[發(fā)明專利]一種基于遙感圖像的SVM有監(jiān)督模型湖冰分類識別方法

在審

• 申請?zhí)枺?/td>: 201810568505.6
• 申請日: 2018-06-05
• 公開（公告）號: CN108596279A
• 公開（公告）日: 2018-09-28
• 發(fā)明（設(shè)計）人: 陳嘉琪;陸品全;呂吉明;平學(xué)偉;王峰;劉海韻
• 申請（專利權(quán)）人: 河海大學(xué)
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/00;G06N3/04
• 代理公司: 南京蘇高專利商標(biāo)事務(wù)所(普通合伙) 32204
• 代理人: 梁耀文

本發(fā)明公開了一種基于遙感圖像的SVM有監(jiān)督模型湖冰分類識別方法，先從數(shù)據(jù)庫獲取年度冬季冰期的遙感圖像，并對獲取的遙感圖像進(jìn)行幾何校正、圖像配準(zhǔn)和圖像融合得到初步遙感圖像；構(gòu)建SVM有監(jiān)督模型；對步驟(2)中構(gòu)建得到的神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，并對訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)模型進(jìn)行測試判斷是否滿足精度要求，如果滿足則進(jìn)入步驟(4)，如果不滿足則返回重新構(gòu)建神經(jīng)網(wǎng)絡(luò)模型；將得到的最終處理后的遙感圖像加入構(gòu)建好的SVM有監(jiān)督模型中，并對遙感圖像中的湖冰進(jìn)行分類。本發(fā)明得到的分類精度更高。

技術(shù)領(lǐng)域

本發(fā)明屬于SVM模型分類應(yīng)用技術(shù)領(lǐng)域，特別涉及一種基于遙感圖像的SVM有監(jiān)督模型湖冰分類識別方法。

背景技術(shù)

遙感圖像湖冰分類識別的常用技術(shù)是基于傳統(tǒng)統(tǒng)計分析學(xué)的，具體算法包括平行六面體、最小距離、馬氏距離、最大似然。平行六面體有“角”容易導(dǎo)致錯誤分類；最小距離算法的分類正確與否在很大程度上取決于范本的平均值；馬氏距離中協(xié)方差矩陣如果使用較大的值容易造成過渡分類并且每一次輸入波段的數(shù)值要求必須是服從正態(tài)分布；最大似然分類時波段數(shù)稍有增加時，計算量以及計算時間都會大大增加，導(dǎo)致了效率的降低并且整個過程對是否服從正態(tài)分布要求較高。這些傳統(tǒng)分類技術(shù)中，由于自身算法的缺陷，分類結(jié)果往往不夠精確。

SVM可以自動尋找那些對分類有較大區(qū)分能力的支持向量，由此構(gòu)造出分類器，可以將類與類之間的間隔最大化，因而有較好的推廣性和較高的分類準(zhǔn)確率。在遙感圖像湖冰分類識別過程中，可以通過選擇不同的核函數(shù)，生成不同的SVM模型，本發(fā)明選擇二層神經(jīng)網(wǎng)絡(luò)核函數(shù)k(x,y)＝tanh(a(xy)+b)建立基于SVM的遙感圖像湖冰分類識別方法。

發(fā)明內(nèi)容

發(fā)明目的：為了克服現(xiàn)有技術(shù)中存在的不足，本發(fā)明提供一種基于SVM有監(jiān)督模型的技術(shù)運用到遙感圖像湖冰分類領(lǐng)域以解決現(xiàn)有技術(shù)中分類精確度不高等的問題的基于遙感圖像的SVM有監(jiān)督模型湖冰分類識別方法。

技術(shù)方案：為實現(xiàn)上述目的，本發(fā)明提供一種基于遙感圖像的SVM有監(jiān)督模型湖冰分類識別方法，包括如下步驟：

(1)從數(shù)據(jù)庫獲取年度冬季冰期的遙感圖像，并對獲取的遙感圖像進(jìn)行幾何校正、圖像配準(zhǔn)和圖像融合得到預(yù)處理后的遙感圖像；

(2)構(gòu)建SVM有監(jiān)督模型；

(3)對步驟(2)中構(gòu)建得到的SVM有監(jiān)督模型進(jìn)行訓(xùn)練，并對訓(xùn)練后的SVM有監(jiān)督模型進(jìn)行測試判斷是否滿足精度要求，如果滿足則進(jìn)入步驟(4)，如果不滿足則返回步驟(2)；

(4)將步驟(1)中得到的最終處理后的遙感圖像加入構(gòu)建好的SVM有監(jiān)督模型中，并對遙感圖像中的湖冰進(jìn)行分類。

進(jìn)一步的，所述步驟(2)中構(gòu)建的SVM有監(jiān)督模型的核函數(shù)類型為二層神經(jīng)網(wǎng)絡(luò)核函數(shù)k(x,y)＝tanh(a(xy)+b)。

進(jìn)一步的，所述步驟(3)中測試判斷的精度要求為96％。

進(jìn)一步的，所述步驟(4)中對遙感圖像中的湖冰進(jìn)行分類時，首先分為三類：湖冰、水域、其他。

進(jìn)一步的，所述步驟(4)中對構(gòu)建得到的神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練的具體步驟為：先將步驟(1)中最終處理后的遙感圖像中的每一幅圖像進(jìn)行分類，分為三類：湖冰、水域、其他，選擇10000個像素點作為模型的訓(xùn)練樣本，并將步驟(2)中得到的所有最終處理后的遙感圖像和選擇的訓(xùn)練樣本均帶入神經(jīng)網(wǎng)絡(luò)模型中進(jìn)行訓(xùn)練。

有益效果：本發(fā)明與現(xiàn)有技術(shù)相比具有以下優(yōu)點：