[发明专利]一种并行智能化面向对象分类方法

权利要求书

1.一种并行智能化面向对象分类方法，其特征在于：该方法具体包括以下步骤：

(1)读入高分辨率遥感影像数据；

(2)确定MeanShift分割参数变化集Q_SR及分割影像集I_MS：包括，空间域带宽参数H_S和颜色域带宽参数H_R的变化集为Q_S和Q_R，以及变化步长Step_S和Step_R，利用高斯核函数执行MeanShift分割算法对高分辨率数据进行分割，形成分割影像集I_MS；

(3)确定分类类别数目，并读入训练样本S_C，利用SVM分类算法对步骤(2)中的分割结果进行分类，得到分类影像集I_SVM；

(4)依据步骤(3)中的分类影像集I_SVM与验证样本V_C计算混淆矩阵，并计算Kappa系数，形成Kappa系数集K_SR；

(5)选择数据处理并行模式，并设置使用线程数T；

(6)对Kappa系数集K_SR和空间域带宽H_s，颜色域带宽H_r进行函数关系分析，计算出最大值Kappa_max对应的H_SK和H_RK，以及对应的分类结果。

2.根据权利要求1所述的一种并行智能化面向对象分类方法，其特征在于：步骤(1)中所述的高分辨率遥感影像数据为三波段，并按红、绿、蓝波段顺序组合的真彩色影像数据。

3.根据权利要求1所述的一种并行智能化面向对象分类方法，其特征在于：步骤(2)中的MeanShift分割，主要依赖于二维核函数

GHS,HR=cHS2HR3KNormal(||xSHS||2)KNormal(||xRHR||2)]]>

式中K_Normal(x)为高斯函数，x^S是空间域中位置向量，x^R是颜色域色度向量；H_S，H_R分别是空间域带宽和颜色域带宽，且H_S∈Q_S，H_R∈Q_R，Q_SR＝Q_S∪Q_R，两个带宽参数H_S，H_R的变化决定MeanShift分割结果，分割参数变化集Q_SR与分割影像集I_MS为一一对应，c是标准化常量，使得二维核函数表达式的积分为1。