[发明专利]基于联合稀疏表达的遥感影像多尺度面向对象分类方法

权利要求书

1.基于联合稀疏表达的遥感影像多尺度面向对象分类方法，其特征在于，包括步骤：

步骤1，结合空间属性特征和光谱属性特征构造影像数据的增广特征；

步骤2，基于训练像素样本和增广矩阵构造过完备字典，训练像素样本包括不同类别的像素样本，过完备字典覆盖了所有类别的训练像素样本在增广特征空间中的分布；

步骤3，采用面向对象的影像分割方法对影像数据进行初始化分割获得初始化的图斑；

步骤4，基于图斑内像素在增广特征空间的表达构造图斑的联合信号矩阵，采用过完备字典对图斑的联合信号矩阵进行联合稀疏表达，从而获得图斑的联合稀疏表达矩阵；

步骤5，基于联合稀疏表达矩阵对图斑依次进行均质性分析与重建效果分析，所述的均质性分析基于稀疏重建过程中各类别像素的贡献程度来判断图斑是否满足均质性水平，所述的重建效果分析对基于图斑的联合系数表达矩阵重建的信号进行分析；

步骤6，根据均质性分析与重建效果分析结果对图斑做如下操作：

1）图斑均满足均质性水平和重建效果时，将该图斑标记为“稀疏表达过程中起到最多贡献的字典基对应的类别”；

2）图斑满足均质性水平但不满足重建效果时，该图斑为“过分割图斑”，对该图斑放大分割尺度参数进行再次分割，对再次分割获得的新图斑执行步骤4；

3）当图斑不满足均质性水平时，该图斑为“欠分割图斑”，对该图斑缩小分割尺度参数进行再次分割，对再次分割获得的新图斑执行步骤4。

2.如权利要求1所述的基于联合稀疏表达的遥感影像多尺度面向对象分类方法，其特征在于：

步骤1中所述的增广特征是将属性特征矢量叠加构造获得，所述的属性特征包括空间特征和光谱特征。

3.如权利要求1所述的基于联合稀疏表达的遥感影像多尺度面向对象分类方法，其特征在于：

步骤3中所述的初始化分割采用均值漂移分割法。

4.如权利要求1所述的基于联合稀疏表达的遥感影像多尺度面向对象分类方法，其特征在于：

步骤4中采用同步正交匹配追踪法对图斑的联合信号矩阵进行联合稀疏表达，从而获得图斑的联合稀疏表达矩阵。

5.如权利要求1所述的基于联合稀疏表达的遥感影像多尺度面向对象分类方法，其特征在于：

所述的均质性分析基于SCI(Xli)=K·maxi||δk(Xli)||1/||Xli||1-1K-1∈[0,1]]]>来判断图斑是否满足均质性水平，其中，表示图斑的均质性水平值；仅保留联合稀疏表达矩阵中第k类训练像素样本对应的元素，将其他元素均赋值0，构成新矩阵k为训练像素样本类别编号；K为训练像素样本中像素样本类别总数；

基于获得的均质性水平值判断图斑是否满足均质性水平，具体为：

依次令k取1、2、…、K，针对各k值分别计算图斑的均质性水平值取K个均质性水平值中的最大值当大于预设阈值T₁时，图斑满足均质性水平；否则，图斑不满足均质性水平。