一种遥感图像的分类方法技术

本发明专利技术公开一种遥感图像的分类方法，包括图像预处理模块、图像分类模块、特征优化模块和边缘提取模块；图像预处理模块包括分类方案确定单元、多尺度分割单元、特征提取单元和训练样本选取单元；图像分类模块采用监督算法和半监督算法；特征优化模块包括特征重要性评价单元、特征选取及加权累加单元；边缘提取模块采用曲率滤波计算单元和分数阶微分差运算单元。本发明专利技术采用多级分类并评价特征重要性，且选取较优特征进行加权融合形成新特征参与分类，采用微分阶与曲率滤波实现边缘检测，平滑噪声并降低运算量和复杂度，保留遥感图像丰富细节信息。

【技术实现步骤摘要】
一种遥感图像的分类方法
本专利技术涉及遥感图像处理
，具体涉及一种遥感图像的分类方法。
技术介绍
土地利用分类是区分土地利用空间地域组成单元的过程。这种空间地域单元是土地利用的地域组合单位，表现人类对土地利用、改造的方式和成果，反映土地的利用形式和用途。土地利用分类是为完成土地资源调查或进行统一的科学土地管理，从土地利用现状出发，根据土地利用的地域分异规律、土地用途、土地利用方式等，将一个国家或地区的土地利用情况，按照一定的层次等级体系划分为若干不同的土地利用类别。随着社会的快速发展，土地类型变化频繁，传统的土地类别确定及面积测量需花费大量的人力、物力和时间，随着遥感技术的发展，利用遥感图像范围大且包含丰富的细节信息的特点进行分类，可快速获取土地变化情况，由于遥感数据为高维数据且所含特征数量较多，计算量较大且无法利用有效特征进行分类，分类后，对于小面积土地的边缘提取易受噪声影响，对整幅图像降噪时会使遥感图像丢失大量细节信息。
技术实现思路
为解决上述问题，本专利技术提出了一种遥感图像的分类方法，通过特征重要性评本文档来自技高网...

【技术保护点】
1.一种遥感图像的分类方法，其特征在于：包括图像预处理模块、图像分类模块、特征优化模块和边缘提取模块；/n所述图像预处理模块包括分类方案确定单元、多尺度分割单元、特征提取单元和训练样本选取单元；/n所述图像分类模块采用监督算法和半监督算法；/n所述特征优化模块包括特征重要性评价单元、特征选取及加权累加单元；/n所述边缘提取模块采用曲率滤波计算单元和分数阶微分差运算单元。/n

【技术特征摘要】
1.一种遥感图像的分类方法，其特征在于：包括图像预处理模块、图像分类模块、特征优化模块和边缘提取模块；
所述图像预处理模块包括分类方案确定单元、多尺度分割单元、特征提取单元和训练样本选取单元；
所述图像分类模块采用监督算法和半监督算法；
所述特征优化模块包括特征重要性评价单元、特征选取及加权累加单元；
所述边缘提取模块采用曲率滤波计算单元和分数阶微分差运算单元。


2.根据权利要求1所述的遥感图像的分类方法，其特征在于：包括以下步骤：
a.获取原始遥感图像后通过图像预处理模块进行图像融合、辐射定标、大气校正，然后分别通过分类方案确定单元和多尺度分割单元确定分类类别和图像分割尺度，通过特征提取单元提取特征且包括光谱特征、纹理特征、空间特征、时间特征，通过训练样本选取单元并根据已确定数据和专家经验选取训练样本；
b.遥感图像采用监督算法训练训练样本，生成一级分类模型，利用一级分类模型对遥感图像进行分类；
c.基于训练样本，采用步骤b中监督算法对提取的特征计算袋外数据错误率，并循环对提取特征加入噪声干扰后随机打乱，再次计算错误率，两次平均错误率之差为提取特征的重要性值，选择重要性值大的特征，进行归一化后，计算特征占比并进行加权融合，形成新的特征；
d.采用步骤b中监督算法，利用步骤c中形成的新的特征进行二级分类，生成类别图像；
e.通过分数阶微分差运算单元进行类别图像的边缘检测，并通过曲率滤波计算单元求取最速下降正则化能...

【专利技术属性】
技术研发人员：周雷文，
申请(专利权)人：周雷文，
类型：发明
国别省市：浙江;33