n=21个属性，以此类推，找出若干个遥感图像中若干个具有代表性的像素点（A）的波段数据（DN1，DN2，DN3）以及各波段下的（，，，，，）组成训练样本集；（五）、运用随机森林模型，构建决策树模型（1）、在训练样本集中有放回地随机选取a个样本，建立一棵决策树，训练样本的属性为，n=21,计算当前样本集合中下垫面类别为的样本所占比例为,则的信息增益为：----公式（1）（2）、在a个训练样本中，按照样本的某一属性进行划分，在某一属性将a个训练样本分成个分支，V为（）；是第个分支所包含的样本集，则某一属性对该样本集进行划分所产生的信息增益量为：----公式（2）计算样本集合中下垫面类别为的样本所占比例为,则的信息增益为：----公式（3）重复上述步骤，计算出按照训练样本的每一个属性划分a个训练样本的信息增益量，比较训练样本的21个属性的信息增益量的大小，以信息增益量最大值的属性作为第一个节点，（3）、以第一个节点属性下的个分支为分支，并且在每个分支上标注出其取值或取值范围，然后，重复步骤（2），分别计算出在第个分支下的样本集中，用其余的20个属性进行划分的信息增益量，分别比较在第1……V个分支下的样本集中的20个属性的信息增益量的大小，以第1……V个分支下信息增益量最大值的属性分别作为第一个节点下第个分支上的节点，（4）、个样本集又被分成了V（）份，重复步骤（3），找出新划分出来的V个分支上的节点及该节点的下一层分支，以此类推，直到得到下垫面类别为止，完成了一棵决策树的构建，（5）、重复步骤（1）-步骤（4）b次，构建出决策树模型，（六）、对未知遥感图像进行分类根据上述决策树模型，对未知遥感图像进行逐点扫描，用步骤（二）至步骤（三）对所扫描的每个点进行处理，每个扫描点得到21个属性数据，将每个扫描点的21个属性数据分别输入到上述决策树的模型中，每个扫描点的21个属性数据在每一棵决策树中，按照节点和每个分支上标注的取值或取值范围进行归类，最终得到下垫面类别，然后分别统计每个扫描点在b棵决策树中的下垫面类别，以最多的统计结果为该扫描点下垫面类别的最终分类结果；（七）、对上述分类的结果进行彩色渲染将步骤（六）中分类结果中的道路渲染为红色，波段数据设置为255,0,0；绿地渲染为绿色，波段数据设置为0,255,0；铺装渲染为蓝色，波段数据设置为0,0,255；水体渲染为黄色，波段数据设置为255,255,0；裸地渲染为白色，波段数据设置为255255255；屋顶渲染为黑色，波段数据设置为0,0,0。本专利技术的一种遥感影像下垫面提取方法，其中：在步骤（一）中，在每个下垫面类别中，所选的具有代表性像素点（A）的个数相同。本专利技术的一种遥感影像下垫面提取方法，其中：在步骤（II）中，所述个像素点为3-10个像素点，个像素点为3-10个像素点。本专利技术的一种遥感影像下垫面提取方法，其中：在步骤（I）中，所述指定灰度值10-20。本专利技术的一种遥感影像下垫面提取方法，其中：在步骤（五）中，在每个属性下被分成V个分支的数量是不同的，V为1至30。本专利技术的一种遥感影像下垫面提取方法，本文档来自技高网...

【技术保护点】
1.一种遥感影像下垫面提取方法，包括以下步骤：/n（一）、提取数据/n选择已知的若干个遥感图像中若干个具有代表性的像素点（A）来提取的波段数据（DN1，DN2，DN3），代表性的像素点（A）包括c个下垫面类别，c个下垫面类别包括：道路、绿地、铺装、水体、裸地和屋顶；/n（二）、以上述一个像素点（A）为中心生成灰度共生矩阵/n（I）、为减小灰度共生矩阵的大小，指定灰度值的最大值为

【技术特征摘要】
1.一种遥感影像下垫面提取方法，包括以下步骤：
（一）、提取数据
选择已知的若干个遥感图像中若干个具有代表性的像素点（A）来提取的波段数据（DN1，DN2，DN3），代表性的像素点（A）包括c个下垫面类别，c个下垫面类别包括：道路、绿地、铺装、水体、裸地和屋顶；
（二）、以上述一个像素点（A）为中心生成灰度共生矩阵
（I）、为减小灰度共生矩阵的大小，指定灰度值的最大值为，将遥感图像中一个波段的
灰度值缩小至；



其中为原始波段灰度值的最大值，为缩小后的像素点的灰度值，为缩小前的像素点的灰度值；
（II）、在该像素点（A）所在的一个波段内，以上述像素点（A）为几何中心，取长度为个
像素点和宽度为个像素点的窗口，以该窗口最左下角的像素点为坐标原点，以长度为个
像素点为X轴、以宽度为个像素点为Y轴建立一个窗口坐标，找出该窗口坐标内所有像素点
的灰度值，并且沿着X轴方向和平行于X轴方向、沿着Y轴方向和平行于Y轴方向或者沿着与X
轴和Y轴的夹角为45°的对角线和平行于该对角线的方向，找出相邻两个像素点对的灰度值，并且找出该窗口中的相邻两个像素点对的个数；
（III）、建立一个具有k行和k列的灰度共生矩阵，将上述窗口中的相邻两个像素点对的
灰度值出现的次数记录在k行和k列的灰度共生矩阵中，即相邻两个像素点对的灰
度值在k行和k列的灰度共生矩阵中的行和列记录为1，将上述窗口中所有的
相邻两个像素点对的灰度值均记录在灰度共生矩阵中；
（IV）、对灰度共生矩阵中的数据进行归一化处理，即将灰度共生矩阵中所得到的次数
除以该窗口的相邻两个像素点对的个数，得到灰度值对出现的概率；
（三）、根据灰度共生矩阵计算出像素点（A）在该波段内能量纹理、熵、对比度、逆差距、非相似性和协同性参数
像素点（A）能量纹理的计算公式：



像素点（A）熵的计算公式：
像素点（A）对比度的计算公式：
像素点（A）非相似性的计算公式：
像素点（A）相关性的计算公式：
其中是均值，以及，是标准差












像素点（A）逆差距的计算公式：
其中为归一化后的灰度共生矩阵中第i行第j列的值；
（四）、找出若干个遥感图像中若干个具有代表性的像素点（A）的所有数据
重复步骤（二）和步骤（三），找出像素点（A）各波段下的（，，，，，），以像素点（A）的波段数据（DN1，DN2，DN3）以及各波段下的（，，，，，）作为一个样本数据，在一个样本数据中包括n=21个属性，以此类推，找出若干个
遥感图像中若干个具有代表性的像素点（A）的波段数据（DN1，DN2，DN3）以及各波段下的（，，，，，）组成训练样本集；
（五）、运用随机森林模型，构建决策树模型
（1）、在训练样本集中有放回地随机选取a个样本，建立一棵决策树，训练样本的属性为，n=21,计算当前样本集合中下垫面类别为的样本所占比例为,则的信息增益为：

----公式（1）
（2）、在a个训练样本中，按照样...

【专利技术属性】
技术研发人员：曲兆松，谢宗彦，王希花，
申请(专利权)人：北京尚水信息技术股份有限公司，
类型：发明
国别省市：北京;11