一种基于熵的遥感影像数据筛选方法技术

本发明专利技术属于遥感影像处理方法，公开了一种基于熵的遥感影像数据筛选方法，包括如下步骤：(1)利用分层分块的相关理论，构建原始遥感影像的多级分层瓦片结构；(2)根据遥感影像信息的邻域映射熵模型，计算各级瓦片结构中各影像子块的邻域映射熵值；(3)结合四叉树结构构建对各影像子块的邻域映射熵值的索引，并依据多级分层瓦片结构的层次化特点，建立四叉树结构到各影像子块邻域映射熵值索引模型的映射关系；(4)依据设定的数据筛选阈值条件完成数据筛选，从而获取所需要的遥感影像数据。本发明专利技术利用信息熵实现了对原始遥感影像数据的自动筛选，在降低遥感数据冗余性的同时提高了遥感影像的数据质量。感影像的数据质量。感影像的数据质量。

【技术实现步骤摘要】
一种基于熵的遥感影像数据筛选方法


[0001]本专利技术涉及遥感影像处理方法，具体涉及一种基于熵的遥感影像数据筛 选方法。

技术介绍

[0002]在遥感影像的处理过程中，随着遥感影像数据量急剧增加，遥感数据的 获取能力和现有遥感信息处理技术之间存在严重的失衡，导致遥感数据的有 效利用率不高，同时也造成某种程度上的数据灾难等问题。
[0003]通常情况下，不同成像条件下获取的同一区域不同模态的单幅原始遥感 影像，所包含子区域影像信息丰富程度具有明显的差异性，成像质量也是参 差不齐。此外，在数据处理过程中，原始遥感影像数据还具有数据量大、尺 度大等特点，使得加载单幅较大区域影像所耗费的时间相较于同样数据量的 多个子影像数据的加载时间更长，而且数据处理的对象大都是面向子图像区 域而不是全部图像数据。因此，在实际生产过程中，从已有冗余性原始遥感 影像中初步筛选出影像信息丰富并且成像质量好的局部目标区域的有效数 据集，是一种在遥感数据处理过程中提高影像数据处理速度以及数据利用率 的有效方法。
[0004]当前数据平台获取遥感影像目标数据的查询过程大都仍是通过人工方 式实现，查询效率低、易产生遗漏且受人为因素的干扰大，难以满足高效精 确的查询要求。
[0005]有鉴于此需要提供一种基于熵的遥感影像数据筛选方法。

