[发明专利]融合空间信息及光谱信息的遥感图像的分类方法及装置

说明书

技术领域

本发明涉及遥感图像的分类方法及装置，更具体地说，涉及一种融合空间信息及光谱信息的遥感图像的分类方法及装置。

背景技术

具有高光谱分辨率的高光谱图像具有广泛的应用领域，例如矿物探测、污染监测、精准农业等。其中分类是高光谱图像的一个非常重要的处理过程。传统的高光谱图像的分类主要是基于光谱信息，而很少考虑空间信息。

普遍使用的融合空间信息及光谱信息的高光谱图像的分类方法包括马尔可夫随机场、形态学指针和形态学滤波。然而这些方法使用固定的窗口得到空间信息，导致了尺寸比例的选择问题。另一个分类方法是将空间信息集成到多核学习方法中，该方法也存在尺寸比例的选择问题，同时该方法的计算成本非常高。再有一种融合空间信息的方法是将逐像素的分类结果和划分聚类(Partitional Clustering)得到的分割的结果融合起来，但这种方法的结果是不稳健的。

发明内容

本发明要解决的技术问题在于，针对现有技术的上述缺陷，提供一种稳健的、可行的、高精度的融合空间信息及光谱信息的遥感图像的分类方法及装置。

本发明解决其技术问题所采用的技术方案是：构造一种融合空间信息及光谱信息的遥感图像的分类方法，其包括以下步骤：

对所述遥感图像分别执行逐像素的支持向量机分类以得到分类图像，和基于区域的图像分割处理以得到分割图像；

将所述分类图像和分割图像组合并执行大多数一致表决处理，以得到最终的分类图像。

在本发明所述的融合空间信息及光谱信息的遥感图像的分类方法中，对所述遥感图像重复执行多次基于区域的图像分割处理后，得到所述分割图像。

在本发明所述的融合空间信息及光谱信息的遥感图像的分类方法中，所述基于区域的图像分割处理为统计区域合并处理。

在本发明所述的融合空间信息及光谱信息的遥感图像的分类方法中，对所述遥感图像重复执行多次统计区域合并处理后，得到所述分割图像。

在本发明所述的融合空间信息及光谱信息的遥感图像的分类方法中，从所述遥感图像中选择三个光谱波段作为所述{R，G，B}颜色信道值，以执行所述统计区域合并处理。

在本发明所述的融合空间信息及光谱信息的遥感图像的分类方法中，通过对所述遥感图像执行主成分变换，选择第一三主成分作为{R，G，B}颜色信道值。

在本发明所述的融合空间信息及光谱信息的遥感图像的分类方法中，基于W分布，随机选择三个光谱波段作为所述{R，G，B}颜色信道值。

在本发明所述的融合空间信息及光谱信息的遥感图像的分类方法中，所述W分布是均匀分布、W_LDA分布或W_熵分布。

在本发明所述的融合空间信息及光谱信息的遥感图像的分类方法中，在执行所述统计区域合并处理之前，对每个选择的光谱波段执行线型对比度拉伸处理。

根据本发明的另一个方面，提供一种融合空间信息及光谱信息的遥感图像的分类装置，其包括：

分类模块，用于对所述遥感图像执行逐像素的支持向量机分类以得到分类图像；

分割模块，用于对所述遥感图像执行基于区域的图像分割处理以得到分割图像；

融合空间信息及光谱信息分类模块，用于将所述分类图像和分割图像组合并执行大多数一致表决处理，以得到光谱空间分类图像。

实施本发明的融合空间信息及光谱信息的遥感图像的分类方法及装置，具有以下有益效果：由于将基于区域的图像分割结果和逐像素的分类结果相结合获得遥感图像的分类结果具有更好的稳健性，计算成本较低，易于执行及不产生尺寸比例的选择间题。解决了基于划分聚类(Partitional Clustering)的融合空间信息及光谱信息的高光谱图像的分类的不稳健的缺陷。

附图说明

下面将结合附图及实施例对本发明作进一步说明，附图中：

图1是本发明融合空间信息及光谱信息的遥感图像的分类装置的结构示意图；

图2是本发明融合空间信息及光谱信息的遥感图像的分类方法的流程图；

图3a是执行统计区域合并处理的分割图像的示意图；

图3b是执行逐像素的支持向量机分类的示意图；

图3c是将分割图像和分类图组合后的示意图；

图3d是执行大多数一致表决后最终的分类图的示意图；

图4a是本发明例子1中执行逐像素的支持向量机得到的分类图；

图4b是本发明例子1中将图4a和图5a组合后的融合空间及光谱信息后得到的最终的分类图；