一种高分辨率遥感图像复杂类别的监督分类方法

摘要

本发明涉及遥感图像处理技术领域，尤其涉及一种高分辨率遥感图像复杂类别的监督分类方法。本发明通过对高分辨率遥感图像提取局部特征和使用局部特征矢量集代表图像，更详细地、准确地描述了图像内容，避免了使用全局特征时，各种类别的特征信息混杂在一起；通过多维金字塔表达将局部特征矢量集转化为一个表达矢量，使得默认输入是矢量的监督分类方法得以应用；多维金字塔表达方法在局部特征是高维特征时，仍保证较高的计算效率和分类精度；在获得多维金字塔表达矢量的基础上，通过AdaBoost挑选区分力强的少数维用于构建强分类器，避免了无关信息对分类精度的影响。本发明计算效率高，适用于高分辨率遥感图像，可有效提高高分辨率遥感图像复杂类别的分类精度。

主权项

一种高分辨率遥感图像复杂类别的监督分类方法，其特征在于，包括以下步骤：步骤1，通过高分辨率遥感图像处理程序打开高分辨率遥感图像；步骤2，根据实际地物分布和分类类别数，在高分辨率遥感图像上利用样区工具选择训练样本，将训练样本存入训练样本库；步骤3，利用检测算子在训练样本上检测感兴趣区域；步骤4，在检测到区域上提取局部特征，得到局部特征矢量，所有区域上得到的局部特征矢量构成局部特征矢量集合，将局部特征矢量集合存入特征库；步骤5，用多维金字塔表达方法将局部特征矢量集合转化成一个表达矢量，并存入特征表达库；步骤6，选择下一训练样本，重复步骤3到步骤5，直到完成所有训练样本的表达，得到完整的特征表达库；步骤7，将属于第一类的表达矢量标记为正样本，所有不属于该类的表达矢量标记为负样本；步骤8，输入AdaBoost，训练强分类器；步骤9，将属于下一类的样本标记为正样本，所有不属于该类的样本标记为负样本，重复步骤8，直到完成所有类别的强分类器的训练；步骤10，将待分类高分辨率遥感图像分解为图像子块；步骤11，对一个图像子块重复步骤3到步骤5，但仅计算强分类器需要用到的多维金字塔表达矢量的特征维的取值，得到该图像子块的表达矢量；步骤12，将图像子块的表达矢量输入各类的强分类器中，计算该表达矢量属于各类的概率；步骤13，选择概率最大的那个类别作为图像子块的类别；步骤14，将子块的类别赋予该子块覆盖的所有像素；步骤15，选择下一图像子块，重复步骤11到步骤14，直到完成待分类遥感图像的所有像素的分类；所述步骤5中对每个局部特征矢量集合完成多维金字塔表达包括以下子步骤：步骤5.1，利用降维方法，将局部特征矢量降维；步骤5.2，选择降维后的特征的第一维；步骤5.3，在该维数据上计算金字塔表达矢量；步骤5.4，选择降维后的特征的下一维，重复步骤5.3，直到在所有维上完成金字塔表达矢量的计算；步骤5.5，将各维得到的金字塔表达矢量连接起来构成一个多维金字塔表达矢量。