一种对高分辨率影像的地物提取方法及装置制造方法及图纸

本发明专利技术提供的对高分辨率影像的地物提取方法及装置，根据待提取的高分辨率影像的光谱特征影像和三类多尺度特征影像，定义了待提取的高分辨率影像的三类光谱‑空间特征：光谱‑光谱特征的多尺度形态学特征、光谱‑地物延展特征的多尺度形态学特征和光谱‑地表下垫面物理特征的多尺度形态学特征，该三类光谱‑空间特征能很好的区分不同种类的地物，利用支持向量机的概率融合光谱‑空间特征的分类模型进行分类，首先将三类光谱‑空间特征利用支持向量机进行初步的分类，然后将分类结果利用概率融合的方法进一步对地物进行区分，从而提高了对高分辨率影像的地物提取精度。

【技术实现步骤摘要】
一种对高分辨率影像的地物提取方法及装置
本专利技术涉及影像提取
，更具体的，涉及一种对高分辨率影像的地物提取方法及装置。
技术介绍
近些年来，一些关于光谱-空间特征的研究被深入开展，DellAcqua利用高分辨率高光谱数据对城市分类的空间分析算法进行了首次的评估，实验结果证明了相比于单纯的光谱分析方法，利用该空间分析的方法具有更好的效果。Benediktsson针对高空间分辨率的城市高光谱数据的分类，提出了扩展形态学序列(EMP)，将高光谱影像进行主成分变换后的影像作为形态学序列构建的基本影像，然后将光谱的主成分和其形成的EMP应用到神经网络分类器中。由于原来的方法没有充分考虑数据中的光谱信息，Fauvel通过将高光谱信息和EMP结合形成特征向量从而改进了这个方法。HuangandZhang通过意大利北部的帕维亚市的高空间分辨率的高光谱影像，对城市测绘的空间方法进行了比较研究，利用不同的光谱-空间特征对地物进行提取和分类，其中涉及形态学序列(MPs)，灰度共生矩阵(GLCM)，像元形状指数(PSI)，面向对象的基于分形网络的分类，和多尺度的均值漂移算法，结果显示结合光谱-空间特本文档来自技高网...

【技术保护点】
一种对高分辨率影像的地物提取方法，其特征在于，所述方法包括：对待提取的高分辨率影像进行预处理，得到所述高分辨率影像的光谱特征影像Spectral

【技术特征摘要】
1.一种对高分辨率影像的地物提取方法，其特征在于，所述方法包括：对待提取的高分辨率影像进行预处理，得到所述高分辨率影像的光谱特征影像SpectralNMF；建立所述待提取的高分辨率影像的三类多尺度特征影像：光谱特征的多尺度形态学特征影像地物延展特征的多尺度形态学特征影像和地表下垫面物理特征的多尺度形态学特征影像根据所述待提取的高分辨率影像的所述光谱特征影像SpectralNMF和所述三类多尺度特征影像，定义所述待提取的高分辨率影像的三类光谱-空间特征：光谱-光谱特征的多尺度形态学特征光谱-地物延展特征的多尺度形态学特征和光谱-地表下垫面物理特征的多尺度形态学特征基于所述待提取的高分辨率影像的三类光谱-空间特征和预先建立的支持向量机的概率融合光谱-空间特征的分类模型，对所述待提取的高分辨率影像进行地物分类，并依据地物分类结果完成对所述待提取的高分辨率影像的地物提取。2.根据权利要求1所述的方法，其特征在于，所述对待提取的高分辨率影像进行预处理，得到所述高分辨率影像的光谱特征影像SpectralNMF，包括：获取所述待提取的高分辨率影像的多个光谱波段；对多个所述光谱波段进行降噪处理，得到降噪后的多个光谱波段；利用非负矩阵分解NMF变换对多个所述降噪后的光谱波段进行降维处理，得到所述高分辨率影像的光谱特征影像SpectralNMF。3.根据权利要求1所述的方法，其特征在于，所述建立所述待提取的高分辨率影像的三类多尺度特征影像：光谱特征的多尺度形态学特征影像地物延展特征的多尺度形态学特征影像和地表下垫面物理特征的多尺度形态学特征影像包括：利用线性光谱混合模型对所述待提取的高分辨率影像的地表下垫面物理特征进行提取，得到所述待提取的高分辨率影像的地表下垫面物理特征，所述地表下垫面包括高反照度地物，低反照度地物、植被和土壤；构造像元相似性函数sim(t,θ,W)，根据所述像元相似性函数sim(t,θ,W)得到所述待提取的高分辨率影像在各个延伸方向的地物延展特征，其中，t为像元相似性的阈值，θ为延伸方向，中心像元向外延伸的四个延伸方向θ分别为：0°，45°，90°和135°，W为窗口尺寸；以所述待提取的高分辨率影像的光谱特征、地物延展特征和地表下垫面物理特征为基础，利用形态学算子分别建立所述待提取的高分辨率影像的光谱特征的多尺度形态学特征地物延展特征的多尺度形态学特征和地表下垫面物理特征的多尺度形态学特征4.根据权利要求3所述的方法，其特征在于，所述以所述待提取的高分辨率影像的光谱特征、地物延展特征和地表下垫面物理特征为基础，利用形态学算子分别建立所述待提取的高分辨率影像的光谱特征的多尺度形态学特征地物延展特征的多尺度形态学特征和地表下垫面物理特征的多尺度形态学特征包括：分别对所述待提取的高分辨率影像的光谱特征、地物延展特征和地表下垫面物理特征进行基于OFC算子的白帽变换，得到所述待提取的高分辨率影像的光谱特征、地物延展特征和地表下垫面物理特征的多尺度形态学序列其中，(d,s)表示结构体，d表示角度，s表示距离；对每一组结构体(d,s)对应的形态学序列依次进行差分处理：其中，Δs为形态学序列的距离间隔，s∈(smin,smax)，得到每一个所述多尺度形态学序列对应的多尺度差分形态学序列，即得到所述待提取的高分辨率影像的光谱特征的多尺度形态学特征地物延展特征的多尺度形态学特征和地表下垫面物理特征的多尺度形态学特征5.根据权利要求1所述的方法，其特征在于，所述基于所述待提取的高分辨率影像的三类光谱-空间特征和预先建立的支持向量机的概率融合光谱-空间特征的分类模型，对所述待提取的高分辨率影像进行分类，包括：基于每类所述光谱-空间特征，分别利用支持向量机分类器对所述待提取的高分辨率影像进行分类，得到每类所述光谱-空间特征对应的地物分类结果；基于像素的概率融合，将每类所述光谱-空间特征对应的地物分类结果进行整合，通过最大后验概率确...

【专利技术属性】
技术研发人员：罗新伟，江春华，陈显龙，方文，黄小兵，孙士欣，
申请(专利权)人：北京恒华伟业科技股份有限公司，
类型：发明
国别省市：北京,11