[发明专利]基于上下文关系的多分辨率遥感图像复合分类方法

说明书

技术领域

本发明属于模式识别和计算机视觉领域，也涉及到遥感和农业领域，具体涉及到基于上下文关系的多分辨率遥感图像复合分类方法。

背景技术

地表覆盖分类是获取土地覆盖和土地利用现状的基础技术，在环境评估、地图更新、作物估产等领域有着重要应用价值。近年来遥感数据源日益增多，不同空间分辨率的遥感图像在不同尺度上给出了更多的地表信息。如何充分利用同一地区、不同空间覆盖率的多种空间分辨率遥感数据，进一步提高广域地表覆盖分类精度已成为遥感图像分析的一个挑战。

对于广域地表分类问题，一般来讲固然使用高分辨率遥感图像可以得到更为精确的地表分类结果，但高分辨率遥感数据所固有的重访周期长、覆盖范围小、数据价格高等诸多限制，制约了其在大范围或长期地表监测中的实际应用。因此，采用遥感图像复合分类方法可以综合利用多种遥感数据在覆盖范围以及空间分辨率上的互补性，在保持较大覆盖范围的同时提高综合分类精度。现有的多分辨率遥感图像复合分类方法通过在低空间分辨率数据的大覆盖范围中选用若干小覆盖范围的高空间分辨率数据来指导全局低空间分辨率数据的分类过程，但是由于现有方法在分类过程中假设像元独立，即在像元级或亚像元级进行，忽略了像素的空间位置以及像素邻域地物类别对分类结果的影响，因此分类结果易受遥感图像噪声影响。

发明内容

为了克服上述现有技术的不足，本发明的目的在于提供一种基于上下文关系的多分辨率遥感图像复合分类方法，本方法综合利用多分辨率遥感图像，构建像素间的上下文关系，考虑了地物分布的空间连续性，并由条件随机场模型提供了对多分类特征的支持，从而解决高精度的广域低分辨率遥感图像的分类问题。

为了实现上述目的，本发明采用的技术方案是：

基于上下文关系的多分辨率遥感图像复合分类方法，包括以下步骤，

步骤一，进行局部训练区域内的配准：首先，选择一个或者一个以上同时具有高低分辨率图像且包含各类地物类别的局部区域作为训练区域，其次，根据高低分辨率图像的分辨率比例关系对高分辨率图像进行分辨率整数倍率调整，使得高低分辨率比例为整数倍，最后，对高低分辨率图像进行局部空间配准；

步骤二，对低分辨率图像进行分类特征提取；

步骤三，基于前两个步骤，在训练区域内，利用分类特征进一步建立基于条件随机场模型的上下文关系：首先，根据上下文关系构建低分辨率图像的分类特征序列，作为条件随机场模型的输入观测随机序列，其次，高分辨率图像分类结果降分辨率后生成与分类特征序列对应的标注序列，最后，通过训练集获取条件随机场模型参数；

步骤四，根据前三个步骤得到条件随机场模型后进行全局分类，将训练好的模型推广至整个低分辨率图像覆盖区域，对广域低分辨率图像进行分类：首先，根据训练时的上下文关系生成对应的低分辨图像分类特征序列，再根据公式和利用训练好的条件随机场模型参数获得像元的各类别条件概率，最后采用最大条件概率准则进行全局分类得到各像元对应的最终地物类别，其中，E(Y，X)为条件随机场的势函数，由一元势函数g_i(y_i，X)和二元势函数f_ij(y_j，y_i，X)组成，其中一元势函数g_i(y_i，X)表示分类特征与类别标签的关系，二元势函数f_ij(y_j，y_i，X)表示遥感图像中相邻像元之间的空间上下文关系，λ_ij和μ_i分别是势函数f_ij(y_j，y_i，X)和g_i(y_i，X)的权重，Z(X)是对所有可能序列的归一化因子，

步骤一中的局部空间配准具体是指，

首先，匹配预处理，使用Sobel算子对高分辨的航空相片进行边缘提取，边缘提取完成后，进行一次或一次以上的扩散，得到图像边界作为进一步的处理对象；

其次，进行基于手动匹配的粗匹配，先根据控制点选择建议，采用目视观察的方法在待配准的高低分辨率图像上确定6～7组一一对应的控制点，提取其位置坐标，再进行基于手动粗匹配的几何变换，接着进行粗匹配后的插值处理，所述插值处理为双向线性插补法进行内插处理；