[发明专利]一种基于OpenStreetMap的遥感影像多特征联合分类方法

摘要

本发明公开了一种基于OpenStreetMap的遥感影像多特征分类方法，本发明从遥感影像中提取多种空间特征描述影像不同方面的特性，采用形态学腐蚀滤波去除对象边界混淆像素，针对每个类别进行类内的聚类分析，去除错误标记，获取准确的分类样本，联合获取的影像特征与分类样本，并结合支持向量机分类器，计算各个像素在不同特征下属于不同类别的概率，结合分类可靠性实现不同特征对应的类别概率的加权融合，完成遥感影像分类。本发明通过挖掘遥感影像的空间信息，有效地整合了多种经典空间特征提取算法，能够增强不同类别的可分性，获得更准确的各类别分类结果和更高的分类精度。

主权项

1.一种基于OpenStreetMap的遥感影像多特征分类方法，包含以下步骤：1)将OpenStreetMap(OSM)与待分类遥感影像进行配准，根据实际分类需求，从OSM中选择出感兴趣类别对应的矢量图层，将其转化为栅格影像；2)提取待分类遥感影像多种不同空间特征，从多个方面描述待分类遥感影像地物分布特点；3)对各个类别对应的OSM栅格影像进行形态学处理，以获得去除目标边缘像素保留中心像素的样本；4)针对每个类别的样本，使用聚类算法根据像素的特征进行聚类分析，并根据每个子类聚类中心的分布及每个子类中的样本数，剔除被错误标记的样本，5)利用获取的样本，分别使用多种不同空间特征并结合支持向量机对待分类遥感影像进行分类，获取每个像素在不同空间特征下属于不同类别的概率；6)根据输出的类别概率，计算各个分类结果的可靠性，并以此为基础，对多个分类结果的输出结果进行加权融合，获得最后的分类结果。