[发明专利]利用高分辨率遥感影像的高寒山区积雪提取方法

权利要求书

1.一种利用高分辨率遥感影像的高寒山区积雪提取方法，包括以下步骤：

步骤S1)，利用最优尺度的分形网络演化分割算法对高分辨率遥感影像进行分割，得到高分辨率影像对象；

步骤S2)，利用高分辨率影像对象构建高维影像对象特征图；

步骤S3)，构建深度置信网络模型；

步骤S4)，构建全连接条件随机场模型；

步骤S5)，输出积雪提取结果；

其中，所述步骤S1)进一步包括以下步骤：

步骤1.1)，从待提取积雪的遥感影像中裁剪出用于确定最优分割尺度的实验区；

步骤1.2)，依次设置分割尺度，对实验区影像进行分形网络演化分割，计算每层各个对象的波段平均标准差；

步骤1.3)，统计各层对象的波段平均标准差，计算不同尺度层下标准差的变化率；

步骤1.4)，取变化率随尺度变化的曲线峰值为最优分割尺度；

步骤1.5)，利用最优分割尺度对整幅遥感影像进行多尺度分割；

其中，在所述步骤S4)中，利用所述步骤S3)中的DBN模型得到的对象类别概率来定义一阶势函数Ψ_i(O_i)：

Ψ_i(O_i)＝-In(P^DBN(O_i＝k))，

式中，P^DBN(O_i＝k)为所述步骤S3)中DBN模型输出的第i个对象O_i类别为k时的概率；

利用两种不同的高斯核函数线性组合来定义二阶势函数Ψ_ij(O_i,O_j)：

Ψ_ij(O_i,O_j)＝μ(O_i,O_j)(ω₁f₁(O_i,O_j)+ω₂f₂(O_i,O_j))，

其中，

式中，μ(O_i,O_j)为分类相容性权重；ω₁与ω₂为高斯权重系数；p_i和p_j分别为对象O_i和O_j在图像中的空间位置，用对象内的所有像素空间位置的平均值计算；θ_i和θ_j为对象O_i和O_j的所有波段组成的特征向量，用对象内所有像素的波段特征向量的平均值计算得到；α、β、γ用来调整对象O_i和O_j的位置和波段特征向量的相对大小；

利用所选取样本采用分段训练的方法得到μ(O_i,O_j)、ω₁、ω₂、α、β、γ，进而得到结合DBN的全连接条件随机场。

2.根据权利要求1所述的利用高分辨率遥感影像的高寒山区积雪提取方法，其特征在于：在所述步骤1.1)中，从待提取积雪的遥感影像中裁剪出大小为1000像素*1000像素的积雪区域，用作确定该影像最优分割尺度的实验区；在所述步骤1.2)中，以步长3为尺度间隔，依次从0到200设置相应的分割尺度，对实验区影像进行FNEA多尺度分割，统计每层分割对象的数目和各对象的波段标准差，并计算每层对象的波段平均标准差SD。

3.根据权利要求1所述的利用高分辨率遥感影像的高寒山区积雪提取方法，其特征在于：在所述步骤1.3)中，统计各层对象的波段平均标准差SD的值，按照如下公式计算不同尺度层下的SD的变化率ROC：

其中，i为对象层号，SD_(i)为当前层对象的平均标准差，SD_(i-1)为下一层对象的平均对象标准差。