[发明专利]面向对象的高分辨率遥感影像地表覆盖分类方法及系统

说明书

本发明涉及遥感影像处理技术领域，公开了一种面向对象的高分辨率遥感影像地表覆盖分类方法及系统，包括以下步骤：获得高分一号卫星及哨兵二号卫星的遥感影像，并对所获得的哨兵二号遥感影像进行预处理；基于所获得的高分一号遥感图像和哨兵二号遥感图像进行图像分割，获得高分像元和哨兵像元；基于所获得的高分像元和哨兵像元构建多源特征空间，并保证一个高分像元中至少包括一个哨兵像元；基于所构建的多源特征空间进行机器学习，并进行地表覆盖分类。本发明使用成本低且区分效果好。

技术领域

本发明涉及遥感影像处理技术领域，具体涉及一种面向对象的高分辨率遥感影像地表覆盖分类方法及系统。

背景技术

地表覆盖物，包括铺设在地表的有机物覆盖物和无机覆盖物，地表覆盖类型包括耕地、森林、草地、灌木地、湿地、水体、苔原、人造地表、裸地、冰川和永久积雪；地表覆盖及其变化的研究是作为环境变化研究、地理国情检测、可持续发展规划等是不可或缺的基础信息和关键参量。

传统的地表覆盖调查耗时耗力，而遥感技术以其获取影像范围广、信息量大、获取方式受地面条件限制少等特点，为地表覆盖数据的快速获取提供了新的技术手段。如何从影像中提取特征信息并进行分类，从而准确的得到地表覆盖信息是遥感领域的热点问题。随着影像分辨率的提高，高分辨率遥感影像能够清晰、准确地表达被拍摄地物的光谱、形状、纹理等特征信息。传统基于像元的分类方法仅从单个像素的光谱特征对其进行分析，不能充分利用其他有用信息，容易出现错分漏分的现象，而面向对象的分类方法综合考虑了光谱、形状、纹理等特征，比基于像素的方法有更强大的信息提取能力，有利于提升分类的效果。

目前面向对象的高分辨率遥感影像地表覆盖分类方法研究还存在一些不足，导致分类精度还不够理想。如在影像分割方面，由于确定分割尺度时受人为主观和分割时受复杂地表形态的影响导致分割准确度降低；在特征提取方面，大多研究采用单一高分影像数据源，波段数据较少，难以构建全面、有区分度的特征空间；在分类结构方面，单层次的分类结构难以对不同地类在分割尺度和特征空间上做出调整，影响信息提取和分类的效果。

而为了解决以上问题，人们通常会从采集的输入数据集合上入手，购买经过复杂处理的由多个卫星的数据源形成的高精度输入数据集合。但是，这种基于高精度输入数据集合来源进而提高分类结果精度的方法，因其高昂的投入成本并不具备推广潜力。因为，现在所有提供这种高精度输入数据集合服务的企业，基本都是根据用户的使用需求进行一对一专门处理多个不同卫星数据源后才得到的特定的高精度输入数据集合，这种处理方式一是不具备通用性，本身已经不具备推广前提；二是，因为用户的使用需求千差万别，在选取何种卫星数据源以及如何达到指定精度，都有非常大的主观调整空间，不确定性大，且处理数据量庞大，致使整体处理成本高，非常不利于大规模推广。

发明内容

本发明意在提供面一种向对象的高分辨率遥感影像地表覆盖分类方法，以达到成本低且区分效果好的目的。

为达到上述目的，本发明采用如下技术方案：

面向对象的高分辨率遥感影像地表覆盖分类方法，包括以下步骤：

S1、初始遥感影像获取，从高分一号卫星获取高分一号遥感影像，从哨兵二号卫星获取哨兵二号遥感影像，并对哨兵二号遥感影像进行数据预处理；将高分一号遥感影像和哨兵二号遥感影像配准形成高分一号配准影像；

S2、影像分割，对高分一号配准影像进行影像分割，得到分块影像，每个分块影像中至少包含一个哨兵像元；

S3、对象特征提取，构建多源特征空间；

S4、基于对象分类，形成多层次分类结构；

S5，基于所构建的多源特征空间和多层次分类结构，进行地表覆盖分类。

本方案的原理及优点是：