[發(fā)明專利]一種基于隨機(jī)森林的衛(wèi)星遙感影像云量計算方法

有效

• 申請?zhí)枺?/td>: 201510815614.X
• 申請日: 2015-11-20
• 公開（公告）號: CN105260729B
• 公開（公告）日: 2018-10-26
• 發(fā)明（設(shè)計）人: 易堯華;袁媛;張宇;申春輝;豐立昱
• 申請（專利權(quán)）人: 武漢大學(xué)
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/62
• 代理公司: 武漢科皓知識產(chǎn)權(quán)代理事務(wù)所(特殊普通合伙) 42222
• 代理人: 魏波

1.一種基于隨機(jī)森林的衛(wèi)星遙感影像云量計算方法，其特征在于，包括以下步驟：

步驟1：樣本獲取；

收集不同類型的遙感云圖影像以及不同類型的地物影像，切分遙感云圖影像和地物影像，獲得云、地物樣本影像，將云樣本影像和地物樣本影像作為訓(xùn)練集；

步驟2：特征提取；

計算所有樣本影像的灰度特征、頻率特征和紋理特征矢量值，形成特征矢量集合；

步驟3：影像分類器訓(xùn)練；

使用隨機(jī)森林方法來訓(xùn)練樣本影像的特征矢量集合，得到由決策樹森林構(gòu)成的影像分類器；

步驟4：待測影像切分；

將待測衛(wèi)星遙感影像的原始影像進(jìn)行下采樣以獲取縮略圖，對縮略圖進(jìn)行影像切分得到子影像，計算所有子影像的灰度特征、頻率特征和紋理特征矢量值；

步驟5：影像分類；

將單個子影像的特征矢量值輸入影像分類器，影像分類器中的每個決策樹都對該特征矢量進(jìn)行分類投票，最終按照它在“云類”和“無云類”得票的多少來判斷對應(yīng)的子影像是否為含云區(qū)域；

步驟6：云量計算；

用步驟5所述的方法對所有子影像進(jìn)行分類，分類完畢之后即可計算該衛(wèi)星遙感影像的云量百分比。

2.根據(jù)權(quán)利要求1所述的基于隨機(jī)森林的衛(wèi)星遙感影像云量計算方法，其特征在于：步驟1中所述的切分遙感云圖影像和地物影像，獲得云、地物樣本影像，是對衛(wèi)星遙感影像進(jìn)行下采樣獲得縮略圖，分別切分縮略圖中的云圖和無云圖為32×32像素的樣本影像。

3.根據(jù)權(quán)利要求1所述的基于隨機(jī)森林的衛(wèi)星遙感影像云量計算方法，其特征在于，步驟2的具體實現(xiàn)包括以下子步驟：

步驟2.1：計算樣本影像的灰度特征；

選用灰度均值、灰度方差、一階差分、直方圖信息熵作為灰度特征矢量；其具體實現(xiàn)包括以下子步驟：

步驟2.1.1：計算樣本影像的灰度均值：

其中，f(i,j)是影像在第i行、第j列的灰度值，M是影像的寬，N是影像的高；

步驟2.1.2：計算樣本影像的灰度方差：

灰度方差反映了影像整體灰度的分布均勻程度；

步驟2.1.3：計算樣本影像的一階差分：

一階差分表達(dá)了影像中灰度變化的劇烈程度；

步驟2.1.4：計算樣本影像的直方圖信息熵：

其中，Hist[g]是影像g的直方圖，Hist[g](i)是在某灰度級i下的像素分布頻率，直方圖信息熵綜合反映了影像灰度分布以及影像的有序程度；

步驟2.2：計算樣本影像的頻率特征；

選擇傅里葉變換高頻系數(shù)以及小波變換高頻系數(shù)作為頻率特征矢量，具體實現(xiàn)包括以下子步驟：

步驟2.2.1：計算樣本影像的傅里葉變換高頻系數(shù)，選擇如下的傅里葉變換函數(shù)：

當(dāng)u,v＝0時，C(u)C(v)＝2^-1/2；其他情況，C(u)C(v)＝1；

步驟2.2.2：計算樣本影像的小波變換高頻系數(shù)，使用多貝西小波中的哈爾小波基函數(shù)對影像進(jìn)行小波變換，其表達(dá)式如下：

對應(yīng)的尺度函數(shù)為：

步驟2.3：計算樣本影像的紋理特征；

選擇灰度梯度共生矩陣的二次統(tǒng)計量：梯度均方差、混合熵和逆差距，以及影像的紋理分?jǐn)?shù)維作為紋理特征矢量，具體實現(xiàn)包括以下子步驟：

步驟2.3.1：首先計算出影像的灰度梯度共生矩陣H(i,j)，并對其進(jìn)行歸一化處理，得到歸一化后的灰度梯度共生矩陣從而用于計算二次統(tǒng)計特征量；

步驟2.3.2：計算樣本影像的梯度均方差，使用如下公式：

其中，T_avg為梯度平均，其表達(dá)式如下：

L_g表示最大灰度級，L_s表示最大梯度值；表示歸一化后的灰度梯度共生矩陣；

步驟2.3.3：計算樣本影像的混合熵，使用如下公式：

步驟2.3.4：計算樣本影像的逆差矩，使用如下公式：

步驟2.3.5：計算樣本影像的紋理分?jǐn)?shù)維，使用分形布朗分維估計方法來求解影像的紋理分?jǐn)?shù)維值，該方法的數(shù)學(xué)描述如下：

設(shè)X∈Rⁿ，f(X)是關(guān)于X的實隨機(jī)函數(shù)，若存在常數(shù)H(0<H<1)，使得F(t)滿足是一個與X，ΔX無關(guān)的分布函數(shù)時，則f(X)稱為分形布朗函數(shù)；其中H稱為自相似參數(shù)，則影像的分?jǐn)?shù)維D的表達(dá)式為：

D＝n+1-H。