[发明专利]一种基于扩展随机游走算法的遥感图像亚像元定位方法

摘要

本发明公开了一种基于扩展随机游走算法的遥感图像亚像元定位方法，包括如下步骤：(1)通过双立方插值对原始粗糙遥感图像进行处理，然后对处理后的遥感图像进行光谱解混，获得亚像元属于每个类别的比例，同时利用主成分分成提取处理后遥感图像的第一主成分，通过自适应分割算法分割第一主成分，生成不规则的目标对象；(2)利用扩展随机行走算法计算目标对象属于每个类别的比例，进而获得目标对象空间相关性；(3)采用基于目标单元的类分配方法得到最终亚像元定位结果。本发明旨在通过随机游走算法获得具有更全面信息的目标对象空间相关性，实现亚像定位技术的创新，为遥感图像的广泛应用提供技术支持。

主权项

1.一种基于扩展随机游走算法的遥感图像亚像元定位方法，其特征在于：包括步骤：(1)通过双立方插值对原始粗糙遥感图像进行处理，然后对处理后的遥感图像进行光谱解混，获得亚像元属于每个类别的比例，同时利用主成分分成提取处理后遥感图像的第一主成分，通过自适应分割算法分割第一主成分，生成不规则的目标对象；具体为：(11)将分割尺度参数T定义为合并的终止条件，并以此确定生成目标对象的大小；(12)利用公式(1)计算基于多尺度自适应的分割方法：M＝αM^spectral+(1‑α)M^shape  (1)其中M是区域异质性，α是平衡光谱异质性M^spectral和形状异质性M^shape的权重参数，M^spectral和M^shape分别由以下公式获得；其中，V_b是分割区域中第b波段光谱值的标准偏差，是第b波段的光谱权重参数；l是分割区域中的实际边界长度，K^I是分割区域中的亚像元数目，R表示分割区域中的矩形边界长度，和l/R分别用于计算分割区域的平滑度和紧凑度，α^shape是平衡权重参数，B为图像总的波段数；(13)在相邻的目标区域中将异质性最小的两个区域进行合并；当合并区域的区域异质性M大于预先定义的分割尺度参数T时，合并过程终止，产生目标对象；(2)利用扩展随机行走算法计算目标对象属于每个类别的比例，进而获得目标对象空间相关性；具体为：(21)将利用双立方插值处理后的遥感图像通过自适应分割算法进行分割获得I个目标对象O_i，i＝1,2,...,I；其中O_i包含个亚像元；(22)目标对象O_i属于第n类的比例值U_n(O_i)是通过平均该目标对象包含的所有亚像元p_a属于第n类的比例值H_n(p_a)获得，如公式(4)所示：进一步将公式(4)进行归一化处理得到公式(5)：(23)利用扩展随机行走算法生成亚像元p_a属于第n类的目标对象空间相关性E_n(p_a)，如公式(6)所示；其中表示相邻目标区域之间的空间信息，表示每个目标区域内部的空间信息，是列向量，γ是权重参数；通过以下公式计算得出：L是拉普拉斯矩阵，具体表达式如公式(8)所示：其中表示第i个目标对象O_i和第q个超像元O_q之间的光谱值差异；第i个目标对象O_i的光谱值由以下公式给出：其中y_a表示在目标对象O_i中第a个亚像元的光谱值；被定义为公式(10)：其中Λ_m是一个对角线矩阵，其中对角线上是每个超像元属于第m类的比例值；(3)采用基于目标单元的类分配方法得到最终亚像元定位结果；具体为：对目标对象空间相关性最小化，建立一个线性优化模型；类别标签根据这个模型分配给每个目标对象中的亚像元；线性优化模型如公式(11)和(12)所示：在使用类分配方法时，还需要满足以下约束条件：其中第一个方程表明每个亚像元仅属于一个地物类别，第二个方程定义为每个目标对象内的亚像元的数量应与目标对象属于类别的比例值成比例；值得注意的是，当一个目标对象中只有纯的亚像元时，将同一类别的标签直接分配给该目标对象中的所有亚像元。