基于II型模糊粗糙模型的遥感影像特征离散化方法及装置制造方法及图纸

本发明专利技术提供了一种基于II型模糊粗糙模型的遥感影像特征离散化方法及装置，该方法包括：获取目标遥感图像数据，从目标遥感图像数据中提取混合像元，各混合像元分别包含多种地物类型的光谱响应特征；根据混合像元确定各混合像元对应各地物类型的主隶属度；根据主隶属度计算各混合像元归属于各地物类型的次隶属度；根据主隶属度和次隶属度，确定各地物类型的II型模糊粗糙集；对目标遥感图像数据进行特征离散化处理，得到最优离散化结果。本发明专利技术实施例以混合像元对应的主隶属度和次隶属度描述遥感影像特征离散化过程中的模糊成分，以主隶属度模糊离散化过程，并以次隶属度将主隶属度进一步模糊化，准确量化混合像元的不确定性，获得精确离散化结果。获得精确离散化结果。获得精确离散化结果。

【技术实现步骤摘要】
基于II型模糊粗糙模型的遥感影像特征离散化方法及装置


[0001]本专利技术涉及遥感影像特征提取领域，具体涉及一种基于II型模糊粗糙模型的遥感影像特征离散化方法及装置。

技术介绍

[0002]遥感作为一种先进的技术手段，已经广泛应用于经济和社会发展的各个领域。空间分辨率、时间分辨率、光谱分辨率以及辐射分辨率的逐渐提高，使得遥感数据具有明显的大数据特征。由于地物要素空间分布的多样性，穿插性和复杂性，遥感图像中每个像元的光谱信号记录着不同的土地覆盖类型，这些像元称为混合像元。特征离散化作为一种最有影响力的数据预处理技术在广泛应用于工业控制的知识发现和数据挖掘领域扮演着重要角色。它能够将连续特征转换成更接近知识层表示的离散特征，使得数据更易于理解，使用和解释，从而提升遥感数据处理的效率和适应那些需要离散型数据作为输入的学习算法。在相关技术中，为实现遥感影像特征离散化，遥感影像的特征离散化算法通常基于一个样本仅属于单一类别的假设，无法描述混合像元引起的不确定性。或者为了简化II型模糊集合的运算，将混合像元的次隶属度定义为常量。尽管模糊粗糙模型通过引入像元对各类别的隶属度来量化不确定性信息，但是混合像元的分解模型存在较大的误差，造成与数据的分布信息不服，无法准确的描述数据的不确定性，造成数据精度的下降。

