[发明专利]基于连续小波变换的时序遥感影像半自动分类方法

说明书

技术领域

本发明涉及遥感影像信息处理技术领域，特别是一种基于连续小波变换的时序遥感影像半自动分类方法。

背景技术

当前，MODIS等卫星遥感系统能够提供每日覆盖全球的遥感影像数据，为监测地表覆盖变化特征提供了详实的数据基础。如何合理地利用遥感影像的时序信息进行自动、半自动分类是一项十分重要的工作。遥感影像分类方法大致可以分为两大类别：第一类是传统的基于空间聚类思想的算法，很多常用的算法属于这种类型，如最大似然判别法、神经元网络分类法、模糊分类法、最小距离分类法与Fisher判别分类法以及各种空间聚类方法；第二类为新型的基于时序特征的分类方法，应用到土地覆盖或农作物监测领域也称为物候法，该类方法充分挖掘不同地物在不同时间、不同季节的时序特征进行分类。第一类方法的不足之处在于它非常依赖使用者的经验和单期影像数据本身的质量，并且由于信息的维度有限，同物异谱和异物同谱的现象非常普遍，已经成为深入应用的最大瓶颈；第二类方法的优越之处显而易见，但由于该方法提出的时间不长，正处在发展阶段，需要开展更深入的研究工作。目前第二类方法的研究重点集中在如何从多维时序特征中提取出有效的参数用于遥感影像分类，主要的方法有统计参数法（均值、方差、极值等）、欧式距离法、决策树法以及基于离散小波变换的方法。这些研究方法能较好辅助提取遥感影像中地物的时序特征，一定程度上为遥感影像半自动分类奠定了基础，因此近年来在一定范围内取得了较好的应用效果。然而，每种不同的地物类型在不同尺度维、时间维等多个维度上都有其特征，上述方法无法完整有效地提取这些特征，从而影响了分类的精度与效率。因此，非常需要引入一种新型遥感影像半自动分类方法。

发明内容

本发明的目的在于提供一种基于连续小波变换的时序遥感影像半自动分类方法，该方法分类精度高，自动化程度高，鲁棒性好。

为实现上述目的，本发明的技术方案是：一种基于连续小波变换的时序遥感影像半自动分类方法，包括以下步骤：

步骤1：基于一定时间步长为间隔的年内时序变化系列遥感影像数据集，建立若干已知地物的年内时序变化原始图谱；

步骤2：分别基于Morlet小波和墨西哥帽小波，对已知地物的年内时序变化原始图谱进行连续小波变换，获得基于Morlet小波变换的小波系数谱和基于墨西哥帽小波变换的小波系数谱；

步骤3：利用基于墨西哥帽小波变换的小波系数谱计算基于时间维的小波方差，利用基于Morlet小波变换的小波系数谱计算基于尺度维的小波方差，从而分别建立所述若干已知地物的基于时间维的小波方差谱和基于尺度维的小波方差谱；

步骤4：导入待分类影像，参照步骤1~3，建立待分类影像中每个栅格单元的基于时间维的小波方差谱和基于尺度维的小波方差谱；

步骤5：分别基于所述若干已知地物类型的类间区分度最大化的原则，以基于时间维的小波方差谱和基于尺度维的小波方差谱为依据，确定最适宜分类的时间域与尺度域区间，作为下一步分类判别的基础；

步骤6：依据基于时间维的小波方差谱的图像相似度或分离度判断所述待分像元属于哪种已知地物类型：在所确定的最适宜分类的时间域范围内，计算待分像元与每种已知地物的基于时间维的小波方差谱的图像相似度或分离度，如果所述待分像元与某种已知地物的基于时间维的小波方差谱的距离最小且距离在设定的阈值范围内，则判断所述待分像元为该已知地物类型；

否则，进一步依据基于尺度维的小波方差谱的图像相似度或分离度判断所述待分像元属于哪种已知地物类型：在所确定的最适宜分类的尺度域范围内，计算待分像元与每种已知地物的基于尺度维的小波方差谱的图像相似度或分离度，如果所述待分像元与某种已知地物的基于尺度维的小波方差谱的距离最小且距离在设定的阈值范围内，则判断所述待分像元为该已知地物类型；

如果依据基于时间维的小波方差谱以及基于尺度维的小波方差谱均未能获得合理的分类结果，则进一步补充研究区中的已知地物类型，直至研究区每个像元均获得合理的分类结果为止。