The invention relates to a method, device and storage medium for ground object classification, in which the method includes: acquiring a first image, each pixel of the first image is a classified sample pixel or a pixel to be classified; annotating all the classified sample pixels in the first image; and partially classifying sample images. The pixels in the first image are trained to generate a decision tree; the importance ranking of multi-band features of the classified sample pixels that generate the first image; the redefinition of the classified sample pixels; and the extraction of the selected bands from all the sample pixels in the first image and all the bands of the pixels to be classified, respectively. Compose the second image; use the band value of each pixel in the second image to generate new band features; use XGBoost to train the pixsample'input model of each classification sample pixel, and finally get the classification model MODEL; use the classification model MODEL to automatically classify all the pixels in the second image one by one. Classification.
【技术实现步骤摘要】
一种地物分类方法、系统、设备和存储介质
本专利技术涉及一种地物分类方法，具体而言，涉及一种地物分类方法、装置、设备及计算机可读存储介质。
技术介绍
本专利技术对
技术介绍
的描述属于与本专利技术的相关技术，仅仅是用于说明和便于理解本专利技术的
技术实现思路
，不应理解为申请人明确认为或推定申请人认为是本专利技术在首次提出申请的申请日的现有技术。上世纪以来航空航天以及卫星遥感技术不断发展，通过卫星影像数据，为国土资源监察和管理提供了很大便利。在遥感领域一些常用的分类地物的算法，如ndvi，evi,等不能很好的解决这种问题，分类效果也很差。现阶段很多卫星影像需要人工进行标记，然而卫星影像的一大特点就是数据量大，纯人工标注的工作量巨大。
技术实现思路
本专利技术旨在至少在一定程度上解决相关技术问题中的技术问题之一。为解决上述现有技术的缺陷，本专利技术实施例提供一种地物分类方法、地物分类方法装置、计算机设备及计算机可读存储介质。为此，本专利技术一个实施例的地物分类方法，包括：获取第一图像，所述第一图像的每个像素点取值为n维向量[w1,w2,w3，...,wn]，向量中的每个值对应一个...
【技术保护点】
1.一种地物分类方法，包括：获取第一图像，所述第一图像的每个像素点取值为n维向量[w1,w2,w3，...,wn]，向量中的每个值对应一个波段wave，所述第一图像的每个像素点是分类样本像素点pixsample(pixsample1，pixsample2，……，pixm)或者是待分类像素点pixwait(pixwait1，pixwait2，……，pixwaitn)；标注所述第一图像中的全部所述分类样本像素点pixsample(pixsample1，pixsample2，pixsample3，……，pixm)，所述全部分类样本像素点包含了对该第一图像的全部分类；对部分所述分类...
【技术特征摘要】
1.一种地物分类方法，包括：获取第一图像，所述第一图像的每个像素点取值为n维向量[w1,w2,w3，...,wn]，向量中的每个值对应一个波段wave，所述第一图像的每个像素点是分类样本像素点pixsample(pixsample1，pixsample2，……，pixm)或者是待分类像素点pixwait(pixwait1，pixwait2，……，pixwaitn)；标注所述第一图像中的全部所述分类样本像素点pixsample(pixsample1，pixsample2，pixsample3，……，pixm)，所述全部分类样本像素点包含了对该第一图像的全部分类；对部分所述分类样本像素点pixsample(pixsample1，pixsample2，pixsample3，……，pixf)(f<m)利用XGBoost进行训练，生成决策树，其中所述部分分类样本像素点包含了对该第一图像的全部分类；根据所述决策树产生所述第一图像的分类样本像素点的多波段wave(wave1，wave2，wave3，……，wavek)特征的重要性排名；根据所述排名，选择部分波段特征来描述全部分类样本像素点pixsample’(pixsampletop1，pixsampletop2，pixsampletop3，……，pixtoph)；从所述第一图像中的全部分类样本像素点pixsample和待分类像素点pixwait的全部波段中分别提取所述选择的波段wavetop1-toph(wavetop1，wavetop2，……，wavetoph)组成第二图像,其中h<k；利用所述第二图像中每个像素点的波段值wavetop1-toph(wavetop1，wavetop2，……，wavetoph)分别生成新波段特征wavenew1-p(wavenew1，wavenew2，……，wavenewp)；用XGBoost将所述每个分类样本像素点pixsample’输入模型进行训练，最终得到分类模型MODEL；用分类模型MODEL将第二图像中的全部待分类像素点pixwait’逐一自动进行分类。2.根据权利要求1所述的地物分类方法，其中，利用所述第二图像中每个像素点的波段值wavetop1-toph(wavetop1，wavetop2，……，wavetoph)分别生成新波段特征wavenew1-p(wavenew1，wavenew2，……，wavenewp)的步骤，包括：从所述选择的波段wavetop1-toph中选取任意波段相互组合计算而生成新特征，从而生成h(h-1)/2个新特征。3.根据权利要求1所述的地物分类方法，其中，利用所述第二图像中每个像素点的波段值wavetop1-toph(wavetop1，wavetop2，……，wavetoph)分别生成新波段特征wavenew1-p(wavenew1，wavenew2，……，wavenewp)的步骤，包括：选取特定的小窗口在原图像上逐步滑动，在滑动窗口的范围内对每个波段计算其均值、标准差以及取值范围、熵、互信息等中的一个或多个，生成新的特征，作为滑窗中心位置的一个新特征。4.根据权利要求1所述的地物分类方法，其中，对部分所述分类样本像素点pixsample(pixsample1，pixsample2，pixsample3，……，pixf)(f<m)利用XGBoost进行训练，生成决策树的步骤之前，还包括：选择部分所述分类样本像素点，按照预定规则对各类样本像素点进行选择。5.根据权利要求4所述的地物分类方法，其中所述预定规则是，为各类样本像素点的数目设置阈值，若某类标注数目大于等于该阈值，则仅选取阈值数目的...
【专利技术属性】
技术研发人员：宋宽，杨国伟，顾竹，张弓，
申请(专利权)人：北京佳格天地科技有限公司，
类型：发明
国别省市：北京,11
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。