[发明专利]一种遥感影像特征的不确定性建模与度量方法

说明书

本发明公开了一种遥感影像特征的不确定性建模与度量方法。该方法主要由遥感影像特征在地理空间域的不确定性建模和特征空间域的不确定性建模两部分组成，然后将地理空间不确定性与特征空间不确定性进行加权组合，得到一个综合的特征不确定性指数FUI(Feature Uncertainty Index)来更准确、全面地度量遥感影像的特征不确定性。本发明考虑到影像特征不确定性在不同视角下的不同表现特点，可以提供整个影像逐像素的特征不确定性量化结果，并且可以最小化人工干预。其准确性和自适应程度高，计算效率快，可操作性强，易于实现且整个模型可扩展性强。不确定性量化结果对分类误差具有很高的指示能力，因此，本发明具有很高的实用价值。

技术领域

本发明属于遥感图像处理和统计建模领域，特别是涉及一种遥感影像特征的不确定性建模与度量方法。

背景技术

遥感影像分类产品在自然灾害监测、环境保护、城市规划以及决策制定等很多方面有非常重要的应用价值。但是目前遥感影像分类技术仍然不能达到100％的准确度或一个足够可靠、完全令人信服的精度水平。造成影像分类结果中存在误差、分类结果可靠性低的根源在于遥感影像分类的每一个环节都存在不确定性，并且这些不确定性会在分类过程中不断地传播和累积，最终影响分类结果的精度和可靠性。

现有对遥感影像分类不确定性的量化方法主要是对分类的结果进行不确定性评估，以便对分类结果进行进一步精化。其只关注分类结果的不确定性，而忽略了影像分类过程中的不确定性，分类过程中的不确定性是分类结果中产生不确定性的根源所在，因此，现有方法的不确定性量化结果对分类结果的改善作用并不明显。特征提取是影像分类的最关键环节之一，特征提取所构造的特征是影像分类的基础和前提，因此，定量化的描述影像特征的不确定性对实现可靠的影像分类至关重要。

发明内容

本发明的目的在于，针对现有技术的上述不足，提供一种遥感影像特征的不确定性建模与度量方法。

本发明所采用的技术方案是：一种遥感影像特征的不确定性建模与度量方法，包括以下步骤：

步骤1，对原始遥感影像进行特征提取，设提取的特征维度为n；

步骤2，从地理空间域的角度建模并量化所提取的影像特征的不确定性，其具体实现包括以下子步骤：

步骤2.1，根据影像中像素在地理空间上与周围邻域像素之间的异质性大小，计算影像每一维特征所包含的不确定性；

步骤2.2，根据影像中像素所在邻域的整体空间异质性大小，计算影像中每个像素在每一维特征中信息熵；

步骤2.3，以步骤2.2中计算得到的信息熵为权重，对步骤2.1中计算的各特征的不确定性进行加权求和，并对加权求和的结果进行归一化，得到影像特征在地理空间的不确定性描述指标——地理空间不确定性GSU；

步骤3，从特征空间域的角度建模并量化所提取的影像特征的不确定性，其具体实现包括以下子步骤：

步骤3.1，在特征空间中，为每个特征点寻找距离其最近的若干个点，并根据这些最邻近点到目标特征点之间的距离，计算目标特征点的局部点密度；

步骤3.2，将特征空间中所有点的局部点密度进行归一化处理，得到影像特征在特征空间的不确定性描述指标——特征空间不确定性FSU；

步骤4，通过引入一个权重调整系数λ，将地理空间不确定性GSU与特征空间不确定性FSU进行加权组合，得到一个综合的特征不确定性指数FUI，来更准确、全面地度量遥感影像的特征不确定性。

进一步的，步骤2.1的具体实现方式如下，

对于影像的第n维特征，影像的任意第i行第j列像素Pij，像素Pij在第n维特征中的K*K邻域表示为其特征不确定性的计算公式为：