[發(fā)明專利]一種融合中波紅外與可見光的遙感影像分類方法

在審

• 申請?zhí)枺?/td>: 201810620261.1
• 申請日: 2018-06-15
• 公開（公告）號: CN109376750A
• 公開（公告）日: 2019-02-22
• 發(fā)明（設(shè)計）人: 陳長軍;閆利;李青山;趙展;謝洪;葉志云
• 申請（專利權(quán)）人: 武漢大學(xué)
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/00
• 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: 嚴(yán)彥

本發(fā)明公開了一種融合中波紅外與可見光的遙感影像分類方法，包括數(shù)據(jù)準(zhǔn)備，利用POS系統(tǒng)及地面實測控制點制作可見光與中紅外正射影像，合并為多光譜影像；影像分割，根據(jù)同質(zhì)性標(biāo)準(zhǔn)，基于多尺度分割算法分割影像得到對象圖層；初始特征提取，基于分割形成的對象圖層選取分析樣本及特征空間；優(yōu)化特征空間，分析原始特征空間，利用隨機(jī)森林OOB平均下降精度與Gini指數(shù)優(yōu)化特征空間；隨機(jī)森林分類，基于分割結(jié)果與優(yōu)化特征空間利用隨機(jī)森林分類器進(jìn)行分類。中波紅外對地物的溫度較為敏感，本發(fā)明引入中波紅外特征后，相對于僅僅使用可見光影像分類，可明顯提高溫度較高地物的分類精度。

技術(shù)領(lǐng)域

本發(fā)明涉及一種融合中波紅外與可見光的遙感影像分類方法，屬于遙感測繪領(lǐng)域。

背景技術(shù)

中波紅外譜段光譜范圍為3-5μm，與熱紅外波段(8-14μm)同屬于紅外譜段，但其光譜輻射特性不同于可見光與熱紅外譜段，既包含地面反射輻射，也包含地面物體的發(fā)射輻射能量，可實現(xiàn)全天時成像。圖1表明，不同溫度目標(biāo)在中波紅外波段具有最高的熱對比度，更容易區(qū)分不同溫度目標(biāo)，同時在600-1000K物體輻射功率峰值對應(yīng)波長為中波，具有優(yōu)于熱紅外的高溫物體監(jiān)測能力。此外，中波紅外波長較長，不易受到霧霾的散射，能有效突破低能見度氣候?qū)b感影像獲取時效性的限制。

中波紅外譜段在對地觀測中的優(yōu)勢可廣泛應(yīng)用于目標(biāo)提取，溫度反演，圖像融合，工業(yè)排放氣體監(jiān)測，火災(zāi)監(jiān)測，武器制導(dǎo)等領(lǐng)域。由圖2，我國在中波紅外波段的對地觀測上空間分辨率較低，與國外有較大的差距。同時由于政策原因，國內(nèi)可采購中波紅外相機(jī)最大面陣大小為640*512像素。故目前國內(nèi)仍沒有成熟的機(jī)載中波紅外對地觀測系統(tǒng)，尚未展開中波紅外在遙感影像分類的相關(guān)研究。

現(xiàn)有對地觀測系統(tǒng)波段多集中在可見光、近紅外與長波紅外譜段，例如美國多光譜成像儀(MTI)和熱紅外傳感器以及德國研制的熱點識別系統(tǒng)(HSRS)。可知現(xiàn)有對地觀測傳感器波段在中波紅外波段分布較少且分辨率較低，并且中波紅外同時含有發(fā)射和反射輻射，因此，目前學(xué)界對中波紅外的遙感分類應(yīng)用探索較少。開展中波紅外遙感相關(guān)研究可以有效利用頻譜資源，填補(bǔ)相應(yīng)領(lǐng)域的空白。

發(fā)明內(nèi)容

本發(fā)明是在國內(nèi)首幅可見光-中波紅外高分辨率(中波紅外0.6m分辨率)多光譜影像的基礎(chǔ)上，旨在探索地物的中波紅外特征的特性，進(jìn)而融合地物的中波紅外與可見光的特征，提高遙感地物分類的精度，探索中波紅外譜段的潛在價值。

為實現(xiàn)上述目的，本發(fā)明的技術(shù)方案提供一種融合中波紅外與可見光的遙感影像分類方法，包括以下步驟：

步驟1，數(shù)據(jù)準(zhǔn)備，包括利用POS系統(tǒng)及地面實測控制點制作可見光與中紅外正射影像，合并為多光譜影像；

步驟2，影像分割，根據(jù)同質(zhì)性標(biāo)準(zhǔn)，基于多尺度分割算法分割影像得到對象圖層；

步驟3，初始特征提取，基于分割形成的對象圖層選取分析樣本及特征空間；

步驟4，優(yōu)化特征空間，分析步驟3提取的原始特征空間，利用隨機(jī)森林OOB平均下降精度與Gini指數(shù)優(yōu)化特征空間；

步驟5，隨機(jī)森林分類，基于步驟2得到的分割結(jié)果與步驟4確定的優(yōu)化特征空間利用隨機(jī)森林分類器進(jìn)行分類。

而且，步驟2中，基于多尺度分割算法分割影像的實現(xiàn)方式為，首先基于像元，根據(jù)同質(zhì)性標(biāo)準(zhǔn)合并像元，然后基于合成的對象結(jié)合設(shè)置的尺度參數(shù)繼續(xù)合并影像對象，循環(huán)處理直至同質(zhì)性指標(biāo)大于尺度參數(shù)，分割停止。

而且，所述同質(zhì)性標(biāo)準(zhǔn)通過圖像的局部區(qū)域異質(zhì)性f評價。

而且，圖像的局部區(qū)域異質(zhì)性f包含光譜異質(zhì)性和形狀異質(zhì)性兩方面，計算如下，

f＝w₁x+(1-w₁)y (1)