[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

本發明公開了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，主要包括：讀取SAR圖像與光學圖像并配準；選用FLF線檢測算法提取海岸線；將分類區域分割為均勻區域與不均勻區域；進行圖像融合并提取灰度共生矩陣紋理并選定訓練數據；計算當前像素所屬類別的條件概率及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；由所述分類結果的每一類別中提取20％的數據作為訓練集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。本發明針對不同的地物區域，對不同的傳感器數據給出不同的可靠性因子，進而實現海岸帶的精確分類。

技術領域

本發明涉及海岸帶圖像提取技術領域，具體而言，尤其涉及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。

背景技術

隨著地理、海洋、地球物理以及氣象監測等領域研究的深入開展，依靠衛星傳感技術為研究不斷提供豐富數據支持成為必然。然而，在許多應用中，單個傳感器所提供的數據存在信息缺失、一致性差，導致提取的數據并不精確。選自多種傳感器的圖像源間存在一定的互補關系，同時合并多源數據不僅能夠提供某一個場景的一致性解譯，而且可以相應地減輕數據類別不確定性的影響。因此，圖像融合對于遙感圖像解譯具有重要意義。海岸帶區域作為社會與經濟發展的核心地帶，其土地利用以及海域使用情況變化劇烈，因此實現海岸帶區域的環境資源的有效檢測，必然有助于海岸帶地區的可持續發展。

目前，對于海岸帶區域的遙感圖像的解譯分類大致分為基于像元的分類方法與基于對象的分類方法。由于受到海陸共同作用，海岸帶地物分布情況復雜，提高了分類算法的解譯難度，難以達到理想的應用效果。因此，有許多學者提出了不同的改進的海岸帶分類算法，例如結合地學知識、DEM數據、圖斑空間信息、水文與氣象數據等進行分類。但由于這種分類方法對海岸帶一般是分層對各個地物進行分類，流程繁雜，缺乏自動性。另外基于面向對象的分類方法在很大程度上取決于對象分割的準確度，若是某個對象包含不同的地物類別，而非單一的地物類別，則很容易錯判，從而導致整個對象中的像素被錯判。

現有基于SAR圖像與光學圖像融合的遙感圖像分類算法往往僅考慮不同傳感器數據的不確定性，沒有充分利用不同傳感器數據對不同地物具有不同分辨力的特性，從而造成分類效果不佳。

發明內容

根據上述提出的使用不確定性因子作為傳感器數據的可靠性度量的不準確性問題，而提供基于改進可靠性因子的遙感圖像融合與海岸帶分類方法，針對不同的地物區域，對不同的傳感器數據給出不同的可靠性因子，進而實現海岸帶的精確分類。

本發明采用的技術手段如下：

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；