The invention discloses an object-based water body extraction method for remote sensing images. Firstly, the original remote sensing images obtained in advance are preprocessed to obtain the reflectance and gray value of ground objects in each band; secondly, based on the selection of object features, the object feature space is constructed, and the feature data set is randomly divided into training set and test set; finally, the particle with mutation operator is adopted. The swarm optimization algorithm optimizes the pre-constructed water extraction model based on support vector machine. At the same time, the fitness is used to determine whether the combination of parameters found in each time is globally optimal. If so, the optimal combination of parameters is output. Otherwise, the mutation operation is used to continue iteration until the global optimal solution is found. The invention adopts the adaptive mutation particle swarm optimization algorithm with simple structure and fast convergence speed to improve the water body information extraction model based on SVM, which is more economical in time cost and improves the classification accuracy to a certain extent, and the accuracy of the extracted water body information results is greatly increased.
【技术实现步骤摘要】
一种基于对象的遥感图像水体提取方法
本专利申请涉及遥感图像处理领域,特别涉及一种基于对象的遥感图像水体提取方法。
技术介绍
随着遥感技术的进一步发展,通过对遥感影像的分析进而实现水体信息的精确提取对于水资源管理、旱涝预警、凌汛监测等具有重要的意义。高分辨率遥感图像的产生与应用对于进一步的遥感监测研究十分关键,但是也对传统的遥感图像分析方法提出了更高的要求。遥感图像分析的目的就是通过图像分割、分类、识别、检测和测量等方法和手段分析图像中的目标以及获取该目标的相关参数,从中提取关键地物信息。虽然遥感图像分析方法经过了长时间的研究,但由于遥感图像自身存在的诸多不确定性、地物自身的复杂性以及认知科学的相关研究尚未成熟,传统的基于像素的遥感图像分析方法很难突破瓶颈。为了解决上述的关键问题,同时随着机器学习方法的发展与应用,大量研究人员希望通过机器学习的方式,构造算法与模型,进一步的提高遥感影像地物信息的提取精度。支持向量机(SVM)的方法作为代表性的机器学习算法,在构造基于对象的遥感图像地物信息提取模型时具有较好的效果。然而,更进一步的优化SVM参数提高模型效率仍旧是一个需要深入研究的领域。
技术实现思路
专利技术目的:本专利技术提出一种基于对象的遥感图像水体提取方法,能克服基于像素的方法存在的鲁棒性差、高维特征描述困难等问题。技术方案:本专利技术所述的一种基于对象的遥感图像水体提取方法,包括以下步骤:(1)对预先获取的原始遥感图像进行预处理,获取各波段地物反射率和灰度值;(2)基于对象特征的选择,构建对象特征空间,并将特征数据集随机划分为训练集与测试集;(3)采用添加 ...
【技术保护点】
1.一种基于对象的遥感图像水体提取方法,其特征在于,包括以下步骤:(1)对预先获取的原始遥感图像进行预处理,获取各波段地物反射率和灰度值;(2)基于对象特征的选择,构建对象特征空间,并将特征数据集随机划分为训练集与测试集;(3)采用添加变异算子的粒子群优化算法对预先构建的基于支持向量机的水体提取模型进行优化,同时通过适应度来确定每一次寻找到的参数组合是否为全局最优,如果是,输出最优参数组合;否则通过变异操作,继续迭代直到找到全局最优解。
【技术特征摘要】
1.一种基于对象的遥感图像水体提取方法,其特征在于,包括以下步骤:(1)对预先获取的原始遥感图像进行预处理,获取各波段地物反射率和灰度值;(2)基于对象特征的选择,构建对象特征空间,并将特征数据集随机划分为训练集与测试集;(3)采用添加变异算子的粒子群优化算法对预先构建的基于支持向量机的水体提取模型进行优化,同时通过适应度来确定每一次寻找到的参数组合是否为全局最优,如果是,输出最优参数组合;否则通过变异操作,继续迭代直到找到全局最优解。2.根据权利要求1所述的一种基于对象的遥感图像水体提取方法,其特征在于,步骤(2)所述的对象特征主要包括波段1-4光谱信息、归一化水体差异指数、纹理信息熵数值。3.根据权利要求1所述的一种基于对象的遥感图像水体提取方法,其特征在于,步骤(2)所述特征数据集主要包括每个对象包含的像素数量和对象的特征阈值。4.根据权利要求1所述的一种基于对象的遥感图像水体提取方法,其特征在于,所述步骤(2)包括以下步骤:(21)根据地物光谱选择高分1号遥感图像波段1、波段2、波段3、波段4、归一化水体差异指数以及灰度共生矩阵的纹理特征,作为对象的6个特征属性;(...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。