[发明专利]一种基于形态学的多源遥感图像地物精细分类方法

权利要求书

1.一种基于形态学的多源遥感图像地物精细分类方法，其特征在于：该方法具体步骤包括：

S1，对高光谱图像进行降维处理，采取主成分分析法对高光谱图像进行降维，将降维后的高光谱图像的每一个波段分别进行保存，即保存为单波段图像；红外图像不需要进行降维处理；

S2，对红外图像和降维后的高光谱图像分别提取形态学特征；使用LCP算法对多源遥感图像提取形态学特征；

S3，形态学特征融合；在得到上述多源遥感图像的形态学特征之后，对这些特征在特征级进行融合，使用特征堆叠方法把高光谱图像降维后的各个单波段图像经LCP算法得到的形态学特征和红外图像的经过LCP算法得到的形态学特征在第3维进行堆叠，得到多源图像的融合形态学特征；

S4，分类；将融合好的多源遥感图像的形态学特征输入到SVM中进行分类，得到最终的分类精度及分类结果图；

S2具体包括：

S21，树的构建；无论是高光谱还是红外图像，在利用LCP算法进行特征提取之前都需要构建拓扑树，拓扑树根据图像中连通区域的包含关系来构建，表示图像中连通域的邻域关系；树中每个节点代表着图中的一个连通区域，每个连通区域仅与单个节点相对应，根节点代表着全局区域中最广的连通区域，叶节点代表着局部区域中的最小连通区域；

S22，消光滤波；在树构建完成后，对树进行剪切操作；LCP算法的剪枝操作是基于消光滤波；通过设定的阈值，保留S21中构建好的拓扑树中满足要求的叶节点所在分支，剪切掉不满足要求的叶节点所在分支；

S23，图像重构；在树经过消光滤波之后，根据原始多源遥感图像所构建的拓扑树发生变化，即许多条分支上的节点被剪切，其对应的连通区域也被父节点对应的连通区域所覆盖，树中每个节点所对应的连通区域都发生了变化，一个父节点代表的连通区域即为原始父节点对应的连通区域加其多个子节点随影的连通区域的组合区域；分别按照变化后的拓扑树重新构造图像，对于高光谱，经过重构之后的图像对应的是S1中保存的单波段图像的形态学特征，对于红外图像而言，重构后的图像就是红外图像的特征。