一种高分辨率遥感图像智能分类方法

摘要

针对高分辨率遥感图像的特点，发明了一种实用的图像智能分类方法，具体包括六个步骤：第一步，生成全色图像的图像分割结果；第二步，利用空间映射得到多光谱图像的分割结果；第三步，逐一判别全色图像的分割区域是否欠分割；第四步，对检测到的欠分割区域进行再分割；第五步，生成区域的特征空间；第六步，分类器设计并实现图像分类。本发明解决了图像分类过程中常常遇到的图像欠分割区域的存在影响图像分类精度的问题，方法适用于IKONOS和QUICKBID等高分辨率遥感卫星图像，对于目标识别、资源环境调查、土地利用动态、灾害监测和灾情评估等应用信息提取具有重要的作用。

主权项

高分辨率遥感影像高精度智能分类方法，具体实现步骤为：第一步：分割全色图像，生成多尺度的表示结果，并根据研究目标选择一个合适的尺度下的全色图像分割结果，方法基于数学形态学算子估计地物位置的分水岭图像分割算法，并利用不同尺度大小的高斯滤波器对原始图像滤波结果形成图像的多尺度表示；第二步：根据全色图像的分割表示结果利用空间映射的技术获得低空间分辨率的多光谱图像的分割结果，方法利用空间映射关系将多光谱图像上的任意位置的像素寻找到与之对应的全色图像上面的图像块，将图像块的分类结果，即图像块中个数最多的那个标记值，标记于多光谱图像上的这个像素，从而形成多光谱图像的分割结果；第三步：根据每个分割区域的多光谱数据，自动智能地逐一判别全色图像的分割结果是否正确：即分割区域是单一地物，还是混合地物，方法首先假设区域是单一地物，利用第二步中得到的区域多光谱信息，找到这个分割区域的平均光谱中心及其分布参数，然后假设区域是混合可再分的地物区域，同样利用区域多光谱信息，在多光谱特征空间中做两类的再分处理：两类再分处理采用的是计算特征空间中每个点距离上一次两类类别中心的概率并判别该点为概率大的类别，迭代地计算至所有的点类别不再改变为止，然后分别计算出两类的平均光谱中心及其分布参数，再次计算实际分布与理想分布下的差异数值，最后比较单一地物假设下和混合地物假设下与理想分布的差异数值并作出判断：选择差异较小的情况做出决策；第四步：根据第三步的判别结果，如果分割区域是混合地物，则在全色图像数据的驱动下做区域的再次分割，并且把分割结果重映射到多光谱图像上去；再次分割方法首先将多光谱图像数据分类结果映射回全色图像上，统计两类像素集合的中心灰度值和分布，并计算待分类像素值集合任一点与两类集合中心的概率大小来形成新的两类集合，定义邻域系统找出两类集合相邻的像素，相邻的像素形成待分类集合并且重新计算类别中心和重新分类，直到前后两次计算的集合内容不再发生改变为止；第五步：提取分割区域的区域特征，形成特征空间，方法采用提取区域多光谱图像的平均多光谱中心数据特征作为区域特征的方式；第六步：根据设计的分类器实现分类，并且得到分类的结果，方法采用的是均值漂移聚类分类器。