[发明专利]基于类信息熵的多源遥感图像组合选择方法

摘要

本发明公开了一种基于类信息熵的多源遥感图像最优组合选择方法，包括：1图像目标分类；2计算图像类信息熵，定义类平均信息熵；3构建类信息熵排列的图像集；4计算类信息散度值；5类信息散度值排序，类信息散度阈值寻优；6比较类信息散度值与类信息散度阈值，计算类平均信息熵；7输出最优组合的选择结果。本发明为融合多源异构遥感图像数据提供一种最优组合的选择方法，从而提高对多目标识别的能力和自动化程度。

主权项

一种基于类信息熵的多源遥感图像组合选择方法，其特征包括如下步骤：步骤1、图像目标分类利用多源遥感设备获得R幅原始遥感图像，记为原始图像集X＝{X1,X2,…,Xi,…,XR}，Xi表示第i幅原始遥感图像，1≤i≤R；对所述第i幅原始遥感图像Xi采用SVM或深度卷积网络进行目标分类，得到第i幅原始遥感图像Xi目标类别总数记为TN；步骤2、利用式(1)计算第i幅原始遥感图像Xi的类信息熵H(Xi)，从而获得所述R幅原始遥感图像的类信息熵：H(Xi)=-Σj=1TNP(Xij)logP(Xij)---(1)]]>式(1)中，P(Xij)表示所述第i幅原始遥感图像Xi的中第j类目标的出现概率，j∈(1,TN)；利用式(2)获得R幅原始遥感图像的类平均信息熵HR(X)‾=-1RΣi=1RΣj=1TNP(Xij)logP(Xij)---(2)]]>步骤3、构建类信息熵排序的图像集对所述R幅原始遥感图像Xi的类信息熵按照降序排列，并将只含有背景的图像，即类信息熵为零所对应的遥感图像删除，从而得到R′幅遥感图像所构成的图像集，记为B＝{B1,B2,…,Bt,…,BR′}；1≤t≤R′；R′≤R；步骤4、计算类信息散度值从所述图像集B＝{B1,B2,…,Bt,…,BR′}中任意取出两幅不同的遥感图像并分别定义为图像p和图像q；利用式(3)‑式(6)的相应公式获得类信息散度值DKL(p,q)，从而获得所述图像集B中任意两幅遥感图像之间的类信息散度值；令TNP为图像p的目标类别总数，TNQ为图像q的目标类别总数；当TNP＞L且TNQ＞L，且图像p和图像q包含L个相同目标类别数，则利用式(3)获得所述图像p和图像q的类信息散度值DKL(p,q)：DL(p,q)=Σj=1Lpjlogpjqj+Σj=1Lqjlogqjpj-Σj=L+1TNPpjlogpj-Σj=L+1TNQqjlogqj---(3)]]>式(3)中，pj为图像p中第j类目标的出现概率，qj为图像q中第j类目标的出现概率；若TNP＝TNQ＝L，则利用式(4)获得所述图像p和图像q的类信息散度值DKL(p,q)：DKL(p,q)=Σj=1Lpjlogpjqj+Σj=1Lqjlogqjpj---(4)]]>若TNP＞TNQ且TNQ＝L，则利用式(5)获得所述图像p和图像q的类信息散度值DKL(p,q)：DKL(p,q)=Σj=1Lpjlogpjqj+Σj=1Lqjlogqjpj-Σj=L+1TNPpjlogpj---(5)]]>若TNP＞TNQ且TNP＝L，则利用式(6)获得所述图像p和图像q的类信息散度值DKL(p,q)：DKL(p,q)=Σj=1Lpjlogpjqj+Σj=1Lqjlogqjpj-Σj=L+1TNQqjjogqj--(6)]]>步骤5、类信息散度值排序，类信息散度阈值寻优步骤5.1、对步骤4所获得的所述图像集B中所有两幅遥感图像之间的类信息散度值DKL(p,q)按降序排序，构成类信息散度值数组n为所述类信息散度值数组D的元素总数，计数器m∈(1,n)；定义一个由多个数组构成的顺序表List＝{l1,l2...lm...ln}，所述顺序表List中的任意第m个数组lm的数据结构定义为：初始化初始化所述计数器m＝1；步骤5.2、设置类信息散度阈值当m＜n时，跳转到步骤6，否则继续步骤5.3；步骤5.3、定义梯度定义梯度差m∈[2,n‑1]；从所述顺序表List中的数组l1开始，依次计算梯度和梯度以及依次计算梯度差γm＝|(Δm‑Δm‑1)|和γm+1＝|(Δm+1‑Δm)|；当所述顺序表List中的所有数组全部计算完毕后，生成梯度差数组γ＝(γ2,γ3...γm‑1,γm,γm+1...γn‑1)；若所述数组γ中最大的梯度差Max(γ)为γm，则根据γm对应的梯度Δm，得到相应的从而取出所述顺序表List中所对应的数组lm，跳转步骤7；步骤6、类信息散度值与类信息散度阈值比较，计算类平均信息熵步骤6.1、初始化：新建一个新图像队列集ω，令定义中间图像集C，令C＝B；步骤6.2、将所述中间图像集C中第一幅图像取出，按照队列规则放入所述新图像队列集ω中的尾部，同时，计算获得的所述中间图像集C中的第一幅遥感图像与C中剩余图像之间的类信息散度值，依次与步骤5.2所述信息散度阈值ε按如下过程进行比较，直至中间图像集C中无剩余图像可比较为止；1)若第一幅遥感图像与剩余的遥感图像之间的类信息散度值小于所述类信息散度阈值ε，则将类信息熵较小的遥感图像从所述中间图像集C中删除，并将被删除图像的后续图像依次向前填补中间图像集C中因删除而出现的空位；2)若所述中间图像集C的第一幅遥感图像与剩余的遥感图像之间的类信息散度值大于等于所述类信息散度阈值ε，则保留所述中间图像集C中的剩余遥感图像；步骤6.3、将所述步骤6.2中间图像集C中的第一幅图像删去，若中间图像集C为空，则跳转步骤6.4，否则将所述中间图像集C中被删除图像的后续图像依次向前填补因删除而出现的空位，返回执行步骤6.2；步骤6.4、将所述新图像队列集ω中的所有图像利用式(2)计算得到类平均信息熵其中，K为所述新图像队列集ω中图像的总数；同时，将类平均信息熵与所述新图像队列集ω以及步骤5.2中所述类信息散度阈值ε对应的一起，构成步骤5.1定义的所述数组lm，即并将得到的数组lm存入所述顺序表List中；再将所述计数器m数值加1后跳转到步骤5.2；步骤7、将数组lm中的第三个元素即所述新图像队列集ω取出，所述新图像队列集ω中K个遥感图像即作为多源遥感图像最优组合选择的结果输出。