[發明專利]一種遙感影像土地覆蓋自動分類方法在審
| 申請號： | 201811557247.8 | 申請日： | 2018-12-19 |
| 公開（公告）號： | CN109657616A | 公開（公告）日： | 2019-04-19 |
| 發明（設計）人： | 譚力;程熙 | 申請（專利權）人： | 四川立維空間信息技術有限公司 |
| 主分類號： | G06K9/00 | 分類號： | G06K9/00;G06K9/62;G06N3/04;G06F16/29 |
| 代理公司： | 成都正華專利代理事務所(普通合伙) 51229 | 代理人： | 陳選中;李林合 |
| 地址： | 610041 四川省成*** | 國省代碼： | 四川;51 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 土地覆蓋 遙感影像 自動分類 樣本 影像分割 自動選擇 分類 漂移 遙感衛星影像 迭代訓練 分類結果 精度水平 密度函數 特征提取 系統流程 先驗知識 學習算法 訓練數據 分類器 穩健性 運算量 算法 監督 | ||
1.一種遙感影像土地覆蓋自動分類方法，其特征在于，包括以下步驟：
S1、采用均值漂移算法對遙感衛星影像進行影像分割，并將分割結果以矢量多邊形的形式統一存儲到GIS系統數據庫內；
S2、以每個矢量多邊形作為一個獨立的基元，提取每個基元的特征并以矢量屬性的形式存入數據庫；
S3、根據每個基元的特征自動選擇樣本；
S4、判斷選擇的樣本是否為土地覆蓋類型樣本，若是則進入步驟S5，否則返回步驟S3；
S5、采用監督分類算法對土地覆蓋類型樣本進行分類，并輸出土地覆蓋分類結果。
2.根據權利要求1所述的遙感影像土地覆蓋自動分類方法，其特征在于，所述步驟S1中的均值漂移算法具體為：
A1、在遙感衛星影像中選取任意一個數據點x，并以數據點x為中心點，計算在設定半徑為R的圓形空間內所有數據點xi與中心點x的偏移均值m(x)：
其中wi是第i個數據點xi的權重系數，滿足約束條件n為圓形空間的數據點個數，K(·)為核函數，且：
其中xs表示中心點x特征矢量的空間部分，xr表示中心點x特征矢量的顏色部分，p為遙感衛星影像維數，hs,hr分別為空間核帶寬和顏色核帶寬，C為歸一化常數，||·||表示二范數，k(·)為在空間和顏色域中都使用相同的核，且：
A2、將中心點移動至偏移均值m(x)所在位置，重復迭代步驟A1，直到中心點與偏移均值的距離小于設定的距離閾值，將該次迭代圓形空間內所有數據點進行聚類，實現影像分割。
3.根據權利要求1所述的遙感影像土地覆蓋自動分類方法，其特征在于，所述步驟S2中提取每個基元的特征的方法具體為：采用線性代數變換法提取每個基元的光譜特征，采用半方差圖方法提取每個基元的空間特征，采用傅立葉頻譜分析法提取每個基元的地形特征。
4.根據權利要求1所述的遙感影像土地覆蓋自動分類方法，其特征在于，所述步驟S3包括以下分步驟：
S31、根據每個基元的特征，以提高同類基元間相似度，降低非同類基元間相似度為學習目標，結合GIS系統數據庫中的土地利用調查數據進行監督學習，得到變換矩陣；
S32、根據監督學習得到的變換矩陣比較未知基元間相似性，根據分布要求篩選得到初始樣本；
S33、結合GIS系統數據庫中的地物波譜數據與指數特征剔除光譜特征異常的初始樣本；
S34、將初始樣本中的土地利用類型樣本轉化為土地覆蓋類型樣本，得到完整樣本。
5.根據權利要求1所述的遙感影像土地覆蓋自動分類方法，其特征在于，所述步驟S5中的監督分類算法為人工神經網絡算法、SVM算法或C5.0決策樹算法。
6.根據權利要求5所述的遙感影像土地覆蓋自動分類方法，其特征在于，所述人工神經網絡算法具體為：
在FANN庫中選取神經元構建包括一個輸入層、兩個隱藏層以及一個輸出層的四層神經網絡，并將土地覆蓋類型樣本輸入神經網絡，得到土地覆蓋分類結果；
所述輸入層包含的神經元個數與影像波段數相同，所述輸出層包含的神經元個數與樣本文件設定的類別數相同；
所述神經元為多輸入、單輸出的閾值單元，其輸入與輸出之間的關系為：
其中xi表示神經元的第i個輸入，i＝1,2,...,N，N為神經元的輸入個數，Wi為xi的權重系數，θi表示第i個神經元的閾值，y表示神經元的輸出，f(·)為變換函數，且：
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于四川立維空間信息技術有限公司，未經四川立維空間信息技術有限公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201811557247.8/1.html，轉載請聲明來源鉆瓜專利網。
