基于地表要素的遥感图像信息精细提取方法技术

本发明专利技术公开了一种基于地表要素的遥感图像信息精细提取方法，该方法包括：选取一幅高分辨率遥感图像进行遥感图像分割，分割后得到若干分割单元，每个分割单元被称为遥感图像对象；统计每个遥感图像对象内部的光谱直方图，光谱直方图作为遥感图像对象的第一分类特征；基于遥感图像对象内部的光谱直方图，对遥感图像对象进行曲线匹配算法的监督分类；根据遥感图像的初步分类结果，对每个遥感图像对象在四个方向上的若干相邻的遥感图像对象记录其初步分类结果的类别编号，提取遥感图像对象之间的空间关联性，空间关联性作为遥感图像对象的第二分类特征；将光谱直方图和空间关联性相联合，运用曲线匹配算法再次对遥感图像对象进行监督分类。监督分类。监督分类。

【技术实现步骤摘要】
基于地表要素的遥感图像信息精细提取方法


[0001]本专利技术涉及卫星遥感图像提取
，具体来说，涉及一种基于地表要素的遥感图像信息精细提取方法。

技术介绍

[0002]高分辨率遥感图像的普及为地表要素的精细化监测提供了基础，如何有效地从高分辨率遥感图像中精确提取地表要素信息，是目前遥感领域的研究重点，面向对象的遥感图像分类（object-based image classification）是一种针对高分辨率遥感图像信息提取的方法，该方法先将遥感图像按照聚类规则划分为遥感图像对象，每个遥感图像对象内部的同质性高，相邻遥感图像对象间的异质性高，面向对象的遥感图像分类的最小单元是遥感图像对象，利用遥感图像对象的光谱、几何和结构等分类特征进行遥感图像分类，然而，当遥感图像的分辨率达到米级或亚米级，传统的面向对象的遥感图像分类方法出现了新的技术问题：第一是遥感图像对象内部的同质性减少，基于遥感图像对象的统计信息分类特征（如光谱均值、光谱标准差等）不再适用描述遥感图像对象；第二是遥感图像对象间的异质性减少、相关性增强，但遥感图像对象间的空间关联性没有被充分利用，目前，地表要素的提取大多是利用中低空间分辨率的遥感图像，针对高分辨率遥感图像的地表要素信息精细提取的方法较缺乏，传统的面向对象的遥感图像分类方法不适用于地表要素的精细提取，遥感图像分类特征中的地物光谱混淆是困扰地表要素精细提取的主要问题。

