【技术实现步骤摘要】
本专利技术涉及遥感影像处理，更具体地说，本专利技术涉及一种遥感影像地物信息智能提取分析系统。
技术介绍
1、遥感影像变化检测是一项重要技术，用于观测地表变化情况，该技术在全球土地利用监测、生态环境监测、自然灾害应急响应以及自然资源普查等多个关键领域得到广泛应用，遥感影像作为系统、动态描述陆地表面演变的核心数据来源，其广泛的空间覆盖、大量的空间分辨率和光谱分辨率变化，极大地推动了环境和土地利用监测等应用的发展，现有技术中，已经出现了基于光谱信息对遥感影像进行处理，从而有效地分析植被变化等地表动态。
2、例如，公开号为cn107564016a的专利申请提供了一种集成地物光谱信息的多波段遥感图像分割及标记方法，该专利通过计算多波段遥感图像的大气层顶表观反射率，提取光谱特征并进行地物分类，得到分类结果图，接着，利用区域增长法对j值图像进行分割，并统计每个分割区域内的地物分类类别及比例，公开号为cn109191482a的专利申请提供了一种基于区域自适应光谱角阈值的图像合并分割方法，该专利采用光谱角作为全局梯度计算、通过分割产生、全局地物相似性初始判断以及产生区域自适应的光谱角阈值的重要且唯一输入参数。
3、尽管现有技术已经基于光谱信息对遥感影像进行分割处理，但在林地管理场景中，特别是不同树林之间边界的监测时，由于不同光谱特征对植被图像分类的准确性和精度存在差异，且现有技术无法选择最优的光谱特征，此外，对于植被图像中边界模糊的区域，精确划分的能力较弱，导致监测植被变化的效果不理想。
4、鉴于此，本专利技术
技术实现思路
1、为了克服现有技术的上述缺陷，本专利技术提供一种遥感影像地物信息智能提取分析系统。
2、为实现上述目的，本专利技术提供如下技术方案：
3、第一方面，提供了一种遥感影像地物信息智能提取分析系统，包括：
4、信息筛选模块：用于获取初始地物信息以及对应的光谱特征信息，根据逐步特征分析法从光谱特征信息中筛选出m个子特征信息，所述初始地物信息为遥感图像信息；
5、信息优化模块：用于遍历m个子特征信息，获取每个子特征信息对应的统计系数，基于统计系数以及预设智能优化算法从m个子特征信息中，确定最优特征信息；
6、信息调整模块：用于根据最优特征信息对初始地物信息进行初步区域分类，得到中间地物信息，获取中间地物信息对应的特征相似度集合，根据特征相似度集合对中间地物信息进行校正，得到目标地物信息。
7、进一步地，根据逐步特征分析法从光谱特征信息中筛选出m个子特征信息的方法包括：
8、从光谱特征信息任意选出n个元素，将n个元素组合为初始特征信息，计算初始特征信息对应的内部偏差矩阵，计算内部偏差矩阵对应的内部行列式，将内部行列式的倒数作为统计系数，判断统计系数是否小于预设系数阈值，若小于则将初始特征信息作为子特征信息，若不小于则将初始特征信息剔除，重复上述步骤，直至筛选出m个子特征信息。
9、进一步地，计算初始特征信息对应的内部偏差矩阵的方法包括：
10、wsx=;
11、式中，wsx为内部偏差矩阵，为初始特征信息中元素总个数，为第个类别的第个特征值，为第个类别的第个特征上的平均值，为第个类别的第个特征值，第个类别的第个特征上的平均值。
12、进一步地，智能优化算法为鲸鱼优化算法，基于统计系数以及预设智能优化算法从m个子特征信息中，确定最优特征信息的方法包括：
13、初始化单元：用于定义初始鲸鱼数量为y、最大迭代次数，每一个初始鲸鱼个体表征为一个子特征信息，随机值rand是从[0, 1]的均匀分布中采样的一个随机数；
14、适应度计算单元：用于获取子特征信息对应的统计系数，将统计系数作为初始鲸鱼个体的目标适应度值；
15、策略模拟单元：用于当随机值rand＜0.5，则进行收缩包围策略，当随机值rand≥0.5时，则进行螺旋捕猎策略；
16、循环输出单元：用于重复上述策略模拟单元，不断更新子特征信息，直至达到最大迭代次数时，输出当前最优的子特征信息，将当前最优的子特征信息作为最优特征信息。
17、进一步地，进行收缩包围策略的方法包括：
18、;
19、其中，为下一代鲸鱼位置，为当前鲸鱼位置，为追逐目标位置，为收缩包围策略的收缩系数，为收缩包围策略的控制因子，为当前迭代次数。
