[发明专利]结合快速区域生长超像素分割的高光谱遥感图像分类方法

说明书

本发明公开了一种结合快速区域生长超像素分割的高光谱遥感图像分类方法，该方法通过区域生长的方法生成超像素，其中构造距离映射图，加速了超像素的生成，通过超像素分割图与基于像素的高光谱分类图的纹理自适应融合，突破了传统的基于超像素的高光谱分类方法中将超像素当作一个单元所造成分类精度不高的问题，实现了高光谱图像分类的精度的提升，对于环境管理、农作物监测、矿物填图等方面具有重要的实际意义。

技术领域

本发明涉及高光谱遥感图像分类方法领域，特别是一种结合快速区域生长超像素分割的高光谱遥感图像分类方法。

背景技术

高光谱遥感图像分类作为地球遥感的一项关键技术，受到越来越多的人们关注，其应用于环境监测、城市测绘、精准农业等多个领域。近几十年来，利用高光谱图像的光谱信息，引入了大量的图像分类技术，典型的方法有多项逻辑回归，随机森林，稀疏表示和支持向量机等。随着高光谱遥感图像的空间分辨率得到了显著提高，研究人员尝试利用空间信息提高分类精度，其中超像素技术被广泛应用于高光谱图像的空间信息提取。超像素是由颜色和纹理特征相似的像素组成的区域，生成超像素的算法大致可以分为基于图和基于梯度上升的方法。超像素分割技术在高光谱图像分类方法中得到了广泛的应用，一定程度上提高了分类的结果。然而，目前基于超像素的高光谱图像分类仍然存在两个主要的挑战：(1)现有的超像素算法大多是针对二维的自然图像处理，对于三维的高光谱图像，超像素算法的性能可能会下降；(2)传统的基于超像素的高光谱分类方法一般将每个分割后的超像素作为一个单元进行图像分类，这可能会提高算法的效率，但通常会降低分类的精度。

发明内容

本发明的目的在于提供一种结合快速区域生长超像素分割的高光谱遥感图像分类方法，它能有效的提高高光谱图像的分类精度。

实现本发明目的的技术解决方案为：一种结合快速区域生长超像素分割的高光谱遥感图像分类方法，该方法基于快速区域生长的超像素分割与用于高光谱图像分类的纹理自适应的融合策略，包括以下步骤：

步骤1、对高光谱图像进行特征提取，使用主成分分析的降维方法，计算各个波段对给定主成分的贡献率，得到前三个贡献率高的主成分图像，合成假彩色图像；

步骤2、在假彩色图像中初始化聚类中心，通过欧式距离计算聚类中心与未标签像素点的空间距离和光谱距离，并进行归一化，得到超像素与其邻域的未标签像素点相似性距离；

步骤3、对每个超像素进行区域生长，并构建距离映射图，对未标签像素点进行相似性距离与距离映射的比较，生成超像素；

步骤4、选取高光谱遥感图像，对每一类样本按照相同比例提取像素作为训练样本，进行基于像素的高光谱分类；

步骤5、对生成的每个超像素计算纹理自适应阈值；

步骤6、根据高光谱图像分类的纹理自适应融合策略确定每个像素的类别完成分类；其中所述融合策略是在基于像素的分类图中，当最大类别占比大于该超像素的自适应阈值时，将整个超像素内的类别均设为最大占比所对应的类别，否则不进行操作。