[發(fā)明專利]一種地物分類方法、系統(tǒng)、設(shè)備和存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 201810654261.3
• 申請日: 2018-06-22
• 公開（公告）號: CN108875649A
• 公開（公告）日: 2018-11-23
• 發(fā)明（設(shè)計）人: 宋寬;楊國偉;顧竹;張弓
• 申請（專利權(quán)）人: 北京佳格天地科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 北京恒博知識產(chǎn)權(quán)代理有限公司 11528
• 代理人: 范勝祥

本發(fā)明涉及一種地物分類的方法、裝置及存儲介質(zhì)，其中方法包括：獲取第一圖像，所述第一圖像的每個像素點是分類樣本像素點或者是待分類像素點；標(biāo)注所述第一圖像中的全部所述分類樣本像素點；對部分所述分類樣本像素點進行訓(xùn)練，生成決策樹；產(chǎn)生所述第一圖像的該分類樣本像素點的多波段特征的重要性排名；重新描述所述分類樣本像素點；從所述第一圖像中的全部分類樣本像素點和待分類像素點的全部波段中分別提取所述選擇的波段組成第二圖像；利用所述第二圖像中每個像素點的波段值分別生成新波段特征；用XGBoost將所述每個分類樣本像素點pixsample’輸入模型進行訓(xùn)練，最終得到分類模型MODEL；用分類模型MODEL將第二圖像中的全部待分類像素點逐一自動進行分類。

技術(shù)領(lǐng)域

本發(fā)明涉及一種地物分類方法，具體而言，涉及一種地物分類方法、裝置、設(shè)備及計算機可讀存儲介質(zhì)。

背景技術(shù)

本發(fā)明對背景技術(shù)的描述屬于與本發(fā)明的相關(guān)技術(shù)，僅僅是用于說明和便于理解本發(fā)明的發(fā)明內(nèi)容，不應(yīng)理解為申請人明確認(rèn)為或推定申請人認(rèn)為是本發(fā)明在首次提出申請的申請日的現(xiàn)有技術(shù)。

上世紀(jì)以來航空航天以及衛(wèi)星遙感技術(shù)不斷發(fā)展，通過衛(wèi)星影像數(shù)據(jù)，為國土資源監(jiān)察和管理提供了很大便利。在遙感領(lǐng)域一些常用的分類地物的算法，如ndvi，evi,等不能很好的解決這種問題，分類效果也很差?，F(xiàn)階段很多衛(wèi)星影像需要人工進行標(biāo)記，然而衛(wèi)星影像的一大特點就是數(shù)據(jù)量大，純?nèi)斯?biāo)注的工作量巨大。

發(fā)明內(nèi)容

本發(fā)明旨在至少在一定程度上解決相關(guān)技術(shù)問題中的技術(shù)問題之一。

為解決上述現(xiàn)有技術(shù)的缺陷，本發(fā)明實施例提供一種地物分類方法、地物分類方法裝置、計算機設(shè)備及計算機可讀存儲介質(zhì)。

為此，本發(fā)明一個實施例的地物分類方法，包括：獲取第一圖像，所述第一圖像的每個像素點取值為n維向量[w₁,w₂,w₃，...,w_n]，向量中的每個值對應(yīng)一個波段wave，所述第一圖像的每個像素點是分類樣本像素點pixsample(pixsample₁，pixsample₂，……，pix_m)或者是待分類像素點pixwait(pixwait₁，pixwait₂，……，pixwait_n)；標(biāo)注所述第一圖像中的全部所述分類樣本像素點pixsample(pixsample₁，pixsample₂，pixsample₃，……，pix_m)，所述全部分類樣本像素點包含了對該第一圖像的全部分類；對部分所述分類樣本像素點pixsample(pixsample₁，pixsample₂，pixsample3，……，pix_f)(f<m)利用XGBoost進行訓(xùn)練，生成決策樹，其中所述部分分類樣本像素點包含了對該第一圖像的全部分類；根據(jù)所述決策樹產(chǎn)生所述第一圖像的分類樣本像素點的多波段wave(wave₁，wave₂，wave₃，……，wave_k)特征的重要性排名；根據(jù)所述排名，選擇部分波段特征來描述全部分類樣本像素點pixsample’(pixsample_top1，pixsample_top2，pixsample_top3，……，pix_toph)；從所述第一圖像中的全部分類樣本像素點pixsample和待分類像素點pixwait的全部波段中分別提取所述選擇的波段wave_top1-toph(wave_top1，wave_top2，……，wave_toph)組成第二圖像,其中h<k；利用所述第二圖像中每個像素點的波段值wave_top1-toph(wave_top1，wave_top2，……，wave_toph)分別生成新波段特征wavenew_1-p(wavenew₁，wavenew₂，……，wavenew_p)；用XGBoost將所述每個分類樣本像素點pixsample’輸入模型進行訓(xùn)練，最終得到分類模型MODEL；用分類模型MODEL將第二圖像中的全部待分類像素點pixwait’逐一自動進行分類。