[发明专利]一种面向耕地地块提取的影像分类及语义处理方法

权利要求书

1.一种面向耕地地块提取的影像分类及语义处理方法，其特征在于，所述面向耕地地块提取的影像分类及语义处理方法在光谱-纹理-空间特征的基础上形成初始影像对象，依据耕地的语义表现执行耕地区域的多尺度合并，形成成片的耕地区域；依据田埂的语义表现，形成连续的田埂区域，最后将耕地和田埂区域合并融合，得到最终的地块提取结果；

所述面向耕地地块提取的影像分类及语义处理方法具体包括：

首先，结合光谱和纹理特征，基于特征-空间分类方法进行耕地高分辨率遥感影像分类，分别提取耕地区域和田埂区域；

接着，分别使用区域合并技术和形态学操作对耕地区域和田埂区域进行语义处理；

最后，将处理后的耕地区域和田埂区域进行融合，进而获取耕地地块提取结果。

2.如权利要求1所述的面向耕地地块提取的影像分类及语义处理方法，其特征在于，

所述语义处理采用多尺度语义合并的策略对耕地区域进行区域合并；并采用形态学操作对提取出的田埂进行语义连接，以获取完整的田埂信息。

3.如权利要求1所述的面向耕地地块提取的影像分类及语义处理方法，其特征在于，分类特征选择包括：

采用具有较强纹理区分能力的Gabor算子获取纹理特征；其表达式为：

其中，x′＝xcosθ+ysinθ，y′＝xsinθ+ycosθ；θ为方向参数；λ为尺度；ρ为相位角；γ为高斯窗口的长宽比；利用Gabor算子对影像进行5个尺度、8个方向的滤波，得到40维的纹理特征向量；对该向量归一化后，进行主成分分析；提取前6个主成分，并将归一化的光谱特征结合在一起，形成分类特征；参与分类的特征向量的大小为D+6，其中D为影像的波段数。

4.如权利要求1所述的面向耕地地块提取的影像分类及语义处理方法，其特征在于，进行分别优化包括：

A)使用LIBSVM提供的一个概率支撑向量估计每一像素的类条件概率分布；

定义遥感影像的特征映射图为f＝[f₁，…，f_N]^T，其中：每一个f_i为一个大小为D+6的特征向量；N为像素个数；对应的分类标记图记为l＝(l₁，…，l_N)^T，其中：l_i∈{1，2，…，K}为第i个像素的分类标记，K为类别个数；

B)接着，使用MRF模型对背景信息建模并对分类结果进行优化；

使用极大后验概率估计准则，在MAP-MRF框架下进行分类结果优化；像素位置i的局部能量表示为：

U_i＝U_feature(i)+U_spatial(i)， (2)

其中，U_feature(i)为该像素的特征能量函数，U_spatial(i)为根据像素的邻域η_i计算出的空间能量函数；

特征能量函数的定义为：

U_feature(i)＝-ln{P(f_i|l_i)}， (3)

其中，P(f_i|l_i)为概率支撑向量机输出；

空间能量函数的定义为：

其中，β为控制空间交互强度的势函数，δ为Kronecker函数：

使用Graph-Cut算法进行MRF能量函数的最小化，进而获取最终的分类结果；在优化过程中，设置参数β为常数1。