[發(fā)明專利]一種基于空-譜特征聯(lián)合的遙感影像監(jiān)督分類方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202110645026.1
• 申請(qǐng)日: 2021-06-09
• 公開（公告）號(hào): CN113378924A
• 公開（公告）日: 2021-09-10
• 發(fā)明（設(shè)計(jì)）人: 呂志勇;楊萱;孔祥兵;李廣飛;王鋒軍
• 申請(qǐng)（專利權(quán)）人: 西安理工大學(xué)
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62
• 代理公司: 西安弘理專利事務(wù)所 61214
• 代理人: 燕肇琪

1.一種基于空-譜特征聯(lián)合的遙感影像監(jiān)督分類方法，其特征在于，具體按照以下步驟實(shí)施：

步驟1、輸入影像，以中心像素構(gòu)建無參自適應(yīng)區(qū)域；

步驟2、計(jì)算自適應(yīng)區(qū)域內(nèi)各個(gè)光譜波段的特征均值；計(jì)算自適應(yīng)區(qū)域內(nèi)各個(gè)波段的空間特征；

步驟3、將得到的光譜特征和空間特征進(jìn)行特征疊加，得到該像素點(diǎn)自適應(yīng)區(qū)域的聯(lián)合特征；

步驟4、逐像素點(diǎn)遍歷整張影像，得到所有像素聯(lián)合后的特征向量，使用SVM分類器進(jìn)行分類，得到最終的分類影像，完成遙感影像監(jiān)督分類。

2.根據(jù)權(quán)利要求1所述的一種基于空-譜特征聯(lián)合的遙感影像監(jiān)督分類方法，其特征在于，所述步驟1具體按照以下實(shí)施：對(duì)輸入的影像，以像素(Pixel)為中心通過3×3大小的窗口，獲取中心像素周圍的鄰域像素，計(jì)算窗口內(nèi)鄰域像素的均值(Avg)和方差(Std)，以(‖Avg-Std‖≤Pixel≤‖Avg+Std‖)為約束條件不斷搜索鄰域像素，構(gòu)建一個(gè)無參自適應(yīng)區(qū)域。

3.根據(jù)權(quán)利要求2所述的一種基于空-譜特征聯(lián)合的遙感影像監(jiān)督分類方法，其特征在于，所述步驟2中計(jì)算自適應(yīng)區(qū)域內(nèi)各個(gè)光譜波段的特征均值具體按照以下實(shí)施：由構(gòu)成一個(gè)影像對(duì)象的所有n個(gè)像素的圖層值計(jì)算得到圖層平均值；

其中，P_Li表示波段上第i個(gè)像素點(diǎn)的像素值；特征值的范圍為：[0；與數(shù)據(jù)的比特位數(shù)對(duì)應(yīng)]。

4.根據(jù)權(quán)利要求2所述的一種基于空-譜特征聯(lián)合的遙感影像監(jiān)督分類方法，其特征在于，所述步驟2計(jì)算自適應(yīng)區(qū)域內(nèi)各個(gè)波段的空間特征中的空間特征包括密度、長寬比、形狀指數(shù)。

5.根據(jù)權(quán)利要求2所述的一種基于空-譜特征聯(lián)合的遙感影像監(jiān)督分類方法，其特征在于，所述步驟2計(jì)算自適應(yīng)區(qū)域內(nèi)各個(gè)波段的空間特征具體按照以下實(shí)施：使用密度來描述影像對(duì)象的緊致程度；在像素柵格的圖形中理想的緊致形狀是一個(gè)正方形；一個(gè)影像對(duì)象的形狀越接近正方形，它的密度就越高；

其中，D表示密度；特征值范圍：[0；與影像對(duì)象的形狀對(duì)應(yīng)]；

由于影像對(duì)象多為不規(guī)則形狀，因此，對(duì)象長寬比通常由協(xié)方差矩陣較大特征值與較小特征值的比值計(jì)算得來；

其中，γ表示長寬比，eig₁(S)為協(xié)方差矩陣特征值中較大的一個(gè)，eig₂(S)則為協(xié)方差矩陣較小的特征值；特征值范圍：[0；1]；

對(duì)象形狀指數(shù)可以反映對(duì)象邊界的光滑程度，對(duì)象形狀指數(shù)越大，邊界越破碎，反之則越光滑；數(shù)學(xué)上形狀指數(shù)是影像對(duì)象的邊界長度除上它的面積的平方根的4倍；

其中，SI表示形狀指數(shù)，e表示對(duì)象邊界長度，即對(duì)象邊界的像素組成個(gè)數(shù)，特征值范圍為：[1；與影像對(duì)象的形狀對(duì)應(yīng)]。