技术实现思路

[0006]本专利技术的目的是提供一种基于熵的遥感影像数据筛选方法，其能够利用 遥感影像信息熵实现对多幅同一区域不同模态下的遥感影像数据的自动筛 选，并能够将筛选所得的有效影像子块的数据集拼接形成合成遥感影像，以 形成一套信息最丰富的遥感影像并降低影像数据的冗余，并筛选出不同时间 条件下影像数据间的信息差异(即影像信息增量)。
[0007]为实现以上专利技术目的，本专利技术提供一种基于熵的遥感影像数据筛选方法， 包括如下步骤：(1)利用分层分块原理构建原始遥感影像的多级分层瓦片结 构；(2)根据遥感影像信息的邻域映射熵模型，计算各级所述瓦片结构中各 影像子块的邻域映射熵值；(3)结合四叉树结构构建对各所述影像子块的邻 域映射熵值的索引，并依据多级分层瓦片结构的层次化特征，建立所述四叉 树结构到各所述影像子块邻域映射熵值索引模型的映射关系；(4)依据设定 的数据筛选阈值条件完成数据筛选，从而获取遥感影像数据的有效子块数据 集。
[0008]进一步地，针对原始遥感影像在不同成像条件下获取的同一区域不同模 态的多幅遥感影像，利用基于熵的遥感影像数据筛选模型得到高质量的遥感 影像数据，能够取长补短消除不利因素对遥感影像数据质量的影响，并能够 筛选出不同时间条件下(如间隔1年后)影像数据间的信息差异性(即影像 的信息增量)。
[0009]具体地，所述不同成像条件包括时间条件(即昼夜交替过程中的影像获 取时的亮
度条件、不同季节植被覆盖差异)以及气候条件(即地面特征被云 层遮挡的程度)。
[0010]进一步具体地，所述不同模态为遥感影像的不同形式，包括红外影像、 光学影像、合成孔径雷达影像和栅格影像。
[0011]优选地，所述多级分层瓦片结构呈金字塔型结构，该多级分层瓦片结构 中的任一层所划分出的影像子块数小于该层的下一层所划分出的影像子块 数；同一层级中所划分出的所述影像子块的尺寸大小一致，且所述影像子块 的尺寸大小为2的整数次幂(2
N
,N＝1,2,3
…
)。
[0012]具体地，步骤(2)中各所述影像子块的邻域映射熵值记为 H
lNME
,l＝1,2,...，其中l表示不同层级中所述影像子块的个数，邻域映射熵 值计算过程如下式：
[0013][0014]其中，i为目标影像子块的灰度值，j为该目标影像子块i的邻域灰度均 值，n
(i,j)
为该目标影像子块的二维邻域灰度数组(i,j)的统计个数，为 该目标影像子块的邻域映射模型中三维数组(i,j,n
(i,j)
)的统计值对应的出现概 率；
[0015]所述二维领域灰度数组(i,j)，能够表征目标影像的局部邻域分布和像元 位置的信息：
[0016][0017]式中，i
s
为所述目标影像子块的第S个邻域影像子块的灰度值，N为与 该目标影像子块相邻的影像子块的总数。
[0018]进一步具体地，所述目标影像子块的二维邻域灰度数组的统计个数n
(i,j)
包括以下三种情况：
[0019]a)所述目标影像子块位于所述原始遥感影像数据的边角，则其具有3 个相邻的影像子块；
[0020]b)所述目标影像子块位于所述原始遥感影像数据的边缘(不包括边角)， 则其具有5个相邻的影像子块；
[0021]c)所述目标影像子块位于所述原始遥感影像数据的内部，则其具有8 个相邻的影像子块。
[0022]进一步地，所述步骤(3)依据所建立的所述四叉树结构到各所述影像 子块邻域映射熵值索引模型的映射关系，将所述影像子块的筛选过程变换到 线性四叉树影像子块领域映射熵值的查找上，且该映射关系能够进行进一步 的数据添加和修改。
[0023]进一步地，步骤(4)中的所述数据筛选方法为将各幅所述原始遥感影 像中相同层级内相同区域的影像子块相对比，并依据设定的阈值条件进行筛 选。
[0024]具体地，所述阈值的设定由目标数据的数量或信息测量值确定，采用影 像子块有效数量num
subblock
等于1或最大邻域映射熵值作为数据筛选的阈值 设定条件：
[0025][0026]并依据所设定的数据筛选阈值条件，对各幅所述原始遥感影像中相应层 级的所述影像子块数据进行迭代筛选，以能够获得所述原始遥感影像的有效 影像子块的数据集。
[0027]本专利技术以领域映射熵作为数据筛选的依据，并结合了分层分块的相关理 论以及四叉树结构，构建了原始遥感影像的多级分层瓦片结构，形成了不同 层级的影像子块，并进一步构建了四叉树结构对各影像子块的邻域映射熵值 的索引，并依据该索引关系，建立了四叉树结构到各邻域映射熵值所对应的 影像子块的映射关系，实现了有效影像子块的筛选过程的自动化，且筛选过 程高效准确，从而获取质量更高的遥感影像数据，并能够取长补短消除不利 因素对遥感影像数据质量的影响，筛选出不同时间条件下影像信息增量，且 后续的影像处理能够基于该遥感影像数据集进行，从而能够有效降低影像数 据的冗余性。
[0028]本专利技术实施例的其它特征和优点将在随后的具体实施方式部分予以详 细说明。
附图说明
[0029]图1是本专利技术一个实施例的流程图；
[0030]图2是本专利技术一个实施例的遥感影像的多层级瓦片结构以及遥感影像数 据到四叉树索引的关系示意图；
[0031]图3a、图3b、图3c和图3d是本专利技术一个实施例中的四幅原始遥感影 像；
[0032]图4是本专利技术一个实施例在原始遥感影像数据分层分块基础上构建的多 层瓦片结构图本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于熵的遥感影像数据筛选方法，其特征在于，包括如下步骤：(1)利用分层分块原理构建原始遥感影像的多级分层瓦片结构；(2)根据遥感影像信息的邻域映射熵模型，计算各级所述瓦片结构中各影像子块的邻域映射熵值；(3)结合四叉树结构构建对各所述影像子块的邻域映射熵值的索引，并依据多级分层瓦片结构的层次化特征，建立所述四叉树结构到各所述影像子块邻域映射熵值索引模型的映射关系；(4)依据设定的数据筛选阈值条件完成数据筛选，从而获取所需要的遥感影像数据集。2.根据权利要求1所述的基于熵的遥感影像数据筛选方法，其特征在于，所述原始遥感影像为在不同成像条件下获取的同一区域不同模态的多幅遥感影像。3.根据权利要求2所述的基于熵的遥感影像数据筛选方法，其特征在于，所述不同成像条件包时间条件(即昼夜交替过程中的影像获取时的亮度条件)以及气候条件(即地面特征被云层遮挡的程度)。4.根据权利要求2所述的基于熵的遥感影像数据筛选方法，其特征在于，所述不同模态为遥感影像的不同形式，包括红外影像、光学影像、合成孔径雷达影像和栅格影像。5.根据权利要求1所述的基于熵的遥感影像数据筛选方法，其特征在于，所述多级分层瓦片结构呈金字塔型结构，该多级分层瓦片结构中的任一层所划分出的影像子块数小于该层的下一层所划分出的影像子块数；同一层级中所划分出的所述影像子块的尺寸大小一致，且所述影像子块的尺寸大小为2的整数次幂(2
N
,N＝1,2,3
…
)。6.根据权利要求1所述的基于熵的遥感影像数据筛选方法，其特征在于，步骤(2)中各所述影像子块的邻域映射熵值记为H
lNME
,l＝1,2,...，其中l表示不同层级中所述影像子块的个数，邻域映射熵值计算过程如下式：其中，i为目标影像子块的灰度值，j为该目标影像子块i的邻域灰度均值，n
(i,j)
为该目标影像子块的二维...

【专利技术属性】
技术研发人员：周晓光，方世民，侯东阳，
申请(专利权)人：中南大学，
类型：发明
国别省市：