[发明专利]一种遥感图像对象的空间关系建模方法

摘要

本发明涉及一种遥感图像对象的空间关系建模方法，包括以下步骤：S1图像分割；S2选择训练样本；S3生成初始分类结果；S4选择空间建模的图像样本对象；S5计算图像样本对象间的空间距离；S6图像样本对象的协方差函数估计；S7点支撑模型反演；S8建立任意两个图像对象间的空间关系；S9实施面向对象的地统计加权的KNN分类方法。本发明的有益效果：首次提出遥感图像对象空间关系建模方法，填补了该领域的空白；相比于不考虑图像对象数据特点的建模方法，能有效地提高分类精度；不仅限于遥感影像分类领域的应用，还能够广泛适用于各种图像对象的建模。

主权项

一种遥感图像对象的空间关系建模方法，其特征在于，包括以下步骤：S1 图像分割：将高分辨率遥感图像实施多尺度分割，分割成具有很多同质区域的图像对象；S2 选择训练样本：根据高分辨率图像上典型地物的特征，选择分类的训练样本对象；S3 生成初始分类结果：利用选择的样本，实施面向对象的KNN方法得到初始分类结果，该结果作为训练图像；S4 选择空间建模的图像样本对象：通过分层随机采样的方式，从训练图像上每个类别选择足够多的图像样本对象；S5 计算图像样本对象间的空间距离：提出一种面积加权的距离度量方法，计算图像对象样本间的空间距离；S6 图像样本对象的协方差函数估计：根据采样的图像对象样本，通过面积加权距离计算每个类别的类别条件概率；S7 点支撑模型反演：先将基于样本对象的协方差函数反演为点支撑的模型函数，然后根据点支撑的函数模型推算任何数据支撑的空间关系模型；S8 建立任意两个图像对象间的空间关系：将点支撑模型进行正则化，得到任何两个对象模型之间的空间关系；S9 实施面向对象的地统计加权的KNN分类方法：在分类过程中用正则化技术得到任何两个参与计算的图像对象之间的空间相关性，转换为空间关系权重模型，并将该权重融合到KNN分类器中，得到分类结果。