[發明專利]一種對高分辨率影像的地物提取方法及裝置

在審

• 申請號: 201710193271.7
• 申請日: 2017-03-28
• 公開（公告）號: CN106951877A
• 公開（公告）日: 2017-07-14
• 發明（設計）人: 羅新偉;江春華;陳顯龍;方文;黃小兵;孫士欣
• 申請（專利權）人: 北京恒華偉業科技股份有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 北京集佳知識產權代理有限公司11227
• 代理人: 王寶筠

技術領域

本發明涉及影像提取技術領域，更具體的，涉及一種對高分辨率影像的地物提取方法及裝置。

背景技術

近些年來，一些關于光譜-空間特征的研究被深入開展，Dell Acqua利用高分辨率高光譜數據對城市分類的空間分析算法進行了首次的評估，實驗結果證明了相比于單純的光譜分析方法，利用該空間分析的方法具有更好的效果。Benediktsson針對高空間分辨率的城市高光譜數據的分類，提出了擴展形態學序列(EMP)，將高光譜影像進行主成分變換后的影像作為形態學序列構建的基本影像，然后將光譜的主成分和其形成的EMP應用到神經網絡分類器中。由于原來的方法沒有充分考慮數據中的光譜信息，Fauvel通過將高光譜信息和EMP結合形成特征向量從而改進了這個方法。Huang and Zhang通過意大利北部的帕維亞市的高空間分辨率的高光譜影像，對城市測繪的空間方法進行了比較研究，利用不同的光譜-空間特征對地物進行提取和分類，其中涉及形態學序列(MPs)，灰度共生矩陣(GLCM)，像元形狀指數(PSI)，面向對象的基于分形網絡的分類，和多尺度的均值漂移算法，結果顯示結合光譜-空間特征可以有效的改善純光譜分類的精度。

盡管可以利用各種各樣的空間信息對高分辨率數據進行處理，但是很難找到一個最佳的特征對不同的影像進行處理，解決該問題的傳統的方法是利用特征疊加(Vector Stacking，VS)，即將提取的各個特征進行疊加組合，然后利用分類器進行分類。實驗證實該方法可以有效的通過構建多特征空間的方法來增強相似對象的可分離性。該方法經常和支持向量機分類器(SVM)一起使用，因為在輸入數據的的分布上，SVM不需要對事先的假設進行約束，可以對不同特征設置相應的權重，同時也可以很好解決維數過高的問題。盡管研究顯示對于多特征融合來說，VS-SVM方法是一個可行的方法，但是它也存在一些缺點：隨著空間特征的不斷增加，當空間特征在所有特征空間中占據主導地位時，會在一定程度上淹沒光譜特征，從而導致識別的誤差。

發明內容

有鑒于此，本發明提供了一種對高分辨率影像的地物提取方法及裝置，首先分別建立三類光譜-空間特征，然后利用支持向量機的概率融合光譜-空間特征的分類模型對待提取的高分辨率影像進行分類，從而完成對待提取的高分辨率影像的地物提取，提高了高分辨率影像的地物提取精度。

具體技術方案如下：

一種對高分辨率影像的地物提取方法，所述方法包括：

對待提取的高分辨率影像進行預處理，得到所述高分辨率影像的光譜特征影像Spectral_NMF；

建立所述待提取的高分辨率影像的三類多尺度特征影像：光譜特征的多尺度形態學特征影像地物延展特征的多尺度形態學特征影像和地表下墊面物理特征的多尺度形態學特征影像

根據所述待提取的高分辨率影像的所述光譜特征影像Spectral_NMF和所述三類多尺度特征影像，定義所述待提取的高分辨率影像的三類光譜-空間特征：光譜-光譜特征的多尺度形態學特征光譜-地物延展特征的多尺度形態學特征和光譜-地表下墊面物理特征的多尺度形態學特征

基于所述待提取的高分辨率影像的三類光譜-空間特征和預先建立的支持向量機的概率融合光譜-空間特征的分類模型，對所述待提取的高分辨率影像進行地物分類，并依據地物分類結果完成對所述待提取的高分辨率影像的地物提取。

優選的，所述對待提取的高分辨率影像進行預處理，得到所述高分辨率影像的光譜特征影像Spectral_NMF，包括：

獲取所述待提取的高分辨率影像的多個光譜波段；

對多個所述光譜波段進行降噪處理，得到降噪后的多個光譜波段；

利用非負矩陣分解NMF變換對多個所述降噪后的光譜波段進行降維處理，得到所述高分辨率影像的光譜特征影像Spectral_NMF。

優選的，所述建立所述待提取的高分辨率影像的三類多尺度特征影像：光譜特征的多尺度形態學特征影像地物延展特征的多尺度形態學特征影像和地表下墊面物理特征的多尺度形態學特征影像包括：

利用線性光譜混合模型對所述待提取的高分辨率影像的地表下墊面物理特征進行提取，得到所述待提取的高分辨率影像的地表下墊面物理特征，所述地表下墊面包括高反照度地物，低反照度地物、植被和土壤；