[发明专利]一种基于改进可靠性因子的遥感图像融合与海岸带分类方法

摘要

本发明公开了一种基于改进可靠性因子的遥感图像融合与海岸带分类方法，主要包括：读取SAR图像与光学图像并配准；选用FLF线检测算法提取海岸线；将分类区域分割为均匀区域与不均匀区域；进行图像融合并提取灰度共生矩阵纹理并选定训练数据；计算当前像素所属类别的条件概率及每个像素属于每一类的势能，取势能最小的类别标签赋给当前像素作为分类结果；由所述分类结果的每一类别中提取20％的数据作为训练集直到每个像素属于每一类的势能不再变化，则输出最终分类结果。本发明针对不同的地物区域，对不同的传感器数据给出不同的可靠性因子，进而实现海岸带的精确分类。

主权项

1.一种基于改进可靠性因子的遥感图像融合与海岸带分类方法，其特征在于包括以下步骤：步骤S1、读取SAR图像与光学图像，并对所述SAR图像与所述光学图像进行配准，其中所述SAR图像为Sentinel‑1图像，所述光学图像为Landsat‑8图像第4、3、2波段合成的真彩色图像；步骤S2、对Landsat‑8图像的第5波段图像提取海岸线，以海岸线为界，向陆地方向扩300个像素宽的区域作为分类区域，其中线状物的提取选用FLF线检测算法；步骤S3、将所述分类区域分割为均匀区域与不均匀区域，包括根据SAR图像的熵纹理信息提取出初步的不均匀区域，综合光学图像的灰度值信息得到的得到最终的不均匀区域标记场；步骤S4、对SAR图像与光学图像进行融合分类，提取SAR图像的灰度共生矩阵纹理并选定训练数据；步骤S5、计算SAR图像与光学图像融合后的当前像素所属类别的条件概率，并计算每个像素属于每一类的势能，取势能最小的类别标签赋给当前像素作为分类结果；步骤S6、由所述分类结果的每一类别中提取20％的数据作为训练集，包括对像素所属类别的条件概率排序，提取最高的20％作为新的训练集；步骤S7、反复执行步骤S5‑步骤S6，直到每个像素属于每一类的势能不再变化，则输出最终分类结果。