[发明专利]一种范例推理与Fuzzy ARTMAP网络相结合的遥感影像分类方法

摘要

一种范例推理与Fuzzy ARTMAP网络相结合的遥感影像分类方法，属于计算机遥感影像处理与模式识别领域。其特征在于以下步聚：首先建立反映未分类遥感影像特征的新范例，利用时空特征检索和内容特征精选的双层策略从范例库中检索出适合当前分类问题的范例索引集；其次根据范例索引集构建分类方案并对其进行进一步的调整和修正分，用修正后的分类方案对未分类遥感影像进行分类操作；最后利用范例库更新策略将修正后的分类方案存入范例库，以备下一次分类操作参考。本发明的效果和益处是能够充分挖掘和优化整合已有遥感样本和分类知识，大幅度地提高训练样本较少情况下的遥感影像监督分类精度。

主权项

1.一种范例推理与Fuzzy ARTMAP网络相结合的遥感影像分类方法，其特征在于具体步骤如下：(1)构建新范例：将未分类遥感影像的时空特征，即覆盖范围和获取时间，作为新范例的时空特征；将未分类遥感影像的样本数据集合作为新范例的样本数据集合。经上述操作得到反映未分类遥感影像特征的新范例。(2)进行时空特征检索：以新范例的时空特征为依据，利用时空相似性函数从遥感影像的覆盖范围重合程度、遥感影像获取时间的近似程度两方面进行时空特征检索操作，检索出范例库中与新范例在覆盖范围和获取时间两方面均满足设定阈值要求的范例集合。(3)进行内容特征精选：利用初步检索出的范例中的分类模板对新范例样本数据进行分类操作。以每个范例得到的相应分类结果为依据，利用中心权值向量计算每个范例对应的各个类别的检索能量函数。对每个类别求取具有最小检索能量函数的范例索引值，以此建立精选后的范例索引集。(4)以精选后的范例索引集为基础构建初始分类方案：将索引值对应的范例中相应类别的分类模板提取出来，重组为初始分类方案。(5)以新范例中的数据特征为依据，修正初始分类方案：①将分类模板中各类别或子类别的的中心权值作为Fuzzy c-means分类器的初试聚类中心，这样可以保证每个聚类中心都能够对应一个确定的类别标识。②按照Fuzzy c-means迭代算法对新范例中的数据进行聚类操作，算法收敛后得到依据新范例数据特征调整的各类别或子类别的聚类中心，同时也得到新范例数据的初始分类结果。③将收敛后的Fuzzy c-means的聚类中心作为分类方案的模式中心权值；利用新范例数据的初始分类结果重新训练分类方案中Fuzzy ARTMAP的网络权值。至此得到修正后的遥感影像分类方案。(6)利用遥感影像分类方案中的Fuzzy ARTMAP网络权值对遥感影像进行分类操作，分类算法按照Fuzzy ARTMAP网络的分类算法。得到遥感影像分类结果。(7)将新范例的时空特征、修正后的遥感影像分类方案和分类后的遥感影像数据作为将要存储的范例的主要组成部分，将此范例存入范例库中以备下一次分类操作参考，完成范例库的更新操作。