[发明专利]一种基于遥感影像分类的城市变化监测方法及系统

权利要求书

1.一种基于遥感影像分类的城市变化监测方法，其特征在于，所述方法包括：

S1：采集相同位置、不同时期的第一图像数据和第二图像数据；

S2：对所述第一图像数据和第二图像数据在粗分类模块进行粗分类，生成粗分类结果；

S3：分别提取所述第一图像数据光谱特征和纹理特征和第二图像数据的光谱特征和纹理特征，并对所述光谱特征和纹理特征在细分类模块中训练，生成训练样本；

S4：细分类模块基于训练样本，对粗分类结果进行细分类，并生成细分类结果；

S5：对细分类结果进行差值分析，得到若干变化区域。

2.根据权利要求1所述的一种基于遥感影像分类的城市变化监测方法，其特征在于，分别提取S3所述第一图像数据光谱特征和纹理特征以及第二图像数据的光谱特征和纹理特征，具体为：

提取第一图像数据的光谱特征Fc_t1，纹理特征Fw_t1，以及第二图像数据的光谱特征Fc_t2，纹理特征Fw_t2；

通过公式(1)计算得到F_w：

F_w＝(F_c2，F_ASM，F_Var，F_Ent) (1)，

其中F_w为纹理特征，F_c2为对比度纹理特征，F_ASM为角二阶距纹理特征，F_Var为标隹差纹理特征，F_Ent为熵纹理特征；

所述光谱特征记为F_c。

3.根据权利要求2所述的一种基于遥感影像分类的城市变化监测方法，其特征在于，所述S3包括：

所述光谱特征由公式(1)和公式(2)计算得出：

(1)(2)

其中，x_i为提取的像元值，n为提取的像元总数，为像元平均值，x^*计算结果为图像数据的光谱特征F_c。

4.根据权利要求2所述的一种基于遥感影像分类的城市变化监测方法，其特征在于，所述S3具体为：所述纹理特征包括对比度C₂、角二阶矩ASM、标准差Variance和熵Ent。

5.根据权利要求4所述的一种基于遥感影像分类的城市变化监测方法，其特征在于，所述图像数据的纹理特征的计算具体为：

所述对比度的计算方式为：

L是行列最大值，C₂的含义为对比度；所述P(i，j，d，θ)是灰度共生矩阵，其中P(i，j，d，θ)表示的含义为在θ方向上，间隔距离为d的一对像素，其灰度值分别为i和j的概率记为P(i，j，d，θ)，其计算方式为：

其中，f(x，y)为M×N大小的矩阵，#(z)为集合z中元素的个数；

所述角二阶矩的计算方式为：

其中，ASM为角二阶矩，p(i，j)的含义为灰度值分别为i和j的概率记为p(i，j)，G为行列最大值；

所述标准差的计算方式为：

其中Variance的含义为标准差，p(i，j)的含义为灰度值分别为i和j的概率记为p(i，j)，Mean为均值，k为行列最大值；

所述熵的计算方式为：

其中，Ent的含义为熵，p(i，j)的含义为灰度值分别为i和j的概率记为p(i，j)，G为行列最大值。

6.根据权利要求1所述的一种基于遥感影像分类的城市变化监测方法，其特征在于，所述细分类方法包括：

L1：采集图像数据，在细分类模块中进行训练，生成第一训练样本；

L2：基于第一训练样本对其进行权重迭代，得到第二训练样本；

L3：基于第二训练样本，对粗分类结果在细分类模块中进行细分类，生成细分类结果。