[發明專利]基于對稱初始化和聚集度優化的亞像元定位方法和系統

有效

• 申請號: 201810572207.4
• 申請日: 2018-06-06
• 公開（公告）號: CN109086655B
• 公開（公告）日: 2020-08-11
• 發明（設計）人: 吳尚蓉;任建強;金武軍;陳仲新
• 申請（專利權）人: 中國農業科學院農業資源與農業區劃研究所
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/32
• 代理公司: 北京山允知識產權代理事務所(特殊普通合伙) 11741
• 代理人: 胡冰

本發明提出一種基于對稱初始化和聚集度優化的亞像元定位方法和系統，所述方法，包括：S1，按照地物類型依次計算實驗遙感影像中的混合像元與其8鄰域中相鄰混合像元之間的空間引力值；S2，初始化亞像元空間分布，基于步驟S1所計算的空間引力值，將初始化地物類型分配給中心混合像元中的亞像元；S3，基于混合像元內亞像元的空間分布，計算某一地物類型亞像元的像元聚集度，然后基于不同類型地物亞像元的像元聚集度，得到混合像元的像元聚集度；同樣方法得到先驗信息數據的像元聚集度；S4，基于S3所計算的像元聚集度對對稱區域的不同地類亞像元進行像元交換。本發明的方法在理論上兼顧兩種尺寸地物，并進一步提高亞像元定位精度和運算效率。

技術領域

本發明涉及遙感技術，更具體地的，涉及遙感亞像元定位和遙感影像分類技術。

背景技術

遙感影像中普遍存在的混合像元現象在一定程度上阻礙了地物遙感分類與識別精度的提高。對于混合像元分解，需要獲取的參數是混合像元內的地物類別，地物所占比例以及地物空間分布情況，對應的求解技術分別為端元提取技術、混合像元分解技術以及亞像元定位技術(胡茂桂和王勁峰2014，凌峰等2011)。亞像元定位技術又稱超分辨率制圖技術，是一種特殊的遙感影像分類技術，其理論于1997年由Atkinson提出(凌峰等2011)，并將其定義為一種將軟分類轉換成更高空間尺度上的硬分類技術。此外，亞像元定位技術也不同于傳統的硬分類技術。硬分類技術將占像元內比例最高的地物類型分配給混合像元，生成硬分類結果；而亞像元定位技術則將混合像元切割成更小單元—亞像元，并根據地類比例信息將地物類型相應的分配到亞像元中，制圖結果無論在精度還是效果上都優于硬分類結果。

從已有亞像元定位技術來看，亞像元定位效果的優劣主要在于地物空間分布特征描述是否準確。地物尺寸和遙感影像像元分辨率存在以下兩種關系，且兩種關系下地物空間分布特征的描述是不同的。當地物尺寸大于像元分辨率時，目標地物由多個亞像元組成，地物空間分布特征的描述主要是基于空間相關性的(陳躍紅和葛詠2012)，即像元內以及像元間不同地物的空間分布存在相關性，距離相距較近的像元/亞像元與距離相距較遠的像元/亞像元相比更可能屬于同一地類。一般情況下，基于空間相關性理論的亞像元定位技術對各地類面積重建較準確且亞像元定位總體精度較高。而當地物尺寸小于像元分辨率時，目標地物只占混合像元的一部分，混合像元內斑塊破碎程度較高，空間結構復雜，亞像元定位相對困難(林皓波等2011，任武和葛詠2011)。此時地物空間分布特征的描述不再基于空間相關性理論，而是依據空間模式擬合，構建其理論模型的重點在于如何有效借助先驗信息描述各種地物空間分布模式。較具代表性的基于空間模式擬合的亞像元定位模型包括兩點直方圖模型(Atkinson 2008)、神經網絡模型(Tatem et al.2008)、地統計插值模型(張旸和陳沈良2005，BoucherKyriakidis 2007，Atkinson et al.2008，王立國等2014，杜奕和張挺2016)以及景觀異質性模型(Frazier 2015，Hu et al.2015)。其中，地統計插值模型、景觀異質性模型以及一些神經網絡模型求解計算量很大且求解過程繁瑣，對于數據量和計算能力的要求很高。因此，對于小尺寸地物亟需提出一種計算量較小、求解過程簡單的亞像元定位模型。

同時，上述大部分亞像元定位模型僅能針對兩種地物尺寸和像元分辨率關系之一，而較少有模型能兼顧兩者并存的情況。如基于空間相關性的亞像元定位模型主要針對地物尺寸大于像元分辨率的情況，亞像元制圖結果趨于聚集，對于線形地物的表現能力較差，混合像元內部獨立的小斑塊也會被忽略掉，從而影響亞像元定位效果和制圖質量。基于空間模式擬合的亞像元定位模型主要針對地物尺寸小于像元分辨率的情況，過多的依靠訓練影像結構信息，而忽略像元間空間相關性，從而不能獲得較高的亞像元定位精度。而在遙感影像中通常包括上述兩種情況，因此如何兼顧兩種尺寸地物進行亞像元定位以提高亞像元定位精度和制圖質量是亞像元定位模型研究中亟待解決的技術問題之一。