[发明专利]基于改进马尔可夫随机场的遥感影像分类方法

说明书

本发明公开了基于改进马尔可夫随机场的遥感影像分类方法，属于遥感影像地物分类技术领域。本发明步骤一：确定遥感影像分类数，对遥感影像随机初始分类；步骤二：基于经典马尔可夫随机场模型，考虑观察场像素之间的关系和空间邻域势团内各像元与中心像元之间的距离关系，对经典MRF算法中的先验能量函数公式进行改进；步骤三：基于经典马尔可夫随机场模型，考虑观察场相邻元素之间的关系，对经典MRF算法中的似然能量函数公式进行改进；步骤四：利用步骤二和步骤三改进的先验能量和似然能量函数公式，求解最小全局能量对应的标号场，根据求解结果对中心像素的分类标号进行更新；步骤五：判断步骤四中更新的分类标号的像素值均值是否收敛。

技术领域

本发明涉及遥感影像地物分类技术领域，具体为基于改进马尔可夫随机场的遥感影像分类方法。

背景技术

遥感影像地物分类是赋予影像每个像素地物类别的过程，一直是遥感影像分析中的重点和热点问题，马尔科夫随机场指某个随机变量，仅仅只与其相邻的随机变量有关，与那些不相邻的随机变量无关。

随着亚米级像素的遥感影像的不断发展，影像中的地物信息更加丰富，同物异谱和异物同谱的趋势增强，像素类属的不确定性增加，导致传统基于光谱和逐像素的分类方法面临极大挑战，分类结果往往出现误分和胡椒盐现象，现有遥感影像分类技术主要分为两大类：监督分类和非监督分类，监督分类的缺陷在于需要人工参与选取样本和训练模型，自动化程度不高，分类精度依赖于选取的样本数量和质量；非监督分类自动化程度高，无需人工参与，但是现有的非监督分类算法如K-means算法，模糊聚类算法都没有考虑遥感影像中的空间信息，对于遥感影像分类的精度不高。

发明内容

本发明的目的在于提供基于改进马尔可夫随机场的遥感影像分类方法，以解决上述背景技术中提出的问题。

为了解决上述技术问题，本发明提供如下技术方案：所述方法包括以下步骤：

步骤一：确定遥感影像分类数，对遥感影像随机初始分类；

步骤二：基于经典马尔可夫随机场模型，考虑观察场像素之间的关系和空间邻域势团内各像元与中心像元之间的距离关系，对经典MRF算法中的先验能量函数公式进行改进，其中，MRF表示马尔可夫随机场；

步骤三：基于经典马尔可夫随机场模型，考虑观察场相邻元素之间的关系，对经典MRF算法中的似然能量函数公式进行改进；

步骤四：利用步骤二和步骤三改进的先验能量和似然能量函数公式，求解最小全局能量对应的标号场，根据求解结果对中心像素的分类标号进行更新；

步骤五：判断步骤四中更新的分类标号的像素值均值是否收敛，若不收敛，则重复步骤二至步骤五，否则输出分类结果。

进一步的，所述步骤一中确定遥感影像分类数，对遥感影像随机初始分类的具体方法为：

步骤一(Ⅰ).选取一幅N×M的遥感影像，将其分类为L个区域，则遥感影像的像素集为S＝{(i,j)|1≤i≤N,1≤j≤M}，其中，i表示遥感影像像素高度，j表示遥感影像像素宽度，(i,j)表示截取的遥感影像的区域大小；

步骤一(Ⅱ).利用MRF模型中的标号场和观测场对遥感影像进行描述，则标号场X＝{x_s|s∈S}，观测场Y＝{y_s|s∈S}，其中，x_s表示遥感影像标号场s区域中像素的像素值，y_s表示遥感影像观测场s区域中的中心像素值，标号场利用先验分布描述像素局部相关性，观测场利用条件分布函数描述观测数据的分布；

步骤一(Ⅲ).根据实际需求对遥感影像的分类数量进行确定，基于分类数量对随机函数rend产生的数值范围进行限定，利用随机函数rand随机产生一个数值，将产生的数值赋值给标号场的某一个像素，直至标号场中的像素全部标号结束。