[发明专利]一种多级空间上下文特征指导的高分辨率遥感影像分类方法

权利要求书

1.一种多级空间上下文特征指导的高分辨率遥感影像分类方法，其特征在于，包括如下步骤：

步骤1，将原始遥感影像分割成多个对象；

步骤2，依次读取每个分割后的对象，使用对象的轮廓边界对其进行掩膜处理，位于对象轮廓内部的像素单元值保持不变，落在轮廓外的像素单元值赋值为0，并对每个对象进行类别标注；

步骤3，将每个对象变形为N*N的图斑，输入到一个由三个卷积层、三个最大池化层和一个金字塔池化层构建的特征提取框架中，提取纹理和几何特征；

步骤4，计算图斑的形变特征，形变指数的计算方法如公式(1)和公式(2)所示；

其中，Index_w是图斑在长度上的形变指数，计算方法为变形后的图斑长度w₀除以变形前图斑长度w₁，Index_l为图斑在宽度上的形变指数，计算方法为变形后的图斑宽度l₀除以变形前图斑宽度l₁；

步骤5，取每个图斑的最小外接矩形框，将该矩形框长和宽扩大S倍，然后以这个外接矩形框裁剪周围的上下文图斑，输入到一个对象级别上下文特征提取器中，得到图斑的空间上下文特征，对象级别上下文特征提取器包括四个卷积层、四个最大池化层和一个金字塔池化层；

步骤6，将提取到的纹理和几何特征、形变特征以及空间上下文特征进行拼接，输入到一个由若干个全连接层和Softmax分类层组成的多层感知机分类器中进行训练，从而得到一个多特征融合的对象分类器；

步骤7，提取待分类遥感影像的纹理和几何特征、形变特征以及空间上下文特征，拼接后输入到多特征融合的对象分类器中，得到对象级别分类结果图，最后使用条件随机场对该对象级别分类结果图进行后处理，得到像素级空间上下文指导的级别分类。

2.如权利要求1所述的一种多级空间上下文特征指导的高分辨率遥感影像分类方法，其特征在于：步骤3中特征提取框架的具体结构包括：1)32个大小为3*3的卷积核，紧跟一个relu激活层；2)步长为2的最大池化层；3)64个大小为3*3的卷积层，紧跟一个relu激活层；4)步长为2的最大池化层；5)64个大小为3*3的卷积层，紧跟一个relu激活层；6)步长为2的最大池化层；7)一个三层的金字塔池化层。

3.如权利要求1所述的一种多级空间上下文特征指导的高分辨率遥感影像分类方法，其特征在于：步骤5中对象级别上下文特征提取器的具体结构包括，1)32个大小为3*3的卷积核，紧跟一个relu激活层；2)步长为2的最大池化层；3)64个大小为3*3的卷积层，紧跟一个relu激活层；4)步长为2的最大池化层；5)64个大小为3*3的卷积层，紧跟一个relu激活层；6)步长为2的最大池化层；7)128个大小为3*3的卷积层，紧跟一个relu激活层；8)步长为2的最大池化层；9)一个三层的金字塔池化层。

4.如权利要求1所述的一种多级空间上下文特征指导的高分辨率遥感影像分类方法，其特征在于：步骤6中多层感知机分类器包括三个全连接层和一个Softmax分类层，第一个全连接层包括100个神经元，第二个全连接层包括10个神经元，第三个全连接层包括n个神经元，n为地物类别总数。

5.如权利要求1所述的一种多级空间上下文特征指导的高分辨率遥感影像分类方法，其特征在于：步骤7中使用条件随机场对该对象级别分类结果图进行后处理的具体实现方式如下，

假设有一组随机向量X＝{x₁,x₂,…,x_N}，每个x_i对应于图像上位置为i的像素点，N是所有像素点的数目，每个像素点的标签是L＝{l₁,l₂,…,l_k}中的一个，F＝{F₁,F₂,…,F_N}是观测到的像素点值，那么称(F,X)是一个条件随机场，该条件随机场服从吉布斯分布；条件随机场出现的概率为公式(3)所示：

P(X|F)＝exp(-E(X|F))/Z(F) (3)

公式(3)中的Z(F)是归一化指数，其计算方法如公式(4)所示：

Z(F)＝∑_xexp(-E(X|F)) (4)

公式(4)中的E(X|F)即E(X)，表示吉布斯能量，条件随机场通过找到最小的E(X)得到最佳的分类结果，其中，E(X)表示为公式(5)所示：

公式(5)中的为一元势函数，这里的输入为每个像素点的类别概率，类别概率从对象级别分类结果图中得到，为二元势函数，定义如公式(6)所示：

上式中的μ(x_i,x_j)为决策函数，当像素点x_i与x_j相邻时μ(x_i,x_j)＝1，当不相邻时，μ(x_i,x_j)＝0，p_i为像素点x_i的光谱值，p_j为像素点x_j的光谱值；I_i为像素点x_i的空间坐标，I_j为像素点x_j的空间坐标，σ_α，σ_β，σ_γ和w₁、w₂均为权重；当相邻像素点的像素值相似而类别标签不同时，则二元势函数越大，表明该分布出现的概率越小；通过随机场方法，对象级别的分类效果被进一步提升到像素级别的细分类。