技术实现思路

[0003]针对相关技术中的上述技术问题，本专利技术提出一种基于地表要素的遥感图像信息精细提取方法，能够解决传统面向对象分类特征对地表要素提取精度不高的技术问题。
[0004]为实现上述技术目的，本专利技术的技术方案是这样实现的：一种基于地表要素的遥感图像信息精细提取方法，其特征在于，该方法包括以下步骤：S1 选取一幅高分辨率遥感图像进行遥感图像分割，遥感图像分割后得到若干分割单元，每个分割单元被称为遥感图像对象；S2 统计每个遥感图像对象内部的光谱直方图，光谱直方图作为遥感图像对象的第一分类特征，光谱直方图用于反映遥感图像对象内部的光谱异质性；S3 基于遥感图像对象内部的光谱直方图，对遥感图像对象进行曲线匹配算法的监督分类，得到遥感图像的初步分类结果；S4 根据遥感图像的初步分类结果，对每个遥感图像对象在四个方向上的若干相邻的遥感图像对象记录其初步分类结果的类别编号，提取遥感图像对象之间的空间关联性，空间关联性作为遥感图像对象的第二分类特征；S5 将S2中得到的光谱直方图和S4中得到的空间关联性相联合，得到联合分类特征，并运用曲线匹配算法再次对遥感图像对象进行监督分类，得到遥感图像的再次分类结果；S6 根据遥感图像的再次分类结果，对每个遥感图像对象在四个方向上的若干相邻的
遥感图像对象记录分类结果的类别编号，提取空间关联性，并与光谱直方图联合得到联合分类特征，对联合分类特征进行曲线匹配算法的监督分类，直到满足监督分类停止条件，得到遥感图像的最终分类结果。
[0005]根据本专利技术的另一方面，所述S1中遥感图像分割进一步包含：S1.1运用分形网络演化算法进行遥感图像分割，遥感图像分割后得到若干遥感图像对象。
[0006]根据本专利技术的另一方面，所述S2中遥感图像对象内部的光谱直方图进一步包含：S2.1 遥感图像对象包含若干波段，在每个遥感图像对象内部的若干波段上提取光谱直方图，因此每个遥感图像对象内部有若干光谱直方图匹配。
[0007]根据本专利技术的另一方面，所述S3中曲线匹配算法的监督分类进一步包含：S3.1监督分类时，选择一部分遥感图像对象作为样本遥感图像对象，然后将未选择的遥感图像对象与每一个样本遥感图像对象内部的光谱直方图进行比对；S3.2利用KL距离的曲线匹配算法，计算得到光谱直方图的相似性，将相似性最高的样本遥感图像对象类别赋给待监督分类的遥感图像对象，得到遥感图像的初步分类结果。
[0008]根据本专利技术的另一方面，所述S4中空间关联性提取步骤包含：S4.1 设定遥感图像包含M个类别，首先绘制一个M
×
M的类别对矩阵，类别对矩阵里每个元素都为0；S4.2对每一个遥感图像对象，依次记录在某一个方向上的若干个相邻遥感图像对象的类别对，根据最近邻法则来统计每个类别对出现的频次；S4.3 将类别对矩阵拉伸为一维数组，横坐标表示类别对的所有组合，共M
×
M个，纵坐标为每个类别对出现的频次。
[0009]根据本专利技术的另一方面，所述S5中联合分类特征的相似性计算公式为：其中，S表示联合分类特征的相似性，k表示遥感图像的其中一个波段，K表示总波段数， 表示在第k个波段上待监督分类的遥感图像对象和样本遥感图像对象的光谱直方图的相似性， 表示在方向d上的待监督分类的遥感图像对象和样本遥感图像对象的空间关联性的相似性，d的取值为1、2、3、4，分别代表东、南、西、北四个方向，w表示光谱直方图在联合分类特征中所占的权重，取值范围为0~1。
[0010]根据本专利技术的另一方面，所述S5中相似性计算进一步包含：S5.1基于相同的遥感图像分割结果和样本遥感图像对象进行监督分类，采用KL距离的曲线匹配算法，计算得到和，运用交叉检验方式确定w，计算联合分类特征的相似性。
[0011]根据本专利技术的另一方面，所述S5中曲线匹配算法再次进行监督分类进一步包含：S5.2将待监督分类的遥感图像对象与每一个样本遥感图像对象的联合分类特征进行比对；S5.3利用KL距离的曲线匹配算法计算联合分类特征的相似性，将相似性最高的样本遥感图像对象的类别赋给待监督分类的遥感图像对象，得到遥感图像的再次分类结果；根据本专利技术的另一方面，所述S6中监督分类停止条件进一步包含：
S6.1根据遥感图像的再次分类结果，判断两次监督分类之间的精度差别是否小于0.1%，若小于0.1%，则停止监督分类；S6.2 设置监督分类最大迭代次数为10次，若达到最大迭代次数时，则停止监督分类，满足所述S6.1或所述S6.2任意一步，则监督分类停止。
[0012]本专利技术的有益效果：鉴于现有技术中存在的不足，本申请提出了一种基于地表要素的遥感图像信息精细提取方法，本方法能够兼顾遥感图像对象内部的光谱异质性和遥感图像对象间的空间关联性，显著提高了地表要素的提取精度，本方法能够满足大面积、长时序地表要素动态监测的要求，解决了高分辨率遥感图像中地物光谱混淆严重导致提取精度低的技术难题，由于高分辨率遥感图像易获取，结合本方法的精细提取步骤，能够避免人工实地调查的高成本投入，符合实际的城市规划、森林植被动态变化信息、文化遗产要素监测等行业的需求。
附图说明
[0013]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0014]图1是根据本专利技术实施例所述的基于地表要素的遥感图像信息精细提取方法的流程框本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于地表要素的遥感图像信息精细提取方法，其特征在于，该方法包括以下步骤：S1 选取一幅高分辨率遥感图像进行遥感图像分割，遥感图像分割后得到若干分割单元，每个分割单元被称为遥感图像对象；S2 统计每个遥感图像对象内部的光谱直方图，光谱直方图作为遥感图像对象的第一分类特征，光谱直方图用于反映遥感图像对象内部的光谱异质性；S3 基于遥感图像对象内部的光谱直方图，对遥感图像对象进行曲线匹配算法的监督分类，得到遥感图像的初步分类结果；S4 根据遥感图像的初步分类结果，对每个遥感图像对象在四个方向上的若干相邻的遥感图像对象记录其初步分类结果的类别编号，提取遥感图像对象之间的空间关联性，空间关联性作为遥感图像对象的第二分类特征；S5 将S2中得到的光谱直方图和S4中得到的空间关联性相联合，得到联合分类特征，并运用曲线匹配算法再次对遥感图像对象进行监督分类，得到遥感图像的再次分类结果；S6 根据遥感图像的再次分类结果，对每个遥感图像对象在四个方向上的若干相邻的遥感图像对象记录分类结果的类别编号，提取空间关联性，并与光谱直方图联合得到联合分类特征，对联合分类特征进行曲线匹配算法的监督分类，直到满足监督分类停止条件，得到遥感图像的最终分类结果。2.根据权利要求1所述的基于地表要素的遥感图像信息精细提取方法，其特征在于，所述S1中遥感图像分割进一步包含：S1.1运用分形网络演化算法进行遥感图像分割，遥感图像分割后得到若干遥感图像对象。3.根据权利要求1所述的基于地表要素的遥感图像信息精细提取方法，其特征在于，所述S2中遥感图像对象内部的光谱直方图进一步包含：S2.1 遥感图像对象包含若干波段，在每个遥感图像对象内部的若干波段上提取光谱直方图，因此每个遥感图像对象内部有若干光谱直方图匹配。4.根据权利要求1所述的基于地表要素的遥感图像信息精细提取方法，其特征在于，所述S3中曲线匹配算法的监督分类进一步包含：S3.1监督分类时，选择一部分遥感图像对象作为样本遥感图像对象，然后将未选择的遥感图像对象与每一个样本遥感图像对象内部的光谱直方图进行比对；S3.2利用KL距离的曲线匹配算法，计算得到光谱直方图的相似性，将相似性最高的样本遥感图像对象类别赋给待监督分类的遥感图像对象，得到遥感图像的初步分类结果。5.根据权利要求1所述的基于地表要素的遥感图像...

【专利技术属性】
技术研发人员：唐韵玮，荆林海，陈富龙，万昊明，刘艳祯，
申请(专利权)人：中国科学院空天信息创新研究院，
类型：发明
国别省市：