[发明专利]一种多尺度分类方法、装置及计算机可读存储介质

说明书

本发明实施例公开了一种多尺度分类方法、装置及计算机可读存储介质，将输入的遥感图像初始化分割为多个超像素块，对多个超像素块中的相邻超像素块进行逐级合并，构建树状层次结构；基于不同尺度参数以及树状层次结构，分别生成不同尺度参数下的分割结果图；从所生成的分割结果图中选取训练样本构建训练样本集，并基于机器学习算法，利用训练样本集训练得到多尺度分类模型；利用多尺度分类模型，对待分类遥感图像进行多尺度分类。通过本发明的实施，构建树状层次结构来实现图像分割，从多尺度来分析图像，更符合遥感图像中地物的实际情况，并选择多尺度样本训练多尺度分类模型，提高了分类结果的准确性和鲁棒性。

技术领域

本发明涉及遥感影像处理领域，尤其涉及一种多尺度分类方法、装置及计算机可读存储介质。

背景技术

随着遥感传感器和平台的快速发展，高分辨率遥感图像的获取与应用日益普及。基于对象的影像分析(Object-Based Image Analysis,OBIA)已经成为一种分析高分辨率遥感图像的新范式。

在进行高分辨率遥感图像的分析时，尺度的选择控制着分割对象的精细程度。高分辨率遥感图像往往包含不同尺度、形状和颜色的物体，不同物体在图像上通常以不同尺度出现，从而多尺度基于对象的影像分析得到了广泛应用。目前，在进行多尺度基于对象的影像分析时，需要确定好不同地表覆盖对应的最优尺度参数，进行图像分割得到多尺度分割之后再分别进行分析，然后通过决策融合等方法得到最终结果，然而，这些尺度参数通常是使用低级图像特征或人类经验确定的，这种低标准的尺度参数并不能实现在分割算法中的健壮求解，最终所得的分析结果的准确性和鲁棒性较为有限。

发明内容

本发明实施例的主要目的在于提供一种多尺度分类方法、装置及计算机可读存储介质，至少能够解决相关技术中在进行多尺度基于对象的影像分析时，需要在图像分割之前设置尺度参数，且尺度参数基于低级图像特征或人类经验确定，所导致的分析结果的准确性和鲁棒性较为有限的问题。

为实现上述目的，本发明实施例第一方面提供了一种多尺度分类方法，该方法包括：

将输入的遥感图像初始化分割为多个超像素块，对所述多个超像素块中的相邻超像素块进行逐级合并，构建树状层次结构；所述相邻超像素块的合并代价为合并后节点的尺度标记；

基于不同尺度参数以及所述树状层次结构，分别生成所述不同尺度参数下的分割结果图；

从所生成的分割结果图中选取训练样本构建训练样本集，并基于机器学习算法，利用所述训练样本集训练得到多尺度分类模型；所述训练样本包括分类标签和对应于所述分类标签的特征指标；

利用所述多尺度分类模型，对待分类遥感图像进行多尺度分类。

为实现上述目的，本发明实施例第二方面提供了一种多尺度分类装置，该装置包括：

分割模块，用于将输入的遥感图像初始化分割为多个超像素块，对所述多个超像素块中的相邻超像素块进行逐级合并，构建树状层次结构；所述相邻超像素块的合并代价为合并后节点的尺度标记；

生成模块，用于基于不同尺度参数以及所述树状层次结构，分别生成所述不同尺度参数下的分割结果图；

训练模块，用于从所生成的分割结果图中选取训练样本构建训练样本集，并基于机器学习算法，利用所述训练样本集训练得到多尺度分类模型；所述训练样本包括分类标签和对应于所述分类标签的特征指标；

分类模块，用于利用所述多尺度分类模型，对待分类遥感图像进行多尺度分类。

为实现上述目的，本发明实施例第三方面提供了一种电子装置，该电子装置包括：处理器、存储器和通信总线；

所述通信总线用于实现所述处理器和存储器之间的连接通信；