[發明專利]一種基于綜合像元級和亞像元級空間相關性特征的遙感亞像元制圖方法

在審

• 申請號: 201410546394.0
• 申請日: 2014-10-15
• 公開（公告）號: CN104268581A
• 公開（公告）日: 2015-01-07
• 發明（設計）人: 陳躍紅;葛詠;江昱;胡建龍
• 申請（專利權）人: 中國科學院地理科學與資源研究所
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/46
• 代理公司: 北京科迪生專利代理有限責任公司 11251
• 代理人: 成金玉;楊學明

技術領域

本發明涉及一種亞像元制圖方法，屬于地球空間信息技術領域。

背景技術

近年來，從數字遙感影像提取土地利用/土地覆被專題地圖(影像分類)是遙感技術研究中的熱點領域。然而在遙感影像獲取過程中，由于地表的復雜性、外部環境的影響以及傳感器自身的局限性，使得影像中普遍存在混合像元(Mixed?Pixel)。在遙感分類過程中，傳統硬分類方法僅賦予每個像元一種地物類別，在處理混合像元時會造成結果的不準確并限制其深入應用。軟分類方法被提出用于獲取混合像元內部各地物的類別比例(也稱百分比、軟信息、分數影像)，卻無法指定各地物類別在混合像元內部的具體位置。因此，因此，遙感亞像元制圖技術(Sub-pixel?Mapping?or?Super-resolution?Mapping)被提出用于進一步解決混合像元的問題，實現了比原始輸入空間分辨率更精細的硬分類圖(Atkinson，1997)。亞像元制圖能夠進一步細化和精確影像分類結果，使遙感技術應用從像元尺度進入到亞像元尺度，而亞像元制圖也成為必要且有意義的研究內容。

亞像元制圖是在空間相關性原理的基礎上利用低分辨率的軟分類結果獲得比輸入遙感影像更高空間分辨率的土地覆被圖。如何精確地描述地物的空間相關性特征是獲得高精度亞像元制圖結果的關鍵。目前的亞像元制圖方法主要有兩種描述空間相關性特征的方式。第一種是從鄰域亞像元中提取的亞像元級空間相關性特征，包括利用HNN獲取亞像元結果的最小能量函數(Tatem?et?al.,2001)，借助GA優化亞像元相關性特征(Mertens?et?al.,2003)，基于像元交換的亞像元制圖算法(Atkinson,2005)，采用Markov?Random?Field提取亞像元最優空間布局(Ardila?et?al.,2011；Kasetkasem?et?al.,2005)等。第二種是從鄰域像元中提取的像元級空間相關性特征，包括利用kriging模型提取空間相關性特征參數(Verhoeye?and?De?Wulf,2002)，基于空間吸引力模型(SAM)的亞像元制圖方法(Mertens?et?al.,2006)，利用鄰域像元繪制各地物在混合像元內部邊界的GSPM(Ge,2013；Ge?et?al.,2009)，基于人工智能算法Adaptive?Differential?Evolution定位亞像元最佳位置(Zhong?and?Zhang,2012)等。第一種方式通常需要耗費相對較長時間來逐步迭代獲得制圖結果，第二種方式效率較高常無需迭代。然而，這兩種方式僅是獲取了單一級別(像元級或亞像元級)的空間相關性特征，均未能充分有效地利用空間相關性特征，這勢必會限制亞像元制圖的精度。因為，缺乏像元級特征的亞像元級空間相關性信息能有效描述局部信息卻難表達結構性的信息，進而造成不連續的地物斑塊(例如，斷裂的線狀地物)。而缺乏亞像元級特征的像元級空間相關性信息能夠保持結構性特征卻易造成如“椒鹽”狀的噪聲。最近，已有部分研究嘗試在SAM結果的基礎上，考慮亞像元級的空間相關性特征對SAM結果進行后處理，包括利用Pixel-swapping算法(PSA)(Shen?et?al.,2009)和Particle?Swarm?Optimization算法(PSO)對SAM結果進行后處理(Wang?et?al.,2012b)。然而，這兩種方法均是將兩種空間相關性特征分開利用而未同時綜合考慮，包括Wang?et?al.(2012a)和Ling?et?al.(2013)也是以像元為單位從其內部的亞像元中獲取空間相關性特征而代替像元級空間相關性特征，從某種意義上可以認為是從亞像元制圖結果中提取出的空間相關性特征，并且也增加了計算的復雜性。

針對上述問題，本發明提出一種基于分支定界的綜合利用像元級和亞像元級空間相關性特征的亞像元制圖方法(BBSPM)，用于克服當前亞像元制圖領域僅利用單一空間相關性特征的局限性，將像元級和亞像元級空間相關性兩種特征一并應用與亞像元制圖過程中，從而充分利用兩者的優勢，提升亞像元制圖的精度。

發明內容