[發明專利]基于協同訓練半監督學習的遙感影像水體提取方法及系統

有效

• 申請號: 201510616672.X
• 申請日: 2015-09-24
• 公開（公告）號: CN105279519B
• 公開（公告）日: 2018-09-21
• 發明（設計）人: 韓宇韜;呂琪菲;周保琢;谷永艷;張至怡;楊宇彬;宋勇
• 申請（專利權）人: 四川航天系統工程研究所
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 四川省成都市天策商標專利事務所 51213
• 代理人: 劉渝

1.一種基于協同訓練半監督學習的遙感影像水體提取方法，其特征在于包括步驟：

A、提取遙感影像的光譜特征和紋理特征，所述光譜特征至少包括遙感影像各波段數據X、水體指數NDWI和植被指數NDVI，所述紋理特征至少包括遙感影像的灰度共生矩陣的角二階矩ASM、該灰度共生矩陣的均勻性HOM、該灰度共生矩陣的熵ENT和遙感影像分形紋理模型的分形維數FD，其中X＝[B₁,B₂,...,B_n]^T，n為波段數，B_i為波段i影像的灰度值，1≤i≤n；

B、根據步驟A中提取到的遙感影像的光譜特征和紋理特征構建如下式所示的雙視圖：

V₁、V₂分別是光譜特征和紋理特征組成的綜合特征向量；

C、從遙感影像中選擇初始訓練樣本并對初始訓練樣本進行標注得到標注樣本集合L，從遙感影像剩余像元中隨機生成未標注樣本集合U；

D、設置最大迭代次數，從未標注樣本集合U中隨機取出一個樣本子集U'；

E、使用標注樣本集合L的含V₁的視圖訓練一個分類器h₁，使用標注樣本集合L的含V₂的視圖訓練一個分類器h₂，使用分類器h₁對樣本子集U'中的數據進行分類并對置信度最高的p個樣本進行標注，使用分類器h₂對樣本子集U'中的數據進行分類并對置信度最高的p個樣本進行標注；

F、將步驟E中新標注的樣本加入到標注樣本集合L中，并隨機從未標注樣本集合U中選擇2p個未標注樣本補充到樣本子集U'中；

G、判斷迭代次數是否達到最大迭代次數以及未標注樣本集合U是否為空，如果迭代次數達到最大迭代次數或未標注樣本集合U為空，則保存分類器h₁和分類器h₂并執行下一步驟，反之則返回步驟E進行下一次迭代；

H、使用步驟G得到的分類器h₁和分類器h₂對遙感影像進行分類，提取遙感影像的水體信息。

2.根據權利要求1所述的基于協同訓練半監督學習的遙感影像水體提取方法，其特征在于所述步驟H具體包括：

讀取遙感影像，提取每一像元的特征向量；

用分類器h₁對像元的含V₁的視圖進行分類，得到置信度α₁；

使用分類器h₂對像元的含V₂的視圖進行分類，得到置信度α₂；

若α₁＞α₂，則該像元為分類器h₁預測的類別，反之，則該像元為分類器h₂預測的類別。

3.根據權利要求1或2所述的基于協同訓練半監督學習的遙感影像水體提取方法，其特征在于所述水體指數其中Green、NIR分別是綠光波段、近紅外波段的反射率。

4.根據權利要求1或2所述的基于協同訓練半監督學習的遙感影像水體提取方法，其特征在于所述植被指數其中Red、NIR分別是紅光波段、近紅外波段的反射率。

5.根據權利要求1或2所述的基于協同訓練半監督學習的遙感影像水體提取方法，其特征在于所述步驟C中標注樣本集合L的樣本數量與未標注樣本集合U的樣本數量的比例為1:20～1:10。