[发明专利]林地树种分类器的构建方法、林地树种分类方法及系统

说明书

本发明提供了一种林地树种分类器的构建方法、林地树种分类方法及系统，该构建方法包括将小班数据叠加到对应的遥感图像，构成迁移训练样本，利用迁移训练样本以及遥感图像数据，训练支持向量机分类器，选定目标核函数，并确定当前误差惩罚参数和当前不敏感系数；对测试遥感图像样本中的林地区域进行分类；计算分类结果的错误率，当错误率大于预设的错误阈值时，修正当前误差惩罚参数和当前不敏感系数，并将修正后的误差惩罚参数和修正后的不敏感系数分别作为当前误差惩罚参数和当前不敏感系数。本发明提供的方式实现了对高分辨率遥感图像中林地树种的分类。

技术领域

本发明涉及图像处理技术领域，特别涉及一种林地树种分类器的构建方法、林地树种分类方法及系统。

背景技术

遥感图像的识别和分类一直都是遥感图像处理技术中的重点。尤其地，对于包含形状特征、纹理特征等特征信息量比较大的高分辨率遥感图像进行准确的识别和分类则显得尤为重要。基于高分辨率遥感图像对林地树种进行分类，可以清楚地提供林地树种的分布情况，帮助林地管理单位对林地进行规划，从而更好地对林地进行管理。

现有的对遥感图像的分类方式大多是基于光谱特征实现的，其并不能完成对高分辨率遥感图像中林地树种的分类。

发明内容

本发明实施例提供了一种林地树种分类器的构建方法、林地树种分类方法及系统，实现了对高分辨率遥感图像中林地树种的分类。

一种林地树种分类器的构建方法，将小班数据叠加到对应的遥感图像，构成迁移训练样本，还包括：

利用包含所述迁移训练样本的迁移数据集合以及包含遥感图像数据的辅助数据集合，训练支持向量机分类器，选定目标核函数，并确定当前误差惩罚参数和当前不敏感系数；

循环执行下述N1至N4：

N1：基于所述目标核函数、所述当前误差惩罚参数和所述当前不敏感系数，对测试遥感图像样本中的林地区域进行分类；

N2：计算分类结果的错误率，当所述错误率不大于预设的错误阈值时，执行N3；当所述错误率大于预设的错误阈值时，执行N4；

N3：确定所述当前误差惩罚参数和所述当前不敏感系数，为所述支持向量机分类器的目标参数，并结束当前流程；

N4：修正所述当前误差惩罚参数和所述当前不敏感系数，并将修正后的误差惩罚参数和修正后的不敏感系数分别作为当前误差惩罚参数和当前不敏感系数，执行步骤N1。

优选地，在所述N1之后，在所述N2之前，进一步包括：

确定测试遥感图像样本中包含的树种类型以及每一种所述树种类型对应的区域；

针对所述N1的分类结果中的每一个预分类区域及对应的预分树种，执行：

将所述预分类区域和对应的所述预分树种，分别与确定出的所述树种类型和所述树种类型对应的区域进行匹配；

如果所述预分类区域位于一个所述树种类型对应的区域范围内且所述预分树种与所述树种类型匹配成功，则根据下述第一计算公式，计算所述预分类区域的子错误率；

如果所述预分树种与任意一个所述树种类型匹配失败或者所述预分类区域与任意一个所述树种类型对应的区域完全不匹配，则确定所述预分类区域的子错误率

如果所述预分树种与一个所述树种类型匹配成功且所述预分类区域与所述树种类型对应的区域部分重合，则根据下述第二计算公式，计算所述预分类区域的子错误率；

第一计算公式：

第二计算公式：