[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

说明书

本发明公开了一种基于形态学的多源遥感图像地物精细分类方法，对高光谱图像、红外图像分别提取其形态学特征，使用特定的融合方法，将所提取的两种数据源的空间特征进行融合，再送到分类器中进行分类，得到最终的分类结果图和分类精度。对高光谱图像进行降维处理；对红外图像和降维后的高光谱图；形态学特征融合；分类。本发明利用高光谱图像和红外图像之间的差异性和互补性，通过使用形态学方法提取两种类型图像之间的特征并进行融合，提高了高光谱图像的地物分类精度。

技术领域

本发明提供了一种基于形态学特征将高光谱图像和红外图像融合进行协同分类的方法，结合高光谱的光谱合一特性和红外图像不易受阴影和天气条件影响的优势，充分利用两种图像之间的差异性和互补性，提高了高光谱地物分类的精度。

背景技术

随着遥感成像技术的不断提高，软硬件一体化技术体系不断成熟，运载方式不断突破。现有遥感图像在光谱分辨率和空间分辨率方面均有很大提升。遥感图像可以捕获丰富的地物信息，实现较好的地物语义性或地物逻辑性解释，使得遥感图像在模式识别领域具备数据源优势。但由于传感器成像原理不同及其他条件限制，任何单一源的图像均不能全面描述目标对象特性，即在几何、空间、光谱等方面存在单源差异性和局限性。按照光谱分辨率可将遥感图像分为多光谱遥感和高光谱遥感；按照覆盖波长的范围可将遥感图像分为可见光遥感图像、红外图像和雷达图像。本发明主要考虑高光谱图像和红外图像。

高光谱图像具备图谱合一的优势，可以根据其像素的光谱曲线来区分不同像素和识别像素的类别，也可以根据形状块的空间信息进行语义解释和地物识别，在农业、海洋、军事、食品、医学和气象等领域都有广泛的应用。但高光谱图像仍有两类局限性：其一，高光谱凭借丰富光谱信息可对反光性不同的地物材质有效识别，但是对于反光性相似的材质识别效果却难以达到期望效果；其二，高光谱空间信息表征力有限，对形状大致相同但反光性不同的材质识别效果不佳。除此之外，高光谱图像易受阴影，天气条件等因素的影响，因此，即使将光谱信息和空间信息进行综合利用对高光谱图像的分类效果有一定程度的改善，但仅依靠高光谱图像进行分类依旧有很多限制。红外成像作为一种被动式成像技术，通过捕获物体内部所辐射的红外射线达到成像的效果，可根据背景和目标的温度不同而产生不同强度的辐射，蕴含丰富的光谱和空间特征，能很好地识别目标，但是红外图像所包含的信息比较单一，不足以应对复杂地物分类问题。因此，在复杂地物分类任务中，依靠单一遥感数据具有很大局限性，若要实现地物空间信息精准获取从而达到期望的分类效果，需要利用多源图像之间的冗余性、合作性以及互补性来提高高光谱图像的分类性能。