[发明专利]基于联合稀疏表达的遥感影像多尺度面向对象分类方法

摘要

本发明公开了一种基于联合稀疏表达的遥感影像多尺度面向对象分类方法，包括步骤：首先，挖掘遥感影像的空间特征，并结合光谱特征构造增广特征；其次，利用训练像素样本和增广特征构造过完备字典，采用过完备字典对初始分割的图斑进行联合稀疏表达；然后，基于联合稀疏表达对图斑进行均质性分析和重建效果分析；最后，根据均质性分析和重建效果分析结果判断图斑分割是否合理，对同时满足均质性水平和重建效果的图斑进行类别标识。本发明将分割和分类过程有机结合以获取合适的地物图斑进行分类，实现了遥感影像对象层面上的分类识别，能获取符合目视判读的分类结果，大大提高了遥感影像的解译精度，具有重大的应用价值。

主权项

基于联合稀疏表达的遥感影像多尺度面向对象分类方法，其特征在于，包括步骤：步骤1，结合空间属性特征和光谱属性特征构造影像数据的增广特征；步骤2，基于训练像素样本和增广矩阵构造过完备字典，训练像素样本包括不同类别的像素样本，过完备字典覆盖了所有类别的训练像素样本在增广特征空间中的分布；步骤3，采用面向对象的影像分割方法对影像数据进行初始化分割获得初始化的图斑；步骤4，基于图斑内像素在增广特征空间的表达构造图斑的联合信号矩阵，采用过完备字典对图斑的联合信号矩阵进行联合稀疏表达，从而获得图斑的联合稀疏表达矩阵；步骤5，基于联合稀疏表达矩阵对图斑依次进行均质性分析与重建效果分析，所述的均质性分析基于稀疏重建过程中各类别像素的贡献程度来判断图斑是否满足均质性水平，所述的重建效果分析对基于图斑的联合系数表达矩阵重建的信号进行分析；步骤6，根据均质性分析与重建效果分析结果对图斑做如下操作：1）图斑均满足均质性水平和重建效果时，将该图斑标记为“稀疏表达过程中起到最多贡献的字典基对应的类别”；2）图斑满足均质性水平但不满足重建效果时，该图斑为“过分割图斑”，对该图斑放大分割尺度参数进行再次分割，对再次分割获得的新图斑执行步骤4；3）当图斑不满足均质性水平时，该图斑为“欠分割图斑”，对该图斑缩小分割尺度参数进行再次分割，对再次分割获得的新图斑执行步骤4。