[发明专利]一种遥感影像地物分类方法及系统

权利要求书

1.一种遥感影像地物分类方法，其特征在于，包括：

S1，获取待处理遥感影像，对其进行预处理，得到待处理遥感影像的特征向量集合；

S2，计算特征向量集合关于遥感影像数据的条件信息熵，以描述遥感影像数据在特征空间中的不确定性；

S3，迭代执行S31-S33，对遥感影像数据进行聚类划分：

S31，利用当前迭代中聚类划分在特征空间中的不确定性及得到的特征向量集合关于遥感影像数据的条件信息熵，确定当前迭代中聚类划分的质量系数；

S32，根据得到的质量系数，通过分别度量遥感影像数据以及当前迭代聚类划分中任意两个类别组成的集合S在符号空间中的不确定性，确定集合S在符号空间中的信息增益，将信息增益最小的集合S中的两个类别合并为一个类别，生成新的聚类划分；

S33，判定新聚类划分的类别数量与遥感影像的待分类数量是否一致，若一致，则执行S4，否则，返回S31进行下一次迭代；

S4，将最终的聚类划分作为地物分类结果进行输出。

2.根据权利要求1所述的遥感影像地物分类方法，其特征在于，所述获取待处理遥感影像，对其进行预处理，得到待处理遥感影像的特征向量集合包括：

获取待处理遥感影像，按照地物分类任务分割出其中的兴趣区域并提取遥感影像中目标光谱波段组合的光谱数据；

根据得到的兴趣区域和提取的光谱数据，提取待处理遥感影像的特征向量并构成集合其中，M为提取出的特征向量数量，f_j表示第j个特征向量，集合F中的特征向量包括：光谱特征、纹理特征、用灰度均值表示的遥感影像中地物的平均反射强度、用灰度中值表示的遥感影像各像元灰度值与平均值总和的离散程度；

对兴趣区域的遥感影像数据进行基于线性拉伸的影像增强处理，得到遥感影像数据其中，x_i表示遥感影像数据中的第i个像元，N表示影像数据中的像元数量；

利用高斯核函数对集合进行特征映射，得到映射后的特征向量集合并使该特征向量集合中的特征向量服从高斯分布；其中，高斯核函数表示为：

其中，κ表示高斯核函数，x_i和x_j分别表示遥感影像数据X中的任意两个像元，分别表示像元x_i、x_j在特征向量集合上的取值，表示像元x_i和x_j在特征向量集合上取值的相关性，γ表示||x_i(F)-x_j(F)||²的标准差，x_i(F)表示像元x_i在特征向量集合F上的取值，x_i(f_j)表示像元x_i在第j个特征向量上的取值。

3.根据权利要求2所述的遥感影像地物分类方法，其特征在于，特征向量集合关于遥感影像数据的条件信息熵表示为：

其中，表示特征向量集合关于遥感影像数据X的条件信息熵；表示遥感影像数据X在特征向量集合上的方差，的计算公式为：

其中，μ_X表示遥感影像数据X在中的期望，的计算公式为：

其中，x_a、x_b和x_c表示遥感影像数据X中x_i以外的任意三个像元。

4.根据权利要求1所述的遥感影像地物分类方法，其特征在于，在迭代执行S31-S33之前，所述方法还包括：

对遥感影像数据进行初始化聚类划分：将每个像元划分到一个单独的类别中，即其中，C⁽⁰⁾表示初始化聚类划分，表示初始聚类划分中的第n个类别。