[發明專利]一種基于改進可靠性因子的遙感圖像融合與海岸帶分類方法

有效

• 申請號: 201910319782.8
• 申請日: 2019-04-19
• 公開（公告）號: CN110097101B
• 公開（公告）日: 2022-09-13
• 發明（設計）人: 史曉非;丁星;馬海洋
• 申請（專利權）人: 大連海事大學
• 主分類號: G06V10/764
• 分類號: G06V10/764;G06V10/80
• 代理公司: 大連東方專利代理有限責任公司 21212
• 代理人: 李馨

1.一種基于改進可靠性因子的遙感圖像融合與海岸帶分類方法，其特征在于包括以下步驟：

步驟S1、讀取SAR圖像與光學圖像，并對所述SAR圖像與所述光學圖像進行配準，其中所述SAR圖像為Sentinel-1圖像，所述光學圖像為Landsat-8圖像第4、3、2波段合成的真彩色圖像；

步驟S2、對Landsat-8圖像的第5波段圖像提取海岸線，以海岸線為界，向陸地方向擴300個像素寬的區域作為分類區域，其中線狀物的提取選用FLF線檢測算法；

步驟S3、將所述分類區域分割為均勻區域與不均勻區域，包括根據SAR圖像的熵紋理信息提取出初步的不均勻區域，綜合光學圖像的灰度值信息得到的得到最終的不均勻區域標記場；

步驟S4、對SAR圖像與光學圖像進行融合分類，提取SAR圖像的灰度共生矩陣紋理并選定訓練數據；

步驟S5、計算SAR圖像與光學圖像融合后的當前像素所屬類別的條件概率，并計算每個像素屬于每一類的勢能，取勢能最小的類別標簽賦給當前像素作為分類結果；

步驟S6、由所述分類結果的每一類別中提取20％的數據作為訓練集，包括對像素所屬類別的條件概率排序，提取最高的20％作為新的訓練集；

步驟S7、反復執行步驟S5-步驟S6，直到每個像素屬于每一類的勢能不再變化，則輸出最終分類結果。

2.根據權利要求1所述的方法，其特征在于所述根據SAR圖像的熵紋理信息提取出初步的不均勻區域包括：

根據公式

計算SAR圖像的熵紋理信息，其中，p_ij表示灰度共生矩陣中的像素概率，K表示灰度的級數；以及

設定第一提取閾值，將SAR圖像的熵紋理信息大于所述第一提取閾值的SAR圖像記為初步的不均勻區域。

3.根據權利要求1所述的方法，其特征在于所述綜合光學圖像的灰度值信息得到的得到最終的不均勻區域標記場包括：

計算光學圖像的灰度值；

設定第二提取閾值，提取灰度值大于第二提取閾值的二值圖像與初步的不均勻區域相與運算得到最終的不均勻區域標記場。

4.根據權利要求1所述的方法，其特征在于，所述所述計算SAR圖像與光學圖像融合后的當前像素所屬類別的條件概率包括根據公式

計算SAR圖像與光學圖像融合后的條件概率，其中Mask_i＝1表示當前像素i處于不均勻區域，而Mask_i≠1表示當前的像素i處于均勻區域，ω_B表示人工建筑區域標簽，ω_B′表示非人工建筑區域的標簽，λ′_SAR,i表示SAR圖像中第i個像素的不確定性因子，λ_SAR,i表示λ′_SAR,i歸一化后的不確定性因子，λ′_Optical,i表示光學圖像中第i個像素的不確定性因子，λ_Optical,i表示λ′_Optical,i歸一化后的不確定性因子，X_SAR,i表示SAR圖像中第i個像素，X_Optical,i表示光學圖像中第i個像素，X_Fused,i表示SAR圖像中第i個像素與X_Optical,i表示光學圖像中第i個像素聯合后的多維度數據，λ_e表示常數1，λ_e′表示常數0，ω_j表示類別標簽，ep表示極小值0.00001。

5.根據權利要求1所述的方法，其特征在于，所述計算每個像素屬于每一類的勢能包括

根據公式

U_data(X_Fused)+U_sp(C)

＝-{(λ_SAR,i+λ′_e)log(P(X_SAR,i|ω_B))+(λ_Optical,i+λ′_e)log(P(X_Optical,i|ω_B))}+U_sp(C)

計算若當前像素處于不均勻區域，且判定其屬于建筑類別的勢能；

根據公式

計算若當前像素處于不均勻區域，且判定其屬于非建筑類別的勢能；

根據公式

計算若當前像素處于均勻區域，且判定其屬于建筑類別的勢能；

根據公式

U_data(X_Fused)+U_sp(C)

＝-{(λ_SAR,i+λ_e)log(P(X_SAR,i|ω_B′))+(λ_Optical,i+λ′)log(P(X_Optical,i|ω_B′))}+U_sp(C)

計算若當前像素處于均勻區域，且判定其屬于非建筑類別的勢能；

其中，U_data表示數據項U_data(X_S)＝log(P(X_S|C))，U_sp表示空間項U_sp(C)＝log(P(C))，C表示類別標簽的集合，C＝{C(i,j)；1≤i≤M,1≤j≤N}是對應的所有像素的標簽集，其中C(i,j)∈{ω₁,ω₂,...,ω_k}。