[发明专利]基于自适应空间信息的遥感图像分类方法及系统

权利要求书

1.基于自适应空间信息的遥感图像分类方法，其特征在于，包括：

获取遥感图像；

采用基于马尔可夫随机场的模糊C均值算法对所述遥感图像进行初始分类，得到初始模糊隶属度矩阵；

依据所述初始模糊隶属度矩阵，利用空间引力模型，计算当前迭代次数b下所述遥感图像中当前中心像元与每个邻域像元之间的空间吸引力；所述当前中心像元为所述遥感图像中的第i个像元；每个所述当前中心像元对应多个邻域像元；所述当前中心像元的位置与所述邻域像元的位置相邻；

采用Sobel算子对所述遥感图像进行边缘检测，得到空间结构特征；

依据所述空间结构特征，采用梯度倒数平滑法计算所述当前中心像元的边缘系数；

依据所述空间吸引力和所述边缘系数，构建自适应权重的马尔可夫随机场；

将所述自适应权重的马尔可夫随机场与模糊C均值算法结合，确定所述遥感图像的分类结果；

所述自适应权重的马尔可夫随机场，具体为：

P(c)＝exp(-α(x_i)U(c))/Z，

其中，α(x_i)表示当前中心像元的边缘系数，Z表示切分函数的归一化常量，U(c)表示能量函数，

其中，c∈[1,C]，C表示类别个数，f表示势团集合，F表示势团集合集，I_f(c)表示f上的势函数，

其中，c(x_i)表示第i个像元的类别，c(x_j)表示邻域像元j的类别，j表示第i个像元的邻域像元，S_ij表示当前中心像元与邻域像元之间的空间吸引力，x_i表示第i个像元的灰度值，x_j表示邻域像元j的灰度值，N_i,j表示第i个像元对应的邻域像元的总个数，N_i,j∈{0,1,2,...,7}。

2.根据权利要求1所述的基于自适应空间信息的遥感图像分类方法，其特征在于，所述将所述自适应权重的马尔可夫随机场与模糊C均值算法结合，确定所述遥感图像的分类结果，具体包括：

依据所述自适应权重的马尔可夫随机场，计算所述当前中心像元属于第k标记类的先验概率；k∈[1,C]，C表示类别个数；

依据所述先验概率，计算当前聚类中心和当前隶属度矩阵；

判断所述当前聚类中心是否满足终止条件；所述终止条件为其中表示当前聚类中心，表示上次迭代次数下得到的聚类中心，ε为终止阈值，ε＞0；

若否，则令b＝b+1，且i＝i+1，并返回所述依据所述初始模糊隶属度矩阵，利用空间引力模型，计算当前迭代次数b下所述遥感图像中当前中心像元i与每个邻域像元之间的空间吸引力；

若是，则依据所述前聚类中心和所述当前隶属度矩阵，确定模糊隶属度矩阵；

依据所述模糊隶属度矩阵确定所述遥感图像的分类结果。

3.根据权利要求2所述的基于自适应空间信息的遥感图像分类方法，其特征在于，所述依据所述先验概率，计算当前聚类中心和当前隶属度矩阵，具体包括：

依据所述先验概率，建立目标函数

其中，

其中，N表示所述遥感图像中像元总个数，v_k表示第k标记类的聚类中心；u_ik表示第i个像元归属于第k标记类的隶属度矩阵，m表示常数，x_i表示第i个像元的灰度值，P_k(i)表示第i个像元属于第k标记类的先验概率，v_t表示第t标记类的聚类中心，t∈[1,c]，c∈[1,C]；

采用拉格朗日乘数法，计算所述目标函数的最优解；所述最优解为所述目标函数最小时对应的第k标记类的聚类中心和第k标记类的隶属度矩阵；

将所述最优解中的第k标记类的聚类中心确定为当前聚类中心，所述最优解中的第k标记类的隶属度矩阵确定为当前隶属度矩阵。