[发明专利]一种遥感影像土地覆盖自动分类方法

权利要求书

1.一种遥感影像土地覆盖自动分类方法，其特征在于，包括以下步骤：

S1、采用均值漂移算法对遥感卫星影像进行影像分割，并将分割结果以矢量多边形的形式统一存储到GIS系统数据库内；

S2、以每个矢量多边形作为一个独立的基元，提取每个基元的特征并以矢量属性的形式存入数据库；

S3、根据每个基元的特征自动选择样本；

S4、判断选择的样本是否为土地覆盖类型样本，若是则进入步骤S5，否则返回步骤S3；

S5、采用监督分类算法对土地覆盖类型样本进行分类，并输出土地覆盖分类结果。

2.根据权利要求1所述的遥感影像土地覆盖自动分类方法，其特征在于，所述步骤S1中的均值漂移算法具体为：

A1、在遥感卫星影像中选取任意一个数据点x，并以数据点x为中心点，计算在设定半径为R的圆形空间内所有数据点x_i与中心点x的偏移均值m(x)：

其中w_i是第i个数据点x_i的权重系数，满足约束条件n为圆形空间的数据点个数，K(·)为核函数，且：

其中x^s表示中心点x特征矢量的空间部分，x^r表示中心点x特征矢量的颜色部分，p为遥感卫星影像维数，h_s,h_r分别为空间核带宽和颜色核带宽，C为归一化常数，||·||表示二范数，k(·)为在空间和颜色域中都使用相同的核，且：

A2、将中心点移动至偏移均值m(x)所在位置，重复迭代步骤A1，直到中心点与偏移均值的距离小于设定的距离阈值，将该次迭代圆形空间内所有数据点进行聚类，实现影像分割。

3.根据权利要求1所述的遥感影像土地覆盖自动分类方法，其特征在于，所述步骤S2中提取每个基元的特征的方法具体为：采用线性代数变换法提取每个基元的光谱特征，采用半方差图方法提取每个基元的空间特征，采用傅立叶频谱分析法提取每个基元的地形特征。

4.根据权利要求1所述的遥感影像土地覆盖自动分类方法，其特征在于，所述步骤S3包括以下分步骤：

S31、根据每个基元的特征，以提高同类基元间相似度，降低非同类基元间相似度为学习目标，结合GIS系统数据库中的土地利用调查数据进行监督学习，得到变换矩阵；

S32、根据监督学习得到的变换矩阵比较未知基元间相似性，根据分布要求筛选得到初始样本；

S33、结合GIS系统数据库中的地物波谱数据与指数特征剔除光谱特征异常的初始样本；

S34、将初始样本中的土地利用类型样本转化为土地覆盖类型样本，得到完整样本。

5.根据权利要求1所述的遥感影像土地覆盖自动分类方法，其特征在于，所述步骤S5中的监督分类算法为人工神经网络算法、SVM算法或C5.0决策树算法。

6.根据权利要求5所述的遥感影像土地覆盖自动分类方法，其特征在于，所述人工神经网络算法具体为：

在FANN库中选取神经元构建包括一个输入层、两个隐藏层以及一个输出层的四层神经网络，并将土地覆盖类型样本输入神经网络，得到土地覆盖分类结果；

所述输入层包含的神经元个数与影像波段数相同，所述输出层包含的神经元个数与样本文件设定的类别数相同；

所述神经元为多输入、单输出的阈值单元，其输入与输出之间的关系为：

其中x_i表示神经元的第i个输入，i＝1,2,...,N，N为神经元的输入个数，W_i为x_i的权重系数，θ_i表示第i个神经元的阈值，y表示神经元的输出，f(·)为变换函数，且：