[發明專利]基于并行算法的高分辨率遙感影像的地表覆蓋分類方法

有效

• 申請號: 201711138873.9
• 申請日: 2017-11-16
• 公開（公告）號: CN107909039B
• 公開（公告）日: 2020-03-10
• 發明（設計）人: 鐘燕飛;趙濟;呂鵬遠;王晶;馬愛龍;劉艷飛;伍絲琪;張良培
• 申請（專利權）人: 武漢大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06T7/187
• 代理公司: 武漢科皓知識產權代理事務所(特殊普通合伙) 42222
• 代理人: 王琪

1.基于并行算法的高分辨率遙感影像的地表覆蓋分類方法，其特征在于，包括如下步驟：

步驟一，根據計算機的個數對高分辨率遙感影像數據進行切分，獲得切分后的高分辨率遙感影像塊，同時記錄每個高分辨率遙感影像塊起止位置的坐標，實現方式如下，

設h為影像的長度，w為影像的寬度，則切分后的高分辨率遙感影像塊的寬度長度H＝W*r，其中比率r＝h/w，Mey為內存數，S_t為數據類型，S_s為安全系數；

步驟二，基于OpenMP并行框架將所有高分辨率遙感影像塊分配給Mey個處理器，并發的執行地表覆蓋分類處理；

步驟三，根據每個高分辨率遙感影像塊起止位置的坐標，將所有高分辨率遙感影像塊數據進行合并，得到最終的地表覆蓋分類結果；

所述步驟二中地表覆蓋分類處理包括如下步驟：

步驟1，高分辨率遙感影像塊特征提取，包括以下子步驟；

步驟1.1，提取高分辨率遙感影像塊的光譜特征；

步驟1.2，計算歸一化植被指數作為提取植被的特征；

步驟1.3，計算歸一化水體指數作為提取水體的特征；

步驟1.4，計算基于灰度共生矩的紋理特征作為局部空間特征；

步驟1.5，通過向量疊加的方式將提取的光譜特征、歸一化植被指數、歸一化水體指數以及紋理特征融合，作為后續分類的特征輸入；

步驟2，構建融合最大似然和支持向量機的分類算法，對高分辨率遙感影像塊中地表覆蓋類別進行分類，獲得分類圖像，包括以下子步驟：

步驟2.1，基于最大似然分類算法獲取地表覆蓋類別的成員概率；

步驟2.2，基于獲取的地物類別成員概率，根據閾值判斷地物的判別的準確性，其中進一步包括：

步驟2.2.1，通過最大后驗概率確定當前像元的最優標記類別；

步驟2.2.2，判別像元類別的準確性，如果類別準確性大于給定閾值則直接使用步驟2.1最大似然分類算法中最大概率所對應標簽組成的分類結果，否則，跳入步驟2.3；

步驟2.3，使用非線性支持向量機分類算法對最大似然分類中難以準確判別的像元在非線性空間中進行區分；

步驟3，基于連通區域標記算法在分類圖像上產生分割對象，通過區域合并策略對步驟2中的分類結果進行后處理，獲得高分辨率遙感影像塊中地表覆蓋分類結果，具體實施方式如下，

步驟3.1，在步驟2中的分類結果的基礎上，使用經典八鄰域連通區域標記算法得到分割對象O；

步驟3.2，根據高分辨率遙感的空間分辨率以及地物特性，將獲取的分割對象定義為O_i，其中i為類別個數；通過閾值T₁判斷O_i是否屬于噪聲對象，當O_i大于給定閾值T₁則直接保留，否則合并到鄰近分割對象中。

2.如權利要求1所述的基于并行算法的高分辨率遙感影像的地表覆蓋分類方法，其特征在于，所述步驟二中地表覆蓋分類處理還包括步驟4，根據Kappa系數對地表覆蓋分類結果進行質量評價，具體實施方式如下：

步驟4.1，計算混淆矩陣，

其中m代表目標類別的個數，p_ij表示第i行第j列有p_ij個實際歸屬第i類的像元個數被預測為第j類；矩陣主對角線上的數值表示為，地表真實圖像中歸于某一類與對應分類圖中歸于同一類的像元的個數，即被正確分類的像元的個數；

步驟4.2，基于混淆矩陣計算生產者精度，公式其中i，j分別表示為混淆矩陣中第i類與實際類別第j類所占的地物類別，A_jj代表混淆矩陣中對角線上的元素值；

計算總體分類精度，公式其中N代表真實樣本總數；

計算Kappa系數，公式kappa＝(d-q)/(N-q)，其中N為真實樣本總數，d為混淆矩陣中對角線上的樣本的數目，C為類別的數目，A_ij代表混淆矩陣中對應i，j位置的元素值，q的表達式為

步驟4.3，當Kappa值大于α時，表示分類結果和地面參考信息間的一致性很大或精度很高，Kappa值在[β,α]之間，表示一致性中等，Kappa值小于β，則表示一致性很差。