【技术实现步骤摘要】
双条件质量约束的对象级地物样本自适应生成方法及系统
[0001]本专利技术属于遥感与机器学习相关
,具体涉及一种双条件质量约束的对象级地物样本自适应生成方法及系统
。
技术介绍
[0002]随着卫星传感器类型的增多及计算机技术的快速发展,加上计算和数据存储能力的提高,使得大量卫星数据和复杂的机器学习大框架模型用于大面积土地覆盖制图以及目标提取变为了一种常态
。
随着机器学习和深度学习的发展,遥感影像目标提取及分类精度得到了较为明显的提高
。
但往往高质量分类精度的前提条件是需要充足且高质量的训练样本数据,故训练样本数据的准备是首要任务,更是直接影响了分类结果
。
[0003]为此,国内外大量学者对如何高效且准确的获取地物训练样本做了大量的研究
。
其中,用最为广泛的一种样本选择方式便是结合遥感影像的人工目视解译方法,例如结合野外调查数据使用人工目视解译的方式得到了分类样本集,并计算了样本可分离度,结果显示样本间可分离性较好
。
但该方法在一定程度上具有局限性,该种方式需要人工对每一个样本数据进行判断与选择,大范围区域的样本选择不仅费时费力,同时也增加了人为主观性因素的影响
。
技术实现思路
[0004]本专利技术的目的就是为了解决上述
技术介绍
存在的不足,提供一种双条件质量约束的对象级地物样本自适应生成方法及系统,自动生成对象级地物样本集,较大程度上节省了计算成本,在保证样本质量的基础上提高了样本生成效 ...
【技术保护点】
【技术特征摘要】
1.
一种双条件质量约束的对象级地物样本自适应生成方法,其特征在于:包括以下步骤:基于土地利用数据产品,获取设定时间段内地物类型未发生变化的像素,形成土地利用类型像素图;基于土地利用类型像素图,获取各类地类样本的中心像素;以各类地物的中心像素作为其相应的代表样本点,结合样本尺寸,得到各类地物的样本区块,形成各类地物的样本集;基于各样本区块的多源特征,以样本可分离性和植被指数相关性值作为指标,评估样本集;如果不达标,重新获取各类地物的中心像素和样本区块,以生成新的样本集直至达标
。2.
根据权利要求1所述的方法,其特征在于:获取设定时间段内未发生变化的若干地类像素的过程包括:在线调用若干年份土地利用数据产品,对其重分类至特定的分类体系;筛选出在设定年数内地物类型未发生变化像素
。3.
根据权利要求1所述的方法,其特征在于:判定待评估样本集的样本可分离性符合设定标准后,再评估其植被指数相关性值是否达标
。4.
根据权利要求1所述的方法,其特征在于:获取任一地类的代表样本点的过程包括:针对土地利用类型像素图,采用设定的邻域尺寸的单位核函数对其进行滤波处理;基于设定的邻域尺寸,选择邻域均为同一种地物类型的中心像素位置作为该地物类型的代表样本点
。5.
根据权利要求4所述的方法,其特征在于:获取任一类地物样本区块的过程包括:基于设定的邻域尺寸,获取以中心像素为基准的四个斜角点像素;单向连接四个斜角点像素构成样本的边界线,形成样本区块
。6.
根据权利要求5所述的方法,其特征在于:针对不达标的样本集,重新设定邻域尺寸,再次执行获取各类地物的中心像素
、
样本区块和样本集的过程
。7.
根据权利要求5所述的方法,其特征在于:所述多源特征包括:波段特征
、
植被指数特征
、
纹理特征
、
极化特征和地形因子
。8.
根据权利要求1所述的方法,其特征在于:任意两种地物类型样本集之间,在任一种特征上的样本可分离性
J
‑
M
的计算公式如下:;上式中,
B
为待计算的两种地物类型样本之间的巴氏距离;所述巴氏距离
B<...
【专利技术属性】
技术研发人员:姚金玺,余绍淮,张晟斌,余顺新,徐乔,庄稼丰,余飞,罗博仁,刘德强,
申请(专利权)人:中交第二公路勘察设计研究院有限公司,
类型:发明
国别省市:
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。