20、进一步地，进行螺旋捕猎策略的方法包括：
21、=;
22、其中，为螺旋捕猎策略的螺旋收缩系数，为[-1, 1]范围内随机值。
23、进一步地，根据最优特征信息对初始地物信息进行初步区域分类，得到中间地物信息的方法包括：
24、将最优特征信息和初始地物信息输入到预构建的区域分类模型中，获得中间地物信息；
25、区域分类模型的构建方法包括：
26、获取g组训练数据，g为大于1的正整数，训练数据包括历史最优特征信息、历史初始地物信息和历史中间地物信息；
27、将历史最优特征信息、历史初始地物信息和历史中间地物信息作为样本集，将样本集划分为训练集和测试集，构建分类器；
28、将训练集中的历史最优特征信息和历史初始地物信息作为输入数据，将训练集中的历史中间地物信息作为输出数据，对分类器进行训练，得到初始分类器；
29、利用测试集对初始分类器进行测试，输出满足预设准确度的分类器作为区域分类模型。
30、进一步地，获取中间地物信息对应的特征相似度集合的方法包括：
31、确定中间地物信息中的分割线，获取分割线中的最大特征点，根据最大特征点确定分割线对应的最小包围框，计算最小包围框中每个像素点与邻近像素点之间的光谱特征相似度，将所有像素点对应的光谱特征相似度进行整合，从而获得特征相似度集合。
32、相比于现有技术，本专利技术的有益效果为：
33、本专利技术先根据逐步特征分析法从光谱特征信息中筛选出m个子特征信息，再获取每个子特征信息对应的统计系数，基于统计系数以及预设智能优化算法从m个子特征信息中，确定最优特征信息，最后根据最优特征信息对初始地物信息进行初步区域分类，得到中间地物信息，获取中间地物信息对应的特征相似度集合，根据特征相似度集合对中间地物信息进行校正，得到目标地物信息，这样本专利技术通过逐步特征分析法筛选出具有最佳区分能力的子特征信息，并利用智能优化算法进一步优化，确保提取的最优特征信息能够精确反映不同地物类别的光谱差异，从根本上提升了分类的准确性，再通过对初始地物信息的分割线调整和特征相似度集合的校正，有效解决了现有技术中不同树林边界模糊、分类精度不高的问题，使得分割线更贴合实际边界。
本文档来自技高网...【技术保护点】
1.一种遥感影像地物信息智能提取分析系统，其特征在于，包括：
2.根据权利要求1所述的一种遥感影像地物信息智能提取分析系统，其特征在于，所述根据逐步特征分析法从光谱特征信息中筛选出M个子特征信息的方法包括：
3.根据权利要求2所述的一种遥感影像地物信息智能提取分析系统，其特征在于，所述计算初始特征信息对应的内部偏差矩阵的方法包括：
4.根据权利要求2所述的一种遥感影像地物信息智能提取分析系统，其特征在于，所述智能优化算法为鲸鱼优化算法，基于统计系数以及预设智能优化算法从M个子特征信息中，确定最优特征信息的方法包括：
5.根据权利要求4所述的一种遥感影像地物信息智能提取分析系统，其特征在于，所述进行收缩包围策略的方法包括：
6.根据权利要求4所述的一种遥感影像地物信息智能提取分析系统，其特征在于，所述进行螺旋捕猎策略的方法包括：
7.根据权利要求4所述的一种遥感影像地物信息智能提取分析系统，其特征在于，所述根据最优特征信息对初始地物信息进行初步区域分类，得到中间地物信息的方法包括：
8.根据权利要求
...【技术特征摘要】
1.一种遥感影像地物信息智能提取分析系统，其特征在于，包括：
2.根据权利要求1所述的一种遥感影像地物信息智能提取分析系统，其特征在于，所述根据逐步特征分析法从光谱特征信息中筛选出m个子特征信息的方法包括：
3.根据权利要求2所述的一种遥感影像地物信息智能提取分析系统，其特征在于，所述计算初始特征信息对应的内部偏差矩阵的方法包括：
4.根据权利要求2所述的一种遥感影像地物信息智能提取分析系统，其特征在于，所述智能优化算法为鲸鱼优化算法，基于统计系数以及预设智能优化算法从m个子特征信息中，确定最优特征信息的方法包...
【专利技术属性】
技术研发人员：宋秦锋，赵萍，邓向阳，孙进文，李智飞，
申请(专利权)人：中量设计集团有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。