[发明专利]一种基于像素对和加权投票的高分辨率影像分类方法和系统

说明书

本发明公开了一种基于像素对和加权投票的高分辨率影像分类方法。该方法首先对影像中的所有像素进行结对处理形成一系列像素对，并以像素对作为影像分类的基本单元，在不同结对模式下对影像进行初始分类获得一系列初始分类结果。然后，评估结对形成的每个像素对的结对适宜度。最后，以结对适宜度作为权重，对初始分类的结果进行加权投票来获得影像最终的分类图。本发明提出的分类方法有效考虑影像中像素之间在空间上的关联性来提升高分辨率影像分类的精度和可靠性。本发明的优点在于通过借助面向对象分类的像素集群分类优势来克服单像素分类方法天然具备的分类不确定性，同时又能避免面向对象分类中不准确的影像分割所引起的高分类不确定性。

技术领域

本发明属于遥感图像处理领域，特别是涉及一种基于像素对和加权投票的高分辨率影像分类方法和系统。

背景技术

高分辨率遥感影像分类在很多应用领域具有非常重要的作用，比如环境和突发灾害的监测、精准农业、城市管理与决策制定等。然而随着遥感影像空间分辨率的不断提高，传统基于像素的分类方法不再适用于高分辨率影像的分类，因为高分辨率影像中噪声、类内差异大等现象变得更加突出，它极大的影响了基于像素的影像分类方法的精度和可靠性。

基于对象的影像分类方法以影像对象为分类的基本单元，能够比较好地降低噪声和类内差异大等带来的负面影响。但是，目前大多经典的分类算法主要是针对基于像素的分类而提出的；并且基于对象的分类方法对影像进行分类前必须要对影像进行对象分割，不精确的分割结果会导致较大的分类误差。不幸的是，到目前为止，并没有形成一个统一的、普遍认可的影像分割标准方法。不同的影像分割方法和分割参数必然会导致不同的影像分割结果，不同的分割结果又必然会导致不同的分类结果和分类误差。因此，基于对象的影像分类的分类过程和分类结果中往往也具有较高的不确定性。

如果能够有效利用面向对象的分类中像素集群分类的优势对现有基于像素的分类方法进行改进，让其在克服单像素分类的内在不确定性的同时，避免不准确的对象分割引起的分类不确定性，那么，高分辨率影像分类的结果的可靠性和准确性将会有很大的提升。为此，我们提出了一种基于像素对和加权投票的高分辨率影像分类方法。

发明内容

本发明的目的在于，针对现有技术的上述不足，提供一种基于像素对和加权投票的高分辨率影像分类方法。

本发明所采用的技术方案是：一种基于像素对和加权投票的高分辨率影像分类方法，包括以下步骤：

步骤1：对原始高分辨率遥感影像进行数据预处理和特征提取；

步骤2：对影像中的所有像素进行结对处理和初始分类，其具体实现包括以下子步骤：

步骤2.1：对于影像中的每个像素，将其k*k邻域内的像素轮流与其进行配对，形成一系列像素对，共k²-1种结对模式，其中k为大于1的奇数；

步骤2.2：在每一种结对模式下，使用已有分类算法对影像进行分类，并获得一系列初始分类结果；

步骤3：评估步骤2.1中结对形成的每个像素对的结对适宜度；

步骤4：以步骤3中评估得到的结对适宜度为权重，对步骤2.2中获得的初始分类结果进行加权投票来获得影像最终的分类图。

作为优选，k的取值为3。

作为优选，在步骤2中：对于一幅给定的高分辨率遥感影像X，影像X中的一个像素i的3*3邻域系统表示为O_i(不包括中心像素i)。通过特征提取获得的影像X的特征的维度为n，像素i对应的n维特征向量用v_i表示。在O_i中，像素i的第j个邻域像素的特征向量为像素i与其第j个邻域像素结对形成的像素对可以用一个2n维的新特征向量V_ij来表示。V_ij的表达式为：