一种协同变化检测的对象级分类样本自动选择方法技术

本发明专利技术公开了一种协同变化检测的遥感影像对象级分类样本自动选择方法，在获取同一区域两期遥感影像的前提下，对新时相的影像利用均匀漂移的方式进行多尺度分割，获取地物的对象边界信息，同时对两期影像进行变化检测，获取不变像元；进一步在“不变”像元位置基础上建立两期影像间的“不变”信息映射关系，从而进行原始样本信息在对应“不变”位置上的迁移；然后，以新时相影像分割获取的矢量边界为约束，提取“不变”对象及其样本类标签信息；最后，利用对象相关属性进行样本纯化，剔除部分具有错误类标签信息的对象，最终建立新影像的对象级样本库，用于新时相遥感影像的分类。

An Automatic Sample Selection Method for Object-Level Classification in Collaborative Change Detection

The invention discloses an automatic selection method for object-level classification samples of remote sensing images for cooperative change detection. On the premise of acquiring two remote sensing images in the same region, multi-scale segmentation of new phase images is carried out by means of uniform drift to obtain object boundary information of objects, and change detection of two phases of images is carried out at the same time. Measure and acquire invariant pixels; further establish the mapping relationship of \invariant\ information between two phases of images on the basis of \invariant\ pixel position, so as to migrate the original sample information on the corresponding \invariant\ position; and then extract the \invariant\ objects and their corresponding \invariant\ objects with the constraints of the vector boundary obtained by the new temporal image segmentation. Sample class label information; finally, sample purification is carried out by using object-related attributes, and some objects with wrong class label information are eliminated. Finally, object-level sample library of new images is established for classification of new-phase remote sensing images.

【技术实现步骤摘要】
一种协同变化检测的对象级分类样本自动选择方法
本专利技术涉及遥感
，具体涉及一种协同变化检测的遥感影像对象级分类样本自动选择方法。
技术介绍
遥感可以快速大范围的获取地表数据。在遥感影像的应用中，分类仍是最基本最核心的问题，尽管已经有许多较为成熟的分类算法，但是分类精度和速度问题仍然没有得到很好的解决。早期的人工目视解译分类方式具有耗费大量人力和时间的缺点。随着计算机技术的发展，机器分类方式的优势逐渐显现，其中早期的像素级分类方式在中低空间分辨率遥感影像中得到了广泛的应用，推动了遥感分类技术的应用。但是，近年来，遥感数据的空间分辨率越来越高，同时其数据量巨大，背景信息复杂，噪声信息干扰严重，“同物异谱”和“异物同谱”现象明显，传统的像素级分类方法精度难以满足实际应用，而对象级分类方法日益凸显出其优势。在对象级分类过程中，不再以像素为基本单元，而是利用影像分割获取的对象作为最小分类单元。这种方式被有效应用的一个前提是具有大量的对象级样本，但如果对每期影像进行分类时均进行样本的重复采集选取，需要耗费大量的人力和物力成本，这是目前采用对象级分类开展大区域长周期应用时遇到的瓶颈问题。(本文档来自技高网...

【技术保护点】
1.一种协同变化检测的对象级分类样本自动选择方法，其特征在于，包括下述步骤：1)获取同一研究区域内的至少两期遥感影像，即最新遥感影像和旧遥感影像；2)对最新遥感影像进行多尺度分割，获取其中地物的对象级矢量边界、纹理以及光谱信息；3)对所述两期遥感影像进行像元级变化检测，提取其中未发生变化的像元的位置分布，并将未发生变化的象元建立为样本标签；4)以步骤2)中所述矢量边界为约束，结合步骤3)中所述样本标签，建立未发生变化的对象级样本，同时根据所述未发生变化的象元的位置分布建立起最新遥感影像与旧遥感影像之间的变化对应关系；5)根据步骤4)中所述变化对应关系，将旧遥感影像中的样本标签迁移至最新遥感影像...

【技术特征摘要】
1.一种协同变化检测的对象级分类样本自动选择方法，其特征在于，包括下述步骤：1)获取同一研究区域内的至少两期遥感影像，即最新遥感影像和旧遥感影像；2)对最新遥感影像进行多尺度分割，获取其中地物的对象级矢量边界、纹理以及光谱信息；3)对所述两期遥感影像进行像元级变化检测，提取其中未发生变化的像元的位置分布，并将未发生变化的象元建立为样本标签；4)以步骤2)中所述矢量边界为约束，结合步骤3)中所述样本标签，建立未发生变化的对象级样本，同时根据所述未发生变化的象元的位置分布建立起最新遥感影像与旧遥感影像之间的变化对应关系；5)根据步骤4)中所述变化对应关系，将旧遥感影像中的样本标签迁移至最新遥感影像中，实现在最新遥感影像中对不变像元的自动标记类别标签；6)对步骤4)中所述对象级样本设置阈值，并进行信息纯化；7)根据步骤5)中所自动标记的样本标签，将步骤4)中所建立的对象级样本迁移至最新遥感影像中，利用步骤2)中所述纹理和光谱信息进行验证，剔除其中错误样本，构建最新遥感影像的...

【专利技术属性】
技术研发人员：吴田军，胡晓东，夏列钢，骆剑承，董文，
申请(专利权)人：苏州中科天启遥感科技有限公司，长安大学，中国科学院遥感与数字地球研究所，
类型：发明
国别省市：江苏,32