技术实现思路

[0003]因此，本专利技术要解决的技术问题在于克服现有技术中的特征离散化算法无法准确量化和评估混合像元引起的不确定性的缺陷，从而提供一种基于II型模糊粗糙模型的遥感影像特征离散化方法及装置。r/>[0004]根据第一方面，本专利技术实施例提供了一种基于II型模糊粗糙模型的遥感影像特征离散化方法，包括以下步骤：获取目标遥感图像数据，从目标遥感图像数据中提取混合像元，各混合像元分别包含多种地物类型的光谱响应特征；根据混合像元确定各混合像元对应各地物类型的主隶属度；根据主隶属度计算各混合像元归属于各地物类型的次隶属度；根据主隶属度和次隶属度，确定各地物类型的II型模糊粗糙集；对目标遥感图像数据进行特征离散化处理，得到最优离散化结果。
[0005]可选地，根据混合像元确定各混合像元对应各地物类型的主隶属度，包括：迭代计算预设模糊分割矩阵的模糊均值矢量和模糊协方差矩阵，预设模糊分割矩阵由混合像元对应各地物类型的隶属度组成；根据迭代计算满足迭代终止条件时的模糊分割矩阵，确定各混合像元对应各地物类型的主隶属度。
[0006]可选地，根据迭代计算满足迭代终止条件时的模糊分割矩阵，确定各混合像元对应各地物类型的主隶属度，包括：根据模糊分割矩阵，确定各混合像元对应的丰度，并将丰度作为各混合像元对应各地物类型的主隶属度。
[0007]可选地，根据主隶属度计算各混合像元归属于各地物类型的次隶属度，包括：根据
迭代计算满足迭代终止条件时的模糊分割矩阵，确定硬分割矩阵；根据硬分割矩阵，确定归属于各地物类型的像元构成的集合；计算集合在近似空间中的上近似、下近似、正域、负域、边界域；根据上近似、下近似、正域、负域、边界域确定各混合像元归属于各地物类型的次隶属度。
[0008]可选地，对目标遥感图像数据进行特征离散化处理，得到最优离散化结果，包括：从遥感图像数据中获取混合像元的初始断点集；基于初始断点集的断点数量初始化目标遥感图像数据种群；对目标遥感图像数据种群的个体迭代执行遗传算法，确定最优离散化结果；其中，与初始化后的目标遥感图像数据种群相对应的离散化方案为初始离散化方案，每个种群个体对应一个离散化结果。
[0009]可选地，对目标遥感图像数据种群的个体迭代执行遗传算法，确定最优离散化结果，包括：基于混合像元间的欧氏距离确定混合像元间的模糊关系；根据模糊关系，计算II型模糊粗糙集的平均近似精度；根据初始断点集的断点数量，确定与目标遥感图像数据种群个体相对应的断点数目减少的幅度；根据断点数目减少的幅度与平均近似精度，确定II型模糊粗糙集的适应度函数；根据II型模糊粗糙集的适应度函数，确定II型模糊粗糙集的适应度值，并以最优适应度值对应的各目标遥感图像数据种群的个体作为最优离散化结果。
[0010]可选地，II型模糊粗糙集的适应度函数通过如下公式表达：，其中，α和β为权重系数，|D|为以断点数目减少的幅度，为平均近似精度。
[0011]根据第二方面，本专利技术实施例提供了一种基于II型模糊粗糙模型的遥感影像特征离散化装置，包括：混合像元提取单元，被配置为获取目标遥感图像数据，从目标遥感图像数据中提取混合像元，各混合像元分别包含多种地物类型的光谱响应特征；主隶属度确定单元，被配置为根据混合像元确定各混合像元对应各地物类型的主隶属度；次隶属度确定单元，被配置为根据主隶属度计算各混合像元归属于各地物类型的次隶属度；模糊粗糙集确定单元，被配置为根据主隶属度和次隶属度，确定各地物类型的II型模糊粗糙集；最优离散化结果确定单元，被配置为对目标遥感图像数据进行特征离散化处理，得到最优离散化结果。
[0012]根据第三方面，本专利技术实施例提供了一种非暂态计算机可读存储介质，非暂态计算机可读存储介质存储有计算机指令，计算机指令被处理器执行时，实现如第一方面任一实施方式所述的基于II型模糊粗糙模型的遥感影像特征离散化方法。
[0013]根据第四方面，本专利技术实施例提供了一种计算机设备，包括至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被所述至少一个处理器执行的指令，指令被至少一个处理器执行，从而执行如第一方面任一实施方式所述的基于II型模糊粗糙模型的遥感影像特征离散化方法。
[0014]本专利技术技术方案，具有如下优点：本专利技术提供的一种基于II型模糊粗糙模型的遥感影像特征离散化方法及装置，该方法包括：获取目标遥感图像数据，从目标遥感图像数据中提取混合像元，各混合像元分别包含多种地物类型的光谱响应特征；根据混合像元确定各混合像元对应各地物类型的主隶
属度；根据主隶属度计算各混合像元归属于各地物类型的次隶属度；根据主隶属度和次隶属度，确定各地物类型的II型模糊粗糙集；对目标遥感图像数据进行特征离散化处理，得到最优离散化结果。本专利技术实施例结合粗糙集与模糊集，以混合像元对应的主隶属度和次隶属度来描述遥感影像特征离散化过程中的模糊成分，以主隶属度模糊化离散化过程，并以次隶属度将主隶属度进一步模糊化，从而准确量化和评估混合像元的不确定性，获得更加精确地离散化结果。
附图说明
[0015]为了更清楚地说明本专利技术具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0016]图1为本专利技术实施例1中基于II型模糊粗糙模型的遥感影像特征离散化方法的一个具体示例的流程图；图2为本专利技术实施例1中基于II型模糊粗糙模型的遥感影像特征离散化方法的一个具体示例分析图；图3为本专利技术实施例2中基于本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于II型模糊粗糙模型的遥感影像特征离散化方法，其特征在于，包括： 获取目标遥感图像数据，从所述目标遥感图像数据中提取混合像元，各所述混合像元分别包含多种地物类型的光谱响应特征； 根据所述混合像元确定各所述混合像元对应各地物类型的主隶属度； 根据所述主隶属度计算各所述混合像元归属于各地物类型的次隶属度； 根据所述主隶属度和次隶属度，确定各所述地物类型的II型模糊粗糙集； 对所述目标遥感图像数据进行特征离散化处理，得到最优离散化结果。2.根据权利要求1所述的基于II型模糊粗糙模型的遥感影像特征离散化方法，其特征在于，所述根据所述混合像元确定各所述混合像元对应各地物类型的主隶属度，包括： 迭代计算预设模糊分割矩阵的模糊均值矢量和模糊协方差矩阵，所述预设模糊分割矩阵由混合像元对应各地物类型的隶属度组成； 根据迭代计算满足迭代终止条件时的模糊分割矩阵，确定各所述混合像元对应各地物类型的主隶属度。3.根据权利要求2所述的基于II型模糊粗糙模型的遥感影像特征离散化方法，其特征在于，所述根据迭代计算满足迭代终止条件时的模糊分割矩阵，确定各所述混合像元对应各地物类型的主隶属度，包括： 根据所述模糊分割矩阵，确定各所述混合像元对应的丰度，并将丰度作为各所述混合像元对应各地物类型的主隶属度。4.根据权利要求1所述的基于II型模糊粗糙模型的遥感影像特征离散化方法，其特征在于，所述根据所述主隶属度计算各所述混合像元归属于各地物类型的次隶属度，包括： 根据迭代计算满足迭代终止条件时的模糊分割矩阵，确定硬分割矩阵； 根据所述硬分割矩阵，确定归属于各地物类型的像元构成的集合； 计算所述集合在近似空间中的上近似、下近似、正域、负域、边界域； 根据所述上近似、下近似、正域、负域、边界域确定各所述混合像元归属于各地物类型的次隶属度。5.根据权利要求1所述的基于II型模糊粗糙模型的遥感影像特征离散化方法，其特征在于，所述对所述目标遥感图像数据进行特征离散化处理，得到最优离散化结果，包括： 从所述遥感图像数据中获取所述混合像元的初始断点集； 基于所述初始断点集的断点数量初始化所述目标遥感图像数据种群； 对所述目标遥感图像数据种群的个体迭代执行遗传算法，确定最优离散化结果； 其中，与初始化后的所述目标遥感图像数据种群相对应的离散化方案为初始离散化方案，每个种群个体对...

【专利技术属性】
技术研发人员：陈琼，黄小猛，
申请(专利权)人：清华大学，
类型：发明
国别省市：