[发明专利]基于全向搜索机制变异函数的最优遥感尺度选择方法

权利要求书

1.一种基于全向搜索机制变异函数的最优遥感尺度选择方法，该方法首先利用已获取的遥感影像选择研究区域，然后通过全向搜索算法计算出遥感影像在每一方向不同空间间隔下对应的变异函数值；在此基础上，建立空间间隔及其变异函数值的映射关系，进而基于变异函数模型中的球状模型回归拟合，求解出每一方向上对应的局部最优空间尺度；最后把拟合度最大值所对应的局部最优空间尺度作为遥感影像的最优空间尺度，具体为：

第一步骤：利用已获取的遥感影像选择研究区域，得到研究区域的遥感影像数据；

第二步骤：将研究区域影像数据作为输入数据，通过全向搜索算法计算出该影像在每一个方向上不同空间间隔下对应的变异函数值；

第三步骤：将得到的这些变异函数值进行处理，建立空间间隔及其变异函数值的映射关系，进而基于球状模型回归拟合，求解出每一方向上对应的局部最优空间尺度；

第四步骤：根据拟合度最大值所对应的局部最优空间尺度，求解出遥感影像的最优空间尺度。

2.根据权利要求1所述的基于全向搜索机制变异函数的最优遥感尺度选择方法，其特征在于：所述第一步骤采用以下方法获取研究区域影像并进行数据转换：

第1步：利用AOI文件在Erdas软件的图标面板工具条中利用DataPrep/Subset，对所获取的遥感影像进行裁剪，获取研究区域的遥感影像；

第2步：在ArcGIS软件中，利用Conversion Tools/From Raster/Raster to ASCII，对遥感影像进行数据格式转换，获取研究区域影像的ASCII码值。

3.根据权利要求1或2所述的基于全向搜索机制变异函数的最优遥感尺度选择方法，其特征在于：所述第二步骤采用包括以下步骤的方法计算变异函数值：

(a)将第2步得到的研究区域ASCII码值类同为一个rows*cols大小的数值矩阵；

(b)判断循环条件，不断增加空间间隔，以该空间间隔作为搜索半径，在对应方向上寻找像元，计算该像元与起点像元的灰度差，然后根据变异函数的计算公式计算出现行空间间隔下的变异函数值；

(c)逐步扩大搜索半径大小，依据步骤(b)中方法计算对应空间间隔下的变异函数值，并记录每次计算得出的结果。

4.根据权利要求3所述的基于全向搜索机制变异函数的最优遥感尺度选择方法，其特征在于：所述步骤(b)中计算出现行空间间隔下的变异函数值包含了八个方向，即北、东北、东、东南、南、西南、西、西北，考虑到对称性，只需要计算四个方向。

5.根据权利要求3所述的基于全向搜索机制变异函数的最优遥感尺度选择方法，其特征在于：步骤(b)中的判断循环条件为以一定的空间间隔作为搜索半径，在对应方向上寻找像元的时候，该像元的行列编号不大于原始研究区域影像数据矩阵的行列数，即搜索到的像元一定要位于遥感影像中。

6.根据权利要求1所述的基于全向搜索机制变异函数的最优遥感尺度选择方法，其特征在于：所述第四步骤采用包括以下步骤的方法实现遥感影像的最优空间尺度：

(A)分别求取每一个方向下的不同空间间隔所对应的变异函数值；

(B)以变异函数值为Y轴，空间间隔为X轴，建立映射关系，这里一共有四个映射关系；

(C)基于球状模型得到一条与散点图最佳拟合的曲线，利用最小二乘进行回归计算，获取拟合度及每一方向下的局部最优空间尺度；

(D)把拟合度最大的那个方向所对应的局部最优空间尺度作为遥感影像的最优空间尺度。