[发明专利]一种基于改进可靠性因子的遥感图像融合与海岸带分类方法

权利要求书

1.一种基于改进可靠性因子的遥感图像融合与海岸带分类方法，其特征在于包括以下步骤：

步骤S1、读取SAR图像与光学图像，并对所述SAR图像与所述光学图像进行配准，其中所述SAR图像为Sentinel-1图像，所述光学图像为Landsat-8图像第4、3、2波段合成的真彩色图像；

步骤S2、对Landsat-8图像的第5波段图像提取海岸线，以海岸线为界，向陆地方向扩300个像素宽的区域作为分类区域，其中线状物的提取选用FLF线检测算法；

步骤S3、将所述分类区域分割为均匀区域与不均匀区域，包括根据SAR图像的熵纹理信息提取出初步的不均匀区域，综合光学图像的灰度值信息得到的得到最终的不均匀区域标记场；

步骤S4、对SAR图像与光学图像进行融合分类，提取SAR图像的灰度共生矩阵纹理并选定训练数据；

步骤S5、计算SAR图像与光学图像融合后的当前像素所属类别的条件概率，并计算每个像素属于每一类的势能，取势能最小的类别标签赋给当前像素作为分类结果；

步骤S6、由所述分类结果的每一类别中提取20％的数据作为训练集，包括对像素所属类别的条件概率排序，提取最高的20％作为新的训练集；

步骤S7、反复执行步骤S5-步骤S6，直到每个像素属于每一类的势能不再变化，则输出最终分类结果。

2.根据权利要求1所述的方法，其特征在于所述根据SAR图像的熵纹理信息提取出初步的不均匀区域包括：

根据公式

计算SAR图像的熵纹理信息，其中，p_ij表示灰度共生矩阵中的像素概率，K表示灰度的级数；以及

设定第一提取阈值，将SAR图像的熵纹理信息大于所述第一提取阈值的SAR图像记为初步的不均匀区域。

3.根据权利要求1所述的方法，其特征在于所述综合光学图像的灰度值信息得到的得到最终的不均匀区域标记场包括：

计算光学图像的灰度值；

设定第二提取阈值，提取灰度值大于第二提取阈值的二值图像与初步的不均匀区域相与运算得到最终的不均匀区域标记场。

4.根据权利要求1所述的方法，其特征在于，所述所述计算SAR图像与光学图像融合后的当前像素所属类别的条件概率包括根据公式

计算SAR图像与光学图像融合后的条件概率，其中Mask_i＝1表示当前像素i处于不均匀区域，而Mask_i≠1表示当前的像素i处于均匀区域，ω_B表示人工建筑区域标签，ω_B′表示非人工建筑区域的标签，λ′_SAR,i表示SAR图像中第i个像素的不确定性因子，λ_SAR,i表示λ′_SAR,i归一化后的不确定性因子，λ′_Optical,i表示光学图像中第i个像素的不确定性因子，λ_Optical,i表示λ′_Optical,i归一化后的不确定性因子，X_SAR,i表示SAR图像中第i个像素，X_Optical,i表示光学图像中第i个像素，X_Fused,i表示SAR图像中第i个像素与X_Optical,i表示光学图像中第i个像素联合后的多维度数据，λ_e表示常数1，λ_e′表示常数0，ω_j表示类别标签，ep表示极小值0.00001。

5.根据权利要求1所述的方法，其特征在于，所述计算每个像素属于每一类的势能包括

根据公式

U_data(X_Fused)+U_sp(C)

＝-{(λ_SAR,i+λ′_e)log(P(X_SAR,i|ω_B))+(λ_Optical,i+λ′_e)log(P(X_Optical,i|ω_B))}+U_sp(C)

计算若当前像素处于不均匀区域，且判定其属于建筑类别的势能；

根据公式

计算若当前像素处于不均匀区域，且判定其属于非建筑类别的势能；

根据公式

计算若当前像素处于均匀区域，且判定其属于建筑类别的势能；

根据公式

U_data(X_Fused)+U_sp(C)

＝-{(λ_SAR,i+λ_e)log(P(X_SAR,i|ω_B′))+(λ_Optical,i+λ′)log(P(X_Optical,i|ω_B′))}+U_sp(C)

计算若当前像素处于均匀区域，且判定其属于非建筑类别的势能；

其中，U_data表示数据项U_data(X_S)＝log(P(X_S|C))，U_sp表示空间项U_sp(C)＝log(P(C))，C表示类别标签的集合，C＝{C(i,j)；1≤i≤M,1≤j≤N}是对应的所有像素的标签集，其中C(i,j)∈{ω₁,ω₂,...,ω_k}。